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。

コンテキストエンジニアリングは、現在、企業内で効果的なAIエージェントを構築するための最も重要なコンポーネントになりつつあります。これは最終的に、ほとんどの組織で AI エージェントを採用するためのテントの長いポールになります。 関連付けられているビジネスプロセスのコンテキストを深く理解できる AI エージェントが必要です。これは、そのワークフローにとって最も重要なデータにアクセスし、適切なタイミングで適切なツールを使用し、適切な目的と指示を持ち、それらが属するドメインを理解することを意味します。 エンタープライズエージェントを構築するすべての人にとって、大きなオープンアイテムのいくつかは次のとおりです。 * ナローエージェントとゼネラルエージェント。タスクが小規模であればあるほど、AI エージェントに適切なコンテキストを提供して成功しやすくなります。しかし、タスクが小さければ小さいほど、価値は低くなります。価値創出に最適なタスクサイズを見つけることは、今後数年間の重要な要素となるでしょう。 * エージェント対応システムへのデータ取得。企業データは、多くの場合、数十または数百のシステム間で断片化されており、その多くは AI の世界に備えていません。ほとんどの企業は、AI エージェントのメリットを最大限に活用するために、データ環境を最新化する必要があります。 * タスクの*適切な*データにアクセスすることが最も重要です。最新の環境にデータがある場合でも、AI エージェントがアクセスする必要があるものと完全に一致したアクセス制御を取得することが重要です。さらに、RAGを何で行うか、一般的な検索を行うか、コンテキストウィンドウに何を完全に入力するかを決定することは、タスクごとに非常に重要になります。 * 決定論的と非決定論的であるべきものを選択する。モデルに要求しすぎると、品質が低下する可能性があります。しかし、モデルに何もしないと、AI で可能なことが劇的に十分に活用されていません。もちろん、モデル自体が加速的に改善されているため、これは動くターゲットです。 * AI エージェントのコンテキストを深く理解するための適切なユーザー インターフェイスが重要です。エージェントにコンテキストを取得するための問題の半分は、AI の問題とはまったく思えません。重要なのは、エージェントがワークフローのどこに表示され、ユーザーがエージェントとどのように対話して、タスクを実行するために必要なコンテキストを提供するかということです。 企業における AI における今後数年間の競争は、特定のワークフローに適切なコンテキストを提供するのに最適な人を見つけることです。これにより、AI レースの勝者と敗者が決まります。

AI 以前の市場よりもはるかに大きな AI エージェントの機会がどれほどあるかは驚くべきことです。コードエディタ市場のTAMは、2020年に数十億ドルでした。AIコーディングエージェントは、今後5〜10年で$50〜100B+の市場になる可能性があります。これは多くのスペースで行うことができます。

AI エージェントの世界では、SaaS の市場規模は縮小するのではなく拡大します。エンタープライズデータとワークフローを管理するための記録システムが依然として必要であるだけでなく、AIエージェントはこれらのツールにまったく新しい価値提案を生み出します。あなたは今、顧客に仕事をもたらしています。