エンタープライズ運用のためのAIエージェント構築

アニッシュ・アチャリアとオリビア・ムーア（a16zパートナー）が、Happy Robotの共同創業者であるパブロ・パラフォックスとルイス・パールップを迎え、エンタープライズ向けAIエージェントの実戦投入について深く掘り下げたエピソード。物流・サプライチェーンという極めて複雑な現場を出発点に、彼らがどのように音声AIエージェントを構築し、それを企業全体の「協調問題」を解決するプラットフォームへと進化させてきたかが語られる。単なるモデルの知能向上ではなく、文脈の獲得、実行、そして組織内のサイロを超えた調整こそが、AIを実験室から本番運用へと移行させる鍵であるという主張が、具体的な顧客事例と技術的選択の裏付けとともに提示される。本稿では、音声AIの最前線からエンタープライズエージェントの本質、そして人間とAIが協働する未来像まで、この対話の全容を詳述する。

0:00音声AIが切り拓く現場：物流という複雑系への挑戦

Happy Robotの創業の原点は、共同創業者の一人であるハビ（パブロの兄）が、世界最大級のオリーブオイル流通企業のCFOとして直面していた現実的な問題にあった。ウォルマートから「我々のオリーブオイルの出荷は今どこにあるのか」という問い合わせが来ても、船の上にあるコンテナの正確な位置を把握する手段がなく、やむを得ずインターン生に電話でドライバーを片っ端から呼び出させて確認していたという。この「情報の非対称性」と「非効率な調整」こそが、彼らが解決すべき複雑な問題として認識された。パブロとルイスは大学2日目に出会い、水中ロボット競技会のために潜水艦を自作していた経歴を持つ。彼らは常に「複雑な問題」に惹かれてきた。YC（Yコンビネーター）に参加した際、彼らは「テクノロジーの限界を押し広げる」というアプローチを採用した。当時（2023年後半）、LLMは実用レベルに達しつつあったが、音声で現実的な交渉を行うには、GPT-3.5の推論能力は不十分であり、GPT-4はレイテンシが大きすぎた。そこで彼らは、MistralやLlamaといったオープンモデルを自らファインチューニングし、音声エージェントの高速化と交渉能力の向上を図った。この「技術の限界に自ら挑む」姿勢が、後に彼らを競合他社から差別化する大きな要因となる。

音声は、物流という「世界を動かすために必要なオペレーション」への鍵だった。彼らは当初、貨物ブローカー向けの音声エージェントからスタートし、その後、フォワーダー、海運会社、トラック運送会社へと顧客を拡大。現在では、米国のトップ10貨物ブローカーのうち9社、トップ10トラック運送会社のうち7社、そして2つの大手海運会社を顧客に持つに至っている。これは、音声が単なるカスタマーサポートのチャネルではなく、レート交渉、追跡（トラック＆トレース）、営業といった、物流の根幹をなす「アナログな業務」そのものだったからだ。彼らは、この複雑な現場で通用する技術を構築するために、音声認識のノイズ処理（トラック内のラジオや背景音、多様なアクセントへの対応）や、交渉における幻覚（hallucination）防止など、数多くの独自技術を開発する必要があった。

12:34エンタープライズエージェントの本質：生の知能だけでは不十分な理由

「より賢いモデル」だけでは、エンタープライズの複雑なワークフローは自動化できない。このエピソードの核心的な主張の一つが、ここにある。パブロは、Kuehne+Nagel（キューネ・アンド・ナーゲル）との協業事例を挙げ、その複雑さを説明する。顧客から「私の荷物はどこですか？」という問い合わせがあった場合、単にナレッジベースから回答を引っ張ってくるだけでは済まない。エージェントは、まずそれが航空貨物であることを特定し、該当する航空会社のウェブサイトをスクレイピングする。もし情報がなければ、航空会社にメールを送る。2時間経っても返信がなければ、SLA（サービスレベル契約）違反を防ぐために、電話で問い合わせる。この一連の「調整」こそが、真のエンタープライズエージェントに求められる機能である。

ルイスは、交渉という別の側面からこの問題を補足する。例えば、同じ貨物（ロード）に対して10人の運送会社（キャリア）が同時に電話をかけてきた場合、それぞれのエージェントが独立して交渉するだけでは最適な結果は得られない。人間のブローカーであれば、フロアで「この案件はホットだ、強気で行け」と叫んで情報を共有する。しかし、個々のAIエージェントは、他のエージェントが同じ案件に対してどのような交渉をしているかを知らない。そこでHappy Robotは、同一案件へのインバウンドコール間でコンテキストを共有する仕組みを構築した。「この案件には別の買い手が非常に興味を持っている。もっと強気に交渉しろ」といった情報を、各エージェントのコンテキストウィンドウに動的に注入するのである。これは、汎用的なモデルの知能（raw intelligence）では決して提供できない、ビジネス固有の知識と戦略に基づく「コンテキストレイヤー」の重要性を示している。

さらに、交渉における「最大購入額（Max Buy）」のような重要なパラメータは、LLMのコンテキストウィンドウに直接入れないという設計思想も重要だ。外部の決定論的なアルゴリズムで管理し、エージェントは人間と同じように「上司に確認します」と言ってツールを呼び出し、許可を得る仕組みになっている。これにより、ジェイルブレイク（悪意ある入力によるシステムの突破）などのリスクを未然に防ぎ、C.H. RobinsonやUber Freightといった大企業の信頼を得ることができた。確率的なAIと決定論的なシステムのハイブリッドこそが、現実世界で信頼性の高いエージェントを運用するための秘訣である。

15:30フォワードデプロイエンジニアリング：製品とサービスの境界を溶かす

Happy Robotの成長を支える重要な戦略が、フォワードデプロイエンジニアリング（FDE）である。彼らは非常に早い段階から、「顧客のオペレーションにソフトウェアを適応させる」という姿勢を貫いてきた。これは、従来のSaaSが「顧客に自社のワークフローに合わせてもらう」のとは対照的だ。ルイス自身が最初のFDEとなり、顧客のオフィスに1週間滞在し、実際に自動化したい業務を行っている担当者を追いかけ回した。そこで得た知見を基に、プロダクトチームに「この機能を汎用化してくれ」と要求する。この「現場とプロダクトの間の緊張関係」が、彼らのプラットフォームを進化させる原動力となった。

重要なのは、FDEの役割が単なるカスタム開発（サービス）ではないという点だ。FDEはあくまで「価値実現の触媒（catalyst）」であり、彼らが現場に残すのは、プラットフォーム上で動作するエージェントそのものである。FDEが去った後も、エージェントは自律的に動作し続け、価値を生み出す。これは、成果物としてのコードを納品する従来のSI（システムインテグレーション）とは本質的に異なる。プロダクトは、この「エージェントのデプロイライフサイクル」（スコーピング、構築、テスト、監視、自己学習ループ）を最適化するために設計されている。FDEはそのサイクルを高速に回すための存在であり、彼らからのフィードバックがプロダクトの進化を牽引する。

このアプローチは、エンタープライズセールスにおいても強力な武器となる。大企業は、自社の業務を理解した上で、柔軟にカスタマイズ可能なプラットフォームと、それを実装してくれる信頼できるパートナー（FDE）を同時に求める。Happy Robotは、この「プラットフォーム＋フォワードデプロイ」の組み合わせを提供することで、競合との差別化に成功している。ルイスは「我々のプロダクトは、プラットフォームとフォワードデプロイの組み合わせであり、どちらか一方だけでは存在し得ない」と断言する。これは、AIエージェントの分野における「プロダクト vs サービス」という二分法を超えた、新しいビジネスモデルの形を示唆している。

22:10システム・オブ・レコードからシステム・オブ・アクションへ：実行が生み出すコンテキスト

AIエージェントの時代において、従来の「システム・オブ・レコード」（CRMやERPなど、データの記録を目的としたシステム）の価値はどう変わるのか。この問いに対して、Happy Robotは明確な答えを持つ。彼らは自社を「システム・オブ・エグゼキューション（実行のシステム）」または「システム・オブ・アクション（行動のシステム）」と位置づける。真の価値は、データを「記録する」ことではなく、実際に「仕事を実行する」ことによって生まれるという考え方だ。

ルイスは、多くの企業が「データをクリーンにしてからAIを導入しよう」と待っている現状を批判する。しかし、人間がデータを入力するプロセスには限界があり、せっかくクリーンにしてもすぐに汚れてしまう。AIエージェントは、仕事を実行するプロセスそのものでデータをクレンジングしていく。例えば、エージェントが荷物の追跡や顧客とのやり取りを正確に記録することで、従来は人間の頭の中や散逸したメールにしか存在しなかった「暗黙知」が、構造化されたデータとして蓄積されていく。これにより、CRMやTMS（Transportation Management System）といった既存のシステム・オブ・レコードのデータ品質も、結果的に向上する。

さらに重要なのは、エージェントが実行を通じて、異なるシステム間の「関係性」を発見し、豊かにしていく点だ。ある顧客からのクレーム対応（カスタマーサービス）と、その顧客へのアップセルの履歴（営業）は、従来は別々のシステムに記録され、関連づけられることは稀だった。しかし、エージェントが両方のコンテキストを共有することで、「先月アップセルした顧客からのクレームには、より寛大な対応をする」といった、高度に文脈化された判断が可能になる。この「コンテキストレイヤー」こそが、彼らのプラットフォームの核心であり、時間とともに価値が減衰するどころか、むしろ複合的に増大していく資産である。パブロはこれを「ピラミッド・オブ・ワーク（仕事のピラミッド）」という概念で説明する。

28:30仕事のピラミッド：単純作業から戦略的意思決定へ

Happy Robotが定義する「ピラミッド・オブ・ワーク」は、AIエージェントが企業内でどのように価値を拡大していくかを示すフレームワークである。ピラミッドの底辺には、B2Bの簡単な営業電話、基本的なカスタマーサービス、支払い回収といった「単純で反復可能な、すぐに成果が出やすい仕事」が位置する。多くのAIベンチャーは、この層の自動化に注力している。しかし、真の経済的レバレッジはピラミッドの頂点、すなわち「深く複雑で戦略的な意思決定」にある。これはCEOが行うような、会社の命運を左右する判断だ。

重要なのは、頂点に到達するためには、底辺から始めて、様々な機能（営業、カスタマーサービス、回収、メンテナンスなど）のエージェントを連携させ、それらが生み出すコンテキストを積み上げていかなければならないという点である。例えば、メンテナンスショップにトラックの修理完了時期を問い合わせるエージェントがいたとする。この情報を営業部門と共有すれば、修理が完了したトラックをいち早く市場に投入し、新たな受注に結びつけることができる。このように、個々のエージェントをサイロ化するのではなく、共通のコンテキストレイヤーで接続することで、企業全体の最適化（グローバルな最大値/最小値の追求）が可能になる。

ルイスは、このピラミッドを登るためには「チャネルを超えた統一的な理解」が不可欠だと強調する。音声での交渉中に、同じ案件に対してメールで新たなオファーが届いた場合、音声エージェントがその情報を知らなければ、最適な判断はできない。同様に、ある運送会社との追跡業務で得た情報が、後の交渉で活用できるかもしれない。つまり、特定のタスク（例：音声での営業）だけを自動化する「点」のソリューションでは、ピラミッドの頂点には到達できない。チャネル（音声、メール、Web）と機能（営業、サービス、オペレーション）を横断する「面」でのコンテキスト共有こそが、より高度で戦略的な仕事をAIに委譲するための前提条件なのである。

33:07物流からテレコム、ユーティリティへ：エンタープライズ協調問題としての再定義

DHLとの協業は、Happy Robotにとって大きな転機となった。DHLの80カ国以上にまたがるオペレーションに40以上のエージェントをデプロイする過程で、彼らは気づく。「これはサプライチェーン特有の問題を解決しているのではない。これはエンタープライズの協調問題（enterprise coordination problem）を解決しているのだ」と。120人規模のスタートアップでは、ちょっとしたコミュニケーション不足はすぐに解消できる。しかし、DHLやFedEx、あるいはドイツテレコムのような数十万人の従業員を抱える巨大企業では、部門間、地域間でのリアルタイムな情報共有と調整は極めて困難な課題である。

この「協調問題」という枠組みで見ると、物流で培ったノウハウは、他のオペレーションが複雑な業界にも容易に応用できることが分かる。例えば、ある大手公益事業会社（ユーティリティ）の事例。顧客から「ボイラーが故障した」という電話がかかってきたとする。理想的なAIエージェントは、その顧客が10日前にも同じ問題を報告していたこと、前回派遣された技術者がそのボイラーの型式に不適合だったことを瞬時に把握し、今回は適切な技術者と部品を手配する。これは、カスタマーサービス、フィールドサービス、在庫管理、そして場合によっては外部の修理業者との連携という、複数の機能にまたがる調整問題である。この構造は、故障したトラックの修理と全く同じだ。

現在、Happy Robotは世界最大級の通信キャリア3社とPoC（概念実証）を進めており、住宅・自動車保険業界からも引き合いが来ている。車が故障した際にレッカー車を手配するプロセスも、トラック運送会社が故障したトラックの代わりを手配するプロセスと本質的に同じだからだ。パブロは、音声を「ソフトAPI」と表現する。APIが存在しないシステム間で情報をやり取りするための、人間にとって自然なインターフェースという意味だ。彼らが解決するのは、この「ソフトAPI」を介した、顧客、パートナー、自社従業員間の複雑な調整である。この問題は、サプライチェーンに限らず、実体経済（real economy）のあらゆる場面に存在する。

37:42音声AIの最前線：人間らしさの追求と、語るタイミングの難しさ

音声AIの分野では、レイテンシの短縮や音声のリアリティ向上に注力する企業が多い。しかし、Happy Robotは異なる視点を持つ。ルイスは「現在の音声AIにおける最大のボトルネックは、いつ話すべきか、いつ話すべきでないかを理解することだ」と断言する。モデルが高速になればなるほど、相手の話を遮ってしまう（割り込み）リスクが高まる。本当に必要なのは、相手が言い終わるのを待つ、難しい質問には「考えさせてください」と一旦間を置く、背景ノイズと重要な発話を区別する、といった「会話のニュアンス」を理解する能力である。彼らは、この「発話終了検出（end-of-turn detection）」と「割り込み処理」に多大な投資を行っている。

彼らは、11 Labsのような優れた音声合成技術をかつて使用していたが、現在は独自のモデル開発も行っている。その理由は、市場の「限界要因（limiting factor）」が変化したからだ。現在のLLMの知能レベルは、多くの実務（例：ドライバーに時間通りに到着するか尋ねる）には十分すぎるほど高い。むしろ、会話の流れを自然に制御する能力が不足している。彼らは、1年半前のモデルでも、適切な会話制御の仕組みと組み合わせれば、十分に実用的なエージェントを構築できると語る。これは、モデルの進化だけに依存するのではなく、エージェントの「振る舞い」を設計することの重要性を示している。

では、AIエージェントは人間のように振る舞うべきなのか、それともAIであることを明示すべきなのか。パブロは、現在数百万人のエンドユーザーがHappy Robotのエージェントとやり取りしている経験から、重要な洞察を述べる。冒頭で「私はAIエージェントです」と開示しても、ユーザーはすぐにそれを忘れ、自然な会話に没入するという。重要なのは、AIであることを隠すことではなく、ユーザーの一日を少しでも楽にする、自然でストレスフリーな会話体験を提供することだ。この「人間らしさ（humanness）」の追求は、製品名「Happy Robot」にも表れており、単なる自動化ツールではなく、人間の同僚（colleague）のように協働するAI労働力の構築を目指している。

結びに

このエピソードが特に印象的なのは、AIエージェントの話題を、単なる技術トレンドやモデルの性能比較に終始させず、企業経営の根幹に関わる「協調」と「実行」の問題として捉え直した点にある。Happy Robotの創業者たちは、物流という極めて泥臭い現場からスタートし、音声AIの可能性を追求する中で、真の課題が「より賢いモデル」ではなく「組織全体の文脈を理解し、調整するシステム」にあることを発見した。彼らの「フォワードデプロイエンジニアリング」という戦略は、AIエージェントの導入が単なるソフトウェアのインストールではなく、組織の暗黙知を形式知化し、業務プロセスそのものを進化させる継続的な取り組みであることを示している。視聴者は、AIが人間の仕事を奪うのではなく、人間をより創造的で戦略的な業務に解放するための「協調のインフラ」として機能する未来像を、具体的な事例と共に明確に描くことができるだろう。

要点

• 物流・サプライチェーンは、音声AIエージェントにとって理想的な「最初の実戦の場」であり、複雑な調整、交渉、マルチチャネル対応のノウハウを蓄積するための完璧な訓練領域となった。
• エンタープライズAIエージェントの本質的な価値は、モデルの知能（raw intelligence）ではなく、部門やシステムを横断する「コンテキストレイヤー」を構築し、組織全体の協調問題を解決することにある。
• フォワードデプロイエンジニアリング（FDE）は、単なるカスタム開発ではなく、プロダクトのデプロイライフサイクルを高速化し、顧客固有の業務プロセスから学んだ知見をプロダクトに還元するための重要な戦略的機能である。
• 「システム・オブ・レコード」の時代は終わり、AIエージェントが仕事を実行する過程でデータをクレンジングし、新たな関係性を発見する「システム・オブ・アクション」こそが、次世代の企業価値を生み出す。
• 「仕事のピラミッド」の頂点（戦略的意思決定）に到達するには、底辺（単純作業）から始め、チャネルと機能を横断する統一的なコンテキストを積み上げることが不可欠であり、部分最適化では真の経済的レバレッジは得られない。
• 音声AIにおける現在の最大のボトルネックは、レイテンシや音質ではなく、「いつ話し、いつ聞くべきか」という会話のニュアンスを理解する能力であり、Happy Robotはこの「発話終了検出」と「割り込み処理」に独自の強みを持つ。
• AIエージェントは、人間の同僚のように自然に協働する存在であるべきであり、その「人間らしさ」は、AIであることを隠すことではなく、ユーザーがストレスなくタスクを完了できる体験を提供することで実現される。