多くの企業は依然として、プラットフォームの統合、データ整合性の確保、部門横断的な処理の実行といった基本的な課題に取り組んでいます。こうした状況だからこそ、エージェント型AIの登場には、とりわけ重要な意味があります。エージェント型AIは、システム同士をつなぐ必要性そのものをなくすものではありません。しかし、それらのシステムに求められる役割を大きく変えつつあります。

Adobe SummitのHCLTechブースで行われた講演で、プラットフォーム設計やパーソナライゼーションから、運用モデルや組織体制にいたるまで、エージェント型AIがエクスペリエンスの価値創出プロセスをどのように変革しているかについて、HCLTechのデジタルビジネス・サービス担当バイスプレジデントであるVirender Singhが解説しました。

「接続された」プラットフォームから「相互運用可能な」プラットフォームへ

長年にわたり、組織はマーケティング、コマース、営業、サービスといった各分野のプラットフォームを連携させることに注力してきました。Singhによれば、こうした取り組みは今も重要である一方、市場はすでに単なるシステム統合の先へ進み始めているといいます。

「接続されたプラットフォームという考え方は、今でも十分に意味があります。実際、多くの企業がまだその段階を十分に実現できていないからです」とSinghは述べています。

「今なおプラットフォームを構築中で、統合が進行中のクライアントも存在します。しかし、AIの導入により、あらゆる企業がより相互運用性の高いプラットフォームに移行しつつあります」

この違いは重要です。「相互運用可能なプラットフォームとは、コンテキスト、意図、ユーザー情報、データ、顧客ジャーニーといった要素を、マーケティング、Eコマース、営業、サービスなどの機能間でシームレスに管理・共有・活用できる環境を指します」とSinghは説明します。

言い換えれば、エクスペリエンスの変革の次のステージは、システム同士を連携させることではありません。システムが状況や背景を共有し、それに基づいて自律的に行動できる仕組みを実現することにあるのです。

エージェント型AIがもたらす、オートメーションのその先

まさにこの点が、従来の自動化やオーケストレーションの波と、エージェンティックAIの決定的な違いです。従来の自動化は、ルールやワークフロー、承認プロセスを中心に構築されてきました。一方、エージェント型AIは、より適応性の高いレイヤーを付加します。

「自動化やオーケストレーションはこれまでも存在していましたが、主にワークフローや承認プロセスに重点が置かれていました」とSinghは言います。

「これに対し、エージェント型のプロセスは、状況や意図に基く能力を備えています。これによりエージェントが自律的に稼働し、推論を行いながら、さまざまなアプリケーションやシステム、データを連携させることで、エンドツーエンドのワークフローや顧客体験のオーケストレーションを実現することができます」

システムや顧客ジャーニーをまたいで推論できるこの能力こそが、エージェント型AIを単なる業務自動化以上の存在にしています。エクスペリエンスプラットフォームを、より自律的な意思決定が可能なものへと進化させるのです。

リーダー企業は何が違うのか

HCLTechの「Blueprint of AI Leadership」調査によれば、AIによる投資対効果（ROI）を実現している組織はそうでない組織と比べて、より優れた顧客体験を提供している確率が50%高いことが分かっています。Singhは、優れた成果を上げているこうした企業に共通する3つの特徴を挙げています。

「1つ目は、データの統合です。彼らは、優れた企業はデータを統合し、顧客体験の中核としてデータを位置付けています」とSinghは説明します。「2つ目はもちろん、AIの実運用化です。PoC（概念実証）にとどまらず、AIをプラットフォームや業務プロセスの一部として組み込んでいます」

3つ目は、組織のあり方です。「AIは、これまでの運用モデルの構築方法を変えつつあります」とSinghは指摘します。「これまでは機能横断型のプロダクトライン運用モデルについて語っていましたが、今では成果志向型のチームへとシフトしています」

機能ごとの縦割り管理から、成果主導型の実行へのこの変換は、今後テクノロジーそのものに匹敵するくらい重要な意味を持つようになるかもしれません。

リアルタイムかつ状況に応じた体験に向けた取り組み

Singhはまた、リアルタイムパーソナライゼーションはもはや将来の構想ではないと指摘します。基盤技術はすでに存在しており、AIによってその精度と柔軟性が大きく向上しているというのです。

「現在のAIを活用することで、パーソナライゼーションははるかに高度なものになっています。AIモデルは推論能力とコンテキスト理解を備え、ユーザーのエンドツーエンドのジャーニーを記憶することができます」

その結果「「リアルタイムでコンテキストに基づき、顧客一人ひとりのその瞬間に応じたジャーニーやパーソナライゼーションが実現可能になっています。これは従来不足していた部分です」と語っています。

現在、価値が現れている領域

成熟度にはまだばらつきがあるものの、Singhはマーケティング、コマース、サービスの各領域で成果が現れ始めていると説明します。

マーケティングの分野では、「コンテンツサプライチェーンのユースケース、キャンペーン実施のユースケース、製品リリースのユースケースが見られます」とSinghは述べています。コマースの分野では、「商品の分類、価格設定、プロモーションに見られ」、サービスにおいては「価格管理、プロアクティブな問い合わせ対応や顧客管理に見られる」といいます。

大規模展開に向けた構築

エージェント型AIを大規模に展開させるには、成果重視の運用モデルの構築、相互運用可能なプラットフォームの構築、そしてAIに対応できる人材の育成という、3つの変革が不可欠です。

「チームの観点では成果志向型モデルへの移行が進みます」とSinghは説明します。「プラットフォームの観点では、相互運用可能なプラットフォームこそが営業、サービス、マーケティング、コマースの間のサイロを打破するカギとなります。そして人材の観点では、AIに対応できるスキルを備えた人材が大きな違いを生み出すことになります」。

そしてこの組み合わせこそが、エージェント型AIが単なる有望な機能にとどまるか、それとも次世代のエクスペリエンス・バリューチェーンの基盤となるのかを決定づける要因となるでしょう。