【The AI Conference 2025】SDLCからADLCへ エンタープライズAIエージェント導入で成功する方法
By Jay Revels CEO, Ichizoku株式会社 本記事は、Writer社 Sam Julien 氏の講演をもとに、SDLCでは捉えきれないエージェント型AIに対し、ADLC（Agent Development Lifecycle）で成果を出す要点を日本企業向けに簡潔に整理します。成果志向・適応性・非決定論を前提に、評価とガバナンスまで含めた実装指針を解説します。 重要なポイント 2025年9月にシリコンバレーで開催されたThe AI Conference 2025に参加した際のレポート「Silicon Valley Trip Report #03 The AI Conference 2025 シリコンバレーから学ぶ日本への示唆 – 業界を牽引するリーダーたちが語る、世界の AI潮流と日本企業の次の一手 -」から抜粋しお届けします。フルバージョンはこちらからダウンロード頂けます。 旧来のモデルを超えて サンフランシスコで開催されたThe AI Conferenceで、Writer社のDeveloper Relationsディレクター Sam Julien（サム・ジュリアン）氏の講演 「Understanding the Agent Development Lifecycle in the Enterprise」 を聴講しました。最初に強く印象に残ったのは、従来のソフトウェア開発ライフサイクル（SDLC）は、エージェント型AIの負荷に耐えられなくなっているというメッセージでした。 これまでのエンタープライズ開発は、入力に対して予測可能な出力を返す「決定論的」な仕組みを前提としてきました。しかし、AIエージェントは成果志向・適応的・非決定論的であり、従来のフレームワークでは対応できません。日本企業が2025年以降、AIを本格的に活用するためには、この発想の転換が不可欠です。 ADLCとは何か Julien氏が提唱したのが Agent Development Lifecycle（ADLC） です。これは、AIエージェントを開発・監視・拡張するために必要な新しい方法論です。 SDLCとの違いは以下の通りです。 つまり、SDLCに固執する企業は失敗し、ADLCを受け入れる企業が勝者になるということです。 日本企業が考えるべき3つの問い 講演では「エージェント開発」における3つの重要な問いが示されました。 […]
【The AI Conference 2025】2025年AIコーディングエージェントがもたらすソフトウェア開発の未来
By Jay Revels CEO, Ichizoku株式会社 本記事は、Together AI の Dan Fu 氏講演をもとに、2025年がAIコーディングエージェント実用化の転換点である理由と、日本企業が「どう活用するか」の実装指針を簡潔に整理します。GPUカーネル最適化／運用の作法／生産性インパクトに焦点を当てます。 重要なポイント 2025年9月にシリコンバレーで開催されたThe AI Conference 2025に参加した際のレポート「Silicon Valley Trip Report #03 The AI Conference 2025 シリコンバレーから学ぶ日本への示唆 – 業界を牽引するリーダーたちが語る、世界の AI潮流と日本企業の次の一手 -」から抜粋しお届けします。フルバージョンはこちらからダウンロード頂けます。 2025年 AIソフトウェア開発が迎える転換点 サンフランシスコで開催された The AI Conference にて、Together AIのVP of KernelsであるDan Fu（ダン・フー）氏の講演を聴講しました。メッセージは明快で、「2025年はAIコーディングエージェントの品質と実用性が飛躍的に高まる転換点である」という内容でした。 特に日本企業が直面するエンジニア不足や生産性向上の課題を考えると、AIコーディングエージェントの導入は「導入するなら」ではなく「どう活用するか」が問われています。 GPUカーネルとは？なぜ重要なのか Fu氏のチームはGPUカーネルの開発に取り組んでいます。GPUカーネルとは、行列計算やアテンション機構、正規化といった AIモデルの基礎的な演算をGPU上で効率的に実行する低レベルプログラムのことです。 簡単に言えば、優れたGPUカーネルはAIモデルの学習や推論を高速かつ低コストで実現するカギとなります。しかしカーネル開発の専門スキルは非常に希少で、人材不足が大きな課題です。そこでTogether AIはAIコーディングエージェントを用いてこのプロセスを加速できるかを検証しました。 AIコーディングエージェント活用の実践知 講演で特に印象的だったのは、「AIコーディングエージェントをどのように管理すれば最大の成果が得られるか」という具体的な知見でした。Fu氏はこれを 「新人エンジニアを育成するのに似ている」 と表現しました。 1. タスクを小さく分割する 2. 放置せず伴走する 3. 必要なツールと環境を与える […]
【The AI Conference 2025】なぜAIは企業で失敗するのか — 成功のために組織DNAを再配線する
By Jay Revels CEO, Ichizoku株式会社 本記事は、The AI Conference 2025 の Dr. Garth Andrus 講演内容をもとに、「技術は正しいのにAIが失敗する」根本原因＝組織DNAの不一致を日本企業向けに簡潔に整理します。意思決定・業務設計・リーダーシップ・文化をプレAIからAI対応へ再配線する指針を解説します。 重要なポイント 2025年9月にシリコンバレーで開催されたThe AI Conference 2025に参加した際のレポート「Silicon Valley Trip Report #03 The AI Conference 2025 シリコンバレーから学ぶ日本への示唆 – 業界を牽引するリーダーたちが語る、世界の AI潮流と日本企業の次の一手 -」から抜粋しお届けします。フルバージョンはこちらからダウンロード頂けます。 テクノロジーは正しくても、失敗するのはなぜか サンフランシスコで開催された The AI Conference 2025 で、印象的なシーンがありました。Anderson Consultingのグローバルリーダーである Dr. Garth Andrus（ガース・アンドラス）博士は、こう問いかけました。 「馬に引かれた古い荷車に、強力なジェットエンジンを取り付けたらどうなるでしょう。」 エンジンを始動した瞬間の結果は？荷車は制御不能に揺れ、木材は裂け、車輪は外れ、最終的に荷車はバラバラに崩壊してしまう。 博士が示したのは、AIを旧来型の組織モデルに組み込む危険性でした。失敗の原因はAIそのものではなく、AIを受け入れる「組織の側」にあります。実際に、70〜80%の企業AIプロジェクトは期待した成果を出せていないのです。その理由は、技術の欠陥ではなく、意思決定・業務設計・リーダーシップ・文化が依然として、プレAI時代のままだからです。 日本企業に潜む「組織的ブラインドスポット」 日本企業もAI投資を加速していますが、同じ壁にぶつかっています。その理由は、多くの組織が、安定性・管理・予測可能性を重視した旧来型モデルのままだからです。 言い換えれば、私たちは「明日のAI」を「昨日の組織DNA」で動かそうとしているのです。 プレ AI DNA から AI 対応DNAへ Andrus博士とMITの研究によると、この変革は組織DNAの再配線だと説明されます。 […]
【The AI Conference 2025】生成AI CXの自動化に欠けていたもの — 信頼できるナレッジ基盤構築方法
By 野村 肇 Head of Sales, Ichizoku株式会社 本記事は、eGain の Arvind Gopal 氏による 「The Missing Link in AI CX Automation: A Trusted Knowledge Infrastructure」 をもとに、AI CX が失敗する真因と信頼できるナレッジ基盤”の構築要点を日本企業向けに簡潔に整理します。 重要なポイント 2025年9月にシリコンバレーで開催されたThe AI Conference 2025に参加した際のレポート「Silicon Valley Trip Report #03 The AI Conference 2025 シリコンバレーから学ぶ日本への示唆 – 業界を牽引するリーダーたちが語る、世界の AI潮流と日本企業の次の一手 -」から抜粋しお届けします。フルバージョンはこちらからダウンロード頂けます。 AI CXが失敗する本当の理由 サンフランシスコで開催されたThe AI Conferenceにて、eGain VP of Product Management Arvind Gopal（アルヴィンド・ゴパール）氏の講演 「The […]
【The AI Conference 2025】信頼できる生成AIカスタマーサポート構築方法 − Cleanlab「Reliability by Design」アプローチ
By 野村 肇 Head of Sales, Ichizoku株式会社 本記事は、Cleanlab の Curtis Northcutt 氏講演をもとに、「Reliability by Design」で生成AIカスタマーサポートの信頼性を設計段階から担保する要点を日本企業向けに簡潔に整理します。スピード偏重の落とし穴／決定論的ガードレール／段階的拡張／リアルタイム評価の勘所を解説します。 重要なポイント 2025年9月にシリコンバレーで開催されたThe AI Conference 2025に参加した際のレポート「Silicon Valley Trip Report #03 The AI Conference 2025 シリコンバレーから学ぶ日本への示唆 – 業界を牽引するリーダーたちが語る、世界の AI潮流と日本企業の次の一手 -」から抜粋しお届けします。フルバージョンはこちらからダウンロード頂けます。 「速さ」だけでは顧客の信頼は守れない セッションの前、廊下では「次の失敗事例になりたくないね」と冗談交じりの声が飛び交っていました。登壇したのは Cleanlab CEO & Co-Founder Curtis Northcutt（カーティス・ノースカット）氏。 彼が紹介したのは、NYCのMyCityチャットボットが違法行為を助言した事例や、Air CanadaのAIサポートが存在しない返金ポリシーを捏造し、実際に損失を出した事例。別の企業ではログイン規則を「創作」したAIが解約の波を引き起こしました。 これらは例外ではなく、信頼性を設計に組み込まない限り必ず起こる問題なのです。 なぜモデルが進化しても信頼性に欠けるのか 講演で特に印象に残ったポイントは次の3点です。 結論：信頼性がAIサポートのアーキテクチャに組み込まれていなければ、規模を拡大するほどリスクも増大する。 Cleanlabの解決策「Reliability by Design」 Curtis氏は「信頼性はプロンプトの工夫ではなく、システム設計そのもので確保すべき」と強調しました。 1. 「不確実 × 決定論 = 信頼性」LLMに決定論的なAIガードレールを組み合わせる。正規表現によるブロック、特定クエリへの固定応答、ルールベースのルーティングなど。 […]
【The AI Conference 2025】Uberの生成AI活用から学ぶ顧客体験変革
By 野村 肇 Head of Sales, Ichizoku株式会社 本記事は、「Transforming Uber’s Customer Experience with Generative AI」をもとに、超大規模マーケットプレイスで、CX（カスタマーエクスペリエンス）を変革する生成AIの実装要点を日本企業向けに簡潔に整理します。ビジネスKPI連動・二段構えのAIソリューション・意思決定エージェント化・測定の文化に焦点を当てます。 重要なポイント 2025年9月にシリコンバレーで開催されたThe AI Conference 2025に参加した際のレポート「Silicon Valley Trip Report #03 The AI Conference 2025 シリコンバレーから学ぶ日本への示唆 – 業界を牽引するリーダーたちが語る、世界の AI潮流と日本企業の次の一手 -」から抜粋しお届けします。フルバージョンはこちらからダウンロード頂けます。 「Transforming Uber’s Customer Experience with Generative AI」 このセッションタイトルを目にした瞬間から、私は惹き込まれました。世界70カ国、15,000都市、月間10億件を超えるトリップ、1億8千万人以上のアクティブユーザー。これがUberのスケールです。その背後では、ライダーとドライバー、注文者と配達員、レストランや店舗といった複雑なマーケットプレイスが絡み合い、毎月200億件のメッセージと4,000万件の会話が発生しています。 この規模で、どのようにして効率性・パーソナライズ・信頼を同時に実現するのか。答えは、生成AIを活用した次世代エージェントでした。 ビジネス成果に直結するAI Uberのアプローチで最も印象的だったのは、AIを“nice to have（あると良いもの）”ではなく、ビジネスの中核に据えていることです。 すべてのAIプロジェクトは、以下の成果に紐づけられます。 また、95％の生成AIプロジェクトがPoC止まりで終わるとされる中、Uberは専用予算を設け、失敗から素早く学び、成功をスケールさせる体制を持っています。さらに、Michelangelo AIゲートウェイによるプライバシー・安全性ガードレールも徹底されていました。 Nova と Scout UberのAIソリューション Nova（ニューロ・オムニチャネル・バーチャルアシスタント） Scout（AIコパイロット） この2つのソリューションによって、顧客体験はスピーディかつパーソナライズされ、社員はより重要な仕事に注力できるようになっています。 アシスタントから意思決定者へ Uberは次の進化に向かっています。単なるアシスタントから、意思決定を行うエージェントへ。 […]
【The AI Conference 2025】実験からエンタープライズへ AIエージェントの現実
By Jay Revels, CEO Ichizoku株式会社 本記事は、AI Conference 2025 の「AI Agents in Production」セッションをもとに、AIエージェントを研究段階から本番運用へ移行する要点を日本企業向けに簡潔に整理します。システム設計・オープンソース活用・運用指標の観点から、実装の勘所を解説します。 重要なポイント 2025年9月にシリコンバレーで開催されたThe AI Conference 2025に参加した際のレポート「Silicon Valley Trip Report #03 The AI Conference 2025 シリコンバレーから学ぶ日本への示唆 – 業界を牽引するリーダーたちが語る、世界の AI潮流と日本企業の次の一手 -」から抜粋しお届けします。フルバージョンはこちらからダウンロード頂けます。 AI Conference 2025で開催されたセッション 「AI Agents in Production: Systems Design, Tuning, and Deployment」 に参加した際、会場はすでに熱気に包まれていました。そこに集まった誰もが抱いていた問いはひとつ。 「AIエージェントを研究段階から実際の本番環境にどう展開するのか。」 登壇したのは、Fireworks AIのHead of AI Developer Relations、Aishwarya Srinivasan（アイシュワリヤ・シュリーニヴァーサン）氏。彼女の講演は、技術的な深みと実用的な洞察に満ちており、IchizokuのCEOとして日々向き合っている課題とも強く重なりました。 モデルを超える「エージェント」という考え方 Srinivasan氏はまず、ChatGPTは「AIエージェント」かどうかを問いかけました。答えはYes。その理由が重要です。 AIエージェントは単なるモデルではなく、以下のような特徴を持ちます。 つまり重要なのは、「どのモデルを選ぶか」ではなく「どうシステムを設計するか」 にシフトしているのです。 […]
【The AI Conference 2025】なぜ企業にはAIガーディアンエージェントが必要なのか
By Jay Revels, CEO Ichizoku株式会社 本記事は、The AI Conference 2025 における Matt Blumberg 氏（Markup.ai）の講演をもとに、AIガーディアンエージェントで「スケール可能な信頼」を実現する要点を、日本企業向けに簡潔に整理します。生成AIで作成は容易になった一方、ガバナンス・一貫性・規制順守がボトルネックとなる現実と、その解決指針を解説します。 重要なポイント 2025年9月にシリコンバレーで開催されたThe AI Conference 2025に参加した際のレポート「Silicon Valley Trip Report #03 The AI Conference 2025 シリコンバレーから学ぶ日本への示唆 – 業界を牽引するリーダーたちが語る、世界の AI潮流と日本企業の次の一手 -」から抜粋しお届けします。フルバージョンはこちらからダウンロード頂けます。 生成AI時代における「スケール可能な信頼」 毎年、数百万ものドキュメント、マーケティング資料、チャットボット応答を公開する企業において、生成AIはコンテンツ作成を容易にしました。 一見すると大きな前進に思えます。しかし、2025年サンフランシスコで開催された The AI Conference 2025 にて、Markup.ai CEO、Matt Blumberg（マット・ブルムバーグ）氏のセッション 「Trust at Scale: Why Enterprises Need AI Content Guardian Agents」 を聴き、課題は「作成」ではなく「信頼できる形での運用」にあることが明らかになりました。 AIコンテンツパラドックス 生成AIはコンテンツ制作の常識を覆しました。 理由は単純です。生成AIは「次の単語」を予測する仕組みであり、その内容が正しいか、ブランドに沿っているか、規制に準拠しているかを判断できません。 明らかな誤りを指摘すると謝罪しますが、それでは企業のリスク回避にはつながりません。 […]
【The AI Conference 2025】小売業におけるAI Amazon、Wayfair、Walmartが描く未来のショッピング
By Jay Revels, CEO Ichizoku株式会社 本記事は、Amazon・Wayfair・Walmartの事例をもとに、小売におけるハイパーパーソナライゼーション、リアルタイム対応、会話型AI、発見型UXの実装と成果を解説します。「即時性 × 膨大なデータ」を前提に、2025年以降の小売が直面する意思決定・顧客体験・運用最適化の論点を日本市場向けに整理します。 重要なポイント 2025年9月にシリコンバレーで開催されたThe AI Conference 2025に参加した際のレポート「Silicon Valley Trip Report #03 The AI Conference 2025 シリコンバレーから学ぶ日本への示唆 – 業界を牽引するリーダーたちが語る、世界の AI潮流と日本企業の次の一手 -」から抜粋しお届けします。フルバージョンはこちらからダウンロード頂けます。 未来のショッピングはすでに始まっている 想像してみてください。渋谷で雨の午後にお店へ入ると、デジタルサイネージに表示されるのは一般的な広告ではなく、あなたのスタイルに合った傘や防水スニーカー。オンラインでは、エコ素材の軽量ジャケットが表示されます。なぜなら、あなたが環境に配慮したブランドを好み、東京の秋に厚手のコートが必要ないことをAIが理解しているためです。 これは2030年の未来像ではなく、今まさに実現されつつある小売業におけるAI活用の姿です。 2025年サンフランシスコで開催された The AI Conference 2025 にて、私は小売業界のリーダーたちによるパネルディスカッションに参加しました。モデレーターを務めたのは、アクセンチュア先端AIセンター マネージングディレクターであるWinnie Cheng（ウィニー・チェン）氏。そして登壇したのは、世界最大級の小売企業でAI戦略を牽引する3名のキーパーソンです。 ここでは、彼らの知見をもとにした主要なインサイトをご紹介します。そして、これが日本の小売市場にとってどのような意味を持つのかを考察します。 小売におけるAIが特別である理由 AmazonのSura氏は、小売業は「膨大なデータ量」と「即時性」を兼ね備えている点で他の産業と一線を画していると指摘しました。 すべてのクリック、棚のスキャン、商品の移動がデータを生み出し、それを数分以内に行動へとつなげる必要があります。 日本の小売業においても、この「即時性」はおもてなしの概念と強く結びついています。 「パーソナライズ」を超えるハイパーパーソナライゼーション WalmartのRella氏は、従来の「おすすめ」に留まらない ハイパーパーソナライゼーション の重要性を強調しました。 AIは以下の要素を組み合わせ、より的確な提案を実現します。 日本市場のように顧客との信頼関係が重視される環境では、このレベルの個別最適化が競争力に直結します。 リアルタイム対応 トレンドを即座に捉える Walmartが取り組むもう一つのテーマはリアルタイム対応です。従来は一晩かけて更新されていたプロモーションやレコメンドを、AIによって即時に切り替えられるようになっています。 日本のようにトレンドがSNSで瞬時に拡散する市場では、このスピード感が売上の明暗を分けます。 会話型AI レポートから意思決定支援へ AmazonのSura氏は、会話型AIがダッシュボードを超えて進化していると語りました。今後のAIエージェントは以下を担うようになります。 これは日本企業文化に根付く、改善の精神と親和性が高く、日々の業務改善をAIがサポートする未来像を描いています。 発見の体験を変えるAI WayfairのKrishna氏は、Muse […]