Dataikuの幹部によると、AI開発の急速なペースに追いつきたいと望む企業は、自社のビジネスプロセスを深く理解するとともに、導入するモデルやエージェントに柔軟性を持たせる必要があるという。

生成AIとエージェンティックAIはここ数年、企業で広く利用されてきた。しかし、OpenAIが2022年にChatGPTをリリースして始まったAIブームの初期と同様に、技術開発の速度は導入のペースに見合っていないように思われる。現在はAI利用のコストに注目が集まっており、企業は生成AIの活用方法を厳しく見直し、そこから確実に価値を得ることを迫られている。

とはいえ最近では、生成AIとエージェンティックAI技術が自社にどう役立つかについての企業の懐疑姿勢が和らぎ、変化が始まっている。OpenClawオープンソースパーソナルエージェントの現象、Anthropicによるドメイン適応型のClaude Coworkおよび強力なMythosモデルのリリース、そしてNvidiaのJensen Huang CEOによる企業に「OpenClaw戦略」の受け入れを求める呼びかけを受けて、企業はこの技術の導入に切迫した必要性を感じている。

今月初めにラスベガスで開催されたAi4 2026カンファレンスでのインタビューで、企業向けAI・機械学習プラットフォームベンダーDataikuのAIおよびプラットフォーム担当上級副社長Jed Dougherty氏は、エージェンティックAIの自律性と、適切なモデルやエージェントの選択をめぐって企業が直面する障害について語った。同氏の見解では、企業がどのブランドのAIを選択しても、それが組織の役に立つよう技術を管理しなければならない。2013年に設立され、2022年の資金調達ラウンドで評価額37億ドルとなったDataikuは、企業AIの構築、デプロイ、ガバナンスのための中央集権型プラットフォームを販売しており、このポジショニングは中央集権的で特定ベンダーに依存しないオーケストレーション層という同氏の主張と一致している。

OpenClawの成功を受けて、企業は今こそAIエージェントの自律性を全面的に受け入れるべきなのか、それとも依然として人間参加型の必要性があるのか?

Dougherty: 人間によるガイダンスは依然として必要だ。エージェントの利用で最大の成果と成功が見られるのは、依然として人間がループ内にいる企業においてである。すべての企業には、何を完全に自律的なシステムへ移行できるかを特定する戦略が必要だ。組織内のどのポリシーやプロセスを自律化できるか、あるいはそのどの部分を自律化できるかを特定することが重要である。

同氏の慎重な見方は業界調査にも裏付けられている。Gartnerは、コストの増大、ビジネス価値の不明確さ、リスク管理の不備を理由に、概念実証が期待通りの成果を挙げられなかった場合、2027年末までにエージェンティックAIプロジェクトの40%超が中止されると予測している。

FDE、すなわちフォワードデプロイドエンジニアは、企業によるAI技術の導入においてどのような役割を果たすのか?

Dougherty: 当社は、強力なフォワードデプロイドエンジニアリングチームの採用と構築に多くの時間と資金を投資しており、そのチームで顧客を支援している。これは非常に重要だ。例えば、私はある顧客を支援していた。比較的シンプルなウェブサイトをいくつか構築しようとしていた。毎日行っているために完全に当たり前だと思っている小さな技術的なハードルが、人々の手を止めたり、ウェブサイトをデプロイできる最初の時期を大幅に遅らせたりする数を、私は予想していなかった。シンプルなインフラ作業のやり方を理解しているフォワードデプロイドエンジニアが存在することは、依然として価値がある。

フォワードデプロイドエンジニアリングモデルはPalantirによって普及し、ベンダーが研究室の能力を実稼働する企業導入へと転換しようとする中で、AIベンダー業界全体に広がっている。

エージェンティックAIを機能させるにはどれほど専門家が必要なのか?また、生成AIが広く使われ始めた当初、ベンダーが専門家を必要としないツールであるかのようなメッセージングをしたのは間違いだったと言えるのか?

Dougherty: そうは思わない。AIは全く新しい技術だ。4年前、人々は機械学習のセルフサービスがかなり得意だった。10年間それを続けてきたからだ。今、新しいエージェント機能が至るところに広がる中、ベンダーは人々がこの最初のハードルを乗り越えられるよう、少し時間をかける必要がある。1年か2年もすれば、より多くの人がこの技術に触れて慣れるため、同じレベルの直接支援は必要なくなると思う。しかし現時点では、エージェントに触れたことも構築したこともない人に説明しようとするとき、間に専門家がいることが助けになる。ビジネスパイプラインの大部分を複製する構造化されたエージェントを持つことによるビジネス変革能力は、比較的複雑なものだからだ。

企業を変革するエージェンティックAIの最良のユースケースは何か?

Dougherty: 企業は最良のユースケースを特定する前に、自分自身を知る必要がある。いかなるビジネスにおいても、エージェンティックAIの最良のユースケースはそのコアプロセスだ。例として保険を取り上げよう。保険請求が届き、その請求に対していくつかの処理が行われる。その請求についてはいくつかの調査が行われなければならない。その保険請求を支払うかどうかの決定が下される。おそらく何らかの監査もあるだろう。法務チームに伝えるかもしれない。つまり、保険ビジネスのコア部分は、保険請求をどのように、また支払うかどうかを決定すること、そしてその顧客と再び取引するかどうかを決めることだ。保険会社が現時点で、生成AIを使わずにそれをどう行っているかをよりよく記述できるほど、保険金支払いプロセスのどの部分をエージェンティックAIによって複製または拡張できるかをよりよく理解できるようになる。

企業は自社のビジネス価値を知っていても、膨大な選択肢に直面することがある。どのベンダーと提携すべきかをどう選べばよいのか?

Dougherty: 機械学習、そして今やAIにおけるデータとの最適な取り組みとは、適切なタスクに適切なサブツールを選択し、簡単に入れ替えや調整ができることを意味する。Snowflakeが最良のデータベースであることもあれば、そうでないこともある。OpenAIが最良の選択肢であることもあれば、非常に機密性の高いデータやコスト管理のためにはオンプレミスモデルが最良の選択肢であることもある。オーケストレーション層、つまりこれらの基盤となる個々のツールを安全で、制御され、ガバナンスされた方法で組み合わせることができるプラットフォームを持つこと、それが基盤だ。適切な仕事に適切なツールを簡単に選択できる、中央集権的で特定ベンダーに依存しないオーケストレーション層が望ましい。

企業は高騰するAI利用コストにどう対処できるのか?

Dougherty: それは、クラウド時代の初期に人々が感じたスティッカーショックに例えられる。すべてをAWSに移行し、翌年に巨額の請求書を受け取ったあの感覚だ。より多くの人が生成AIを使い始めるにつれ、2027年にも同じことが起こるだろう。何かに集中して取り組んでいるとき、1日に1,000ドル分のトークンを消費するのは難しいことではなく、それは安くはない。それに対してある程度の反発は起きると思うが、同時にそれは途方もなく価値のあるものでもある。適切な人の手にかかれば、1日あるいは2か月で構築できるものがある。それに代わるものはない。だからこそ、単一のエージェントにすべてのタスクを実行させないことが非常に重要だ。可能な限り多くの小さなステップに分解すべきだ。コスト管理でもう一つ留意すべきは、市場の変化に対して柔軟であることだ。最良の基盤モデルが何か、価格水準がどうなっているかを市場で把握し続けることは、価格の管理において劇的な違いをもたらし得る。それらの間で切り替えられることが極めて重要だ。

同氏が説明するこの動態には、クラウド側に前例がある。FinOpsは、現在では独自の専門財団を持つ正式な分野となっているが、クラウド初期の請求書に直面した企業が支出の追跡と管理のための専用プロセスを構築した後に形づくられたものだ。

Alibaba、DeepSeekなどの中国企業のオープンモデルについてはどうか?企業はこのトレンドにどう対応すべきか?

Dougherty: それらは素晴らしい。これらのサードパーティ製中国モデルや他のオープンソースモデルを、非常に競争力のある価格で提供しているサードパーティベンダーを数多く見ている。サードパーティのオープンソースモデルを導入して多額の資金を節約することは十分に可能だ。さらに、それらは本質的に能力次第だ。

エージェントが組織全体に普及するにつれ、それらの管理ははるかに重要になるとDougherty氏は述べた。「会話型AIとAIを使ったアプリケーション開発は定着する。誰もがこうしたものを構築することになるだろう。何が機能し、何が機能しないかを見極める必要がある」

編集部注:このインタビューは明確さと簡潔さのために編集されています。

出典:AI Business