エンタープライズの導入がうまくいくと、私は最初の2週間でそれが分かります。

人々は単にログインしているだけではありません。AIエージェントが夜通し対応したサポートチケットを閉じ、寝ている間に営業リードへ送られたフォローアップを確認し、新しいユースケースを見つけ、自分たちでさらに多くのエージェントを設定しています。チームからは「それもできるの？」という質問が出てくるようになり、「なぜそれができないの？」とは言われなくなります。その瞬間こそ、顧客が製品を気に入り、すでに日常的に依存していると分かる時です。まるで毎日WhatsAppを使うように。

提供される価値は大きく、時間とコストの大幅な削減に加え、CSATスコアや全体的な業務効率の顕著な改善として表れます。事業へのインパクトは、見逃せないほど大きいのです。

しかし、うまくいかない場合も、シグナルは同じくらい明確です。

契約を結び、大きなAI変革についてのプレスリリースを出し、その後で人々がログインしても、実際には何も起こりません。エージェントが本来対応するはずだった業務のごく一部しか処理していないのです。チームの大半は依然として手作業を続け、CRM、ERP、チケット管理システムとの統合も完了していません。最初は1日1回、次に週1回、そのうち誰も使わなくなります。来年には「これは私たちの働き方に合っていない」と言われ、契約が更新されないことを予想するのに、占い師は必要ありません。

この2つの結果の違いは、ほとんどの場合、技術そのものに起因しません。

技術は動きます。AIエージェントの準備はできています。問題はエンタープライズ側です。

理由はこうです。多くの企業は、AIエージェントの導入とはChatGPTを自社システムにつなげば、あとは魔法のように自走することだと考えています。しかし、実際はそうではありません。AIとCRM、ERP、チケット管理システム、コミュニケーションチャネルなど、あらゆるシステムのそれぞれの連携は、独立した難しいエンジニアリング課題です。AIが自動的に200の社内システムへ接続するような魔法はありません。

また、人々はAIモデル自体が難所だと考えがちです。今ではもうそうではありません。AIモデルはますますコモディティ化しています。ChatGPTからClaude、Gemini、あるいは他のモデルへは数秒で切り替えられますし、現在のオープンソースモデルは、フロンティアラボの約1〜2.5%のコストで動作しながら、品質は約90〜96%を実現し、特定のニッチ領域では100%を超えることもあります。モデルそのものに堀はありません。堀は統合にあり、その一つひとつの統合こそが、本当に手間をかけて作るべき前進です。

そして、その統合を支える知識にも堀があります。

まず知識が使える状態でなければならない

AIとの統合をすべて正しく実装しても、エージェントの出力は、与える知識の質以上にはなりません。データは王様であり、データ品質は金鉱です。Mercorのような企業は、AIが学習するための高品質なデータを作る目的で、ドメインの専門家を高い報酬で採用する事業を築いてきました。普通の企業の多くは、そのために数百万ドルを投じる余裕はありませんが、同じくらい価値のあるものを持っています。それは、自社のビジネスが実際にどう動いているかについて何年も蓄積してきた知識です。問題は、その知識が必要な場所にほとんどないことです。

知識が会社の中で実際にどう流れるかを考えてみてください。ある社員が複雑な顧客課題の調査に何日も費やし、ようやく解決してWhatsAppで返信します。次に同じ問題が別の社員、別の顧客に起きたとき、その人はゼロから始め、また数日かけてたどり着くのです。時間の無駄です。

さらに、会社が知っていることのすべては、たいてい自然言語の形であちこちに散らばっています。メール、PDF、誰かのローカルドライブ上の文書、重複や矛盾した版だらけの会社クラウド上のファイル…。一度だけ行われ、記録もされなかった電話。退職者の頭の中や削除されたデータの中。知識の引き継ぎは起きていません。

今や、こうした知識はすべて、AIによって記録、整理、管理、活用、適用できます。

これを正しく行うには、知識をインフラとして扱う必要があります。エージェントが参照するすべての文書はナレッジベースにアップロードされ、常に最新に保たれ、アクセス制御されていなければなりません。顧客向けエージェントは顧客に見せるべき情報だけを見て、社内向けエージェントは全体像を見ます。

新入社員のオンボーディングを思い浮かべてください。Google Driveのファイルを大量に渡し、メールスレッドを転送して、1か月かけて必要な情報を吸収してくれることを期待するのではなく、初日から何を知っているべきかを正確に決めるのです。

ナレッジベースはまた、PDF、スプレッドシート、音声メモ、画像、多言語の文書など、エンタープライズが持ち込むあらゆる形式に対応する必要があります。何かが変わったとき、知識はゼロから再構築せずに更新できなければなりません。エージェントに渡せば、古い知識を自動的に、かつ全体で置き換えてくれる、そんな単純さが理想です。

アジアで数百の住宅・商業物件を管理する大手不動産グループの一つも、まさにこの問題を抱えていました。コンプライアンス文書、テナント契約、建物ごとの保守手順、ベンダーへのエスカレーションルール、そして異なるシステム・異なる言語に散在するデータがあったのです。何年もの間、外部共有できる知識と社内に留めるべき知識の間に、一貫した構造や明確な境界は作られていませんでした。

以前はテナントからの問い合わせに返答するまで何時間もかかっていました。しかしエージェント型AIを導入すると、どんな情報でも30秒以内に検索できるようになりました。初回応答時間は12時間から60秒未満に短縮され、導入から90日以内にテナント満足度はほぼ2倍になりました。

そのグループの社員が、20年たってもSOPの50%すら記憶できないのは、常に変化しているからだが、AIはすべてを記憶し、消化後2秒以内にすべて正しく答えられる、と話していたのを聞いたことがあります。

同じ情報が、ようやく使えるようになったのです。

営業は99%フォローアップ、エージェントも同じ

知識を正しく整えるのは社内側の課題です。外部側の課題は、エージェントが行うすべての会話を、実際に事業を動かしているシステムにつなげることです。

LinkedInにはあまり書かれない営業の話をしましょう。営業は99%がフォローアップです。Jurin AIを作る前、私は毎年およそ800〜1200枚の名刺を集めていましたが、フォローアップしたのは2%未満でした。残り98%をやりたくなかったわけではありません。ただ、そのプロセスがとても大変なのです。相手の情報を手入力し、どこで会って何を話したかを思い出し、それから個別のメッセージを書かなければなりません。そこにたどり着く頃には、もう機会は過ぎています。

そこで、エージェントがそれを担うと想像してみてください。誰かに会うと、システムはすでにその人が誰か、先週何を投稿したか、何が自分の構築しているものとつながるかを知っています。会話がまだ新鮮なその日に、パーソナライズされたフォローアップが送られるのです。思い出せた相手だけではなく、すべてのリードに対して。

これは10%の改善ではありません。正しく行えば、誰も拾えなかった名刺の山に、50倍の売上、業界によっては200倍の利益が眠っているということです。ここでAIは「ゲームチェンジャー」になります。

過去のすべての会話を思い出し、前回の続きから再開できるなら、それはまさにMetaのミッションステートメントである「世界をもっと身近にする」の核心です。

同じ論理はエンタープライズ内部にも当てはまります。見込み客が価格について質問したとき、会話自体は単純でも、その下のワークフローは単純ではありません。既存顧客か新規か、以前に誰かが話したか、どの地域が関係を担当しているか、パイプラインにオープンな案件があるか、この割引に承認が必要か、過去のサポートチケットはあるか、すでに誰かが対応しているか。人間の層が増えるほど非効率は指数関数的に膨らみますが、AIは労力をかけずに線形で拡張できます。

AIエージェントはそれらをすべて扱えますが、必要な答えが入っているシステムにつながっている場合に限ります。Salesforce、HubSpot、SAP、Oracle、チケット管理システム、ERP、そして自社が採用している組み合わせのすべてを、エージェントが何かを行う前に統合しなければなりません。統合が整えば、エージェントはCRMを確認し、実際の履歴を取得し、適切な担当者に振り分け、やり取りを記録し、フォローアップを予定します。会話が起こると、AIはその前後を含むすべてのワークフローを捉えます。

すべてのやり取りは1か所に集約される必要がある

しかし、ワークフローを捉えるには、全体像が見えていなければなりません。そして多くのエンタープライズでは、それができません。会話が複数の場所で起き、それぞれ別の人が管理しており、その人たちは互いに何を言ったのか分かっていないからです。

たとえば、アカウントマネージャーはWhatsAppの履歴を持ち、営業はCRMを見て、サポートはチケットを見て、財務は請求書を見ています。顧客は、社内の誰に話しても、自分が伝えたすべてを会社の誰かが把握しているはずだと思っています。

この断片化した状態でエージェントを導入し、性能を期待しても、うまくはいきません。

メール、WhatsApp、Slack、電話、CRM、チケット管理システムなど、顧客が触れるすべてのチャネルを同じシステムに統合する必要があります。そうすれば、エージェントは先週何が約束されたか、何が未解決か、今朝誰が顧客と話し、何を言ったかまで把握できます。どのチャネルから始まった会話でも、完全な文脈で引き継げるのです。

先ほど触れた不動産グループは、物件ごとに別々のLINE、WhatsApp、WeChatアカウントとメール受信箱を使っていました。すべてのチャネルを統合し接続すると、エージェントは建物、テナント、履歴、未解決の問題を把握できるようになりました。ようやく全体像が見えたのです。

ワークフローごとに適切な自律性を与える

新入社員に初日から会社のクレジットカードを渡すことはありません。しかし、メール返信のたびに許可を取らせることもしません。エージェントも同じです。

顧客への返信、記録の更新、チケットのクローズ、配送日の変更のように、エンドツーエンドで任せたいワークフローもあります。一方で、何かを送る前に人が確認すべきものもあります。エージェントはデータ取得、返信の下書き、例外のフラグ付けといった下準備を行い、最終判断は人が下します。

重要なのは、エンタープライズAIの本番稼働前に、各エージェントへどの程度の自律性を与えるかを決めることです。

1日3,000件の注文を処理するEコマース企業なら、サブスクリプションの編集、配送変更、キャンセル承認についてエージェントに完全な自律性を与えるかもしれません。しかし、一定額を超える返金は人に回します。こうしたルールと権限の定義には1日もかかりません。けれど、正しく設定すれば、営業時間外の未処理リクエストはゼロになり、年間で7桁規模のコストと多くの頭痛の種を減らせます。

エンタープライズAIエージェントに本当に必要なもの

冒頭で述べた魔法のような瞬間、つまり人がログインしたら仕事がすでに終わっていて、「それもできるの？」と尋ねる瞬間は、偶然には起こりません。知識が構造化され使える状態にあり、エージェントが実際の業務システムにつながり、すべてのチャネルが1つのシステムに統合され、公開前にエージェントに何を許可するかを誰かが意図的に決めていたときに起こるのです。

適切なプラットフォーム上にいれば、それ自体は技術的に難しいことではありません。ただし、そのすべてが、企業が先送りにしてきた意思決定を求めます。

この作業を行う企業は、単に動くエージェントを手に入れるだけではありません。文書化されたワークフロー、整備された知識、統合されたシステムによって、以前よりも自社の実際の業務の姿をより明確に把握できるようになります。

良いエンタープライズAI導入に必要な前提条件と、よく運営された会社に必要な前提条件は、結局まったく同じものなのです。