エンタープライズAIの勝者は「退屈な」自動化に注力

2026年7月19日、Motley Fool寄稿者Rachel WarrenはTungsten Automationの最高AI責任者Adam Fieldにインタビューを行い、エンタープライズAI変革がしばしば失敗する理由と、どの企業が実際に勝利しているのかについて論じた。Tungstenは世界中の2万5000以上の組織にサービスを提供しており、Fortune 100企業の40%が含まれているため、Fieldは何が成功したAI導入を高額な失敗から分けるかについてユニークな視点を持っている。Fieldの論拠の核心は、ほとんどの企業がAIの真の価値を誤解しているということである。多くは高度なAIツールを魔法のソリューションとして扱い、最も強力なテクノロジーを利用可能にし、自動的なビジネス変革を期待している。Fieldの言葉を借りれば、「それは誰かに最高のカメラを渡して彼らを写真家と呼ぶようなものだ。私たちはそんなことは絶対しない」ということである。実際のところ、旧来の自動化（ロボティックプロセスオートメーション（RPA）など決定論的ルールに従うもの）とAI駆動ワークフローエンジンの違いは根本的である。従来の自動化は人間が正確に何をすべきかを指定する必要があったが、新しいAIエージェントはタスク、出力目標、利用可能なツールを受け入れ、目標を達成する方法を自分で考え出すことができる。しかし、この機能だけではビジネス成功を保証しない。

FieldはエンタープライズAIにおける真の競争優位性は最新の基盤モデルの所有にはないと説明した。OpenAI、Anthropic、オープンソースの選択肢からのモデルが広く利用可能であることで、モデル自体はコモディティ化している。Tungstenの日々の業務の95%、すなわち請求書の処理、契約からのデータ抽出、文書が重いワークロードの処理については、特定のモデルはほぼ無関係である。請求書の処理は最先端のモデルを必要としない。膨大なトークン予算を消費する必要もない。勝者と予算浪費家を分けるのはモデルの上に構築されるインフラ、業界固有のロジック、データ品質である。これが真の価値が存在する場所である。Fieldは「ダークデータ」という概念を紹介した。これは企業内に閉じ込められた情報で、機械も人間も現在価値を抽出していないものである。アナリストは組織情報の80%以上がダークデータであると推定しており、その中でも約80%が非構造化文書の内部に閉じ込められている。契約書、年次報告書、メール、請求書、コールセンター記録などである。これらの文書は毎回異なる形式をしており、従来の機械学習には適さない。従来の機械学習は構造化された一貫性のあるデータに秀でている。生成AIと大規模言語モデルは現在、これらの非常に非構造化された数百ページの文書を読み、それらを使用可能な断片に分割し、その情報を構造化データと組み合わせてより良い意思決定を可能にする能力がある。リスク評価を行う銀行、クレームを評価する保険会社、またはサプライヤー関係を管理する企業にとって、このダークデータへのアクセスは成果と資本効率を劇的に向上させることができる。Fieldは正しい戦略は最新の生成AIにすべてを賭けることではなく、適切な仕事に適切なAIを使用することであると強調した。従来の機械学習は、膨大なGPUリソースを必要としないため、大規模言語モデルよりも高速で、費用対効果が高く、環境にも優しいことが多い。勝利している企業は、従来の機械学習と生成AIを流動的に混ぜ合わせ、各問題に最適なツールをその場で選択できる企業である。このニュアンスに満ちたインフラ重視のアプローチは、AIに関する華やかな物語、すなわちチップへの膨大な設備投資、基盤モデルへの大きな賭け、最も強力なモデルのための競争とは対照的である。エンタープライズソフトウェアビジネスの真の金鉱は、その下の華やかではないレイヤー、すなわちダークデータを実行可能な収益に変える自動化エンジンである。

エンタープライズAIのランドスケープは、ヘッドラインを支配するチップメーカーと基盤モデル企業から、Fortune 100に実際の価値を提供するインフラと自動化レイヤーへとシフトしている。Fieldが説明したように、3つのレイヤーが存在する：チップメーカー（Nvidia、AMD）、モデル企業（Anthropic、OpenAI、オープンソースの代替案）、そしてアプリケーションレイヤーである。投資の焦点はほとんどが最初の2つに集中しているが、Fieldは競争優位性は第3のレイヤー、特に企業の文書システムに閉じ込められた膨大な非構造化データを解放できる企業にあると主張している。基盤モデルへのアクセスが民主化されたため、ほぼすべての競合企業が同じClaude、GPT、またはオープンソースモデルを使用できるようになった点で、この区別は重要である。勝者と金の浪費者を分けるのはモデルの選択ではなく、その上に積み重ねられるエンジニアリング、ドメイン専門知識、データ戦略である。このリフレーミングは、AI導入が主にチップとモデルについての設備投資の話であるという物語に異議を唱える。代わりに、エンタープライズAI投資のリターンは、地味だが重要な作業、すなわち契約・メール・請求書・通話記録を解析できる自動化エンジンの構築、既存ワークフローへの統合、「ダークデータ」を実行可能なビジネス決定に変換することに大きく依存することを示唆している。Fieldが「退屈なAI」、すなわち従来の機械学習と新しい生成AIを思慮深く組み合わせることに重点を置いていることは、最も価値あるエンタープライズAIの取り組みは、最新で華やかなモデル機能を追求する企業ではなく、文書自動化とデータ抽出における特定の高摩擦問題を解決する企業かもしれないことを示唆している。

まだコメントがありません。最初のコメントを投稿しましょう！