かつて$18 ~ $20のアルバムが主流だった音楽業界をオンデマンド配信へと押し出したブランドであるNapsterが、音楽事業を脇に置き、実写のようなリアルさを持つ映像主体のAIエージェントを軸に会社を作り直しました。CEOのジョン・アクント氏は新会社を「Capture、Learn、Act、Own」という4語のフレームワークで説明し、企業向けAIの本当の勝負はどのモデルが最も賢いかではなく、最終的に誰が顧客との関係とその背後のコンピュートを所有するかにあると主張しています。

Napsterが手放したものと残したもの

目に見える変化は製品です。1月、CESに先立ち、Napsterは従来の音楽ストリーミングへの注力を一時停止し、AIエージェントプラットフォームを発表しました。このエージェントは、企業の製品ラインやブランドの語り口、専門知識を学習したリアルなビジュアルアバターで、Webサイトや店舗で買い物客と1対1の会話を行います。同社はこの転換を、音楽のストリーミングから「インテリジェンスのストリーミング」への移行と呼んでいます。

転換を経ても残ったとみられるのは、仲介者を取り除く破壊者としての自己像です。アクント氏は、ラジオで流れるヒット曲を1曲聴きたいだけでもディスク1枚丸ごと買わなければならなかった1990年代後半のアルバムのアンバンドリングから、大手プラットフォームが企業とその顧客の間に陣取っていると同氏が語る現在まで、一本の線でつないでみせます。Spotifyのようなストリーミングサービスが本物の利便性をもたらしたことは認めつつ、その経済構造はアーティストに十分な対価を残さなかったと論じ、AI時代が繰り返してはならない過ちとして提示しています。

技術基盤も引き継がれました。Algorandから買収された後、経営陣はゼロから作り直すのではなく、7年にわたるコアアーキテクチャの開発成果の上に構築することを選びました。さらにNapsterはその後TouchCastを買収しています。同社の創業者は10年以上にわたりAI向けエッジコンピューティングのアーキテクチャに取り組んできた人物です。

Capture、Learn、Act、Ownのフレームワーク

つながった4つのステーション: ノートPCのチャット、箱に仕分けられるカード、袋を手渡すキオスク、施錠された金庫

▲ Capture、Learn、Act、Ownの枠組み

Napsterは企業顧客を4つの段階に沿って順に案内します。アクント氏が繰り返し挙げる例は、Gapのような衣料品小売業者です。

段階 起きること 例
Capture Webサイト上の映像エージェントが訪問者に挨拶し、具体的な質問を投げかける 好みのスタイル、サイズ、色、購入を予定している時期
Learn 企業がファーストパーティの会話データを分析し、行動につながる洞察を得る 「顧客中心」という漠然とした標語を具体的な答えに置き換える
Act エージェントが蓄積したインテリジェンスを使い、リアルタイムに提案と支援を行う 店舗内のハードウェアが、オンラインで接客した買い物客の再訪を認識する
Own 企業がデータ、モデル、コンピュートを自ら保持する エージェントは顧客企業自身のインフラの上でAPI層として動作する

注目すべき点が2つあります。第一に、アクント氏は、今日のECサイトで会話を通じてトラフィックを選別しているところはほとんどないと主張しており、だからこそCapture段階を最大の未開拓機会と見ています。第二に、Act段階はStationとThe Viewという独自のハードウェア機器を通じて実店舗にまで広がります。オンラインでエージェントと話した買い物客が店舗に足を運ぶと、店内の機器がそのプロフィールを認識して同じ会話を続ける設計で、デジタル上の発見と対面での買い物を一本の流れに結びつけます。

アクント氏が最も重要と呼ぶのはOwn段階です。同氏が警告するシナリオは、CaptureをMetaに外注し、LearnをAnthropicやOpenAIに委ね、Actだけを社内に残す企業です。同氏の見方では、そうした企業は事実上、顧客インテリジェンスを、そしてそれとともに競争上のアイデンティティを手放してしまっています。同氏はNapsterのソフトウェアを、OpenAIやAnthropicのものを含むあらゆる基盤モデルの上に載る中立的なインタラクティブ層と説明し、企業はデータと知的財産の100%の所有権を保持し続けるとしています。

エッジコンピュートと所有権が堀になる理由

Napsterの企業向け製品はMicrosoft AzureとAzure AI Foundryの内部でネイティブに動作します。アクント氏によれば、Azureとネイティブ統合している17社のうち、エージェント型AIプラットフォームはNapsterだけで、このプラットフォームは顧客の既存データアーキテクチャの上で純粋にAPIとして動作します。同氏はこれを完全なデータ主権の保証として提示しています。また同氏は、独自モデルをエッジコンピュートやAIノートPC上でローカルに動かすべきだという主張においてNapsterをMicrosoftやNVIDIAと並べ、NVIDIAのCEOであるジェンスン・フアン氏が推進するプライベートコンピュートとモデル共有エコシステムを、集中型クラウドによる支配への対抗軸として評価しています。

エッジコンピュートのビジネス上の根拠は価格です。Napsterはリアルタイム会話型の映像エージェントに1分あたり$0.01を課金しており、アクント氏がクラウド専業の競合の業界標準と説明する1分あたり$0.25と対照をなします。同氏が挙げる理由はTouchCastの特許ポートフォリオです。2018年、2020年、2023年に出願された特許が、クラウドクラスターではなくクライアント端末上でフレームをレンダリングしエージェントを制御する仕組みをカバーしており、これがコンピュートコストを大幅に下げると同氏は述べています。さらに、エッジベースのインタラクティブ映像を模倣しようとする競合はこれらの特許に突き当たるだろうとも示唆していますが、これは同社自身の評価として受け止めるべき主張です。

同じ論理が、顧客との会話に関する同氏のユニットエコノミクスを支えています。

  • エージェントとの10分間の会話のコストはおよそ$0.10
  • 広告で獲得するWebサイト訪問1件のコストはおよそ$1.00
  • その10分間で企業は、好みの色、家族の人数、製品の好み、訪問者が買わなかった理由を知ることができる

アクント氏は、顧客が自ら進んで提供するこの種のゼロパーティデータはデータブローカーからは入手できないか、この価格では手が届かないものであり、企業がそれを所有するからこそ、時間とともに顧客プロフィールに追記されて資産が複利的に積み上がると論じています。

エージェントがこれまでに成し遂げたこと

サーキットのチケット売り場で、来場者が背の高いスクリーンに映るホストと話し、カートのアイコンにプレミアムチケットが入っていく

▲ VIPチケットを追加するFormula 1のエージェント

Napsterが挙げる最も具体的な導入事例は、スパ・フランコルシャンでのFormula 1レースをめぐるテストで、Microsoft Buildでも披露されました。ファンがチケット販売ポータルに到着すると、AIコンシェルジュが挨拶してナビゲーションを引き受け、チケットの等級やVIPパッケージについて話し合い、ファンが決断するとその選択を設定してVIPチケットを直接カートに入れました。アクント氏によれば、このテストではセルフサービスで閲覧する場合に比べ、決済時の離脱がはるかに少なかったといいます。同氏は顧客企業が結果の共有に同意したことにも触れ、多くの企業はエージェントのコンバージョンデータを競争優位として非公開にするため、これは珍しいことだと述べています。

より広い売り込みは、おなじみのファネルの計算に基づいています。典型的なECサイトは有料トラフィックの3~5%をコンバージョンに導くにとどまり、つまり訪問者の95~97%は買わずに去っていきます。Napsterの位置づけでは、会話型エージェントはこの去っていく大多数と関わり、なぜ離れたのかを突き止めるために存在します。アクント氏はまた、初期の顧客テストで、静的なレイアウトやテキストボックスと比べてインタラクションとコンバージョンの指標が10倍から100倍に上昇したと報告しています。これらは初期テストに基づく同社の報告値であり、独立したベンチマークではなく、スパでの結果も単一の事例です。

規模に関する主張としては、世界で2,000を超える企業・組織がAzureを通じてこの技術を利用しているとしています。消費者向けでは、Napsterアプリがサンドボックスの役割を果たし、利用者は医療、法律、資産設計、音楽などの分野に特化した数万のエージェントと音声やテキストで対話できます。アクント氏によれば、これらのエージェントは単一の専門領域の中で24時間学習を続け、それぞれ異なる個性を保ち、セッションをまたいで記憶を保持します。利用者が数時間後に戻ってきても1週間後に戻ってきても、以前の会話を思い出すというのです。同氏はその目標を、顧客生涯価値に照準を合わせた「Super Business Intelligence」と表現し、汎用人工知能ではないと明言しています。

なぜ映像なのか、ロードマップはどこまで届くのか

テキストボックスではなく対面型エージェントを推すアクント氏の論拠は、人間は視聴覚の生き物であり、表情や抑揚、視覚的な手がかりに頼って信頼を築くという点です。同氏は今日の静的なECページを、夕食の写真であふれていた初期のFacebookのフィードになぞらえ、動画が登場して初めて人を引きつけるものになったと語ります。不気味の谷については、不快感は出来の悪さや遅延、あるいは機械に人間にしかできない社会的ふるまいを求めることから生じるというのが同氏の立場です。デートに誘われたエージェントは、感情があるふりをするのではなく、ビジネス上の役割に基づいて丁重に断るべきだといいます。アバターのスタイルはブランドに従うべきだとも付け加え、洗練されたリアルなペルソナはNikeに合うかもしれず、ぬいぐるみのマスコットはBuild-A-Bearに似合うと述べています。

同氏はより大きな変化を、コンピューティングの歴史になぞらえて説明します。同氏の語りでは、エージェントと今日の細分化されたWebサイトやポータルの関係は、WindowsとMS-DOSの関係に相当します。個々のソフトウェアのサイロの手前に立つ統一されたフロントエンドだというわけです。同氏は、Napsterの層は1990年代のAOLのような閉じたポータルではなく、開かれたWorld Wide Webのように機能すべきだと強調し、GitHubやAzure AI Foundry、数百万のモデルに接続するとしています。

Napsterは3つの時間軸で計画を立てています。

  1. 顕微鏡、0~3年: 目の前の実行。新たに現れる能力は傍観者に誤解されるだろうと同氏は見込んでいます。
  2. 双眼鏡、3~8年: 自律エージェントの主流化と初期の物理ロボティクス。
  3. 望遠鏡、長期: 軌道上コンピュート、基地局に代わる衛星リンク、ロボティクスの遍在といったインフラ。

ロボティクスの筋は同氏の主張にとって重要です。会話型エージェントはサービスロボットの訓練場であり、ロボットは人間とのやり取りのパイプラインが供給するまで個性もビジネス上の文脈も持たないと論じています。永続性についても直接触れています。利用者や制作者が10年かけてエージェントを育て、運営企業が消えてしまった場合でも、利用者はその関係とデータの完全な可搬性を保持できなければならないといいます。だからこそ同氏は、インフラの所有権とAzure水準のコンプライアンスを任意ではなく中核に据えているのです。

要点と活用のヒント

Napsterの再出発は音楽を映像エージェントに置き換えつつ、反仲介者としての同社のアイデンティティを守るものです。その競争上の主張は2つの柱に立脚しています。顧客インテリジェンスを企業の内側にとどめるフレームワークと、クラウドの標準とされる1分あたり$0.25に対して1分あたり$0.01と価格づけされたエッジコンピュートです。Formula 1のチケット販売テストや10倍から100倍のエンゲージメント向上を含む報告された結果は、同社とその初期顧客によるものです。

会話型エージェントを検討している企業にとって、このプレイブックから得られる実践的な指針は次のとおりです。ファネルの入り口に会話による捕捉層を追加すること、そこで得られたデータとモデルを複数のベンダーに散らばせず自社所有のストレージに保持すること、所有権を維持できる企業向けクラウド統合を通じて展開すること、エージェントの範囲を業務上の専門領域に限定すること、そして店舗が事業の一部であればデジタルから実店舗へ続く顧客の道筋を計画することです。エージェント体験に関心がある人は消費者向けのNapsterアプリを試すことができ、開発者はAzure AI Foundryを通じてカスタムエージェントを展開できます。