AIエージェント時代、SaaSは何に変わるのか——OpenAI会長が狙う「実行の溝」
AIが賢くなれば、仕事は自動的に変わる。
そう考えたくなります。
でも、現場で起きていることは少し違います。どれだけ高性能なAIモデルが登場しても、企業の業務はそのまま自動化されません。顧客対応、在庫確認、返金判断、社内ルール、ブランドの言い回し。そこには、汎用AIだけでは埋めきれない「実行の溝」があります。
この溝に賭けている人物がいます。
OpenAIの取締役会議長であり、Google Mapsの開発、FacebookのCTO、Salesforceの共同CEOなどを経験してきたブレット・テイラーです。
彼が共同創業したSierraは、汎用AIそのものを作る会社ではありません。企業のカスタマーサービスを担うAIエージェントを作る会社です。
なぜ、最強クラスのAIに最も近い場所にいる人物が、あえて「顧客対応」という泥臭い現場に向かっているのか。
この記事では、その理由を「知能」ではなく「実行」を売る時代の戦略として整理します。
顧客はAIが欲しいのではなく、解決された現実が欲しい
マーケティングの世界には、「顧客が欲しいのはドリルではなく、穴である」という有名な考え方があります。
AIでも同じことが起きています。
多くの企業は、モデルの性能、推論能力、マルチモーダル対応、エージェント機能といった言葉に注目します。もちろん、それらは重要です。けれど、実際にお金を払う企業が求めているのは、もっと具体的です。
問い合わせが正しく解決されること。
顧客を怒らせずに返金判断ができること。
ブランドらしい言葉で案内できること。
人間に引き継ぐべき場面を間違えないこと。
既存のCRMや在庫システムとつながり、最後まで処理を終えられること。
つまり、顧客は「賢いAI」を買っているのではありません。
買っているのは、業務上の不安が減り、顧客体験が崩れず、現場の負荷が下がるという「解決された現実」です。
ここを取り違えると、AI導入は一気に迷子になります。
「とりあえずChatGPTを使おう」
「社内にAIチャットボットを置こう」
「問い合わせ対応をAI化しよう」
そうした取り組み自体は悪くありません。ただ、それが現場のどのプロセスを、どの品質で、どこまで完了させるのかが曖昧なままだと、AIは便利な実験で止まります。
ブレット・テイラーがSierraで見ているのは、おそらくこの境目です。
AIモデルの性能競争そのものではなく、モデルを企業の業務に接続し、顧客に対して責任ある形で実行させる領域。そこに、AI時代の大きな価値が生まれるという見立てです。
花屋に必要なのは、全知全能のAIではなく「店の右腕」である
この話は、小さな店舗に置き換えると分かりやすくなります。
たとえば、街の花屋を考えてみます。
花屋の仕事は、単に花の名前を答えることではありません。仕入れのタイミング、鮮度管理、季節ごとの需要、配送の段取り、急な注文への対応、贈る相手に合わせた提案まで、細かな判断の連続です。
そこに、どれほど賢い汎用AIを渡しても、翌日から店が自動で回るわけではありません。
店主が欲しいのは、「花に詳しいAI」だけではなく、「この店のやり方で、顧客対応を最後まで進めてくれる右腕」です。
この違いは大きいです。
汎用AIは、説明したり、提案したり、文章を作ったりすることに強みがあります。一方で、企業の現場では、説明だけでは足りません。実際に顧客の注文を確認し、社内ルールに照らして判断し、システムを更新し、必要なら人間に引き継ぐところまで求められます。
つまり、AIに必要なのは知識だけではありません。
その会社の文脈。
その会社のルール。
その会社の責任範囲。
その会社らしい声。
そして、間違えてはいけない境界線。
Sierraが作ろうとしているのは、この「企業ごとの右腕」に近いものです。
ここに、汎用AIと垂直型AIエージェントの違いがあります。
汎用AIは、広く何でも答えられることに価値があります。垂直型AIエージェントは、特定の業務を、特定の会社のルールで、最後までやり切ることに価値があります。
実務で効くのは、後者です。
SaaSは死ぬのではなく、「記録する道具」から「実行する存在」へ変わる
「SaaS is dead」という言葉は刺激的です。
ただ、私はこの言葉をそのまま「SaaSが終わる」と読むべきではないと思います。むしろ、終わりつつあるのは、ソフトウェアを「人間が入力し、管理する箱」として捉える発想です。
従来のSaaSは、主に記録のためのシステムでした。
営業担当者が顧客情報を入力する。
サポート担当者が問い合わせ履歴を残す。
人事担当者が従業員情報を管理する。
経理担当者が請求データを処理する。
もちろん、それだけでも大きな価値がありました。情報が一元化され、業務が見える化され、組織は管理しやすくなりました。
しかし、AIエージェントの時代には、問いが変わります。
「誰が入力するのか」ではなく、「誰が実行するのか」。
顧客から問い合わせが来たとき、AIが内容を理解し、過去の履歴を参照し、社内ルールに照らして判断し、必要なシステムを更新し、顧客に返答する。ここまで進むと、ソフトウェアは記録する箱ではなく、行動する主体に近づきます。
この変化を「System of Record」から「System of Action」への移行と見ることができます。
日本語で言えば、記録のシステムから、実行のシステムへ。
この変化が進むと、SaaS企業の競争軸も変わります。
画面が使いやすいこと。
入力項目が整理されていること。
ダッシュボードが見やすいこと。
これらは今後も重要です。しかし、それだけでは差別化しにくくなります。より重要になるのは、そのソフトウェアがどこまで業務を完了させられるかです。
人間に入力させるソフトウェアから、仕事を終わらせるAIエージェントへ。
この変化を見落とすと、AI導入は「少し便利な機能追加」で終わります。
汎用AIが埋められない溝は、文脈と責任にある
では、なぜ高性能なAIモデルがあっても、そのまま企業業務に使えないのでしょうか。
理由は大きく2つあります。
一つ目は、文脈です。
企業には、外から見えないルールが大量にあります。返金してよい条件、特別対応してよい顧客、ブランドとして避けるべき表現、過去のクレーム履歴、現場だけが知っている例外処理。これらは、汎用モデルが最初から理解しているものではありません。
二つ目は、責任です。
AIがそれらしい返答をするだけなら、導入のハードルは低いです。しかし、顧客対応では「それらしい」だけでは足りません。間違った案内をすれば、顧客は困ります。ブランドの信用も傷つきます。場合によっては、法務やコンプライアンスの問題にもつながります。
だから企業は、AIに任せる範囲と、人間に戻す範囲を設計しなければなりません。
どこまで自動で判断させるのか。
どの条件なら人間にエスカレーションするのか。
どのシステムにアクセスさせるのか。
どのログを残すのか。
失敗したとき、どう改善するのか。
この設計がないままAIを導入すると、現場はかえって不安になります。
Sierraが重視している「ハーネス」という考え方は、この点で示唆的です。AIモデルそのものではなく、モデルが安全に、文脈に沿って、仕事を実行するための足場を作る。ツール、記憶、行動範囲、計画、ガードレールを含めて、AIを業務に耐える形へ整える。
実務家にとって重要なのは、ここです。
AI活用の差は、モデル選びだけでは決まりません。むしろ、自社の業務プロセスをどれだけ明確にし、AIが実行できる単位に分解し、責任の境界線を設計できるかで決まります。
AI時代の競争力は、プロンプトのうまさだけではなく、業務設計のうまさに移っていきます。
生産性の単位は「人」から「プロセス」へ移る
AIエージェントが本格的に普及すると、組織の見方も変わります。
これまで企業は、人を単位に仕事を設計してきました。
営業担当者がいる。
カスタマーサポート担当者がいる。
マーケティング担当者がいる。
マネージャーが進捗を管理する。
その前提では、AIは「人を助ける道具」として導入されます。メールを書く時間を短くする。議事録をまとめる。問い合わせ文面の下書きを作る。これは確かに便利です。
しかし、AIエージェントの本質は、もう一段先にあります。
人の作業を少し速くするのではなく、プロセスそのものをAIに預けられる形へ変えることです。
たとえば、カスタマーサポートを「担当者の仕事」と見るのではなく、「問い合わせを受け、内容を分類し、顧客情報を確認し、解決策を提示し、必要なら返金や交換を処理し、記録を残す一連のプロセス」と見る。
このプロセスが明確になれば、その一部または大部分をAIエージェントに任せられる可能性が出てきます。
ここで重要なのは、単に人を減らす話ではありません。
人間が担うべき仕事の位置を変える話です。
定型的な問い合わせ対応はAIが担う。複雑な感情対応、例外判断、制度設計、品質改善は人間が担う。そう考えると、AI導入は人間の価値を消すものではなく、人間が向き合うべき仕事を変えるものになります。
ただし、そのためには組織側も変わる必要があります。
部署名や職種名だけで仕事を見るのではなく、業務プロセスを見える化する。AIに任せる範囲、人間が判断する範囲、品質を測る指標を定義する。ここまでやって初めて、AIは「便利ツール」から「実行する仕組み」になります。
日本の実務者が真似できること
ブレット・テイラーやSierraの戦略を、そのまま日本企業や個人が真似する必要はありません。資本力も人材の厚みも、置かれている市場も違います。
それでも、考え方として真似できる部分はあります。
一つ目は、AIを売るのではなく、解決された状態を設計することです。
「AIを導入しましょう」ではなく、「問い合わせの一次解決率を上げましょう」「返金判断のばらつきを減らしましょう」「社内ナレッジを新人でも使える形にしましょう」と言う。顧客が買うのは技術名ではなく、業務上の安心です。
二つ目は、業務の文脈を資産として扱うことです。
社内ルール、FAQ、過去の対応履歴、ベテランの判断基準、顧客からのよくある不満。これらは、AIに食わせるための素材ではなく、会社の競争力そのものです。AI時代には、暗黙知をどれだけ構造化できるかが差になります。
三つ目は、人ではなくプロセスを見ることです。
「この人の作業をAIで時短できないか」だけではなく、「この業務はどんな順番で進み、どこで判断が必要で、どこにリスクがあるのか」を見る。AI導入の出発点は、ツール選定ではなく業務の分解です。
この3つは、明日からでも始められます。
真似してはいけないこと
一方で、真似してはいけない部分もあります。
まず、OpenAIやSierraのようなインフラレイヤーで戦おうとしないことです。
基盤モデルや大規模なAIプラットフォームの競争は、資本、人材、データ、計算資源のすべてが必要です。
多くの企業にとって、そこで勝つよりも、自社の業界や顧客接点に深く入り込む方が現実的です。
次に、「AIが賢くなれば自然に解決する」と考えないことです。
モデル性能は上がり続けます。しかし、現場のルール、例外処理、顧客の感情、責任の所在は、モデル性能だけでは解けません。むしろ、AIが賢くなるほど、どこまで任せるかという設計の重要性は増します。
最後に、AI導入を人員削減の話だけにしないことです。
もちろん、生産性向上は重要です。しかし、削減だけを目的にすると、現場はAIを脅威として受け止めます。大事なのは、人間がやるべき判断や関係構築に時間を戻すことです。その設計なしにAIを入れても、組織の信頼は積み上がりません。
価値は、面倒くさい実装に宿る
AIの進化は、ソフトウェアの価値をなくすものではありません。
むしろ、ソフトウェアの役割を変えます。
記録するものから、実行するものへ。
入力させるものから、仕事を終わらせるものへ。
人の作業を支援するものから、プロセスそのものを担うものへ。
この変化の中で重要になるのは、最先端モデルを追いかけることだけではありません。自社の業務を深く理解し、顧客の不安を見つけ、AIが責任ある形で動けるように設計することです。
それは、決して派手な仕事ではありません。
FAQを整える。
例外処理を洗い出す。
現場の判断基準を言語化する。
人間に戻す条件を決める。
失敗したときの改善ループを作る。
どれも地味です。けれど、その地味さこそが参入障壁になります。
汎用AIがどれだけ進化しても、企業ごとの文脈と責任は消えません。だからこそ、そこに深く入り込み、実行できる形へ変換できる人や組織に価値が残ります。
AI時代に問われるのは、「どのAIを使っているか」だけではありません。
自分たちの仕事を、どこまで実行可能なプロセスとして捉え直せているか。
あなたの組織で、最初にAIへ預けられるプロセスは何でしょうか。
そして、そこに残すべき人間の判断は何でしょうか。
参考にした情報について
この記事は、ブレット・テイラー氏とSierraに関する公開情報、Sierra公式ブログ、OpenAI公式情報、関連ポッドキャストで語られている論点をもとに、AIエージェント時代の実務家向け示唆として再構成しました。