エージェントからエージェンシー基盤へ

ChatGPTに質問：

1980年代のニューメディア開発ではビデオテックスがニューメディアの本命と期待されましたが、実際にはそうなりませんでした。1990年頃のマルチメディア・ブームでは、CD-IやCD-ROMによるインタラクティブ・メディアがこぞって開発されましたが数年で姿を消しました。1994年以降のインターネット商用化でWWWという形で最終的に実現されたと言えます。このように技術の世界では、2世代、3世代後の技術ではじめて当初のアイデアが実現されるということがあります。AIそのものも1950年代、1980年代の2回のブームを経て、現在3回目でやっと実用レベルに至ったと言えます。しかし、現在AIブームの中で見ているものがすべて残るわけではないでしょう。もっとも核心にあるのはエージェントだと思いますが、何が本物で何が幻想なのか整理したいです。

ChatGPTの回答：

ご指摘の「当初アイデアは正しいが、実装世代を間違える」という観点で整理します。まず歴史的パターンを押さえ、そのうえで現在のAIブーム、とくにエージェントの“本物度”を見分ける軸に落とし込みます。

現時点の公表情報を見ると、エージェントは確かに中心テーマですが、同時にかなり強い過熱領域です。特に「自律性」そのものより、「検証・文脈・権限・監査」を備えた実行基盤が残る可能性が高いです。Thought for 43s

おっしゃる通りで、**「アイデアは本物だが、最初の実装形態は消える」**というパターンで見るのが一番よいと思います。

結論から言うと、現在のAIブームで残る核心は、単なる「エージェント」ではなく、**人間の意図を受け取り、組織固有の文脈を参照し、外部ツールを使い、途中経過を記録し、人間が検証できる形で仕事を進める“実行知能レイヤー”**です。
一方で、現在よく語られる「自律エージェントが勝手に会社業務を全部こなす」「マルチエージェントが集まれば自然に高度な知性が生まれる」という話は、かなりの部分が幻想です。

1. 歴史的に見ると、最初に失敗するのは「思想」ではなく「形態」

ビデオテックスは、家庭向けの電子情報サービスという発想自体はかなり正しかった。ただし、端末、通信速度、表示能力、コンテンツ流通、課金、標準化が未成熟でした。Britannicaも、ビデオテックスを電話線やケーブル経由で家庭端末に情報を届ける初期のエンドユーザー情報システムとして説明しています。

CD-iやCD-ROMマルチメディアも同じです。インタラクティブな教育・娯楽・情報コンテンツという発想は正しかった。しかし、制作コストが高く、更新できず、配布が物理メディア依存で、ネットワーク効果が弱かった。CD-iは1991年に家庭向けインタラクティブ・マルチメディア装置として期待されましたが、結局は大きな市場を作れませんでした。

その後、WWWが出てきたことで、同じ「対話的な情報空間」という構想が、オープン標準、ブラウザ、URL、リンク、検索、低コスト公開、継続更新、ネットワーク効果によって実現されました。Mosaicは1993年に一般ユーザーへWebページや画像ライブラリへのアクセスを容易にし、1994年のNetscape登場でWebが大衆化しました。

つまり、失敗したのは「ニューメディア」ではなく、クローズドで重く、更新性がなく、利用者・制作者・流通の三者が同時に回らない実装形態でした。

2. AIエージェントでも同じことが起きる

現在のエージェント・ブームも、たぶん同じです。

「AIが人間の代わりに考え、調べ、判断し、実行する」という大きな方向は本物です。しかし、今見えている多くのエージェント製品は、将来の本命そのものではなく、ビデオテックス期、CD-ROM期に相当する初期形態だと思います。

実際、Gartnerは2025年時点で、AIエージェントとAI-ready dataをAI分野で最も急速に進む技術としつつ、それらは「過度な期待のピーク」にあるとしています。さらに、2027年末までにエージェントAIプロジェクトの40％超が、コスト増、事業価値の不明確さ、リスク管理不足で中止されると予測しています。

McKinseyも、AI利用は広がっているが、エージェントのような高度な能力を業務フローに本格的に組み込めている企業はまだ少数だと述べています。また、2026年のAI trust調査では、エージェントAIを拡大する最大の障壁はセキュリティとリスクであり、不正確性とサイバーセキュリティが主要リスクとして挙げられています。

産業界での実証研究でも、企業の多くはまだ「AIアシスタント」や「AI補助」段階にあり、本格的なマルチエージェント・オーケストレーションまで進んでいる例は少数です。最大の問題は、能力そのものよりも、出力を検証して本番業務へ安全に組み込む仕組みが不足している点だとされています。

3. 「本物」として残るもの

残るのは、次の5つだと思います。

1. 自然言語インターフェース

これは完全に本物です。
人間がプログラムや検索式や業務画面を直接操作するのではなく、自然言語で意図を伝える。これはGUI、Web、スマートフォンに続く大きなUI転換です。

ただし、チャット画面そのものが最終形とは限りません。将来は、業務アプリ、メール、CRM、IDE、社内Wiki、BI、会計、法務システムの中に自然言語操作が埋め込まれるでしょう。

2. ツール利用型AI

「答えるAI」から「操作するAI」への移行は本物です。
検索する、ファイルを読む、表を作る、コードを書く、予定を調整する、メール下書きを作る、APIを呼ぶ。これは明確に実用価値があります。

ただし、これも汎用自律エージェントというより、権限と範囲を限定した業務別エージェントとして定着するはずです。

3. コンテキスト層・記憶層

ここが最も重要です。
AIの能力差は、モデル単体ではなく、どの文脈を読ませるか、どの記憶を保持するか、どの履歴を参照するか、どの判断基準を持たせるかで決まります。

現在のRAGはまだ検索寄りですが、将来は単なる文書検索ではなく、組織の判断履歴、概念構造、方針、制約、失敗事例、暗黙知を保持する層が重要になります。これはThinkNavi／ConceptMinerの方向性とかなり整合しています。

4. 人間参加型の実行ワークフロー

完全自律よりも、当面残るのは「AIが進め、人間が節目で承認する」形です。
調査、要約、比較、仮説生成、資料作成、コード生成、チェックリスト化、メール作成、議事録からタスク化、顧客対応案作成などは強い。

重要なのは、AIの出力そのものではなく、途中経過、根拠、参照情報、判断理由、変更履歴が残ることです。

5. 評価・監査・ガバナンス

エージェントが業務を実行するなら、モデル性能よりも「検証可能性」が重要になります。
研究でも、エージェントはタスク実行の各段階でハルシネーションを起こしうるため、検出・緩和・監視が必要だと整理されています。

これは裏返すと、AIエージェントの本命市場は「賢い会話」ではなく、安全に任せられる業務実行基盤です。

4. 幻想として消える可能性が高いもの

1. 「完全自律社員」幻想

人間の社員のように、曖昧な指示だけで、文脈を理解し、関係者に配慮し、リスクを判断し、例外処理を行い、責任を持って業務完了する。これはまだ遠いです。

AIは部分業務では非常に強いですが、会社業務の難しさは「知識」よりも、責任、優先順位、政治性、例外処理、暗黙の合意、失敗時の説明にあります。

2. 「マルチエージェントなら賢くなる」幻想

複数のAIに役割を与えて会議させると、見かけは高度に見えます。
しかし、共通の文脈、評価基準、役割境界、停止条件、検証機構がなければ、単にトークンを大量消費するだけです。

マルチエージェントの本質は、エージェント数ではなく、共有メモリ、役割設計、タスク分解、評価関数、合意形成、監査ログです。

3. 「プロンプトだけで製品になる」幻想

プロンプト集、ラッパー型チャットボット、汎用エージェント作成ツールは、短期的には売れても長期的にはコモディティ化しやすいです。
モデル側の機能に吸収されるからです。

残るのは、プロンプトではなく、業務データ、独自ワークフロー、顧客文脈、評価データ、実行権限、蓄積された判断履歴を持つシステムです。

4. 「エージェント・マーケットプレイス」幻想

汎用エージェントを並べて販売するモデルは、一部は残るでしょうが、主戦場にはなりにくいと思います。
なぜなら、価値はエージェント単体ではなく、特定企業・特定業務・特定データに接続されたときに生まれるからです。

CD-ROMタイトルが大量に作られたが、多くはWebに吸収されたのと似ています。汎用エージェント群も、最終的にはOS、ブラウザ、業務SaaS、LLMプラットフォームに吸収される可能性があります。

5. 本命は「エージェント」ではなく「エージェンシー・スタック」

私は、残る構造をこう見ます。

層	残るもの	消えやすいもの
モデル	高性能LLM、マルチモーダルモデル	小規模な差別化なき独自モデル
UI	自然言語操作、業務内AI UI	単なるチャット窓
記憶	組織固有の文脈・判断履歴・概念構造	長いチャット履歴の垂れ流し
実行	API、ツール、ワークフロー連携	デモ用の自動操作
管理	権限、承認、ログ、監査	ブラックボックス自律実行
評価	テスト、根拠確認、再現性	「AIがそう言った」
業務化	特定業務への埋め込み	汎用エージェント単体販売

つまり、Agentそのものより、Agencyを成立させる基盤が本物です。

6. ThinkNavi／ConceptMiner視点で言えば

この整理で見ると、ThinkNaviやConceptMinerを「AIエージェント製品」として正面から売るより、次のように位置づける方が強いと思います。

ThinkNavi = 人間とAIが戦略的に考える作業空間
ConceptMiner = エージェントが参照する概念構造・長期記憶・文脈モデル層

エージェントの世界で不足するのは、単なるLLMではありません。むしろ不足するのは、

何を前提に判断するのか
どの過去判断を参照するのか
どの概念同士が近いのか
どこに思考の抜けがあるのか
どの仮説が弱いのか
なぜその結論に至ったのか
次に何を検証すべきか

という「構造化された文脈」です。

ここにConceptMinerのGNG+MST、概念マップ、チャット履歴からの構造抽出、FactCollector、LLM Wikiが接続されると、単なるRAGよりも上位のエージェント用コンテキスト基盤になります。

7. 見分けるための実務的チェックリスト

AIエージェント関連の技術や事業を見るときは、次の問いで判定できます。

本物に近いもの

特定業務の実行に深く結びついているか
独自データ、独自文脈、独自ワークフローを持つか
人間の承認ポイントが設計されているか
出力根拠と操作ログが残るか
失敗時に原因追跡できるか
評価データが蓄積されるか
モデルが変わっても価値が残るか
顧客が「面白い」ではなく「時間・コスト・リスクが減った」と感じるか

幻想に近いもの

デモではすごいが本番運用の話がない
「完全自律」を売りにしすぎる
プロンプトとUIだけで差別化している
監査、権限、セキュリティの説明が弱い
汎用エージェントを大量に並べるだけ
失敗時の責任所在が曖昧
モデル更新で一瞬で代替されそう
顧客固有の記憶や文脈が蓄積されない

8. 私の結論

現在のAIブームで残るのは、
「AIエージェント」ではなく、AIに仕事を任せるための文脈・記憶・実行・検証・監査の仕組みです。

1980年代のニューメディアの本質が「家庭から対話的に情報へアクセスすること」だったように、
1990年代マルチメディアの本質が「テキスト・画像・音声・動画を統合した対話的知識体験」だったように、
現在のAIエージェントの本質は、たぶん次です。

人間の意図を、組織固有の文脈に照らして、検証可能な行動へ変換すること。

その意味で、今の「エージェント」はまだCD-ROM期です。
本当に残るのは、WWWに相当するオープンで接続可能な実行基盤、つまり AIが各種ツール・知識ベース・業務システム・人間の判断プロセスに接続される共通レイヤー だと思います。