ビジネスを変革する AI ジュニア従業員

大規模言語モデル (LLM) のような チャットGPT そして クロード 人間の労働者の多用途性にはまだ及んでいません。これは、AI がアップロードされたデータにコンテキストを依存していることが 1 つの理由です。したがって、AI ツールは主に副操縦士として機能し、ユーザーが特定のタスクを完了するのを支援しますが、自律的に支援することはできません。

副操縦士の支援を超えて

先月、 人間的 API 経由で新しい関数をリリースしました – Claude 'コンピュータの使用'。その無害なタイトルにもかかわらず、「コンピューターの使用」は、主流の AI が人間のような主体性に最も近づいていることを表しています。

Anthropic のベータ コンピューターの使用により、クロードはソフトウェア環境やアプリケーションと直接対話できるようになり、メニューの移動、入力、クリック、および複雑な複数ステップのプロセスの独立した実行が可能になります。

この機能は、反復的なタスクを実行するロボット プロセス オートメーション (RPA) を模倣していますが、アクションだけでなく人間の思考プロセスをシミュレートすることでさらに進化しています。事前にプログラムされた手順に依存する RPA システムとは異なり、Claude は視覚的な入力 (スクリーンショットなど) を解釈し、それを推論して、最適な行動方針を決定できます。

たとえば、企業はクロードに、CRM からの顧客データを整理し、財務データと関連付けて、パーソナライズされた WhatsApp メッセージを作成するというタスクをすべて人間の介入なしで行うことができます。開発者は、Claude に Kubernetes クラスターをセットアップし、それを適切な構成およびデータと統合するように要求する場合があります。このような機能により、後輩の従業員にタスクを割り当てるのと同じ方法で、クロードに作業を委任することが可能になります。

ただし、トレードオフもあります。クロードのコンピューター使用のみに依存すると、人間の動作を段階的に模倣するため、処理が遅くなる可能性があります。さらに、名前に記載されているコンピュータ使用では、作業時にコンピュータに排他的にアクセスする必要があります。

マルチエージェント構成の価値

先月の私の記事では、AI エージェント: 意思決定を行う機械を受け入れる準備はできていますか? AI エージェンシーに関する物議を醸す問題について調査しました。 Computer Use のようなツールは真の自律性を提供するものではありませんが、それを効果的にシミュレートし、ビジネス革新の機会を生み出します。今月お話させていただいたのは、 ダニエル・ヴァシレフのCEO 関連性 – Anthropic の Computer Use よりも深い技術統合に依存する AI エージェントに、これらのテクノロジーの実際の応用について提供するプラットフォーム。

「エージェントは、チームの規模ではなく、アイデアに基づいてチームが成果を発揮できるようにします」とヴァシレフ氏は説明します。 Relevance が提供するエージェントの各セットは、通常 5 人のフルタイム従業員 (FTE) が必要となるワークフローと同等のワークフローを処理すると推定されています。これには、リードの認定、パーソナライズされたオンボーディング、積極的な顧客成功支援などの活動が含まれる可能性があります。これらのタスクは、自動化がなければ法外にリソースを大量に消費します。

単一のワークフローを自動化することは有益ですが、本当の価値は複数の専門エージェントを導入することにあります。企業が専門知識に基づいてチームを編成するのと同じように、調査、支援、文書化などの特定のタスク向けに設計された AI エージェントは、協力して生産性を飛躍的に向上させることができます。これらのエージェントはワークフロー全体でシームレスに統合され、対人摩擦や人間による追加の監視を必要とせずに効率がさらに向上します。

自律型エッジ

副操縦士と自律エージェントの主な違いは実行にあります。自律エージェントが副操縦士と異なる点は、タスクを独立して実行できることです。ヴァシリョフは次のように述べています。

「副操縦士がいると生産性が 2 倍になりますが、自律エージェントを使用すると作業を完全に委任できるため、出力のレビューはあなたに任せることができます。」

一例として、Relevance は独自の AI エージェントを使用して次のことを行います。カスタマイズされた推奨事項を生成するために新規顧客のサインアップを調査し、ニーズに合わせてカスタマイズされたツールを事前に作成してユーザーをオンボーディングし、パーソナライズされたコミュニケーションでフォローアップします。これらのエージェントは人間の役割をタスクの実行から監視に移し、戦略的で創造的な作業に時間を割くことができます。

信頼とガードレール

AI エージェントはその可能性にもかかわらず、完全無欠というわけではありません。 Vassilev 氏は、AI エージェントの導入を新入社員のオンボーディングに例えています。

「新入社員に監視なしに顧客の CEO にメールを送信させることはできません。同様に、AI エージェントには強力な人間参加プロセスが必要です。」

AI エージェントが安全に動作することを保証する必要性は、若手従業員と同様に、AI エージェントができることとできないことについてのガードレールを設定し、適切なトレーニングを受けているかどうかにかかっています。

課題と今後の道筋

その約束にもかかわらず、自律型 AI エージェントはハードルに直面しています。 Vassilev 氏が指摘するように、多くの自動化プロジェクトは技術的な欠陥が原因ではなく、組織の知恵のギャップが原因で失敗します。

「固有のプロセスがその分野の専門家の頭の中に存在することが多く、文書化や自動化が困難になっています。」

しかし、Anthropic の Computer Use と複数の AI エージェントを組み合わせることで、非反復的、創造的、または小規模なアクティビティについては 6 か月前ですら考えられなかった自動化の可能性が広がります。

Anthropic の Computer Use (まだベータ版) や Relevance の AI エージェントのようなツールが成熟するにつれて、企業がより少ないリソースでより多くのことを達成できる可能性が拡大します。組織は従業員数に制約されることがなくなり、人間の役割は監視と革新にシフトし、野心的な目標と革新的なソリューションを実現できるようになります。エキサイティングな時代。

出典