AIエージェント
トップ人材の専門性は AI で複製できるのか ― 編集履歴3万件から校閲エージェントを作った Every の実践
社内のエース人材の判断をエージェントスキルとして複製し、採否判断のログで自己改善させる。この方式が成立する条件は何かを、Every の校閲エージェント「KateBench」の実例から考える。
元記事
原題
“The Case for Cloning Your Coworkers” （同僚を「クローン」せよ — 専門性をスキル化して組織のボトルネックを外す）
原文からの引用
“It's weirdly hard and specific to copyedit that well. She's the only one who can do it at her level, and now that's not true anymore.”
日本語訳 あの水準の校閲というのは、不思議なほど難しく、属人的な仕事だ。彼女だけがあのレベルでこなせる存在だった。だが、それはもう過去の話になった。
要点
- Every 社は編集長 Kate Lee の過去3万件以上の編集履歴をもとに、GPT-5.6 世代でついに実用レベルの校閲エージェント「KateBench」を構築した。記事は人間の Kate がレビューする前に KateBench を通し、彼女の採否判断が Google Docs の変更履歴として蓄積され、Codex がスキルを書き換えて複利的に改善する。
- KateBench は Kate の負荷を減らすだけでなく、彼女の専門性を「民主化」する。Every 社は次の一手として COO の UX フィードバックやマーケ責任者の知見も同様にスキル化する構想を持ち、第1弾として CEO Dan Shipper のマーケ感覚を複製する「DanLens」を構築中である。ただし UX 判断は校閲より雑然としたデータであり、「どの種類の仕事がこの方式で扱えるか」が今後の検証課題である。
- 投資家 Stanley Druckenmiller が WSJ の寄稿執筆に AI を使ったと認め、WSJ は「著者本来の主張を反映し、著者にそれを語る資格があるかが問題」と擁護した。AI 利用を禁じる Financial Times とは対照的な対応となった。
- Ramp の支出データによると、最上位モデル Fable はローンチ1カ月後で Anthropic トークン購入量の6%、モデル支出の11%にとどまっている。「知識労働タスクの8割では Fable の相対的な利点がない」との声もあり、Vercel の AI Gateway ではオープンウェイトモデルの処理トークン比率が4月の11%から6月には29%へ急伸している。廉価モデルへの大量処理の振り分けが進んでいる。
- 運用資産100億ドルのヘッジファンド Walleye Capital では全従業員400人に AI 活用が必須である。CEO の Will England は「血と汗を注がなければ本物ではないという不安があるが、最終的に重要なのは結果だ」と語る。
編集部の考察
問うべきは「誰をクローンするか」より先に、「トップ人材の判断がデータとして残る業務設計になっているか」である。KateBench の要点は「3万件の編集履歴」と「採否判断が変更履歴として自動蓄積されるループ」の2点にある（要点1）。つまり複製できたのは、専門性が長年テキストデータとして残り、正解・不正解のフィードバックが業務フローの中で構造化されて取れる仕事だったからである。AI 導入済みの組織がこれを再現しようとしても、レビューコメント、デザインの差し戻し理由、意思決定の却下理由が Slack や口頭に散逸したままでは、モデルがいくら進化しても複製する元データがない。エース人材の判断ログを構造化して蓄積する仕組みへの投資が、次世代のボトルネック解消の前提条件となる。
本記事は海外記事の独自キュレーション・考察であり、原文の翻訳ではありません。引用部分の著作権は原著者に帰属します。