エンタープライズソフトウェア製品の構築方法に関するほとんどすべてが現在変化しています。SaaS製品を構築する際、設計全体の焦点は、ユーザーが自分で、または共同でタスクを達成するためにシステムと対話する方法でした。 現在、設計上の主要な課題の多くは、ユーザーがこのタスクを実行するために AI エージェントとどのように連携するかに関するものです。これにより、ユーザーが AI エージェントにコンテキストをセットアップ、デプロイ、オーケストレーション、または提供して作業を実行し、その後作業を確認して組み込む方法が質問になります。 これは既存の UI で発生しますか?チャットで行いますか?タスクリストまたはキューを介してですか?ワークフロービルダーによるものですか?それをエージェントと表現しますか、それとも単に顧客が望む特定の結果を生産的に表現しますか? 初期の違いは、IDE、ターミナル、Web UI、または単にSlackを使用するだけで議論されているAIコーディングの分野でもわかります。 いずれの場合も、多くの点で、ユーザーにとって、ソフトウェアは方向性が単純になるということです。 人々がタスクを実行するために必要なノブ、トグル、スイッチ、コンポーネントは、AI エージェントの世界ではあまり必要ありません。これらの機能への API は、AI エージェントが使用する (なくなることがないように) 依然として重要ですが、主にバックグラウンドで活用されます。そして、最終的にユーザーに表示されるとき、それは一般的なアクティビティではなく、高度なユースケース、例外処理、またはレビュープロセスのためのものです。 私たちは、これまでで最も興味深いソフトウェア設計の時期にいます。ユーザーだけでなく、自律エージェントのためにも同時に設計する必要があります。そして、私たちはそれがどのようなものかの初期段階にすぎません。

あらゆる業種の AI エージェントのインテリジェンスは、現在、最高の AI モデルに収められており、活用されるのを待っています。適切なドメイン理解、ツール呼び出し、コンテキストエンジニアリング、UXがあれば、非常に多くのユースケースが解き放たれます。その後、モデルが改善されるにつれて市場は成長します。

最高の AI エージェント プレイの多くは、ワークフロー全体の自動化を目指す領域ですが、途中で個々のタスクや作業の塊を自動化することには十分な価値があります。今は大量の価値を生み出すことができますが、モデルが改善されるにつれて TAM は成長するだけです。

BoxでAIファーストを実現するために実施した実践の1つは、毎週誰かがAIワークフローを全社にデモンストレーションすることです。通常、それは私たちが決して予測しなかったことです。テクノロジーの一元的な計画とユースケースの採用のための分散化のバランスをとるのに適しています。

NVIDIAは最初の10兆ドルの企業になります

AI エージェントの最高のプレイは、モデルのパフォーマンスは良好であるが、モデルとワークフローの間にはまだ大きなギャップがある場合です。ここで、ドメインの理解、データ、ツールの使用、コンテキスト、カスタマイズされた UX を備えた真の堀を構築できます。ここには多くの機会があります。

AIモデルが改善するにつれてアプリレイヤーを食べるのではないかという懸念が大きすぎる可能性があります。AI エージェントが機能するためには、ほとんどの企業が AI と特定のワークフローの間のブリッジを必要とします。 AI エージェントを現実の、非常に変動しやすく、敵対的な環境で機能させるラストワンマイルは、めちゃくちゃ難しいことが判明しました。そして、それはプロセス全体の中で最も価値のある部分になるようになってきています。 AIモデルとエンタープライズワークフローの間の架け橋となるのは、さまざまなシステムに接続し、適切なエンタープライズデータを取り込み、セキュリティと権限を適切に処理し、ユースケースに結び付けられた深いレベルのコンテキストを持つための大量のソフトウェアになります。 次に、ユースケースに合わせたカスタマーサポート、SLA、責任条項、カスタマイズされたセールスモーション、カテゴリの連携パートナーシップなどを追加します。必要なリストは非常に無限です。 AI エージェントを効果的にするには、あらゆる垂直分野、さらには重要な水平方向のカテゴリにも深い専門知識が必要です。今の大きなチャンスは、これらのギャップが最も広い場所(モデルとワークフローの間)を特定し、適切なソフトウェアと専門知識で埋めることです。 そして、モデルが改善されても (以前はカニバリゼーションのリスクがありました)、焦点を当てたプレーヤーは、さらに多くの価値とユースケースを顧客に提供できます。適切な市場機会を狙えば、AI エージェントを構築する際にモデルの改善が悪いことであるというシナリオはほとんどありません。

現在、AI エージェントを企業向けに実現するチャンスはたくさんあります。モデルには非常識な機能が詰め込まれていますが、それらをエンタープライズワークフローの真ん中に導入するには、重要な足場、ドメインの理解、およびコンテキストエンジニアリングが必要です。これが演劇です。

AI エージェントの構築は、決定論的ワークフローと非決定論的ワークフローのバランスをとるための演習です。エージェントの自由な手綱が少なすぎると、モデルの知性の恩恵を受けることができません。多すぎると、セキュリティ上の問題や無計画な結果が生じます。これが、SaaS + エージェントが残る理由です。

AI エージェントを構築する場合は、最大限の効果と TAM サイズを実現するために自動化する最適な作業レベルを見つける必要があります。狭すぎるとエージェントは機能しますが、TAMは小さいです。一般的すぎるとエージェントはまだ機能しませんが、TAMは大きいです。スイートスポットを見つけなければなりません。