本動画は、Fortune 100企業が実践するAIエージェントの導入原則を解説するものである。ウォルマートがバグ修正の95%を200の専門エージェントで自動化した事例を起点に、6つの核心的原則を提示している。モデル非依存のアーキテクチャ構築、早期投資による組織学習の複利効果、実質的ROIを生むワークフロー自動化、垂直特化による防御可能性、コンプライアンスを競争の堀とする発想、完璧性よりも速度を重視する姿勢である。これらは2026年を待つべき議論ではなく、今四半期中に着手可能な実践的戦略として位置づけられている。JPモルガンの18ヶ月に及ぶ制度的学習や、45万人の従業員が450のユースケースに取り組む規模感は、遅延が競争劣位を招く現実を示している。技術的障壁は既に存在せず、人材ギャップを埋めれば即座に展開できる成熟度に達しているという明確なメッセージが貫かれている。
AIエージェントの導入
皆さん、もし組織内の誰かが「まだAIエージェントの準備ができていない」と言っているなら、それは間違っています。もしあなたが「AIエージェントの準備はできているのか?AIエージェントは私たちにとって十分成熟しているのか?」と尋ねているなら、それも間違っています。
あなたがAI準備態勢の完璧な資料作りに苦心している間に、ウォルマートは200の専門エージェントでバグ修正の95%を自動化しているのです。
AIエージェントは今、Fortune 100企業の本番環境で稼働しています。ここに、ウォルマートをはじめとする企業が本番ワークフローにAIエージェントを組み込むために使ってきた6つの原則があります。そして、あなたは今四半期中に絶対にそれを追求できます。待つ必要はありません。これは2026年の話ではないのです。
私が心配していることの一つは、企業がAIエージェントを従来のソフトウェアのようにあまりにもゆっくりと導入しようとすることです。つまり、準備ができたら2026年に追加しよう、といった具合です。違います。もしAIエージェントのユースケースが見えたなら、それを追求してください。積極的に追求するのです。
アーキテクチャファーストの思考
では、その6つの原則とは何でしょうか?早速掘り下げていきましょう。原則その1は、アーキテクチャファーストの思考です。経営幹部の方々は私によく尋ねます。「ネイト、AIエージェントにはどのモデルに賭けるべきですか?」と。間違った質問です。
正しい質問は「どのアーキテクチャが私たちが求めているワークフローを提供するのか?」です。モデルの優位性はせいぜい四半期しか続きません。しかしアーキテクチャの優位性は何年も持続するものなのです。
ですから原則はこうです。特定のモデルに依存せずに特定のワークフローを実行できる、モデル非依存のオーケストレーション(統制層)を構築したいのです。特に、エージェントが個別に選択され、評価され、交換され、組み合わされるようにする必要があります。そしてそれをアーキテクチャとそれが要求するもの、つまりワークフローに基づいて行うのです。
これは、あなたのオーケストレーション層が競争上の賭けであって、モデルではないということに立ち戻ります。モデルは交換可能な商品なのです。モデルオーケストレーション層を構築できます。それはまさにウォルマートが構築したものです。そしてそれはあなたをはるかに遠くまで連れて行ってくれます。
中央オーケストレーターをデプロイして、ウォルマートのWIBYモデルのような専門エージェントを管理できる場所にいたいのです。WIBYについては調べることができます。これらは適切なツールで様々な困難なタスクに取り組むように設計されています。
ワークフローをタスクに分解し、それらを適切に委任し、それらを集約し、適切なガードレールとガバナンスを持つことで、それを追求できます。これはシステム設計なのです。モデルが座って特定のツールで特定のタスクを実行するシステムを設計しているのです。
そうすれば、明日何が出てこようとも、モデルを切り替えることができるインフラを持つことになります。マイクロソフトはこれを非常に重視しているため、エージェントフレームワークに統一するために、AutoGenフレームワークを完全に廃止しました。
そこにいる企業の約80%がオーケストレーション層に取り組み始めています。もしモデルに直接アクセスしているなら、砂の上にAIエージェントを構築していることになります。それは長続きしません。
学習の複利効果
原則その2は、学習が複利で増えるということです。そしてAIエージェントでは、18から24ヶ月で複利的学習において市場より先行するために、早期に投資する必要があります。
JPモルガンは18ヶ月の制度的学習を積み重ねてきました。そしてあなたは、より良い技術でそれを購入したり、盗んだり、複製したりすることはできません。彼らは2025年後半の時点で、すでに18ヶ月間AIエージェントに取り組んでいるのです。あなたが待つ毎日、その差は広がっていきます。
今はJPモルガンと競争していないかもしれないので、気にしないかもしれません。しかし、それが複利的学習について話すときに私たちが意味していることです。メモリーシステムは早期にオンにして、採用を永続的な優位性に変える必要があります。
組織学習は蓄積されます。競合他社は埋められないギャップに直面することになります。なぜなら、あなたは常により多くのデータで訓練されたエージェントを持つことになるからです。常にです。
ですから、早期にデプロイして、精度や完成度などで大幅な向上率を獲得できる場所にいたいのです。基本的に、あなたは常に増加していく、他の人々が持っていないデータの集積に対して最良のモデルを適用しているため、精度と品質の向上をエッジとして時間をかけて保持します。これはあなたに非対称的な戦略的価値を与えます。
ですから、あなたの組織コンテキストを学習し、いつ何が重要で、それが意思決定にどう関連するかを追跡する、オーケストレーション層内にメモリー拡張エージェントを実装したいのです。
はい、私が挙げている例は、まさにタスクに適した方法で起きていることです。この場合、ウォルマートにとっては、バグチケットのトリアージでした。それは本当に重要でした。それが彼らが焦点を当てたことです。
意味のあるワークフローを吸収して理解できるシステムに焦点を当ててください。辞書のように、学習できる明確な用語があることを確認してください。明確なワークフローパターンがあることを確認してください。過去にどのように機能してきたか、過去にどのようにビジネスを行ってきたか、ビジネスロジックをどのように扱ってきたか、データの曖昧さをどのように処理するかについて、本当に明確な前例があることを確認してください。そして例外パスがあることを確認してください。
JPモルガンの20万人の従業員は、450のユースケースをAIエージェント領域に持ち込んでいます。基本的に、彼らはそれらのユースケースをアップロードし、AIエージェントがそれらのユースケースに取り組み始めています。
今日デプロイされたシステムは、2027年にはJPモルガンが現在それら450のユースケースについて理解しているのと同じくらい、あなたの組織を理解することになります。待たないでください。それがこのビデオの要点です。待たないでください。AIエージェントは今準備ができているのです。
それが過去数ヶ月で変化した大きなことの一つです。待つ理由がないのです。以前ほど高額でさえありません。AIエージェントSDKは、あらゆる場所の主要なモデルメーカーに出回っています。クラウドプロバイダーにも出回っています。AIエージェントフレームワークを組み立てることができます。あなたのチームができます。
ワークフローへの集中
原則その3について話しましょう。少し参照してきましたが、ワークフローについてです。デモはあなたやあなたのエンジニアに拍手をもたらすでしょうが、私が話しているワークフローは本当に実際のROIを目指したものです。そしてそれが、ほとんどの経営幹部がAIを正しく理解したときに話す違いです。
エンタープライズのAI支出は年間で3桁のパーセンテージポイントでスケールしています。しかし、それがスケールしているのは、退屈な自動化が投資収益率を印刷するからです。特定の自動化を定義されたワークフローに対して選択し、エージェントをそれらに対して配置できれば、投資収益率は本当に高いのです。
ですから、機能の数やローンチするエージェントの数、ログインメトリクス、チケットの数でさえも見るべきではありません。ビジネスにとって重要なワークフローの正しい完成率を見るべきです。ビジネスにとって重要なワークフローで90%以上のAI自動化完成率に到達できますか?
繰り返される自動化は、派手なデモが決してしないような方法で価値が複利で増えていきます。1ヶ月目に30%の自動化を達成し、その数字を押し上げる専任チームがいれば、価値はただ複利で増えていきます。
そのチームがより多くのエッジケースに取り組み、そのワークフローをノックアウトできるようになり、次のワークフローに進み、最終的にこれらを打ち出し始めるにつれて、どんどん簡単になっていくからです。
まず高頻度で高コストのワークフローを特定してください。もちろん、定義された入力に対してツールを呼び出すことができ、エージェントが非常に高い確率で正しい決定を下してワークフローを完全に完成させることができるような、十分に定義された入力を持つワークフローに焦点を当てたいのです。
それが得られない場合は、最初に別のワークフローを選んでください。なぜなら、最初に高い曖昧性のワークフローを選ぶと、成功を得るのが難しくなるからです。落胆するでしょうし、必要な積極性を持ってワークフローを追求することはおそらくないでしょう。
垂直特化による防御可能性
原則その4は、垂直特化による防御可能性です。より良いモデルは一夜にして汎用ツールを置き換えることができます。おそらくChatGPT-6が出て、素晴らしいものになり、カスタム調整された特別なモデルについて心配するでしょう。なぜなら力尽きているからです。または、一つの簡単なことをするだけだった汎用ツールについて心配します。そしてChatGPTがそれを打ち負かします。
しかし、垂直特化のデータに裏打ちされた垂直特化の専門知識があり、ビジネスルールにコード化され、ロジックにコード化された垂直特化の専門知識があれば、それは構築するのに何年もかかります。それは商品化できません。
それは、より良いモデルが補完するエージェントフレームワークになります。基本的に、組織のコンテキストをメモリーとして、専門的なツール呼び出しとして、特別なワークフローとしてモデルに与えたいのです。そしてそれは、モデルの周りのオーケストレーション層のコンテキストにコード化された垂直特化の防御可能性を持つものになります。
より良いモデルがあなたが構築した価値を台無しにすることを心配する必要はありません。実際にはそれを強化するだけです。なぜなら、それはより賢く、より高品質の仕事をし、より困難な問題に取り組み、より高い完成率を達成することを可能にするからです。お分かりですね。
原則は、専門化して垂直特化のワークフローを選ぶことです。そして顧客向けに構築している場合、B2B空間にいる場合は、それらの汎用的な水平的能力に注意してください。それらは今、混乱のリスクに非常にさらされています。
汎用ツールは存在しなくなるように最適化されます。なぜなら、汎用モデルがやってきて、あまりにも速く最適化するからです。そして彼らは「この特定のことについて皆のための汎用ツールになるつもりだ」というような感じでしたが、人々は気にしません。
例として、PDFとチャットするツールは消えつつあります。なぜなら、今ではPDFをアップロードしてそれとチャットできるからです。汎用ツールを見てください。それは問題を解決しました。もう役に立ちません。
しかし、ヘルスケアや金融に関する垂直特化のワークフローがあれば、より良いモデルが出てきてもそれは消えません。そしてこれは、深い垂直的専門知識と特定のことにおける比較優位性を持つビジネスにとって本当に良いニュースです。
フィンテックのことや医療の専門知識について比較優位性がある場合、特定の州における不動産取得に関する規制環境を深く理解している場合、あなたの専門知識が何であれ、垂直特化のオーケストレーションフレームワークを構築し、ドメインの専門知識をできるだけワークフロー内に埋め込んでください。しかしそれをモデルの外に保ってください。そうすればモデルを交換でき、モデルはあなたの垂直的な、コンプライアンス、用語、意思決定パターンなどを学習します。
ツールから、コンテキストから、オーケストレーション層から学習し、操作できるようになります。例えば、法的コンプライアンスフレームワークは特権を理解するかもしれません。医療メモリーシステムは特定の方法で同意を理解するかもしれません。製造エージェントは機器履歴を理解できます。お分かりですね。
しかし重要なのは、これらはそのコンテキストを呼び出す能力を必要とし、モデルに組み込まれていると仮定しないことです。なぜならそう仮定する必要はないからです。明日より良いモデルを交換でき、垂直特化の部分はそのエージェントオーケストレーション層の一部としてあなたのビジネス内に存続できます。
コンプライアンスという競争の堀
原則その5は、コンプライアンスがエージェントとの競争の堀になるということです。私たちはEU AI法について多く話しています。なぜならそれは、EUで何らかのボリュームを行うあらゆるビジネスにとって非常に関連性があるからです。
執行は来年中に始まります。実際に機能するコンプライアンスフレームワークを持たなければなりません。しかしそれを持っていれば、それは堀になります。そして私は、あなたのためにスケールし、米国における新興の規制環境を予測するコンプライアンスフレームワークを望むと仮定します。それらは州ごとに起こっており、非常に複雑です。
監査可能性、追跡可能性、セキュリティ第一のベンダー統合、ポリシーコントロールを示すことができる規制インフラについて考えたいのです。これらはすべて、ネタバレですが、堅固なオーケストレーション層から来るものです。それらは、次のモデルChatGPT-6が無料で提供してくれるものではありません。
それらは、本質的にあなたの専門知識をAIが触れる規制空間への拡張のような、あなたの垂直的分野のために構築しなければならないものです。あなたは、あなたの世界の規制的ニュアンスを捉えるエージェントのためのオーケストレーション層を構築し、鍛造しているのです。
私は以前ヘルスケアについて話しました。まあ、米国ではHIPAAが関連していますよね?プライバシーについて考えなければなりません。エージェントフレームワークがHIPAAに準拠していることをどのように示しますか?データベースレベルでそれをどのように示しますか?エージェントに対して持っている実行トレースでそれをどのように示しますか?あなたのシステムを見て承認する必要がある人々が簡単に検証し理解できる監査フレームワークを生成する能力でそれをどのように示しますか?
私たちは開拓しているのです。まだエージェントの成熟の1年がありませんでした。今あります。時計は数ヶ月前に動き始めました。そして私がこの警告を発しているのは、リーダーたちからまだモデルを選んでいる、エージェントが完全に準備できるのを待っていると何度も聞いているからです。どうか待たないでください。どうか待たないでください。
速度は完璧さよりも重要
原則その6は、速度が完璧さよりも重要だということです。そしてそれは素晴らしいつなぎだと感じます。6週間で特定のワークフロータスクで85%の完成率を得られるものに到達できれば、それは6ヶ月の計画サイクルを打ち負かすことになります。それは2026年の予算サイクルについて考えることになるでしょう。
どのようにシステムに速度を組み込んでいるかについて考えてください。そして私はそれを複数の次元で言っています。エージェントの最初の実行とそれをどう進めるか、エンジニアリング人材を獲得するための採用計画の両方で、そこに到達するためです。そしてまた、エージェント自体がアクセラレーターであるという事実について考えてください。
優れたエージェントオーケストレーション層は、それが触れるワークフローだけでなく、そのエージェントの周りのすべての人に加速されたインパクトを提供します。なぜなら彼らはもうそれを扱っていないからです。
ウォルマートに戻りましょう。ウォルマートは、エージェントがそれらのバグすべてを手動で処理することから来るコンテキストスイッチングコスト、チームドラッグをもはや扱っていません。エージェントがそれをやっているからです。
チーム全体にスピードアップ効果があります。ですから、今速度に投資してエージェント展開に入れば、展開後に速度スピードアップの配当を得ることになります。
ですから、エージェントの初期ワークフローを展開した場合に、ビジネスのどこで最も爆風半径効果があるかを考えるべきです。エージェントを展開でき、そのタスクが完了するからというだけでなく、信じられないほど痛みだったものに他のチームが触れていないために、途方もないスピードアップを見ることができる、チームにとっての巨大な痛点は何ですか?
決断のカスケード
ここに重要な部分があります。私と一緒に最初に戻ってほしいのです。ここにあるのは決断のカスケードであり、6つすべてを通して、それらがどのように一緒になるかを示したいと思います。
あなたはアーキテクチャを選んでいます。なぜならモデル非依存のオーケストレーションは流動性を生き延びるからです。そのアーキテクチャの中で、メモリーを展開しています。競合他社との埋められないギャップを生成するために制度的学習を開始しているのです。
次にアーキテクチャの中でメモリーとともに、ワークフローを自動化しています。実際にそれらのワークフローを完全に終えているため、繰り返される複利的なリターンを生成するループを閉じているのです。
そしてあなたは垂直性の周りでそれらのワークフローを選んでいます。商品化できない専門知識を構築しているのです。そのシステム全体は規制的な競争の堀の中に構築されることになります。あなたがいる規制環境について考え、エージェントでコンプライアンスを積極的に実証できれば、メモリーで堀を持ち、垂直性で堀を持つのと同じように、堀を持つことを認識するでしょう。
コンプライアンスは、エージェントが学習できる専門的なスキルセットであり、あなたはあなたのビジネスのためにそれを彼らに教えることができます。
最後になりましたが、速く動くことで、初期のエージェント展開からだけでなく、このシステム全体がビジネスに加速を生み出すため、複利的なリターンを生成することができます。そしてそれがウォルマートが見つけたことであり、あなたが見つけることです。
行動への呼びかけ
ですから私からのチャレンジは、待たないでください。これをやっているあなたの競合他社は、完璧に準備ができるのを待っていません。彼らは、本番エージェントを構築するためにこの種の原則をどのように適用するかを非常にスクラップに考え出しています。
ここに技術的ギャップはありません。あなたは埋める必要がある人材ギャップを持っているかもしれません。そしてそのための人材を獲得できますが、技術的ギャップはありません。エージェントは本番の準備ができています。
待つ理由はありません。そして、今が時期かどうか私に尋ねている人々はすでに遅れています。そのような人にならないでください。あなたはここに原則があります。エージェント的な用語で考える方法を理解しています。このビデオを数回聞けば、私が話す経営幹部の90%よりもエージェントオーケストレーションについて理解することになります。
これが、今年も来年も、そしてそれ以降も持続する堅固なエージェントシステムを構築するために必要な考え方です。これらは、派手なデモだけでなく、ROIと投資価値を持つシステムになります。
ですから持続するように構築し、今構築してください。そして、AIエージェントの準備ができているかどうか私に尋ねないでください。なぜならすでに遅すぎるからです。私たちは準備ができています。私たちは完了しています。私たちは展開しています。それらはFortune 100レベルにあります。私たちはレースに出ています。
コメント