AIエージェントを作り込んでも精度が頭打ちになるのはなぜか？──原因は、エージェントの手前にある2段の階段

エージェントの精度が出ないとき、原因はほとんど次の2つに行き着きます。答えが見つからないのは、作った人の腕の問題ではありません。頑張る場所が、少しずれていただけです。

• 必要な情報が、そもそも社内資料にない
• 社内資料のどこかにあるのに、正しく取り出せない（答えが複数の資料に分かれていて、まとめて取り出せない）

この状態のままだと、指示文や仕組みをどれだけ工夫しても無駄になります。答えの材料が、AIまで届かないからです。だから、どれだけ作り込んでも必ず上限がある。指示や検索の工夫が効いてくるのは、資料側を片づけた後の話です。

いきなり作った場合と、手前から積んだ場合。並べると、こうなります。

1. 資料を業務に合わせて整理する
2. 聞けば、正しく返ってくる状態にする
3. そこまで来て、ようやく業務特化のエージェント

「いきなりエージェント」は、下の2段を飛ばして3段目に足をかけている状態です。土台がないので、作り込むほど精度が頭打ちになります。

肝は「業務に合わせて」の部分です。同じ資料でも、見る業務が違えば、拾うべき場所もつなぎ方も変わります。だから、一般的なフォルダ整理とは別物です。

その業務の目的に合わせて組み立て直して、はじめてAIが正しく取り出せる状態になります。ここが土台の1段目です。

2段目まで来ると、AI導入が一気に進めやすくなります。自分たちの仕様書に聞いて、根拠つきで答えが返る画面を、部署の定例でそのまま見せられる。上役への報告も「よその事例」ではなく「この仕事がここまで変わった」に変わります。

他社の事例は、どれだけ立派でも、どこか他人事です。自社の仕事だと、一気に自分ごとになる。だから隣の部署から「うちの資料でもできないか」と声がかかり、使う人が広がっていきます。

もうひとつ、2段目には大事な役割があります。ここは人が聞いて、人が答えを確かめながら使う段階です。毎日使ううちに、AIの答えをどこまで信じていいかが体感でわかってくる。どこなら任せられて、どこは人が見るべきか。それが見えてから自動化に進めば、3段目の範囲を安全に決められます。いきなりエージェントは、言い換えればいきなり全自動。それを避ける意味もあります。

そして使っているうちに、現場から「この業務、AIの組み合わせで自動化できるのでは？」という声が湧いてきます。エージェントの企画が、上からではなく現場から出てくる。とてもいい流れです。

AIエージェントと聞くと身構えますが、2段目まで来ていれば、多くは一本道のワークフローで足ります。たとえば問い合わせへの回答の下書きは、こうなります。

1. 届いた問い合わせを読む
2. 社内資料に聞いて、根拠つきの答えを取り出す
3. 返信の下書きに整える
4. 人が確認して送る

いちばん難しそうなのは2つ目の工程ですが、そこは2段目でもうできています。あとは、できあがった部品をつなぐだけ。しかも、工程を分けて処理させた方が、一度にまとめてやらせるよりAIが迷わず、精度も出やすくなります。

3段目がいちばん大変そうに見えて、実は逆です。本当に難しいのは1段目。資料の量は膨大で形式もバラバラ、それを業務に合わせて整理するのは人の手では現実的ではありません。ここは専用のAIエージェントにやらせるべき工程です。

ただ、それを一から作るのは慣れていないと難しすぎる。なので私たちは、この1段目を「社内ナレッジAI」として提供しています。お願いするのは、いまある資料をそのまま渡していただくことだけ。選び直しや書き直しはいりません。答えには必ず根拠がつき、根拠が見つからなければ「答えられない」と返します。

価値の核は、AIそのものではありません。「業務に合わせて、何をどう整理するか」というやり方の方です。大手自動車関連企業の設計部門でも、実データでの実証を重ねてきました。一般的な方法で十分な用途なら、正直にそうお伝えしています。

まずは、エージェントが答えに詰まった質問を1つ選んでみてください。その答えが社内資料のどこにあるはずかを確かめる。そもそも無いのか、あるのに取れないのか。それだけで、手をつける段が見えてきます。1段目だけプロが整えれば、会社は自走してAIを使いこなす組織になれる。2段目と3段目を、自分たちの手で回していく会社が増えていく。そんな景色を見るのが楽しみです。