分析・見解

対話型AIから、仕事を継続する担当者へ

これまでの生成AIは、質問に答える、文章を整えるといった「依頼ごとの道具」として使われてきた。Dotsが示すのは、作業の目標を受け取った後、必要な情報を探し、複数のアプリを使い、成果物を更新し続ける形だ。利用者が席を外している時間にも作業が進むため、AIの価値は回答の速さから、仕事の完了までに必要な手順をどれだけ確実に進めるかへ移る。

これは単なる自動化の拡大ではない。従来の自動化は、決められた入力に決められた処理を行う。エージェントは状況に応じて次の行動を選ぶため、仕事の流れそのものを組み直す可能性がある。たとえば市場調査なら、資料を集めるだけでなく、出典を整理し、社内向け文書の更新案まで作る。しかし、成果の質は指示の明確さと利用できる情報に左右される。

専用環境とアプリ連携が広げる実行範囲

各エージェントをクラウド上の専用環境で動かす設計は、作業を継続しやすくする一方、企業のデータや操作権限をどの範囲で分けるかという論点を生む。メールの閲覧、文書の編集、会議への投稿では、誤りが及ぼす影響が異なる。同じ「アプリ連携」でも、読むだけなのか、書き換えや送信まで行うのかで危険度は大きく変わる。

実用化の鍵は、使える機能の多さより、行動の境界を細かく定められるかだ。閲覧は自動、社内文書の下書きも自動、社外への送信や契約条件の変更は人の承認後に実行する、といった段階分けが考えられる。エージェントが何を見て、どの指示を受け、何を変更したかを後から追える記録も欠かせない。

自律性が高まるほど、失敗の連鎖を止める設計が要る

長時間の作業では、小さな読み違いが後続の工程に引き継がれる恐れがある。誤った数字を調査資料に採用し、その数字を基に提案書を直し、さらに関係者へ共有する、といった連鎖だ。単発の回答なら修正は容易でも、複数のアプリをまたぐ処理では訂正範囲が広がる。完了時だけ確認するのではなく、重要な判断の前後で人に確認を求める設計が現実的だ。

評価も、文章の自然さだけでは足りない。作業の完了率、出典の正確さ、誤変更の頻度、担当者が修正に費やす時間を測る必要がある。自動化によって作業時間が減っても、確認と手直しが増えれば効果は薄い。従来の対話型AIとの比較では、利用者が何度も指示を出さずに済むかも重要な指標になる。

導入競争の焦点は、モデル性能から運用の信頼へ

企業向けAIをめぐっては、各社が単なる文章生成から、実際の業務を動かす機能へ競争領域を広げている。Dotsの成否も、モデルの能力だけでは決まらない。既存の業務アプリと無理なくつながるか、権限を安全に管理できるか、問題発生時に停止や復旧ができるかが採用を左右する。導入企業にとって、AIを一律に「自律化」するより、失敗時の影響が小さい仕事から任せることが合理的だ。

独自の見方として重要なのは、常時稼働そのものより「人の注意をどこに戻すか」である。定型的な情報収集や下書きから人を解放できれば、判断や顧客対応に時間を移せる。一方、通知や確認が増えれば、AIの監督が新たな仕事になる。自律性の価値は、処理件数ではなく、社員がより重要な判断に使える時間を実際に増やしたかで測るべきだ。