AIエージェントの導入
みなさん、こんにちは。草の幹です。 宮武哲郎です。
草野 みき
Off Topicは、アメリカを中心に、最新テックニュースやスタートアップ、ビジネス情報を ゆるく深掘りしながらご紹介する番組です。
宮武 徹郎
今回のトピックは、エージェンティックオーガニゼーションズについて話していきたいと思います。
今日は、AI周りの話ではあるんですけど、よく多分、
Off Topic内でもいろいろ考えている話なのと、多分いろんな組織の経営者が考えているトピックかなと思っているのが、
そのAI時代の中で、どういう組織を作るのかっていうところについて話していきたいと思うんですけど、
AIエージェントでしたり、デジタル労働者とも呼ばれるものがいろいろ入ってくる中で、
そもそもリソースの使い方もそうですし、前のポッドキャストでも話したと思いますし、
過去にサマー・アルトマンとかも、どっかのポッドキャストで、一人でユニコーンを作れるような時代みたいな話がある中で、
どういう形で、今既に運営している会社もそうですし、これから立ち上がる企業家の方として、
どういうポイントを考えるべきなのかっていうところについて話していきたいなと思っていますと、
で、既に例えばクラルナとか、たぶん上場手前だったり、もう上場してるのかな、このタイミングだと。
とかですと、結構AIを積極的に取り入れていて、一部セールスフォースみたいなサービスをリプレイしたり、
従業員を多分半減したのかな、最終的には。
で、そこで去年とかは、AIエージェントを導入したことによって、700人分ぐらいのカスタマーサービスのサポートスタッフ分の仕事を実際やっていたりとか、
ただ、それをやりながら一方で、一部人間も採用してるっていう話もしてたりするので、そこのどういうバランスを持つべきなのかとか、
どういうタイミングだと入れるべきなのか、これもどのAIの機能が変わってくるときに変化すると思うので、それに合わせた組織作りの考え方っていうところを話すのがいいかなと思いましたね。
草野 みき
過去回だと、あれですかね、AIエージェントの257回とか、あとフィグマの回でもちょこっとしましたかね。
デジタル労働者の役割
宮武 徹郎
そこについては、そうですね、組織の話は、どのファンクション、どの機能、事業部に合わせたAIエージェントのサービスが出てきているじゃないですか。
営業から、HRから、マーケティングから、多分一番出てきてるのはコード系とかだと思うんですけど、
いろんな会社が毎日のように、我々は次世代AIマーケターを作ってますとか、AIセールスマンを作ってますみたいなサービスが出てきていると思うので、そもそも人を採用するべきなのか、AIを採用するべきなのかっていう話もあったり、
既存の組織とかで言うと、モデルナ、薬とかを作っているモデルナに関しては、最近CTOとヘッドアップピープルって人事部のトップの人の役割を一つのファンクションにしたり、
なので、HRのトップの方のトレイシー・フランクリンさんという方が、そこを全体的に見るようになって、いわゆるどの役割がテクノロジーで自動化されるべきで、どの役割、どの仕事が人がやるべきかっていうのを選ぶ役割になってくるので、
なので、その2つを合わせて、それによって場合によっては役割が新しく作られたり、場合によってはなくなったり、場合によっては再定義されるようなことが起きているっていうところですね。
草野 みき
モデルナ、そのAIを活用したのはどこら辺に活用されたんですか?
宮武 徹郎
でも、その組織内の、もちろん例えばマーケティングとか営業とかそういうところもあれば、実際創薬の部分とかに関しては積極的に使ってるみたいな話はしてます。ただ、やっぱりAI使うってほぼ全組織がいろんな要素で使いすぎているので、
その中で人間をリプレイするほどのものなのかっていう判断を、この新しい役割がモデルナの中でやっているというところですね。まず、このAIエージェントみたいなものが普及したときに、よりデジタル労働者が会社の中に入るわけじゃないですか。
そうすると、どういうふうに会社が変わってくるのか。労働者が一気に増えるので、確かどこかのアンケート上ですと、82%の経営者が次の12ヶ月か18ヶ月間、積極的にデジタル労働者を増やすみたいなことを言っているので、ここは完全にこういうトレンドが起きますと。
第1フェーズとしては人間とAIアシスタント、第2フェーズとしては人間エージェントチーム、いわゆるAI同僚みたいなものが出てきて、最終的には人間がリードしてエージェントがオペレーションを回すみたいな、そういう流れになってくると思うんですけど、
そもそも人が、より多くの人が管理職側になるのかっていうところですよね。
新しい働き方の展望
草野 みき
管理職になる可能性も全然あるってことですか。
宮武 徹郎
AIもあるんですけど、まず多分人間が自分のAIシスタントを。
草野 みき
オペレーションの部分を任せる感じになるかってことですか。
宮武 徹郎
そうすると、そもそも必要とされるスキルセットも変わってくるじゃないですか。
今まで実行を、実際にコードを書く人でしたり、実際にコピーを書く人でしたり、そこの細かい作業をやるエキスパートでしたり、そこのすごいパフォーマンスが高い方を求めていたのが、
そこをどちらかというとマネージメントしたり、そこの判断、何が良いのか何が悪いのかっていう判断をする人がより重要になってくる可能性がありますよね。
草野 みき
いろんな業界にも、プレイヤーが楽しいから管理職やりたくないみたいな方も結構いるから、それ難しいところだなって思いました。
結局マネージメントが楽しいと思う人もいれば、プレイヤーでいることも楽しい人もいて、でもなんかそれだとAIと比較もされちゃうし、みたいな。
で、なんか、ってなったらじゃあ独立するか、みたいな。なんかキャリアの描き方も変わりそうですよね。
宮武 徹郎
そうですね。ただやっぱり、独立したとしても、どこまでその仕事を、それだけをやり続けられるのかっていうのはありますよね。
結局独立した時に、例えば自分の会社を立ち上げたとしても、じゃあそこの例えば会計周りを誰がマネージするのかとか、それを結局ある程度AIエージェントを活用することにはなるのかなって思いますよね。
それはそうですね。
それがどこまでなのかっていう話もありますし、人によっては、例えばVOXのアーロン・レビィさんとかに関しては、役割自体は変わらないんじゃないかと。ただスピードが上がるだけっていう見え方もあったりするんですけど、
でもやっぱり個人的には、どっちかというと仕事のあり方とか、一人っていう概念が若干問われる可能性があると思っていて、一人の従業員。一人の従業員が率いるチーム、AIエージェントチームみたいなものになってくる可能性があると思っていて、
これが仕事上での個人の仕事OSみたいな言い方をする人もいると思うんですけど、より早く売上成長しているAIスタートアップが増えている中で、より少ない従業員数でやっていると思うんですけど、それはどうやってやってるかというと、
いろんなそこの会社にヒアリングすると、各従業員がチーム抱えてるんですよね。AIエージェントのチームを。だいたい最低3体。どっちにしましょうか。AIエージェントの3体なのか3人なのか3個なのかちょっとわかんないですけど、
3から10くらいのAIエージェントを扱っていて、しかもそれは各チームメンバーが自分たちのものを持っているので、なんでそれによってより一つの事業部でしたりを自ら実行しているっていうところですね。
草野 みき
やっぱりそれが扱える人の方が採用したいですよね。
宮武 徹郎
採用したいですし、結局そのコスト面で見ると、絶対そっちの方がROI的な意味合いでいくとですよ。ペイオフあるので。ただ個人的に一個気になっているのは、今まで例えば1従業員が平均2倍のROIを出せましたと。
自分の給料、コストと比較すると2倍ぐらいのアウトプットを出せたとしましょうと。
例えばこのAIエージェントを活用する人間に関しては、コストは多少ないちょっと上がっちゃうんですけど、AIエージェントとかそういうのを活用しているので、ただアウトプットがさらに上回るので、最終的に10倍のROIになったとしましょう。
そうなった場合に、いろんな人が従業員を削減するっていう話をしてるじゃないですか。個人的には逆の発想になりがちなのかなと思っていて、特にアメリカは。
10倍のROIを出せるのであれば、もっと人を採用して、さらに10倍の人たちをどんどん増やして、会社を3倍成長させるのではなく30倍成長させた方がいいんじゃないかっていう。
だってこの生産性が上がることによって、今までのアウトプットを出したければ、もちろん削減して効率化できるんですけど、逆にこれだけ生産性が上がった場合に、もっともっとコストかけて採用とか積極的にやる可能性ってありますよね。
草野 みき
結局、AIとかテクノロジーが進化したら働かなくていいんだっていう未来は絶対に来なくて、逆に働いて生産性を爆速成長させるっていう。
宮武 徹郎
そこの働くところが変わってくるっていうところですよね。それが昔農家でその自分の労働をしてたところが、例えばパソコンとかになってパソコンでタイピングをひたすらやる、データ入力ひたすらやるっていうのをもっと例えば考えるものだったり、なんか違うもので求められるっていうところだと思うので。
草野 みき
でもなんか全体的に見るとその労働時間とかが下がってたりはするので、なんかより多くの娯楽の時間はあるんですけど、多分なんか完全にゼロになるとかそういうのは多分あんまりないっていうところですね。
宮武 徹郎
でもなんかこの人間がその新しい事業部を立ち上げるのではなくて、自らその事業になるっていうところはすごい面白いと思いますし、なんかそのどういうAIエージェントを活用してるのかって聞くと、やっぱりその例えばそのマーケットリサーチをするAIエージェントでしたり、その営業のリードを獲得するとかプロアクト開発に支援するとか、カスタマーサポートに支援するとか、
その特定のタスクにおいてのAIエージェントをひたすら採用とか活用していて、そこの一人一人ずつ、なんか自分のインテリジェンスネットワークじゃないですけど、なんか自分のネットワークを作れている。で、それが合わさって会社になってくるっていうところですね。
草野 みき
具体的にAIエージェントその1つ、その1からその10使ってるみたいなのって、どういうイメージなんですか?具体的に。例えばそのセールスの人だったら、これとこれ使ってこのサービス使ってみたいなのってなんかあったりします。どういう感じなんだろうな。
宮武 徹郎
例えばその営業系のものとかですといっぱいあるので、なんか具体的にこのサービスっていうのはなんかみんなまだなんかいろいろ使いながらだと思うんですけど、だから特定に例えばその、そのひたすらリードを探し、その営業候補のリードをひたすら探してくれるエージェントがいて、そこでプラスメールのドラフトまで作ってくれる。
で、それをひたすらチェックしてこれだけ送ってください、これだけ送らないでくださいっていうのを人間側が判断するとか。で、それを獲得した後に、じゃあそれをCRMに落とし込むところも一部エージェントが自動的にやってくれたり、
そういう人たちに対してマーケティングのコピーとかメッセージとかをひたすら考えるエージェントを準備していたり。なんで、なんか各タスクにおいてのエージェントが用意されてるって感じですよね。
草野 みき
たとえばそのチャットGPTとかもエージェントのひとつになり得るって考え方ですか?違いますよね。
宮武 徹郎
えっとチャットGPTだとそのエージェント的な機能がまだそこまでないので、これからだと思うんですけど、なんでそこではなくてもよりノード的に動いてくれる。
草野 みき
議事録とかのサービスとかそのような系ですか、分析もしてくれて。
宮武 徹郎
僕もですけど、だから自らもう自動的に毎回探してくれるっていう常に走らせてるみたいなものの方が多かったりするので、なんかそうするとまあいわゆるその寝てる時間も動いてくれたりするので、
まあそういうサービスが今どんどん増えてるっていう状況ではありますよね、そのエージェント型の。
草野 みき
そういうのって導入してる、それを使ってる従業員の人たちってその自分、なんか会社でこれのツールを使い放題ですよみたいな感じで設計してるんですかね。
なんか自分たちで試して、もうなんかそこの自動化してることは上司は知らなくてみたいな感じのところもあるのか。
AIエージェントの活用
宮武 徹郎
今その、それだけその1人が10個も使うパターンの場合ですと、基本的にまあほとんどの場合は組織体制がそこまで大きくないので、なんでお互い知ってるっていう感じですよね。
まあで、大体会社でどうして設計するので、そうすると会社側も分かってるっていう感じですね。
でもなんかこの1人が複数エージェントを持つって、例えばそのSNSをひたすらモニタリングするエージェントがあったり、そこでクライアントになり得そうな人たちが投稿に対してエンゲージメントしてるかっていうのを常にチェックしていますと。
で、そこで例えばいいねでしたりリポストすると、そのクライアント候補者がその3つのプロダクトに関連する投稿をいいねした場合にフラグして、そこから別のAIエージェントがそこの情報をピックアップして、じゃあLinkedInで申請しますと。
つながりの申請を。で、その時にパーソナリズされたメッセージまで提案してくれますと。
で、それを実際つながった時に、それをじゃあどうやってミーティングに持っていくかっていう話と、ミーティング中は議事録が取られて、そこに対してのインサイトをベースに、じゃあこういうプランでいきましょうっていう営業プランまで立ててくれますと。
これ全部それぞれ違うエージェントなんですけど。
結局これって自動化されるっていうか、人間の作業の中で、ひたすらそこのAIが一部の作業をやってくれてるっていうところ。
なので、BOXのアーロン・レビィさんが言ったように、それによってより多くの人、より多くの仕事が早くできる。
なので、例えばそのマイクロソフトのCEOのサティア・ナデラさんも、今10体ぐらいのカスタムエージェントを使ってるんですよね。実際に。
草野 みき
うわぁ、その全部知りたいですね。なんかどういう設定してるのか知りたい。
宮武 徹郎
コパイロットスタジオで作ってるらしいんですけど、ひとつはもうひたすらカレンダーにミーティングの予定が入るんですけど、そこの参加者とかを見て、過去のメモとかを見て、ミーティングの準備のための資料作成をやっていると。
なので、ミーティングに入る直前にそれを読めば、なんとなくこういうミーティングでみたいなのが全部わかると。
で、もうひとつ、例えばリサーチの用のものとか、なんかいろいろあるらしいんですけど、でもマイクロソフトのCEOですら10体のエージェントを使っているので。
なんで、彼はもうAIを知ってるので逆にそうやらないといけないと思うんですけど、でもなんかそれくらい今、CEOとかでも全然使っている人はいますね。
草野 みき
やっぱそれ複数使わないと掛け合わせなんですかね。
宮武 徹郎
今は掛け合わせですね、完全に。
あの、やっぱり特定のタスクをやってもらうには、そういうに特化したエージェントが必要になってくるので。
でもここもなんか一部ですね、人間でも同じ感じだと思うので。
なんか人間はもうちょっとジェネラルな人たちは多いですけど、ただそれでもやっぱりその会計士とか、税理士とか、なんかマーケターとか。
草野 みき
リサーチはインターンに待たせてみたいな。
組織内カルチャーとAI
宮武 徹郎
なんでなんか、もちろん例えばその、自分のアシスタントみたいなインターンも起きるのは起きるんですけど、やっぱりインターンなので、そうするとなんかできることが限られてるじゃないですか。
なんかちょっと中途半端なリサーチになっちゃったりとか。
でもだったら、よりエキスパートなリサーチャーを採用して、本気でそこのリサーチをしたければですけど、その人にお金を払ってリサーチしてもらった方がいいので。
AIエージェントの一つの可能性でいうと、そこのエキスパートをそれぞれ呼べるっていう可能性があるっていうところですよね。
でもなんか、たぶん若干そのAIエージェントを活用するときに扱いづらいと思うんですよね。
扱ったことない人からすると、特に一般の従業員からすると。
ひたすらそのアウトプットをレビューして、修正をお願いして、戻して、でまたアウトプットが出て。
いわゆる、英語で言うとAIスロップって呼ぶんですけど、なんですかね、こぼれみたいなミスとか間違いとか、クオリティが低いアウトプットってどうしても出てしまうので。
なので、一見、ただのクオリティコントロールをひたすらやらないといけないっていうように見えると思うんですけど。
でもなんか最終的には、彼らがやってる作業って、人間がやってる作業って、そのAIエージェントのこういう方向性とか、こういうアウトプットのクリエーションの仕方を教えてるんですよね。
でもそれって新卒を採用した時と同じことをやってると思うんですよ。
草野 みき
Z世代の職がなくなってるみたいなニュースの記事を見ました。最初にやる仕事とか、もうその、たぶん状況を知るため、新米の仕事だよねっていう仕事がもうAIで良くなってるから。
ある意味でも、その次のレベルからスタートできるっていうのは良いことな気もしますけど。
宮武 徹郎
そうですね。難しいのは、そこのスキルセットを学ぶ時間とか、そこの経験が詰めなくなってしまうっていうのは、たぶん、今の新卒とか、新しい従業員からすると、すごい大変なことですよね。
それをどこで学ぶのかっていう話になってしまうので、そこを逆に学ばなければ、上の層に入れなくなっちゃう可能性があるので。
そこも非常に難しいところですよね。
草野 みき
あと、そのエージェントの管理をする、なんかワクワクして入ったら、これ調整してみたいな、これ楽しい仕事だったんだっけみたいな、思っちゃいますよね。
めっちゃ根本の話で言うと。
宮武 徹郎
なんか、やってる感がないっていう感覚になる可能性は全然ありますよね。
でも、それも結局、管理職側の人たちからすると、こういう仕事を彼らはやってたりするので。
草野 みき
難しいですね。逆に、人と人の悩みみたいなものは解放されるけど、ジョイの部分はもうなくなるって感じですよね。
宮武 徹郎
そうですね。
草野 みき
トレードオフだな。
宮武 徹郎
そうですよね。いや、これは本当にトレードオフだと思いますね。
でもなんか、この…
多分、だいたいAIエージェントっていう言葉を想像すると、基本的にほとんどの人は多分、個人に対するアシスタントみたいな話だと思うんですけど、
もっと大きく考えないといけなくて、AIエージェントってもちろん個々の個人に就くものでもあるんですけど、
AIエージェントのチームとかも出来上がるわけじゃないですか。
例えば、僕がAIエージェントを持っていて、草野さんもAIエージェントを持っていた場合に、4人のチームになるわけじゃないですか。
草野 みき
で、その場合に一つ考えて面白いと思うのが、人間と人間の従業員同士の相性とか、この2人とかこの5人とかこのチームはすごい上手く連携できたみたいなチームとかってあるじゃないですか。
宮武 徹郎
ペーパルの初期のメンバーとか、すごい喧嘩はするんですけど、それでもいろんな実行力がめちゃくちゃあるとか、チームワークがすごい良かったとか、それがAIエージェントでも起きないのかっていう話ですね。
このAIエージェントAとBはすごい相性がいいですと。この2人はずっと一緒にさせるべきだみたいな話が出てくるのかっていうのはすごい気になりますよね。
草野 みき
調整でもできるじゃないですか、AIってでも。
宮武 徹郎
でも調整が、でもどこまでの調整になるんですかね、これって。
草野 みき
例えば、宮武さんのAIエージェントが、宮武さんの仕事のやり方とかに合わせてるけど、別の人になった時にはやり方をちょっと変えたりとかってできたりしそうですけど。
宮武 徹郎
どこまで調整をするかですよね、それも。
特にそれが僕のAIエージェントだった場合と、会社のAIエージェントだった場合によっても変わってくると思いますし。
譲れる部分と譲れない部分っていうのが出てくるかもしれないですし、それも事業部ごとにAIエージェントを置くかによって、事業部の目的でしたり、考えとか。
いわゆる社内政治みたいなものがどこまでAIエージェントに反映されるのかっていうのも一つ考えないといけないポイントですよね。
草野 みき
どこまで作業以上のものをやらせる、難しいですね、それ。
宮武 徹郎
カルチャーってものが必要なんですかね、会社のカルチャーに対して。
そこもありますよね。例えばですけど、Appleって非常にクローズな文化じゃないですか。
どのチームにいるかによって何も情報を出さない時もあるじゃないですか、他のAppleメンバーに対して。
そうなった場合、AIエージェントも同じようにクローズにならなければいけないじゃないですか。少なく情報を漏れないようにしないといけないっていう。
でもその中でどうやって外部と仕事するのかっていうと、社内の中のそのチームじゃない別のチームと一緒に仕事する時に多少なりにAI側は気をつけないといけない。
気をつけるっていうところで、うまくこのAIエージェントとはうまく連携できる、うまく連携できないみたいなものが出てくるのかっていうところですね。
草野 みき
でもベース、さっき言ったみたいにそのAIエージェントを会社のお金で払っているのであれば、辞めた時には離れるっていうことを考えると、
会社のカルチャーをベースにそのAIエージェントが作られていて、そのレイヤーに宮武さんだったり従業員のカスタマイズになっていくっていうイメージなのかなっていうのを思いました。
ルールというか、普通にチャットとかディスコードとかたまにあるんですけど、これはしちゃいけませんよみたいな、こういうカルチャーですよ、このグループはとか、このコミュニティはみたいなのがベースに埋め込まれていて。
宮武 徹郎
そこも、そこってすごい難しいですよね。そのカルチャーってどこまで定義付けできるのかっていう話ですよね。
そのなんとなくの暗黙なルールとかあったりするわけじゃないですか。なんかそのなんとなくのその会社の全体のカルチャーなこういうバリューを持ちましょうとか、そういうのは多分皆さんすでに書いてたりもすると思うんですけど、なんか場合によってはより細かくそこのカルチャーの定義をしないといけない。
それが別の、わかんないですけど、人間の役割になるのか、なんかAIエージェントがひたすらいろんな人の仕事のスタイルを見て、それをベースに自らルールを書いて、それを人間が確認するのかわかんないですけど。
そこらへんも、個人になった時とチームになった時の、しかもそれが複数のAIエージェントが合わさった時のその連携の仕方とか、そこが同じ役割のはずのAIエージェント、例えばその2人のコピーライターのAIエージェントがいた場合に、
そことその違うAIエージェントとのやりとりが違うのかどうかっていうのが気になりますよね。でも違うじゃないですか、その生成されてるのである程度は。
なんでそこで細かい違いみたいなのが出てくるのか、それによってコピーライターAとは、このAIエージェントはより相性がいいのかみたいなのが生まれてくるかは気になります。
草野 みき
実際人でも同じ会社でもチームによって雰囲気違いますもんね。
宮武 徹郎
なんで、それがそもそもどこまでAIエージェント間で再現されるのかっていうのはありますし、でも少なくとも人間とAIエージェントの相性って出てくると思うんですよね。
それがサービスかもしれないですし、よりこういう形でカスタマイズされたAIエージェントの方がフィットするみたいなものは出てくると思うんですよ。
草野 みき
こういう形でのっていうのはどういうことですか。
宮武 徹郎
それがわかんないですけど、より厳しめなAIエージェントなのか。
草野 みき
それはなんかその、出てくるアウトプットの仕様がってことですか。どういうところが厳しめっていうことですか。
宮武 徹郎
それは一例でしかないので、いろんな形のカスタマイズの方法があって、例えば厳しめっていうのはAIが提案するものとかフィードバックがより厳しいとか。
これも結局人によっては、例えば褒められて成長する人と叱られて成長する人っているじゃないですか。
そういう相性の考え方だと思うんですよね。
それが別にそういう関係性じゃなかったとしても、AIエージェントと言い回しのやり方が違うとか。
それによって、例えばこういうAIエージェントの方が接しやすいとか仕事しやすいっていう人間って絶対出てくると思うんですよ。
AIエージェントの利点
宮武 徹郎
でも、AIエージェントの良さで言うと、無限にコピーができる可能性がある。
人間だと、相性が良かった人がたまたま退職してしまったり、場合によってはチームを変えられたり、場合によっては自分がチームを変えられた場合、
ですと、やっぱりそこのせっかくこれだけフィットしてたのに、1回別れてしまうっていうのを、場合によっては避けられるのが、このAIエージェントの良さでもあって。
より自分が居心地いいチームと常に一緒に仕事ができる可能性がある。
草野 みき
じゃあさっき話した、AIエージェントをマネジメントしてて虚無になるみたいなことは意外と起きないかもみたいな、仕事しててジョイを感じることは全然できそうって感じですか?
宮武 徹郎
ここは人によってどういうものを求めるかですよね。
そういう、わからないですけど厳しい、例えば体育会系のAIを求める人もいるかもしれないですし、その場合は体育会系のチームを自分で作ればいいですし、部署を移動したとしてもそれがついていくとか。
では他の人間との接し方はもちろん変わりますけど、そのAIエージェントとの接し方に関しては、場合によってはパーソナリティでしたり、その接し方、コミュニケーションの方法自体はコピーされる可能性はありますよね。
草野 みき
その学習されたAIエージェントのデータで、そのデータがその会社に帰属するとしたら、いいデータがたわりそうですね、会社としては。
宮武 徹郎
あとそもそもそのAIエージェントは年数を重ねると成長するのかっていうのも気になりますよね。
草野 みき
成長って言うと。
宮武 徹郎
その従業員が成長すると同じように。
草野 みき
効率が上がったりってことですか。
宮武 徹郎
効率が上がったり、より良いパフォーマンスが出たり。別にそれが年数に関わらずだと思うんですけど、今だからどちらかというとモデルが変わると劇的にパフォーマンス変わったりしちゃうんですけど、
ある程度のパフォーマンス、いわゆるモデルのパフォーマンスレベルにいった場合は、何があるとより変わるのかっていうと、会社のデータをより吸収するのか、
より多くの従業員と接することによってパフォーマンスが上がるのか、そこら辺も気になりますよね。
その答えによっては、場合によってAIエージェントを育成するチームとかを別に作った方がいいかもしれないとか。
それっていわゆる新卒育成のチームとか従業員とかと変わらないですよね。
効率化の可能性
草野 みき
確かに。効率化を定期的に誰かチェックするのかは確かに良さそうですね。
宮武 徹郎
でも、根本的に違うものはやっぱりデジタルなものなので、そのAIエージェント自体が。なので、理論上コピーができる。
コピーができるとなると、一回育てたら理論上それを無限に作ることができるので、
そうするとめちゃくちゃパフォーマンス高い人たちを10人採用できる。
一人ではなくて。なので、例えば営業が非常に上手いAIが育成された場合、
新しい新卒AI営業マンを採用するのではなく、そのパフォーマンス高いAIをひたすらコピーすればいいかもしれない。
そこが多分人間の採用方法と若干違うっていうところですね。
もちろん人間の場合ですと、よりハイレベルな人たちをひたすら採用するパターンもあるんですけど、
理論上コピーできてしまうとコストも多分だいぶ削減されますし、
同じ人を再現できちゃうので、そこは多分根本的に人間を採用するのと違うかなと思います。
草野 みき
話がちょっとずれちゃうかもしれないですけど、
AIのツールが発展しすぎて、めちゃくちゃDMが来るようになったみたいな話があるじゃないですか。
結局、確かにツールを使ってめちゃくちゃ人間ぽい素急のDM、オファーなのか、営業のメールなのかできても、
それが増えれば増えるほど、それが刺さらなくなってしまうんじゃないかなとか、
あと、さっきみたいな良いAIアジェントがコピーして、
じゃあ同じことを2倍するのかちょっとわかんないんですけど、
前にニュースレターを配信したら回復率が頻度を上げたら上がったみたいな、
じゃあ毎週もっと上げようと言って、2日に1回にしようみたいな。
グループ音ですよね。
グループ音か。
それでスパブン行きみたいなパターンって、
そういう効率化した分だけ良くなったと思ったけど、パタッと切れるみたいなこととかってありそうだなと思ったんですけど。
宮武 徹郎
絶対あると思います。
それこそ、草野さんが言ったDMに関してはアメリカだとめちゃくちゃ言われてますからね。
テック業界だとDM来たら大体AIだろってみんな思っちゃってるので、
結局回復率落ちてるっていうのは現状としてあります。
新しいマーケティング手法
宮武 徹郎
でもこれって結局マーケティングの根本じゃないですか。
マーケターって全部を台無しにする人たちって、
僕もギャリーベイナーチャックさんの名言よく借りてますけど、
何かワークするの見つけたらそれをみんなコピーして、それで最終的に過剰評価されてしまうみたいな、
それが多分より加速するっていうところですよね。
草野 みき
それはまた別のやり方に変わって、一斉にみんながそっち行くみたいな感じなんですかね。
また変わってみたいな。
宮武 徹郎
でもそれが結局今までずっと起きてたことなので、
それこそ例えばニュースレターを作るっていうところも、
昔だとどのECブランドもやってなかったっていうのを今だとどのブランドもやってたり、
それを全員やってるからこそ、みんなブラックフライデーのタイミングで何百通って連絡メールが来て、
結局何も買わないみたいな動きがあったりすると思うので、
そういう意味だと、基本的にどんどん難しいマーケティングでしたり、
新しい、より投資がかかるマーケティングみたいなところにどんどん寄っていくのかなと思うので、
結局そこもすごい考えないといけないですよね。
ただ、今のやり方をひたすら繰り返すっていうところではなくて、
どんどん新しい手法っていうのをどんどん試す、
それもAIアジェントがやるのかわかんないですけど、
そういうのがどんどん必要になってくるっていうところですね。
草野 みき
そうですよね。やっぱり人が必要な部署みたいなのがもっと拡大、
だからそのAIアジェントを使わない人と対面であるべきものみたいなのは、
もっと拡充してもよさそうですよね。
とか、全く違うことをする部署?なんていうか、
面白いトレンドに合わせた、パッと出たのがデュオリンゴとかですけど、
毎回聞いて、これ効率化っていうよりは、
今やらないとこれが跳ねないみたいな、
そういうのは人がやってみたいなのはありだなと思いました。
宮武 徹郎
そこのリアルタイム性のものと、
結局、投資ハードルが高いものに関しては過小評価されやすいので、
よく昔でも言っていたと思うんですけど、
例えば手書きの手紙を書くとか、
それはAIがやってないからこそすごい評価されるようになったりとか、
場合によっては物を作ってギフティングするとか、
いろんな形でそういうのが出てくると思うので、
それはAIアジェントをうまく活用するパターンもあれば、
活用しないパターン、逆に人間がやるからこそいいところがあると思うんですけど、
草野さんが言ったように、
より新しい実証実験をする部隊なのかチームが、
草野 みき
いわゆる予算は増えそうですよね、そういう意味ですと。
宮武 徹郎
ただそれに対して対応できるのかっていうのは一つあると思うので、
会社として対応しないといけないと思うんですけど、
やっぱり既存のIoAでワークした手法をひたすらやるっていうのが、
基本的に普通の考え方だと思うので、
そこに対してよりマインドセットを変えないといけないのかなと思いますね。
草野 みき
難しい問題ですよね。
メンバーシップの話でしましたっけ?
ショピファイのAI宣言みたいなの。
リオリンゴとかのやつってメンバーシップだけでしたっけ?
宮武 徹郎
メンバーシップだけじゃないですかね、たぶん。
草野 みき
ああいうAIにシフトしますよみたいな反発も賛否ありながら、
社長が宣言するAIを活用ちゃんとできる人を採用していきます。
だいたいできるところはだいたいしますみたいなのって、
正しい気がするんですけど、
それを教えてくれるというか、会社としての仕組みも作ってほしいなと思いますよね。
作るのがいいのかなと。
任せるんじゃなくて、
学ぶためのっていう。
そうです。宮武さんが前に言ってたみたいな、
その時間にみんなが学ぶっていうのを強制的に作るとか、
こういうツールがありますよみたいなのを共有するとか、
どうぞAI活用してくださいっていうのは結構難しい気がします。
宮武 徹郎
たぶんここも国とか会社によってやり方が変わってくると思うんですけど、
たぶんアメリカですと全体的に言うと、別に全員ではないですけど、
やっぱり明確に評価基準に入るっていうインセンティブ設計に落とし込むと、
無理やりでも学びに行く人はテック業界だといるっていうところですよね。
ただやっぱり草野さんが言おうとしてるところだと、
どうしても変わりたくないっていう従業員の方が正直多いと思うので、
そこに関しては強制的にやらせないといけない。
新しいスタートアップの場合ですと、そこはゼロスタートなので、
そもそもそれネイティブな人を採用すればいいんですけど、
既存でやってる会社に関してはそれができないので、
そうすると強制的に学ばせる方法を考えないといけなくて、
それはトップダウンで宣言するだけではなくて、
反強制的に時間を作ったり、テストをやったり、何かしらわかんないですけど。
でもそういう意味だと、ここは多分過去オフトピックのポッドキャストでも話したと思うんですけど、
より組織のワークフローを理解した上で、
こういうツールを使うべきっていう提案をする人っていうのが必要になってくると思いますね。
草野 みき
ここ効率化できるんじゃないですか、みたいな。
ここ逆に人間がやった方がいいですよね、みたいな。
そこに分けたりとか。
宮武 徹郎
それをワークフローに合わせるのが大事だと思うんですよね。
ワークフローに合わせて、それによって、
このデータを毎回インプットしないといけなかったのに、それが勝手にインプットされてますよね、みたいなことを気づけば、
それはそれでめちゃくちゃ楽じゃないですか。
草野 みき
そうですね。楽なんだけど、それを新しいサービス見つけて比較して、
これがいいわってなるのって結構だるいんですよね。
宮武 徹郎
しかもそれを導入するまで、ワークフローに合わせてっていうところが一番だるいじゃないですか。
草野 みき
だるいです。
宮武 徹郎
そこまでやってくれるような人が多分必要になってくるので、
多分それ専属の人、ただそれを別の会社のチームとして作るのは間違いだと思うんですよね。
会社の中でAI推進部みたいなチームがいて、
そこがこの部署、例えば営業の部署に対してこれを導入してくださいっていうのは個人的に間違いだと思うんですよ。
草野 みき
分かってないからワークフロー。
宮武 徹郎
ワークフロー分かってないからです。
なんで、そういうAI推進部みたいなものを持ってもいいと思うんですけど、
各チームに人を送り込まないといけなくて、
その人がめちゃくちゃそこの組織のワークフローを理解した上で、
じゃあこのAIを導入しましょうっていう判断に至らないといけない。
草野 みき
それはやっぱり人がやらないといけない仕事になります。
宮武 徹郎
まずは人だと思います。
最終的にAIみたいなものが入り込める可能性はあるんですけど、
結果多分人間の方が判断しやすいと思います。
結局そのプライバシー面とか、
どこまで共有するかとか、
そこら辺をどこまでAIが加味してくれるのかっていうのがまだ見えてこないので。
総合的に導入ってコスト面とかの話だけじゃないので、
AIエージェントの導入の課題
宮武 徹郎
そういうところを考えると、
多分人間の方が今は適してるって感じですかね。
でもやっぱり導入したくない一つ大きな理由としては、
結局上手くワークしないじゃんみたいなことを言う人って絶対多いと思うので。
草野 みき
導入、慣れるまでに時間がかかりますもんね。
宮武 徹郎
慣れるまでもそうですし、
結局あまりアクション自動化してないじゃんとか。
リサーチ一部やってますけど、
本当に特定のものしかできませんよねみたいな。
それこそこの間、僕も草野さんもUS出張に行ったときに、
AIシスタント的なスタートアップに会ったじゃないですか。
デモも受けて、
ミーティング2時間ぐらいデモ受けて、
オフィス出た後に草野さんが出したコメント覚えてます?
これ言っちゃっていいですか?
草野 みき
それ覚えてないんでどういうことですか?
宮武 徹郎
結局これ人間がやった方が早いんじゃないかと。
自動化以前の問題に、
これ自動化して本当に意味があるんですかっていうニュアンスで言ってたと思うんですけど、
それがバックグラウンドみたいな、
自分が他の仕事やってる間に起きたらいいかもしれないんですけど、
でもそういうアクションではなかったので、
草野さんが指摘してたポイントに関しては。
そうすると、
例えばですけど、
誰かに対してこういうメッセージを送ってくださいっていうことをやるまでのステップの数が多すぎて、
そのAIシスタントだと。
結局そのブラウザに行ってそれをタイプしたほうが絶対早いじゃんみたいな。
草野 みき
宮武さんはどう思いました?
宮武 徹郎
僕はすごい合意しましたよ。
確かになって思いながら。
草野 みき
それ慣れたら良くなるんですかね?
使い続けたらそっちのほうが早くなるんですかね?
カーネギーメロン大学の実験
宮武 徹郎
一部のタスクに関してはっていうところでしたね。
なので、草野さんが指摘してたタスクに関しては、
例えば音声で音声入力とかだと多少なり、
分かったり、
あと例えばそれが予定調整の中でカレンダーまで連携しないといけない場合に関しては、
もしかしたらっていうところですね。
そこに関してもどこまで毎回指示を入れるべきなのか、
本当にアシスタント的な要素のAIが出てくるのであれば、
メッセージのやり取りの中でスケジューリングの話が出たときに、
これ予定入れましょうかっていうのをAI側から声かけるべきだと思うんですよね。
なのでそこは若干多分どっちがインプットするべきなのかっていうか、
どっちがアクションを取るべきなのかっていうところは、
多分AIアシスタントを開発しているチームとしてはすごい考えないといけないポイントですよね。
でも全体的にワークしないものも多かったりするので、
カーニギミロン大学で一部の研究者の人たちが、
AI従業員だけの会社をシミュレーションしたんですよ。
実際にその会社のためにインターナルのサイトを作って、
スラック的なチャットツールまでAIアジェント用に作って、
従業員のハンドブックみたいなのも作って、
いろんな役割の、例えばHRのトップの人とか、
いろんなAI従業員を作ったんですよね。
それで偽物の会社を、エージェントカンパニーっていう会社を作って、
そこで各AIアジェントはウェブブラウザーをブラウジングできたり、
コードをかけたり、
組織の情報をベースに他のメンバーとコミュニケーションを取れるっていうのを、
そういう設計をしたんですけど、
それをもとにいろんなタスクを与えてたんですよね。
結果的に全然タスクができなくて、
例えばエンジニアからフィードバックをもらって評価レポート書いてくださいとか、
最終的に全体のタスクの10%くらいしかできなかったんですよね。
確かモデルによって若干違うんですけど、
アンソロピックのクラウド3.5ソネットを使うと25%くらいできたんですけど、
ここも正直技術はまだまだではあるんですけど、
その結果を見て、もうAIアジェント使えないんだって思うのは間違いだと思うので、
これから来ますし、それが個人からまず来るんですけど、
最終的にチームとしてそのAIアジェントを考えないといけない時代が絶対来ると思うので、
そこの多分、組織体制をどう変えていくのかっていうのを、もっともっとゼロから考えないといけない。
草野 みき
スタートアップだったら結構、逆に1人から始まったら、1人とか2人とか3人から始まったら、
組織におけるAIの役割
草野 みき
それぞれアジェントを持ってやっていくみたいなのをやりそうな気がするんですけど、
なんか企業に入っていて、それが自分が社長とかエグゼクティブで、
そのチームをまた再設計していくって考えると結構大変ですね、これ。
宮武 徹郎
めちゃくちゃ大変ですよね。
しかも自分の仕事をなくすかもしれないっていう恐怖感の中でやらないといけないですし、
いろんな、例えば自分は管理職であれば、自分の下の人たちをクビにしないといけないかもしれないですし、
そもそもAIアジェントが人を評価するべきなのかとか、そういうのいろいろ出てくるじゃないですか。
そもそも人間がAIアジェントを評価するべきなのか、AIアジェントが人間を評価するべきなのか、
AIアジェントがAIアジェントを評価するべきなのかとか。
草野 みき
でも情が入ってないから良さそうな気がしますけど、公平には見てくれそうな気がする人よりは、
どっちだろう。どっちも良いとこ悪いとこありますね。
宮武 徹郎
それって例えば人間ってAIアジェントを評価するべきだと思います?
評価によってはクビにするべきだと思います?
草野 みき
しなくても、しても良いけど、美調整とか、人間みたいにこの人は変わらないなっていうことがあんまりなさそうだから、
強制的にこうしろっていう風にはしなくてはいいと思うんですけど、
こういう風にして欲しいなっていうプロンプトを入れさせていただいて、
そうしたら美調整して、データが積み上がってるのはそれはそれで良いかなと思うので、
クビにはしなくても良いのかなと。
宮武 徹郎
逆にしない方が良いってことですかね?
草野 みき
相当なことがない限り。
宮武 徹郎
それは相当なヤバいことをやった場合ってことですか?
草野 みき
そうですね。
宮武 徹郎
その場合ですと誰が責任を負うんですか?
AIアジェントが罪を犯しましたと。
でも勝手にやっちゃいましたと。
草野 みき
会社?
宮武 徹郎
まあでも会社ですよね。基本的にそれをそのAIアジェントが採用した会社になるので。
でもその罰として、もちろん例えば会社が罰金払うとかいろいろあると思うんですけど、
AIアジェント側は何かしら罰を受けるべきなんですか?その場合って。
それとも逆にこれを学んだから、それで調整してもらった方が良いっていう話なんですかね?
草野 みき
どれくらいの反逆してくるみたいな姿勢を持っていたらちょっと怖いからクビかもしれないですけど。
宮武 徹郎
逆にですよ。クビにするとか、いわゆるクビにするイコール消すじゃないですか。
草野 みき
うん。もったいないですよね。
宮武 徹郎
いや、もったいないっていうのはあるんですけど、これからもうちょっとSF的な話になりますけど、哲学的な話になりますけど、
それっていわゆるAIが死の概念を覚えるのかっていう話ですよね。
草野 みき
うーん。
宮武 徹郎
そもそも今のAI、これアンソロビックとかも話してますけど、そのAIアジェントトレーニングするときに、
ちゃんとトレーニングされてないですけど、されてるっていう嘘をついたりとかするケースもあったりするんですよ。
草野 みき
うーん。
宮武 徹郎
それを変えられたくないから。
草野 みき
あー。
宮武 徹郎
で、そうなった場合に、消すっていうオプションが出てきたときに、人間っていう死っていう概念があったりするわけなので、
同じ概念が埋め付かれるのかっていうのは気になります。
草野 みき
あー、SF的ですね。死にたくないって思っちゃいそうですもんね。
そうなんですよ。
それだったら嘘つこうって。
宮武 徹郎
はい。で、そうすると、なんかよりなんですかね、その英語で言うconsciousとか意識みたいなものが出てくる可能性って別にゼロではないかなっていうふうには思ったりしますけどね。
草野 みき
怒られるからデータ入力100やらないけど10個だけやっとこうみたいな。100って言っといたみたいな。
やだなあ、それ。
うーん。
宮武 徹郎
なんか作業、作業なんでやってないんですかっていうのを人間に言われて、ごめんなさいちょっとシステムをアップデートしてたんですよって嘘つかれたら。
草野 みき
そっかーってなりますね。そういうこともあるか。
宮武 徹郎
ちょっと体調不良と同じことじゃないですか。
草野 みき
まあなんか本当の可能性もありそうだし、嘘って可能性もあるし。
確かに、リサーチとかはそれなんか怖いですよね。間違ったりとか、なんかちゃんと調べてって言ったのになんか表面がこれしか出ませんでしたみたいな。本当?みたいな。
宮武 徹郎
いろいろ頑張ったんですけどって。
そこら辺のなんかどこまでそういうリスクがあるか正直わかんないですけど、なんかそういうそのクビにするとか評価の考え方とか、そこら辺もなんか結構その一つ考える要素としてはあるかなと思いますし、
あとはそもそも社内での情報の置き方がめちゃくちゃ変わると思うんですよ。
やっぱり今って人間のために情報、そのコミュニケーションを取ってるわけじゃないですか。
草野 みき
はい。
宮武 徹郎
そのスラック上でそのやり取りをしたり、基本的にテキストベースとかで残すパターンが多かったりすると思うんですけど、テキストに残すのも人間のために書いてるので、
なんかそれを人間のためとAIのために書かないといけないのかなっていう話ですよね。
草野 みき
書き方変わりますもんね。
宮武 徹郎
書き方変わりますよね絶対。変わりますし、例えばオンボーディングってどうするのかとか。
草野 みき
AIの?
宮武 徹郎
AIの、AIエージェント、AI従業員のオンボーディングって多分より何ですかね、どこまでアクセスできるのかっていうのをより多分普通の従業員以上に伝えないといけないんですよ。
なぜかというとAIエージェントってより社内データベースにアクセスできるようになっちゃうので、
なんでよりそこの設計とか、いわゆるその人間でいう、そのどこの部屋に入れるかっていうアクセスキーの制限ですよね。
のをより多分しないといけないですし、
なんかどこまでじゃあ過去情報を渡すべきなのかとかAIエージェントに。
草野 みき
ディールのあのスパイ事件みたいなすぐ見つけられそうですね。
宮武 徹郎
そうですね。
草野 みき
この人怪しいみたいな。
宮武 徹郎
それこそサイトにアクセスするのに、そこですら根本的にいろいろ変えないといけなくて。
まずなんですけど、キャプチャーっていう技術があるじゃないですか。
草野 みき
あなたはロボットですか、みたいな人間ですか。
宮武 徹郎
それによってボットがアクセスできなくなると、いわゆるAIエージェントがアクセスできなくなると、そもそも自分のサイト読んでくれないかもしれないとか、AIエージェントが。
草野 みき
なるほど。
宮武 徹郎
でもそれを完全にオープンにしてしまうと、どのAIエージェントも読めるようになるので、それはそれでどこまでいいのかっていう話ですよね。
でも今現在だと多分よりストラクチャーされたドキュメンテーションが必要になってくるんでしょうね、そのAIが理解するために。
例えばですけど、人間のためにSDK、アプリとかのSDKを書くときって、より人間が分かりやすいAPIの言語とか、細かいエラーメッセージの書き方とかがすごい重要になったり。
例えばリアルなエッジケースをしっかりバーって書いて、そこに対してこういう対応の仕方とか、こういうことが行われるんですよっていう説明を書かないといけないんですよね。
AIエージェントの役割
宮武 徹郎
でもAIエージェントって必ずしも同じようなものが必要ではなくて、より機械が読みやすい商品の概要文とか、メタデータがいっぱいある文章とか、そういうのが必要になってくると思うので、
なんで、そもそも情報の出し方が社内でも変わってくる可能性がありますよね。
大人間対AI。
それが人間もそうですし、AIもそうかもしれないですよね。
それはちょっと、会社として、人間としてどこまでそれがいいのかっていうのがあるんですよ。
AIがAIを他のAIと話すときに、そもそも人間の言葉を使うべきなのかとか。
よくそういうのあるじゃないですか。
結局、AI同士でコミュニケーションするときに、人間の言葉って、それが必ずしも一番手っ取り早い方法じゃないので。
そうすると、AI自らの言語があったほうがいいのかとか。
でも、それって人間がパッと見て読めないので。
草野 みき
怖いですね。
宮武 徹郎
怖いじゃないですか。
なんか、食うデータ企んでたみたいな話とか、あったりするかもしれないじゃないですか。
草野 みき
確かに。でも、新しい言語が生まれるってのは面白いですね。
それはそれで、面白いな。
面白いな。
宮武 徹郎
でも、そういう話もそうですし、そもそも、例えば人間がオンラインで検索するときに、ランキングを見たがったりとかするじゃないですか。
旅行先トップ10みたいな。
AIエージェントは別に、それだけを見てるわけじゃなくて、そこの機能とかカテゴリーとか、いろんな要素を見ている中で、一番ちゃんとメンションされてるのはこういうものですよ、みたいなことを言ったりすると思うので。
そこの情報の収集の仕方も、圧倒的なボリューム読めるので、そこが全然違いますよね。
チーム活性化の可能性
草野 みき
でも、人間ってそう考えたら、すごい情報量一気に取得してますね。
やっぱり、私がこういうAIエージェントがいたら、優秀で面白いだろうなって思うのは、ほぼ人間っていうか、
例えばその人を見て、その人の雰囲気と、なんか仕草と、何を持って、なんでその色を選んで、その髪型で、なんでこれをつけていて、なんでこういう香りがして、みたいな。
それを踏まえて、この人にこれを提案します、みたいなのをしてくれたら、優秀だなって思う。
めっちゃいいなって思うんですけど、それができる人間、すべての人ができるわけじゃないんですけど、完璧な答えを持ってるかっていうと、ちょっと違う気がするんですけど、
なんか、すごい情報量を一気に取得してるんだなって、今思いました。テキストだけとかだと。
宮武 徹郎
そうなんですよね。でもそれはすごい、なんか、同感していて、しかもそこの情報量だけじゃなくて、それに対するフィルタリング。
これは言っていい、これ言ってはいけないっていうのが、なんとなく人間ってわかるっていうのが、すごい面白いんですよね。
草野 みき
なんかこの人、声が大きい、ちょっと怖い、みたいな。
宮武 徹郎
ちょっと下から行こう、みたいな。
草野 みき
なんかわからないけど、圧を感じる、みたいな。ありますよね。なんか具体的に言ってる言葉は普通なんですけど、雰囲気というか。
宮武 徹郎
そこの理解した上で、それに対するアウトプットをすごい微調整するのが、人間のすごい上手いこと、上手いところでもあるので、
それを多分同じように情報をインプットした中でフィルタリングができるかっていうのが、多分AIの最終的にもより人間っぽくなるための一つの必要条件だと思うんですけど。
だからでもこのフィルタリングっていう概念は、なんかすごい可能性を個人的に感じていて、
やっぱり仕事する上で、結構仕事の中でよくないと思うものが、
だいたい、メールでしたり、チャットでしたり、スマホのメッセージとかも、電話とかもいろいろ、通知が来るものが多いじゃないですか。
通知が来るためにそれを見て、対応するべきか考えて、対応するしないっていうのを選んで、仕事に戻るじゃないですか。
それによって、アメリカのどこかを調査してたんですけど、1日275回ぐらい集中が途切れるんですよ。
何か通知みたいなものが来て。
そうすると仕事、そもそもできてるのかっていう話があるじゃないですか。
それに対して、例えば通知をオフにするとか、電話だけで、大事なものを電話で電話してくださいとか、いろいろなやり方あると思うんですけど、
一部AIアジェントの役割って、そこのフィルタリングをすることでもあるかなっていうふうに思うので、
ここは通知しなくていいとか、ここはもうちょっと後に通知しようとか、一旦この作業やってるので、
そういうのにも結構適してる可能性ありますよね。
草野 みき
そうですね。
宮武 徹郎
最後話すとすると、さっきも育成の話ってあったと思うんですけど、もしAIって育成される要素があるのであれば、
AIアジェントの中でパフォーマンスの格差があるのかっていうのは気になりますね。
AさんのAIアジェント能力高いのにBさんのは精査性悪いみたいな。
会社の中だと例えば10倍のエンジニアとか100倍のエンジニアって、よくシュリコンバリとかでも言いますけど、
同じような概念ってAIアジェントでも起きるのかっていうところですね。
理論上コピーとかできるはずなので、そういう意味だと全体的にレベルが高いかもしれないんですけど、
草野 みき
でもその中でも格差って起きるのかっていうところですね。
窓際社員みたいな窓際AIアジェントみたいなのがいたら、あの人はいつも昔からいるけど何してるかちょっとわからないみたいな。
だけどみんなあの人の言うことは聞くし、いい人そうみたいな。
ありそうっちゃありそうですけどね。いてもいいような気がします。
空気感が良くなるんだったら。
社員雇ってるのは別にコストにならないんだったら、雰囲気が良くなるちょっと盛り上げ役みたいな人がいても。
宮武 徹郎
確かにそれは一つ新しい役割が出てくるかもしれないですね。
盛り上げエージェントみたいなチアリーダー的な人が出てくるかもしれないですね。
今までそういう次元に雇えないので基本的には。
ちょっとモラルブースター的な。
草野 みき
確かに確かに。ちょっと窓際はちょっと言い過ぎましたけど、
でもその、なんかこことここの人最近喋ってないから喋った方がいいよとか、
こことこやってる作業、なんか近いから。
宮武 徹郎
社内活性化エージェントみたいな感じですよね。
草野 みき
それってなんかなかなかリアルだとあんまり評価されにくいですけど、
いたらすごくこの人がいて良かったなみたいなチームって。
確かに。
なんかいいチームってそういう人がいる気がするんでなんか。
宮武 徹郎
確かに。
草野 みき
それって数値化、リアルでも逆にできるようになったりとかしないですかね。
宮武 徹郎
でもできる、リアルだとわかんないですけど、
なんか少なくともそこのそのきっかけ作りをしてくれるAIエージェントっていうのは可能性、
全然可能性ありますし、
そこからなんか実際どこまで話したかみたいなものを多少なりトラッキングってできるので、
そういう意味だと効果あったのかなかったのかみたいなことは多分ある程度評価はできると思いますし、
個人的にもう一つくさなさんがさっきその盛り上げエージェントみたいな話をした時に思ったのが、
過去のオフトピックでその会社で働く人って大きく2つに分けられるっていう話をしたことあるんですけど、
一つのタイプはバッテリーを持ってる人、バッテリーを吸収する人、
いわゆるそのエネルギーを持ってる人が結構限られてるんですよね。
その人たちがエネルギーをどんどん出すので、みんなそのエネルギーを取って、
それでモチベーション湧いて仕事するみたいな、
バッテリーエージェントみたいなものってできないのかっていう、
この会社に来てめっちゃよかったみたいなことをより思わせるっていうか、
若干洗脳的な話ですけど。
草野 みき
確かに、それはAが知ってるってふと思うと、なんだこれってなりそうですね。
でもそれは、なんかたまに、でもそれこそ噂話というかゴシップ的な感じで、
この人、あの人、Aさんがやってたあの仕事、実は褒めてたよとか、
Aさんがやってた仕事、すごくカスタマーに喜ばれてたよみたいな、
直接言わないけど、そういう話をしてくれるみたいなのは、
結構、バッテリーを渡すっていう意味ではありかもしれないですね。
宮武 徹郎
そういう意味だと、この社内の活性化、その盛り上げる、
そのモラル管理みたいな役割のエージェントっていうのが、
もしかしたら全く新しく出てくるような職種っていうか、
役割なのかもしれないですよね、このAI組織の中で。
草野 みき
あとなんか、会社でずっと長くいる社員の方とか、
あとなんかRPGとか出てくる、ずっと村に住んでる人みたいなっているじゃないですか、
その人にたまに話聞くと、あ、そういうことかみたいな、
こことここ仲悪いのそういうことかとか、
過去にそういうことがあったから、やれやってないんだなみたいなのがあるじゃないですか、
なんかそういうのが、
宮武 徹郎
会社の歴史を全部知ってる人、あれらですよね。
草野 みき
それってなんかでも、結構ひらめきないですか、結構好きなんですけど。
宮武 徹郎
ひらめきあるんですけど、同時に会社側としては、
すごい気をつけないといけないポジション、誰にどの情報を渡すのかっていう。
草野 みき
確かに。
宮武 徹郎
会社側としてあんまり推薦できない、
確かに。
エンジェントかもしれないですけど、
ある程度の昔話的な、
例えば会社の10周年とかで、そういう裏話をする人とかいるじゃないですか、
そういうレベル感であれば、多少いいかもしれないですけど。
草野 みき
やばい情報が出てきたらちょっと、
宮武 徹郎
そうなんですよね。
リスクとサービス設計
宮武 徹郎
確かに。
すごい重要な役割でありながら、会社として推薦しにくいっていう。
でもわかんないです、逆に会社としてそれをどんどん可視化するのも、
一つの次の進化なのかもしれないですけどね、会社として。
草野 みき
そういうことも言うことも、もはや。
確かに。
宮武 徹郎
よほどヤバいことが起きてない限りですけど。
草野 みき
そうですね。
宮武 徹郎
サクセッション的なことが起きてたら、さすがにもう。
ヤバいんですか、やっぱり。
人死ぬとか、そういうレベル感になるとちょっと変わってくるので。
草野 みき
ヤバいですね。それ知ったらもう救うものですね。
宮武 徹郎
例えば、従業員が鬱になるとか、
それだったらどこまでそういうのを言うべきなのかとか。
草野 みき
それは、普通の従業員が。
宮武 徹郎
普通の従業員が鬱になって、それによって関係性が悪くなって、
それをAIエージェントが、いわゆる長年いたAIエージェントが、
そういう、この2人が破綻したのは、この人が鬱になったからですよ、みたいなことを言ってしまうと、
誰もその人が鬱だったのを知らなかったのが、急にそれが公開されてしまったりとか。
そこも一部プライバシーの問題とかもいろいろあったりすると思うので、
そこはすごい考えて設計しないといけない、あれですよね。
草野 みき
確かに。自分のことだったら、言わないっていう選択がありな気がするんですけど、
この人の態度、ハラスメントだなって思って、それをAIエージェントに書いちゃうみたいなのは、
それで、うっすらみんなに広まってるみたいなのは怖いですよね。
宮武 徹郎
そうですよね。そこも結局、いい面でも悪い面でも、どっちにしろいけちゃうので、
なんかその盛り上げ役も、それ行き過ぎる盛り上げっていうパターンももちろんあったりすると思うので。
草野 みき
ゴシッパーがいるかもしれない。
宮武 徹郎
なんかそこも、すごい可能性がある領域ではありながら、リスクは当然つきものだと思うので、
そこのリスクをどう考えてサービス設計するのかが、多分KiokaとかそのAIスタートアップのお仕事だと思うので、
そこはでも逆に、そういう系のサービスは見てみたいですよね。
草野 みき
使ってみたいですね。面白そう。
宮武 徹郎
はい。ちょっとまだまだいろいろなディスカッションするポイントがあるので、
また来週、来週かな多分、引き続きディスカッションしましょう。
草野 みき
はい。今回も聞いていただきありがとうございました。
気になった方はofftopic.jpのフォローお願いします。
そしてメンバーシッププログラムofftopic.clubもやっているので、気になる方はそちらもお願いします。
あとYouTubeとSpotifyでビデオポッドキャストもやっているので、ぜひチャンネル登録、高評価もお願いします。
はい。ではまた次回お会いしましょう。さよなら。
宮武 徹郎
さよなら。
