允中 発信 凹非寺
量子位 | 公式アカウントQbitAI
直感に反する現実の一つは次のとおりです:
AIはすでに企業で広く活用されているが、多くの会社の生産性はそれによって明顯に向上していない。
マサチューセッツ工科大学NANDAが発表した2025年企業生成AIレポートには、よくセットで引用される一組の数字がある。
インタビューを受けた企業の中では、95%の企業における生成AIのパイロットプロジェクトは、測定可能な損益上のリターンをもたらしておらず、その一方で、90%企業の従業員はすでに個人向けAIツールを使って仕事をしているのに、公式な法人向けサブスクリプションを実際に購入している企業はわずか40%にすぎない。
この数字の裏には、実は同じ問題があります：
AIは活用されるようになりましたが、それは個人レベルにとどまっています。
そのため今日、企業が直面しているのは「AIを導入するかどうか」ではなく、もっと難しい別の問題である。
導入した後、企業が自ら何を蓄積すべきでこそ、AIを本当に生産力に変えられるのでしょうか？
本日午前、上海西岸で行われたWTCCフォーラムにおいて、Tezignの創業者・范凌氏が示した答えは次のとおりです。
最終的に企業が補うべきなのは、より強力なモデルではなく2つの世界モデル。
まず顧客を理解し、それから会社を理解する
「世界モデル」という言葉を簡単に言えば、あるシステムが次の問いに答えられるかどうかということです：もしこうしたら、その後何が起こるのでしょうか。
企業に置き換えると、この問題には少なくとも2つの方向があります。
一つは外へ向かい、顧客を理解すること。顧客はなぜある選択肢を好むのか、何が彼らの考えを変えさせるのか、どんな表現や製品が受け入れられやすいのか。この層について、特讃（Tezign）はフォーラムで「顧客世界モデル」と呼んでおり、これは後に資料でより頻繁に登場する「主観的世界モデル”。
一つは内向きに、会社を理解すること。一つの意思決定が企業内部に入った後、どのようなプロセスを経て、どのような資源・ルール・協力関係の影響を受け、最終的に本当に実行に移せるかどうか。この部分はより「企業世界モデル”。
どちらも「どうやって意思決定するか」に答えているように見えますが、本質的には別のものです。
「顧客を理解する」主観的世界モデルは、主観的な好み、動機、選択を扱うものであり、外部のユーザーデータに依拠している。
「会社を理解する」企業世界モデルが扱うのは、プロセス、資産、ルールそして暗黙知であり、それを支えるのは組織内で長期にわたって蓄積されたコンテキストである。
主観的世界モデルについては、先日量子位がすでに詳しい解説を行っているので、ここではこれ以上触れない。
また、この2つの体系はデータの出所、更新のペース、責任の帰属がいずれも異なるため、単純に1つの大規模モデルへと乱暴に統合することが難しい。
1つにまとめると、多くの場合より強くなるのではなく、両方の精度が落ちてしまい、どちらか一方でも欠ければ問題がすぐに露呈する：
- 企業世界モデルだけだと、エージェントは仕事のやり方は分かっても、その仕事をする価値があるかどうかが分からず、最終的には間違った目標を効率よく達成するだけ。
- 顧客世界モデルだけだと、エージェントはニーズを理解できても、真の組織の納品に結びつかず、最終的にはニーズは分かるが、実現できない。
という状態になってしまう。だからこれは「もう1セットモデルがあったほうが安心」という問題ではなく、企業エージェントアーキテクチャにおいて、そもそもまったく異なる2つの要素が欠けていたという話である。
企業にとって最も価値のある知識は、多くの場合まだ書き留められていない
顧客世界モデルが外部の知覚に近いとすれば、企業世界モデルで最も難しいのは、実は内部知識の識別、組織化、活用である。
なぜなら、組織の中で最も価値のあるものの多くは、まさにドキュメントの中には存在していないからだ。
特訳:特赞はフォーラムで、企業知識を2つの類型に分けた:
- 一つは顕在知識、マニュアル・プロセス・制度として書き残すことができ、追求するのはより高く、より速く、より正確であることです;
- もう一つのタイプは暗黙知，たとえば審美眼、判断力、境界感、経験や人間関係のようなものは、完全に言語化できず、具体的なプロジェクトと協働の中で少しずつ育っていくしかありません。
これはまた、「文書をすべてAIに食べさせること」が「AIが企業を理解したこと」にはならない理由も説明している。
実際、すでに多くの企業が、モデルの能力を基盤とした独自のコンテキストシステムの構築に取り組んでいます。
しかし、コンテキストがうまく構築できているかどうかについては、この層ではまだ統一された判断基準が形成されていないかもしれない。
企業が真に必要とするコンテキストシステムは、少なくともいくつかの条件を満たさなければならない：
- 既存システムを置き換えるのではなく、既存のデータレイク、業務システム、資産システムを接続するものである。
- それは人間が読むための知識ではなく、インテリジェントエージェントが呼び出せる構造化されたオブジェクトや関係である。
- それも一時的な納品ではなく、判断のたびに振り返りの根拠を残し、同種の問題を次回ゼロからやり直さずに済むようにできるものです。
一言でまとめると：エージェントが呼び出すのはデータではなく、コンテキストである。
専門家は、訓練データになりつつあると判断しています
もし企業世界モデルが内部のコンテキストを解決するものであるならば、もう一つ起きている変化は、専門家の判断が学習データに入り始める。
ここで述べているのは3つ目の世界モデルではなく、顧客世界モデルとも同じものではない。
それはむしろ、二つの世界モデルの下で共有される一つの能力基盤に近い。
掲示板および関連技術資料によると、特赞（Tezign）はすでにさまざまな分野の専門家を多数招き入れ、実際の判断プロセスの収集とアノテーションに参加させており、訓練シグナルが汎用データだけに依存しないようになり、ビジネス文脈における判断の経路（Creative Trajectory）を含み始めているという。同時に、一部の提携機関も同様の方向で研究を進めており、関連する判断経路の蓄積はすでに万本規模。
なぜこのことが重要なのか?
企業内で最も価値のある知識、たとえば判断基準、取捨選択の論理、リスクへの感度は、インターネット上になく、汎用モデルの中にも存在しないからです。
それらは元々、人とプロジェクトとアーカイブの間にのみ存在していました。
今行っているのは、本来なら残しにくいこれらの判断プロセスを、蓄積できる資産に変えることなのです。
したがって、この道が最終的にたどり着くのは、「モデルがビジネスをより深く理解する」ことだけではなく、明確な企業AIの進化の方向性なのです。
「スマートレンタル」、へと向かい「主権インテリジェンス"。
本当に評価が難しいのは、答えが合っているかどうかではなく、「この会社らしくできているかどうか」だ
最後に残る、避けて通れない問題は、どう評価するかということだ。
汎用benchmarkが測っているのは、モデルが標準答案に正しく答えられるかどうかだ。
しかし企業の現場では、より重要な問いは往往にして「合っているかどうか」ではなく、その会社のやり方に沿って正しくやれているかどうかである。
企業のブランド境界、チームの品揃え選定ロジック、経営者のリスク許容範囲。これらはいずれも公開評価セットにはなく、汎用モデルのデフォルトの価値観にも存在しない。
だからこそ、業務垂直benchmarkの真の価値は、モデルにスコアをつけることではなく、組織の判断基準を、継続的に回帰し、継続的に比較し、継続的に修正できるテストセットに変えるところにある。
これがひとたび存在すれば、モデルのアップグレード、フロー調整、チームの変化がどのような能力変化をもたらしたのかを、「なんとなく良くなった気がする」で判断する必要がなくなる。
この点について、特讃（Tezign）のチームは、非常に典型的なキャリブレーション手法を挙げている：
Atypicaのシナリオでは、実物の人間とAI personaに同じ行動経済学の実験をさせ、両者の差分を使ってシミュレーション効果を定量的にキャリブレーションし、それをモデルの訓練と最適化にフィードバックしている。
量子位は今年7月、WAIC会場からのレポートで、ある結果に言及していた：主観世界モデルの行動シミュレーションにおける正確率は85%に達したという。
もちろん、この種のシミュレーションやbenchmarkは本質的にはあくまでキャリブレーションツールであり、研究や検証をより早い段階で行えるようにするものの、実際の人間による研究そのものを代替することはできない。
Agentic Transformationの始まり
企業においてエージェントを本当に動かすには、どのような仕組みを構築する必要があるのか？
基盤が整った後、その仕組みを実際に回していくにはどうすればよいのか？
フォーラムで示された説明によれば、企業のエージェントが本当に動き出すには、完全なクローズドループを回す必要があるという：Signal、Plan、Create、Evals。
- SignalとEvalsはより顧客の世界モデルに依存しており、それらが答えるのは、「ユーザーが今何を気にかけているのか、作ったものを顧客は本当に受け入れるのか」という問いである。
- PlanとCreateはより企業の世界モデルに依存しており、それらが答えるのは、「この件は組織の中で本当に実行可能なのか。リソース、プロセス、制約がここにあり、どう進めるべきか」という問いである。
この背後には、実のところ企業エージェントと前世代のCopilotとの違いが対応している。
Copilotはむしろ一回きり呼び出されるツールに近い：尋ねれば答え、タスクを開始すれば結果を一つ返してくる。
しかし企業が本当に必要とするエージェントはそうではない。それは長時間にわたって継続的に実行できるもので、ワークフローに入り込み、目標・状態・フィードバックを時間を超えて保持しなければならず、毎回ゼロから始めるものではない。
范凌は講演の中でこう述べた：
エージェントが仕事を80点まで押し上げ、人がそれを80点から120点へと引き上げる。
この言葉で重要なのは、「80点」と「120点」という数字そのものではなく、人とエージェントの役割分担を再定義した点である。
両者は代替関係ではなく、ずらした役割分担である：AIはトークン化可能な大量の仕事を前へ進める役割を担い、専門家が真に価値を発揮する場所は、依然として最後の高密度な判断の部分にある。
これらの糸口を一緒に眺めてみると、エンタープライズAIは新しい段階に入っており、「二つの世界モデル」が示しているのは、まさにこの能力セットの企業アーキテクチャにおける表現である：
外部を理解する一套と内部を理解する一套、そしてその間を、継続的に前進できる長時間稼働のエージェントが走る。
特筆すべきは、特赞（Tezign）がWTCCフォーラムで同時に発表したAgentic Transformation共建プランである。大学、研究機関、企業、モデルおよび技術パートナー、専門実務者を巻き込んでおり、その理由もシンプルだ：この道はまだ完全には検証されておらず、多くの問題には既成の答えがなく、オープンな協働の中でやりながら成長していくしかないからである。
「どうやってAIを使いこなすか」よりも、特赞（Tezign）は共建という形でもう一つのより難しい問いに答えようとしている：
企業が自らの判断を、蓄積可能な資産へと変えるには。では、その第一歩はどうすればよいのか？
参考リンク：https://game.atypica.ai/
*本記事は量子位の許可を得て転載したものであり、見解はすべて原作者に帰属する。