IBMによる$110億のConfluent買収は、ある明確な診断に基づいています。企業のAIエージェント、つまり人に代わってタスクを実行するソフトウェアの足を引っ張っているのは、モデルの性能というよりもデータの鮮度だという見方です。IBMでConfluentおよびデータ事業を統括するゼネラルマネージャーのショーン・クロウズ氏は、ConfluentをIBMのリアルタイムかつ継続的なデータ基盤と位置づけています。社内のあらゆるシステムにまたがって、AIモデルや業務エージェントに最新の情報を届ける層です。同氏の主張は、多くの企業のAIプロジェクトが概念実証(PoC)、つまりアイデアが機能するかを確かめる小規模な試行では好調に見えるのに、本番環境に届く前に行き詰まる理由も説明しています。

IBMがストリーミングデータ企業を求めた理由

Confluentはデータストリーミングプラットフォームです。ストリーミングとは、決まった時刻にまとめて処理するバッチ方式ではなく、イベントが発生するたびにレコードをシステム間で継続的に受け渡す仕組みを指します。クロウズ氏は、IBMとの組み合わせを自然で補完的なものだと表現し、新興技術を企業の競争優位へと変えてきたIBMの数十年にわたる歴史を挙げています。

同氏によれば、生成AIを導入する組織には基盤となる資産が必要で、そこには自社データへの包括的なアクセス、安全なハイブリッド展開の選択肢(ハイブリッドとは自社インフラとクラウドサービスを組み合わせた構成のこと)、オープンなエコシステムが含まれます。このうちデータの役割を担うのがConfluentです。今回の買収により、リアルタイムのイベントストリーミングが、IBMのより広範なAI運用モデルと法人顧客向けの取り組みに組み込まれます。掲げられた目標は、分断されサイロ化したデータを、AIモデルに供給され、自律的な業務ワークフローを起動するアクティブなデータへと変えることです。

エージェントには見えないもの

クロウズ氏は、従来の企業を二つの側面を持つものとして説明します。一方にはERPやCRMといった記録システムがあり、トランザクションを実行します。もう一方には分析システムがあり、すでに起きたことについてのレポートを作成します。この二つを橋渡ししてきたのは常に人間でした。担当者がレポートを読み、何を変えるかを決め、その変更をアプリケーションに入力するのです。

エージェントはこのパターンを崩します。クロウズ氏はエージェントを、眠ることなく継続的に働く「ソフトウェアを操作するソフトウェア」と捉えています。うまく行動するには、組織の現在の稼働状態を即座に把握している必要があります。こうしたエージェントを動かすAIシステムである大規模言語モデルは、エージェントに高い推論能力を与えます。しかしエージェントは、渡されたデータの外にあるものについては事実上何も見えません。

10分前でもすでに古い

実務上の帰結は、バッチデータでは通用しないということです。エージェントが10分前や1時間前の情報をもとに動けば、現実の世界はすでに先へ進んでいるため、誤った判断を下すことになるとクロウズ氏は述べています。同氏は、古い情報が自動化されたアクションを無効にしてしまう場面を三つ挙げています。

  • 航空便の乗り継ぎに間に合わなかった旅行者を支援するカスタマーサービスのエージェント
  • 保険契約の内容、エクスポージャー、保険金請求を確認する保険のエージェント
  • 支払いの確認や口座取引を処理する銀行のエージェント

空港の搭乗口カウンターでロボットアシスタントが旅行者を誰もいない搭乗橋へ案内し、飛行機はすでに離れていく

▲ 古いデータで動くエージェント

リアルタイムとは速さだけでなく「状態」のこと

クロウズ氏は、見落とされがちな区別を示しています。リアルタイムデータとは、レイテンシー、つまり情報が届くまでの遅延が小さいというだけの話ではありません。それは在庫、機械設備、物流、人員といった、企業の生きた状態を表すものです。物流業務であれば、稼働中の配送車両群、スタッフの配置、車両の状態がその状態に含まれます。製造工場であれば、機械の稼働状況のライブデータ、原材料の残量、在庫管理単位(SKU)が対象になります。

規模が大きくなると、問題はさらに鋭くなります。数千のエージェントがそれぞれ独立して動くと、一つひとつのアクションがその場でシステムの状態を変えます。すると他のすべてのエージェントがその変化を即座に知る必要があり、それこそがストリーミングアーキテクチャの果たす役割です。

パイロットが本番前に止まる理由

クロウズ氏は、業界を問わずAIへの熱意が見られる一方で、その期待と本番展開の成功との間に、冷静にならざるを得ない隔たりがあると見ています。大規模言語モデルによって企業は高度な知能を借りられるようになり、見栄えのする概念実証を作ることは驚くほど簡単になりました。

問題は、プロトタイプが実験室の条件下で成功しているという点です。チームは理想的なデータの可用性を模擬し、アクションが社内の境界を越えて滞りなく流れると想定します。同じアイデアを数百、数千のエージェントに拡大しようとすると、企業は自社が実際に保有している技術に突き当たります。レガシーなメインフレーム、最新のクラウドサービス、ハイブリッド展開、そして増え続ける専門ツール群です。

クロウズ氏は、ここで企業が自らを欺きかねないと警告しています。簡単に作れたプロトタイプを、本番も同じくらい簡単である証拠だと受け取ってしまうのです。同氏の立場は、こうした複雑さは願っても消えるものではなく、どの企業も自社の環境を一夜にして単純化することはできない、というものです。レガシーシステムやハイブリッドシステムは、新しいプラットフォームと並んで残り続けます。同氏が示す現実的な道は、既存の資産と最新のAIサービスを橋渡しするデータストリーミング基盤です。

この主張は、ボトルネックの位置を移すものだと読むこともできます。知能が借りられるものであるなら、希少になるのは、いま何が正しいのかをエージェントに伝える配管の部分です。

人間という速度制限

クロウズ氏はエンタープライズAIを三つの段階でたどり、導入はまだ極めて初期の段階にあると判断しています。

段階 仕組み 限界
チャットボット 人と機械が一緒に問題領域を探る 会話のみ
コパイロット 開発者がClaude Codeを使うように、人がAIエージェントと並んで作業する 人の速度と注意力に左右される
自律型プロセス 業務プロセス全体が、人による必須の手順なしに最初から最後まで動く 最新のデータと信頼できるシステムに依存

同氏の中心的な主張は、この真ん中の行に関するものです。コパイロットは人をワークフローの中に残します。ヒューマン・イン・ザ・ループと呼ばれることの多い形です。そのため、仕事はその人が反応し考えられる速さでしか進みません。クロウズ氏は、これがコパイロットによる事業の運用テンポ、いわばクロック速度の引き上げに上限を課すと論じています。人間のスタッフがいまもAIの出力を確認しているカスタマーサービス窓口は、その天井を示す例です。

同氏の見方では、より大きな成果は、保険金請求の処理、製品の配送、スタッフのシフト編成といった数百のミッションクリティカルなプロセスを、それぞれに人間のボトルネックを置くことなく、全社規模で自動化することにあります。

1人の人間の作業者が高く積まれた書類を確認し、仕上げたフォルダーを持ったロボット作業者が列をなして待っている

▲ AIの仕事の速度を制限する人間の確認

一夜ではなく5年

クロウズ氏は、この転換がすぐに訪れるとは考えておらず、いくつかの理由を挙げています。

第一に、技術は段階的に普及します。まずソフトウェアエンジニアや技術系の作り手がエージェントを採用し、それを使ってツールを作ります。より広い事業部門の業務は、その知見が広がった後に続きます。

第二に、現実の世界は構想よりも雑然としています。企業にはデータの保管場所が散在しており、レコードは分断されたレガシーのサイロをまたいで作成され、変更され、移動されます。クロウズ氏は、このために変革はロードマップのプレゼンテーションが示すよりもはるかに難しくなると注意を促しています。

第三に、企業は長い間、プロセスの隙間や弱点を人に埋めてもらうことに頼ってきました。人が黙々とこなしてきたその補修作業をソフトウェアに置き換えるのは、複雑な仕事です。

同氏は、人は2年で起きる変化を過大評価し、10年で起きる変化を過小評価するというビル・ゲイツ氏の格言を引いています。AIについては、長いほうの期間が縮まる可能性があり、深い影響が及ぶまでの見通しとしては約5年が妥当だろうとクロウズ氏は示唆しています。同氏は大規模な自律運用を不可避のものとして扱いつつ、そこに至る道のりには基盤づくりの継続的な取り組みが必要だと強調しています。この時間軸は同氏の予測であり、確定した事実ではありません。

IBMの4本柱の運用モデル

IBMはアトランタで開催したカンファレンス「TechXchange」で、エンドツーエンドのエンタープライズAI運用モデルを発表しました。クロウズ氏は、技術的な可能性を事業成果に変える仕組みが周囲になければ、モデル単体がもたらす価値は限られると主張しています。同氏が示すモデルには4本の柱があります。

  1. 組織のデータに対する包括的な理解
  2. 大規模なエージェントの安全なオーケストレーションと実行(オーケストレーションとは、多数のエージェントとそのタスクを連携させること)
  3. オブザーバビリティを備えたエージェント管理(オブザーバビリティとは、エージェントが何をしているのか、なぜそうしているのかを監視できる能力)
  4. エージェントが外部の業務ツールに対して行動できるようにする信頼性の高いシステム

IBMの狙いは、これらの構成要素をまとめて提供し、組織が自律型AIを本番のワークフローに確実に導入できるようにすることです。

ここから読み取るべきこと

IBMがConfluent買収について示す論拠は、三つの点に集約されます。エージェントは推論に優れていても、受け取ったデータしか見えません。動きの速いビジネスでは、数分前のデータがすでに誤っていることがあります。そして、動くプロトタイプと本番システムとの間の隔たりは、その大部分がデータの流れとレガシー統合の隔たりです。

エージェントのプロジェクトを計画するチームにとって、ここから導かれる実務上のステップは次のとおりです。

  • リアルタイムデータを、メッセージを運ぶパイプではなく、事業全体の稼働状態として扱います。
  • レガシー、ハイブリッド、サイロ化したシステムを最初から計画に織り込み、成功した概念実証がそのまま本番に持ち込めるとは想定しません。
  • チャットボットで個々のタスクを速くするだけでなく、ワークフロー全体を自動化の対象にします。
  • エージェントが自らツールを操作できるようにする前に、監視と管理の安全策を整えます。
  • データ、ガバナンス、オーケストレーション、ツールへのアクセスを網羅する明確な運用モデルの中にAIを位置づけます。

人の監督を伴わない完全に自律的な業務は、クロウズ氏自身の見積もりでも数年がかりの目標にとどまります。一方で、同氏が説明する土台づくり、すなわち最新のデータと、エージェントが安全に読み取り行動できるシステムの整備は、企業がいますぐ始められる仕事です。