生成型AIの時代に入ってから3年、私はさまざまなセクターのクライアントとのパターンの繰り返しを見ています。 会話は通常同じように始まります:彼らは、いくつかの場所で、しばしばいくつかの場所で、エージェントの行動のいくつかの兆候を示すAIがどこかで実行されている。顧客サービスにはチャットボットがあり、製品は勧告エンジンまたは物語駆動LLMコンテキストフローを構築し、マーケティングキャンペーンはLLMを通じて実行され、エンジニアリングはいくつかのコードレビューとテストを自動化しました。 次に、「これらすべてから実際に価値を得るにはどうすればよいか」という質問です。 これは、AIプロジェクトで忙しいと感じることと、実際にビジネスに影響を与えることの間のスペースです。 2026年、 企業のほぼ90%が、少なくとも1つのビジネス機能でAIを使用していると報告しているが、ほとんどの企業はまだパイロットを拡大したり、明確なROIを示したりするのに苦労している。 研究によると、我々は転換点に達している。 研究によると、我々は転換点に達している。 今年の受賞者は、誰が最もAIを持っているかによって決定されるのではなく、誰がオーケストラ、観察性、および監査能力を発見したかによって定義されます。 本当の問題は技術ではない。 産業アナリストは、上昇を予測 自動AIエージェント市場では、2026年末までにエンタープライズアプリケーションの40%がAIエージェントを組み込むと予測されています。 今日の7.8億ドル、2030年までに52億ドルを超える 今日の7.8億ドル、2030年までに52億ドルを超える しかし、これらの数字が欠けているのは、エージェントを持つことは、それらをオーケストラ化することとは異なります。 私は最近、マーケティングオートメーションからサプライチェーン最適化まで、HRスクリーニングまで、ビジネスを通じて17の異なるAI実装を実行しているクライアントと協力しました。 しかし、その後、彼らの製品チームは、オペレーションとビジネスが観察し、監査することができなかったエージェントを立ち上げようとし、生存的リスクと盲点を明らかにしました。 オーケストラは戦略的統合を意味し、APIだけではない。 人々が「オーケストラ」を聞くとき、彼らはしばしば統合層を考えます。APIを接続し、いくつかのデータを移動し、それを完了と呼びます。 役に立つプランビングですが、オーケストラではありません。 実際のオーケストラは、AIシステムが各ドメインの文脈を理解することを意味します。 複雑な問題を解決するために、さまざまなコンポーネント、調整ツール、言語モデル間で作業を分割できる専門のオーケストラモデルを考えてください。 スマートツールとスマートシステムの違いです。 例えば、小売会社が在庫を最適化したいと言えば、一つの角にAIの需要予測、別の隅にサプライチェーンの計画、ほかの場所で価格の最適化があります。 オーケストラはこれを調整層を確立することによって修正することができます。専門モデルを置き換える中央のAIの代わりに、このシステムは、その目標間の関係を理解します。需要予測が増加する在庫を示唆するとき、オーケストラ層は、実行する前にサプライチェーン制約と価格設定の影響をチェックします。組織とビジネスのための巨大なオフロック。 私の予測では、2026年には、企業は競争力の限界が専門部品を効果的に管理することであることをますます発見するでしょう。 管理は競争優位性としての観察性 ほとんどのエグゼクティブは依然として、コンプライアンスを維持するためにあなたがするものとして、ガバナンスを扱います。 法律で必要とされるオーバーヘッド。 展開前にチェックボックスの練習。 AI によるガバナンスの重要な先駆者または根底にある側面は、実際には観察性です。 AIとエージェントのアクションをそれぞれのインターフェイスや境界のオリジナルの入力と出力に追跡できるので、あなたが顧客の使用事例の長い尾にわたって提供しているものが実際にあなたが意図したものであることを知ることができますか? できれば、あなたは監査能力を持っています。 その見解は高価で、現在、AIとエージェントでは、非常に近視的で、あるいは生存的に危険である。以前は、リスクは、製品とテクノロジーが決定的なものであり、すべてのコードは主にWYSIWGであり、リネイティブでなく、オープンエンドのAIであった。 Agentic AIが反応を生成するのではなく行動を起こし始めたとき、ガバナンスは中心的な見直しをやめ、規模で責任を持って動作できるシステムを設計することになった。 規制された産業は、監査可能なAIプロセスとモデルリスク管理を強制的な機能として採用しています。 これらを制約よりも特徴として扱う企業は、競合企業よりも速く動き、まだ手動の承認チェーンを通して動いている。 決断のスピードが実際に意味するもの 「意思決定速度」と呼ばれるトラクションを得るコンセプトがあり、それは、より小さな意思決定の木やプロセスがどのように迅速にスケールで自動化できるかを指します。 ほとんどの企業で決断がどのように行われているかを考えてください。誰かが問題を特定し、データを収集し、オプションを分析し、権限を持っている人に拡大します。 さらに重要なことは、各ステップには、適切な人を見つけること、文脈を説明し、可用性を待つこと、および実行を追跡するなどの調整コストが伴います。 AIとエージェントは、実行とモニタリングを含む全体のループを処理できる場合に方程式を変更しますが、それはエージェントまたはAIがその内で動作する限界を理解し、決定について知る必要がある他のシステムと調整することができる場合にのみ機能します(オーケストラ)。 私は、企業が5〜7倍の改善を特定の意思決定サイクルで報告していることを見てきました。10%の改善ではなく、数倍の速さです。市場の変化に対応する間の違いは、週対日で、または事業を四半期対企業で継続的に調整することです。 The Maturity Gap Shows Up in Measurement(成熟度のギャップが測定で現れる) あなたがオーケストラの問題があるかどうかを知る方法は、チームにAIのイニシアチブの成功がどう見えるかを尋ねる方法です。 誰もが異なる答えを与える場合、あなたは調整格差を持っています。もし誰も彼らの同僚間のメトリックをビジネス結果に接続できないなら、あなたはオーケストラの格差を持っています。 AIの成熟期の初期段階の組織は業界平均を下回っているが、先進段階の組織は平均をはるかに上回っている。 MITの研究 MITの研究 成熟度モデルはすべて同じ進歩を示しています。あなたは実験から始め、個々のチームが個々のソリューションを構築します。 次のステップは、システムが互いに話し合い、共有データベースを確立し、共通のプラットフォームを構築することです。 建設2026年とその後 今年、自分を良く位置づけている企業は、具体的な選択をしています。 彼らは、新たなAI機能を評価する際に、既存のシステムとどのように合致するかを尋ね、独立性がどれほど優れているかを尋ねる。 彼らは、ガバナンスフレームワークを製品決定として扱っているが、コンプライアンス演習ではない。製品は、ガバナンスを採用し、エンジニアリングとオペレーションのイテラティブサイクルにとって重要であるビジネスの観察性と監査可能性に分解し、AIまたはアジェンティックAIを時間とともに予測可能かつ正確に提供する「仕事」である。 リーダーシップは、ITの集中的な監督から、AIとエージェントのソリューションを直接目標を前進させるためのリーダーシップを発見し、資金調達するためのビジネスラインのリーダーシップに移行しているが、その分散化は強力なオーケストラと統治がそれを結びつけるときにのみ機能する。 最も効果的な企業戦略は、どのようなデータを信頼できるか、そして、規模の決定を自動化する前に何を修正する必要があるかという基本的な質問から始まります。 実践的な作業には、専門のAIとエージェントシステムが一緒に働くようにする連携層を構築し、明確な境界内で自律的な運用を可能にするガバナンスフレームワークを確立し、AI活動をビジネス結果に結びつける測定システムを作成し、技術的および組織的側面を理解する才能を開発する。 しかし、AIを使用する企業とAIによって変革された企業を切り離すのは仕事です。 … Nick TalwarはCTO、元マイクロソフト、および実践的なAIエンジニアであり、AIの採用を導く上司をサポートしています。 彼の最新の思考をキャッチするためにLinkedInで彼にフォローしてください。 彼をLinkedInでフォロー 彼をLinkedInでフォロー 彼の無料のサブスタックにサブスクリプションし、あなたのメールボックスに直接配信される詳細な記事。 Subscribe to his free Substack(無料サブスタック) Subscribe to his free Substack(無料サブスタック) →ライブセッションを見て、高度に規制された業界のリーダーが人工知能を活用して手動作業を削減し、ROIを推進する方法をご覧ください。 LIVE SESSIONをご覧ください。 LIVE SESSIONをご覧ください。