AIエージェント
既存システムはなぜ AIエージェント時代に「下層」に留まるのか
Salesforce × Anthropic の「Claudeforce」が象徴する新しい構図：既存企業は自社のレコードを起点に仕事を広げていくため、仕事全体を見られる垂直 AI スタートアップにも機会が残っている。
原題
“The Incumbents Are Coming” （既存企業がやってくる：AIエージェント時代の競争地図）
原文からの引用
“An incumbent can automate more of the work around its core record, but the customer's job to be done is bigger than the record.”
日本語訳 既存企業は自社が管理するレコード周辺の仕事をより多く自動化できるが、顧客がなすべき仕事全体はレコード管理を超えている。
要点
- Salesforce + Anthropic の Claudeforce は、Claude が Salesforce CRM を使う仕事の入り口となり、Salesforce は CRM のデータと操作を握り続ける構造を示す（元記事は「と両社は主張している」と添えている）。インタフェースとレコード管理が分かれ始めたように見える。
- エージェントは自律性と判断の度合いで Retrieval（情報検索）→ Process（ルール適用）→ Policy（方針適用）→ Principal（組織の方針を決める判断）の 4 階層に分けられる。1 年前の既存企業の AI 製品は多くが Retrieval 止まりだったが、いま Process へ進み、一部は人が定めた狭い範囲の Policy を適用し始めた。ただし判断は、自社が持つレコードの範囲にほぼ縛られる。
- 顧客の「仕事全体」はレコード管理を超えている。契約は法的事項の一部、チケットは顧客解決の一部、営業機会は取引全体の一部に過ぎず、複数企業・チーム・システムにまたがる。既存企業が管理する「レコード」は、その仕事の一断面に過ぎない。
- 垂直 AI スタートアップ（例：弁護士業務に特化した Harvey）は、仕事全体をまたがって「学習ループ」を構築できる。学習ループは、エージェントの作業、専門家のフィードバック、アウトカムを使って次の試行を改善する仕組みで、仕事に絞ることで同じ種類の仕事の事例を多く見て、より速く学べる。
- 垂直 AI が勝つ市場の条件は 4 つ：①専門家が素早く正誤判定できる、②判断スキルが必要（単なるルール適用ではない）、③反復性が十分にある、④1 つのタスクから全体の仕事へ拡張できる。法務・税務・会計や、製造の品質調査などが該当する。
編集部の考察
自分の組織にとって最優先の論点は、AIエージェントの評価基準を「本番データが溜まるのを待って作る」のか「先に人工的に用意する」のかという投資判断である（要点4・5）。Harvey は当初は顧客データを使わず、約1,750件の法務タスク環境と、1課題あたり平均約50項目の専門家ルーブリックを先に作り、モデルの訓練と評価に使うカリキュラムを用意した。顧客の履歴が溜まるまで何年も待たなかった、という点が示唆的だ。自組織の現場で AIエージェントに任せている業務——契約レビュー、問い合わせ対応、品質管理など——について、専門家が定義した評価ルーブリックと模擬タスクが実際に存在するかを点検する必要がある。それが存在しなければ、エージェントの判断は Policy 階層（要点2）止まりで、既存企業のレコード管理と同じ天井にぶつかる。経営として下すべき決定は明確で、次期 AI 投資の重心を「モデル選定」から「評価基準とカリキュラムの内製」へ移すかどうかである。
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。
この記事の調査と下書きにはAIを使っています。数値や事実は出典と照合し、公開するかどうかは運営者が判断しています。（制作方針）