シカゴ — エンタープライズAIエージェントは今後、モデルの品質によって差別化されることはなくなる、とReindeerの創業者兼CEOであるヨアヴ・ナヴェは述べた。その確信が、AIスタートアップ各社の戦略的な投資先を変えつつある。

シカゴで開催されたSupply Chain AI SymposiumでのFreightWavesのインタビューで、ナヴェは、エンタープライズ生成AIへの投資が伸び続ける中で、パイロットから本番環境への移行が投資対効果を実現する上での最大の障壁であり続けている現状を踏まえつつ、経営幹部が期待した成果を挙げられないまま2度の導入の波を経て、現在はコア業務に焦点を当てたより野心的な第3の波を追う業界の姿を描いた。

2度のAI導入の波は期待に届かなかった

ナヴェは軌跡を明確な段階としてたどった。「第1の波：アシスタントです。誰もがCopilot、Claude、ChatGPTを手にしました」と彼は述べた。「ソフトウェアエンジニアリングの分野ではアシスタントが大きな成功を収めています。コーディングエージェントは非常にうまく機能しています。法務ではあまり上手くいっていません。しかし、全体的に見て、アシスタントが企業を10倍や100倍も効率化したとは言えません」

第2の波はカスタマーサポートとコールセンターに照準を絞った。「非常に大きな低位の実りだったと思います」とナヴェは述べた。「1つの大きなワークフローの中に、多くの類似ケースが含まれています。そこでは確かに一定の成功が見られます」

現在、企業は労働支出の大部分を占める領域、すなわちコア業務に目を向けている。「皆が行っている作業の70%、80%を占めるこれらのコアワークフローをすべて取り上げましょう」とナヴェは述べた。

この市場はカスタマーサポートよりも遥かに複雑だ。ナヴェの試算では、単一の企業内でこのようなワークフローは数十、あるいは数百に上り、財務、調達、トレジャリー、会計、サプライチェーンにまたがり、多くの場合、単一の部門が明確な所有権を持たない。

投資家が見落としている細分化の問題

ナヴェは、世界最大級の消費財メーカーの一つである顧客の事例を挙げて、説明的な例を示した。

「彼らは『うちの会社ではAccounts Payable（買掛金管理）をやっている』と言いますが、あなたのAccounts Payableは彼らのAccounts Payableとは違います」とナヴェは述べた。「私たちは世界最大級のCPG企業の一社と仕事をしています。同じ会社の中で5つの異なる部門が、5つの異なるAccounts Payableプロセスを持っています」

この社内の細分化こそが、AIスタートアップの間で普及している前線配置エンジニアモデルにナヴェが懐疑的な理由である。このモデルでは、ベンダーが技術スタッフを顧客組織内に直接配置し、一度に1つのプロセスずつエージェントを構築する。Palantirの商業展開と密接に関連し、新しい世代のAIスタートアップにも採用されているこのモデルは、カスタマイズされた導入を提供する点では評価されているが、粗利率とスケーラビリティについて継続的な疑問に直面している。

「3人のエンジニアを投入し、あなたのチームと一緒に座って、その特定のプロセスのエージェントを構築する。彼らが戻ってきて別の部門に送れるようになることはあるでしょうか。それとも、プロセスが変化・進化する中で、構築したものの保守に縛られてしまうのでしょうか」とナヴェは問いかけた。「計算が成り立たないと思います。スケールしないからです」

モデルは堀にならない理由

Reindeerの戦略は、エンタープライズソフトウェアにおける一般的な前提、すなわち独自の大規模言語モデルを所有または微調整することが持続的な競争優位性を構成するという考えに異議を唱えるものだ。ナヴェは逆のことが起きていると主張し、オープンソースモデルの軌跡がその見方を裏付けている。MetaのLlamaシリーズやMistralのモデルなどのリリースは、フロンティア専有モデルとの能力格差を急速に縮めており、モデル品質単独での差別化力が低下しているという見方を補強している。

「LLMはコモディティになるという強い信念があります」とナヴェは述べた。「オープンソースモデルはフロンティアモデルからおよそ半年遅れであることが分かっています。しかし私たちが考えているのは、すべてにおいてフロンティアモデルが必要だともはや思っていないということです」

Reindeerのアプローチは実践的にはモデル不可知論的である。「現在、ヨーロッパの大手保険会社と仕事をしています。彼らは独自のLLMを構築することを決定しました。私たちは彼らのLLMを接続して喜んでいます」とナヴェは述べた。「企業のデータプライバシーポリシーに基づいて許可されるLLMのリストを制限し、ホワイトリストに登録されたものでケースをどう実行するか検討することも喜んでおこないます」

基盤となるモデルが交換可能になれば、モデルの優位性に主に依存するピッチを持つ競合他社は、縮小する優位性に直面することになる。

構築は容易。保守はそうではない。

Reindeerの枠組みでは、真の差別化要因は保守レイヤーにある。それは、デプロイされたワークフローが元の構成から逸脱したことを検知し、変更を調整し、新たなエンジニアリングの依頼なしにエージェントを再調整する能力である。ナヴェが説明するこの課題は、機械学習の運用で広く知られる問題と一致しており、モデルやデータのドリフトが、ローンチ時には良好に機能していた本番システムを徐々に劣化させていく。

「エージェントをデプロイした後も、ワークフローは変化し続けます」とナヴェは述べた。「これらの変化を検知し、調整し、自己修復し、自己学習する仕組みがなければ、エージェントがあなたのために何ができるかを実現することは本当にできません」この課題に対処するため、Reindeerはワークフローのドリフトを管理するためにナヴェが「ツーループシステム」と呼ぶ仕組みを開発した。

ナヴェは、AIエージェントの構築の経済性はすでに業界に有利な方向に決定的にシフトしたと指摘した。それこそが、保守が重要なボトルネックとして浮上した理由である。

「皆、構築したいと思っていると思います。構築は簡単です」と彼は述べた。同僚のために1晩で社内ダッシュボードを構築した後、その後バグ修正と機能要望の絶え間ない流れに直面した経験を語った。「そういうことはやりたくありません」と彼は言った。「楽しくありません。保守は楽しくありませんし、簡単でもありません」

「5年前は何も構築できませんでしたが、今は素晴らしいものを構築できます」とナヴェは述べ、ライブコーディングアシスタントなどのツールが初級者と上級エンジニアのギャップを劇的に縮めたと指摘した。「今必要とされる専門知識は、まさにあなたが言った通り、構築後のさまざまなことに関するものであり、リリースした最初の晩に素晴らしかったものが6ヶ月後もまだ素晴らしいであり続けることを確実にするものです」

AIベンダーを評価する企業にとって、ナヴェの枠組みは根本的に異なるデューデリジェンスの問いを示唆している。概念実証段階で最も強力なモデルを持つ企業はどこかという問いではなく、より持続的な問いは、基盤のワークフローが変化し続ける中、ローンチ後長期にわたってエージェントの精度を維持できるベンダーはどこかということかもしれない。