AI エージェントを強く推奨するプラットフォームである MMC から新しく公開された記事「エージェント AI の現状: 創設者版」では、問題の確かなデータと分析だけでなく、実現可能な解決策も提示されています。 2025 年は AI エージェントの年として広く認識されており、「エージェント AI」が驚くほど普及し、ディープ リサーチ、コーディング エージェント、ブラウザー アプリケーション、コンピューター アプリケーションなど、新しい製品が次々と登場します。 もちろん、エージェントをめぐっては多くの議論があります。役に立たないと考える人もいれば、万能だと信じている人もいます。どちらも理解できますが、それは主観的なものであり、人それぞれユースケースは異なります。例えば、私はコーディングエージェントが大好きです。本当に問題を解決してくれるからです。しかし、こうした議論はデータによって裏付けられると、はるかに説得力を持つようになります。例えば、これらのエージェントは実際に現実世界のビジネスで使用されているのでしょうか？ MMCは、AIエージェントを開発している30社以上のスタートアップ企業の創業者と、企業の実際のユーザー40名以上に詳細なインタビューを実施し、このレポート「エージェントAIの現状：創業者編」を作成しました。 [1] AIエージェントを本当に制限しているのは、AIが十分に賢くないということではないかもしれない。 現在、エージェントにとっての最大の課題は、「AI が十分に賢くない」、「幻想が強すぎる」、「現在のシステムとの統合が難しすぎる」ことであるとほとんどの人が考えています。 これらは確かに問題ですが、驚くべきことに、創設者たちはこれらをトップ 3 にもランク付けしていません。 調査によると、AI エージェントを導入する際の主な問題は次の 3 つです。 1. ワークフロー統合と人間とコンピュータの相互作用（60％） 2. 従業員の抵抗と非技術的要因（50%を占める） 3. データのプライバシーとセキュリティ（50％） つまり、最大の障害は「人」と「プロセス」の問題です。 1.「これをどうやって使うのですか？」（ワークフロー統合） これが最大の課題であり、60%を占めています。 AI エージェントがいかに強力であっても、それが別途開く必要のあるアプリであり、従業員がそれを操作するために既存の業務ソフトウェア (DingTalk、Lark、Salesforce など) に加えて新しいウィンドウを開く必要がある場合、その使用率は必然的に低くなります。 統合を成功させるには、従業員の既存のワークフローにAIを組み込むことが重要です。例えば、営業担当者がCRMで顧客のステータスを更新すると、AIエージェントが自動的にポップアップ表示され、「議事録を要約しました」と伝えます。 これはもはや単なる技術的な問題ではなく、企業の考え方を変える必要があります。企業はまず、「既存のワークフローをどのように変更して、このようなAIエージェントを統合すればよいか」を考え出す必要があります。これは、単にAIエージェントを購入するよりもはるかに難しい場合が多いのです。 2. 「仕事を奪われるのではないか？」（従業員の抵抗） これは創業者の 50% が言及する信頼の危機です。 私たちは現実を認めなければなりません。企業において、人間と AI のコラボレーションは、現状ではほとんどが不快なものであるということです。 1 つのタイプは「過度の依存」です。従業員が自分で確認することなくすべての作業を AI に押し付けることで、AI が顧客に間違った価格を提示するなどのミスを犯し、大惨事につながる可能性があります。 一つは「過度の懐疑主義」です。従業員はAIを全く信用せず、AIが行うすべてのステップを自ら確認しなければなりません。これでは効率性の向上が妨げられるだけでなく、作業負荷も増大してしまいます。 より深いレベルでは、AIに置き換えられるのではないかという恐怖があります。そのため、従業員はAIの活用をためらったり、表面上は従順でも内心では反抗的で協力を拒んだりするのです。 3. 「自分のデータをAIに提供しても安全ですか？」（データプライバシー） これは創業者の 50% が挙げた主な懸念事項でもあります。 この問題は、金融やヘルスケアなどの業界で特に深刻です。企業は「社内の財務諸表や顧客の医療記録をこのAIエージェントに分析のために渡した場合、そのデータが他のモデルの学習に利用されるのではないか？漏洩するのではないか？」と懸念しています。 これらの懸念の中には、GDPRやISO 27001といったコンプライアンス認証の必要性など、現実的なものもあれば、純粋に主観的なものもあります。理由に関わらず、これらの懸念はいずれも企業がこうしたシステムの導入を躊躇する原因となっています。 [2] 高性能AIエージェント：高い精度と高い自律性 これほど多くの困難がある中で、うまく機能している AI エージェントは実際どれほどのパフォーマンスを発揮しているのでしょうか? このレポートから得られる最も価値のあるポイントの 1 つは、現在の AI エージェントを精度と自律性の 2 つの側面から定量化するアプローチです。 - 正確性: AI によって行われた作業のうち、人間にとって正確で受け入れられるものはどのくらいの割合ですか? - 自律性: AI は人間の介入なしにどの程度まで機能するか? 理想的には、高い精度と高い自律性が両立するはずです。しかし現実には、エージェントスタートアップの90%以上が、自社のソリューションが70%以上の精度を達成していると主張しています。 したがって、MMC はエージェントを 3 つのカテゴリに分類します (精度と自律性が低いエージェントは存在する価値がありません)。 1. 高精度と高い自律性： リスクが低く、反復性が高く、検証が容易な作業シナリオに適しています。例えば、大量のマーケティングメールの自動タグ付けなどです。AIが30%の誤分類をしたとしても、既に1,000通のメールを処理しているため、明らかに誤りのあるメールを手動で修正するだけで済みます。全体的な効率は、純粋な手作業よりもはるかに優れています。 2. 高精度、低自律性： 医療分野など、リスクが高く価値の高い分野に適しています。例えば、AIは臨床試験の研究報告書の作成を支援できます。AIは90%以上の精度を保証する必要がありますが、各ステップで人間の専門家による厳格なレビューを実施する必要があります（自律性が低い）。AIは「意思決定者」ではなく、「スーパーアシスタント」の役割を果たします。 3. 高精度 + 高い自律性： これは理想的な「スイートスポット」、つまり誰もが目指す方向性と言えるでしょう。これは、AIの導入が比較的成熟している分野、あるいはルールの境界が明確に定義されている分野、例えばカスタマーサービス、サイバーセキュリティ、金融コンプライアンスなどに適しています。これらのシナリオでは、AIエージェントは既に十分な信頼性を備えており、80%～90%の精度と自律性を達成しており、エンドツーエンドでタスクを処理できる高い自律性を付与できます。レポートでは、ここでの秘訣は、確率的な大規模言語モデルと、より決定論的なAI手法を組み合わせて精度を向上させ、それによって自律性をさらに高めることだと述べられています。 [3] 企業はエージェントに報酬を支払い始めている。 AI エージェントの実用化を議論する場合、資金を浪費することに頼るのは持続可能ではないため、価格設定の問題は避けられません。 良いニュースは、企業が実際に費用を支払い始めていることです。 報告書によると、AIエージェントのスタートアップ企業の62%がすでに企業の「事業部門予算」を受け取っているという。 これは非常に前向きな兆候です。大企業には2種類の予算があることをご存知ない方も多いかもしれません。1つは「イノベーション予算」と呼ばれるもので、小規模な資金、あるいは実験的な資金です。金額は大きくなく、使い切ったらすぐに清算されます。誰もが新しいことに挑戦したいと考えているのです。 「事業ライン予算」とは、営業部門、マーケティング部門、財務部門など、各部門がそれぞれのコア事業を確実に運営するために必要な支出を指します。 AI エージェントが「ビジネス ライン 予算」を使い始めると、それは使い捨てのおもちゃから、物事を成し遂げるのに役立つ生産性ツールに変身したことを意味します。 残念なことに、最適な価格設定モデルがまだ見つかっていないのです。 誰もがこの価値を認識していますが、具体的にどのように価格設定すべきでしょうか？レポートによると、誰もがまだ模索中で、主に以下の2つのアプローチが考えられます。 1. ハイブリッド料金体系（23%）: たとえば、「基本サービス料金 + 超過分は従量制」など。 2. タスク別（23％）：AIがタスク（請求書の発行など）の完了を支援し、代金を一度回収します。 最も期待されている成果報酬型（OPP）モデルは現在、わずか 3% の企業でしか使用されていません。 なぜですか？それは難しすぎるからです。 例えば、「営業AIアシスタント」が営業部門の大きな商談獲得に貢献したとします。その貢献度の80%を営業チームに与えるべきでしょうか、それとも20%をAIに与えるべきでしょうか？これはどのように評価されるのでしょうか？AIが貢献しなかった場合、企業はAIへの支払いを回避できるのでしょうか？正確な計算は不可能です。 したがって、現時点で最も現実的なアプローチは、結果ではなく努力に基づいて報酬を支払うことです。 [4] 最も重要な部分：成功するAIエージェント導入戦略 AI エージェントの実装がいかに難しいかを考えると、成功しているエージェント企業はどのようにして企業クライアントを説得するのでしょうか? MMC のインタビューでは、一連の非常に実践的な実装経験が得られました。 ヒント1：「小さく考える」 このレポートでは、非常に実用的な実装戦略「Think Small」をまとめています。 「業界を完全に破壊する」や「人間を完全に置き換える」といった壮大な物語は忘れてください。成功するAIエージェントは、多くの場合、非常に小さく、非常に具体的な視点から始まります。 - 出発点: リスクが低く、報酬が中程度のタスクを選択します。 - ポイント：従業員が最もやりたくないタスクを選びます。例えば、営業チームにとって顧客データの手入力は最も面倒なタスクであり、財務チームにとって請求書の確認は最も面倒なタスクです。 - ポジショニング: 決して「交代要員」とは言わず、「副操縦士」と言いましょう。 あなたの目標は、上司に従業員を解雇させることではなく、従業員を反復的で退屈な、望まれない仕事から解放することです。 この AI によってフォームの記入に費やす時間が週 5 時間も節約できることを従業員が実感すると、ようやく信頼の芽が生まれます。 秘密その2：手をつないで 現在のAIエージェントはプラグアンドプレイには程遠いものです。企業はソフトウェアだけでなく、包括的なサポートサービスも購入しています。 成功しているスタートアップ企業は、いずれも「フロントライン・デプロイメント・エンジニア（FDE）」モデルを採用しています。彼らはプログラマーとコンサルタントの両方の顔を持ち、クライアントのオフィスに直接出向き、プロセスの合理化、データのクリーンアップ、AIの段階的な調整を支援します。 同時に、人間とコンピュータのインタラクション インターフェースは「3E」を実現する必要があります。 1. 教育: AI は、ユーザーに「何ができるのか、どのように活用すべきか」を積極的に教えることができる必要があります。 2. エンターテイメント: インタラクティブで楽しい。 3. 期待管理: AI は、ユーザーに「できないこと」について正直に伝え、誇張を避ける必要があります。 秘密その3：ポジショニングが生死を分ける 結局のところ、あなたが「誰であるか」よりも、あなたが「何者であるか」を「どう言うか」の方が重要かもしれません。 - 「交代」ではなく「副操縦士」です。 * 常に謙虚な姿勢を保ちましょう。あなたの製品は「副操縦士」であり、従業員の能力を「置き換える」のではなく「増強する」ために設計されています。たとえあなたの技術が労働力の80%を代替できるとしても、決してそうは言わないでください。 - ステータスに応じて人々を異なる扱いをする: ヘルスケアのような保守的な業界では、「AI」について話すよりも、「自動化」や「効率向上」について話す方が良いでしょう。 金融のような急進的な業界では、自らを最先端だと思わせるために「エージェント AI」を宣伝する必要があります。 - ROI は具体的にする必要があります: 成熟したプロセスの場合は、「XX 時間を節約」または「コストを XX% 削減」などと言います。 * AI によって作成された新しい機能（パーソナライズされたウェブページなど）については、既存のツールにリンクします。例: 「Google 広告のコンバージョン率が 20% 向上します」。 【やっと】 正直なところ、今年の初めはAIエージェントに懐疑的でした。しかし、Claude Codeを使って以来、AIエージェントの大ファンとなり、熱烈な支持者となり、この分野の発展を注視してきました。このレポートは非常に質の高いもので、特に印象に残った点は以下の通りです。 AI エージェント導入の成否を決定づける最も重要な要素は、もはやモデルの強さではなく、それが企業の内部プロセスとどのように統合されるか、従業員の歩行者データをどのように取得するか、そしてそれがどのように価値を証明するかです。 さらに、AIエージェントを精度と主体性という二つの側面から定量化し評価することは、非常に科学的です。現在、多くのAIエージェントは、主体性は高いものの精度が不十分であったり、精度は高いものの主体性が不十分であったりすることがあります。優れたエージェントとなるには、最終的には、高い感情知能を持つ人間のように行動し、ユーザーが話す前からニーズを理解し、静かにユーザーの代わりに行動することが不可欠です。
原文記事を全文お読mmc.vc/research/state…t.cobaoyu.io/translations/s…/t.co/b4YslzEU2I