ほとんどすべての研究で、AI を使用している医師は、使用していない医師よりも優れたパフォーマンスを発揮することが示されています。現在、AI は医師免許試験で満点を達成しています。将来、すべてのプロフェッショナル サービス プロバイダーが AI を使用することを期待するか、アドバイスを信頼しないでしょう。

AI エージェントの市場規模が私たちが思っているよりも大きくなる微妙な理由の 1 つは、同じ問題を解決するために複数のエージェントを並行して実行することが価値があるユースケースが数多くあることです。 これは、これまでのほとんどの知識作業では事実上不可能でした。より多くの人を同じ問題に投げ込むには法外なコストがかかるでしょう。しかし、インテリジェンスの導入コストを劇的に削減したため、冗長性を高め、さらに多くの角度から物事を検討することができます。 すでに多くの分野でこれらの例が見られます。人々は、同じコード変更に対して AI コード レビュー エージェントを使用して、分析に微妙な違いを提供しています。セキュリティエージェントにコードをレビューさせる場合も同様で、追加の補償範囲に価値があるだけです。詳細な調査タスクでは、複数のプロンプトを並行して実行して、さまざまなアプローチを比較すると便利なことがよくあります。 そして、これは、法律業務、ヘルスケア、財務分析、科学研究、製品アイデア、マーケティングコンテンツ作成など、複数の異なるビューがワークフローに段階的な価値を提供する他の多くの分野にも現れることが予想されます。 これが、これらの市場の多くで完全なTAMを見積もることが不可能である理由です。エージェントは今日の作業方法を1対1で概算しているだけだと思っていたら、ワークフローでエージェントを使用するすべての方法を見逃しがちです。これが、これらの市場が将来的に自然な上限がない理由です。

AI エージェントは、ソフトウェアの収益化における真の変革です。 従来、ソフトウェアは、特定のソフトウェアについて、シートあたり月額~10〜50ドル程度に上限が設けられていました。外れ値の垂直ソフトウェアもありますが、一般的には常にほぼこの上限を持っていました。 一方、AI エージェントは、ワークフロー内で誰かが AI エージェントを使用して何を行うかの実際の上限がないため、基本的に上限がありません。 これはすでにソフトウェアコーディングエージェントで見られ、月額数千ドルを支払っている人もいます。そして、これは完全に合理的です:ユーザーがAIコーディングエージェントで2倍から3倍の生産性を上げた場合、企業はエージェントに同等の給与の10%を費やしても瞬きしないでしょう。 しかし、これは、法的分析、医療報告書のレビュー、ローン文書の処理など、知識業務の一般的な分野全体でも起こり始めています。このダイナミクスは、あらゆるカテゴリーの仕事で期待する必要があります。 さて、モデルの改良が行われるにつれて、同価格が下がります。しかし、AI エージェントがより複雑なタスクを実行できるようになり、ワークフローで並行して実行されるエージェントが増えると、企業はこれらのエージェントをより多くデプロイすることになります。これからのワイルドな時代。

いくつかのカテゴリを除いて、ほとんどのスペースは依然として AI で広く開かれています。データとワークフローの堀が蓄積され始めるため、これは永遠に当てはまるわけではありませんが、今は一時的に当てはまることは確かです。 AI は過去 1 年間で大きく進歩し、ほとんどのスタートアップがこれまで構築しなければならなかった問題の多くをモデルで解決しました。そして、今日 AI エージェントでできる理由は、100 年前の約 2 倍の強力さです。 このため、これらの更新を活用するために適切な抽象化レイヤーを使用してアーキテクチャを構築することが重要になります。

AI は、スタック内の上位または下位の操作を開始したり、他の隣接する機能に拡張したりできるため、時間の経過とともに多くの機能間の境界線を曖昧にします。非常に明白な領域は、PMはほとんどの場合、機能的なプロトタイプを持って現れるべきだということです。

Boxでは、非構造化データで新しいモデルを使用してBox AIをテストし、実際の知識業務の分野で何がうまく機能するかを確認することに多くの時間を費やしています。 ベンチマークからわかるように、GPT-5 は、推論、数学、論理、コーディング、その他の作業分野で GPT-4.1 よりも有意義な能力の向上を提供します。これらの改善が現実世界でどのような影響を及ぼすかの例をいくつか示します。 *GPT 5 は情報をより適切にコンテキスト化します。通貨ラベルのないが、住所がロンドンにある請求書の最終的な米ドル金額などのデータ抽出を行うと、GPT 5 は米ドルからポンドへの換算レートが必要と正しく応答します。これに対し、GPT 4.1 は最終的な請求書を見て、通貨を (誤って) 想定して返しました。 * GPT-5 は、より優れたマルチモーダル分析を提供します。公開会社の年次申告では、GPT-5 は、会社の株式構成要素の変化を示す画像からテーブル内のセルを分離するよう求められます。表の上部には、すべての株式額が千単位であることが明確に示されており、GPT-5 にはこの変換が明確に記載されていますが、GPT-4.1 には記載されておらず、表に株式と表示され、凡例に株式と記載されているため混乱しています。 * GPT-5 は、高レベルのプロンプトとデータの複雑さでより優れたパフォーマンスを発揮します。履歴書のすべての開始日、役職名、雇用主名のデータ抽出を行うと、GPT-5 はすべてのデータを引き出すことができましたが、GPT-4.1 はプロンプトのサイズと文書の複雑さを考えると、圧倒され、同じフィールドを抽出しませんでした。 * GPT-5 は、その回答がはるかに明確で明確です。明示的に議論された 6 つの異なるサービスとのアウトソーシング契約では、「契約内の 5 つの特定のサービス」について尋ねられた場合、GPT-5 は最初の 5 つを返し、6 番目のサービスについて尋ねなかったのは意図的だったかどうかを尋ねます。それに比べて、GPT-4.1 はそれ以上の警告なしに最初の 5 つを返すだけであり、ユーザーに下流の混乱をもたらす可能性があります。 * GPT-5は、複雑な分野でのデータ解釈に優れています。免疫学で通常使用されるフローサイトメトリーチャートの場合、GPT-5は高い割合の死細胞を正しく識別し、状況につながる可能性のあるもっともらしい根本原因を示しましたが、GPT-4.1は最小限の推論を提供し、生データから推測するにはさらなる確認が必要でした。 * GPT-5 は、コード内の不整合をより適切に特定できます。特定の Python コード ファイル内の問題を特定するように求められた場合、GPT-5 と 4.1 はどちらも誤動作につながる実際のエラーを特定できますが、プログラムのコンテキストでは意味をなさないときに間違った変数を出力するなど、より微妙な問題を推測できたのは GPT-5 だけでした。 より長いコンテキストウィンドウでの数学、推論、ロジック、応答の品質におけるこれらの改善は、日常業務のエンドユーザーにとって非常に役立ちますが、特に各ステップで情報を検証する人間がループにいない場合、より長く実行されるAIエージェントではさらに顕著になります。 これらの改善が最新の AI モデルで継続的に行われていることは素晴らしいことです。

現在、AI モデルが数学、推論、論理、ツール呼び出し、およびさまざまなドメイン固有のタスクにわたる能力を向上させ続ける軌道に乗っていることは明らかであり、より多くのトレーニング データが生成されるにつれて改善されるでしょう。 これらの進歩が消費者が日常的に抱えるユースケースにどれだけ大きな変化として現れるかについては議論があるでしょうが、それらは多くのカテゴリーのナレッジワークに大きな影響を与えるでしょう。これらは、ヘルスケア、法律、金融サービス、ライフサイエンスなどの新しいユースケースを段階的に解き放ち、モデルが徐々に重要なタスクを確実に実行できるようにします。 アレックス・カントロウィッツ氏との最近のポッドキャストで、ダリオ・アモデイ氏は、AIモデルの能力を向上させて生化学の学部生から生化学の大学院の学位を取得するようにすれば、消費者人口のごく一部がその影響に気付くだろうが、ファイザーのような企業の企業ユースケースはその結果、有意義に増加するだろうという素晴らしい方法を述べた。 私たちは、今がAIの時代であることを予測し始めるべきです。では、これはどのようにして現実の世界に現れ始めるのでしょうか?これは、適用されたユースケースを追跡するAIエージェントを通じて表示されます。コーディング、法務、医療筆記者、データ抽出、保険金請求処理、侵入テストなどの AI エージェント。 今のチャンスは、その分野を深く理解した上で、業種やドメイン向けの AI エージェントを構築することです。ここで、コンテキストエンジニアリング、ワークフローの深い理解、エンタープライズデータへの接続、および特殊なユーザーインターフェイス(ユーザーがこれらのエージェントを展開、管理、および調整できるようにする)の影響が非常に重要になり始めます。 また、その特定の業種や領域に合わせたディストリビューションを構築することも意味します。これはおそらく、顧客がエージェントを実装するのに役立つだけでなく、エージェントがどのワークフローに最適化されているかを迅速に学習し、それをコアプラットフォームに戻すために、何らかの形でフォワードデプロイされたエンジニアリングを意味するでしょう。 最終的に、これらの市場は、今日のエンタープライズプロセス(多くの場合、乱雑で自動化用に設計されていない)を、エージェントがこれらのワークフローに統合される世界に最もよく橋渡しできるプレーヤーによって獲得されるでしょう。今、私たちが今いるAIの時代です。

AIの能力を安定させるための最適なポイントには程遠いが、皮肉なことに、AIの商用ユースケースは、技術の進歩の速さのために凍結されるだけだ。これが、将来性のあるアーキテクチャが非常に重要である理由です。

コアとコンテキストは、人々が AI で何を再構築するかを理解する際に熟考すべき重要な概念です。 企業は、差別化する「コア」機能を導入します。これは、彼らのコア製品やサービスが何であるか、顧客への販売方法、彼らの文化を推進するものなどです。 逆に、彼らは正しいことをするためのテーブルステークである「コンテキスト」をアウトソーシングしますが、間違えるとマイナス面があるだけです。考え抜くと簡単な経験則は、顧客が会社がその機能を自分で直接行ったかどうかに気付くかどうかです。 エンタープライズソフトウェアは、ほとんどの場合「コンテキスト」です。これらは、CRM や人事システム、インフラストラクチャ、データ管理などの分野です。これらはビジネスを大規模に運営するために必要ですが、独自のビジネスを展開しようとすると有利になることはめったにありません。例外はごくわずかであり、ほとんどの場合、ベンダーが提供していない「コア」にサービスを提供するソリューションが必要なためです (垂直統合型サプライ チェーン用のカスタム ソフトウェアが必要な場合など)。 企業がどのようにスタートしても、最終的にはほとんどの場合、時間の経過とともにコアとコンテキストの間で仕事と価値を分離します。それが競争力を維持し、最終的には最適な分野にリソースを割り当てることができる唯一の方法です。 したがって、企業がエンタープライズ ソフトウェアを AI で書き換えることができたとしても、基本的には書き換えられません。バージョンの更新、セキュリティ、規制機能、バグ、SLA、必要なプロフェッショナルサービスなどはすべて、ROIをマイナスにします。 bucco が指摘しているように、本当のリスクは、AI ファーストのこれらのツールのより良いバージョンです。それがディスラプションの観点から注意すべきことです。

素晴らしいスレッド。AI エージェントができることは何でも、だまされて実行させる可能性もあります。エージェントがデータにアクセスできる場合、ユーザーは最終的にそのデータも取得できると想定する必要があります。エージェントのセキュリティ、アクセス制御、および決定論的なガードレールが重要になります。