SalesforceのAgentforce担当エグゼクティブバイスプレジデント兼ゼネラルマネジャーのマドハブ・タッタイ氏は、AIエージェントの成功に必要な要素を4つに整理する。

1．コンテキスト

　企業にはPDFや文書、ワークフローなど多様な情報が存在する。これらを単にベクトル化して検索に使うだけでは不十分だ。重要なのは、それらを文脈として解釈し、応答や判断に活用することだ。精度だけでなく「体験の質」を左右する要素でもある。

2．制御

　大規模言語モデル（LLM）は柔軟な反面、指示が複雑になるほど誤動作のリスクが高まる。医療や金融のように99.9％の正確性が求められる領域では、「確率的な振る舞い」をするAIエージェントに全判断を任せることはできない。このため、決定論的な処理とLLMを組み合わせる設計が不可欠になる。

3．可観測性（Observability）

　AIエージェントは構築して終わりではない。むしろ運用段階での改善が中心になる。KPIの達成状況を監視し、エージェントや業務プロセスを継続的に調整する。この「改善前提の運用」ができるかどうかが分岐点になる。

4．オーケストレーション

　AIエージェント同士の連携だけでなく、人間との協働を含めた全体設計が求められる。例えば、Slack上のbotを通じてITや人事、会計システムと連携するような「ハブ」としての役割だ。単一のAIではなく、業務全体をつなぐ存在として設計する必要がある。

なぜ「既存業務の移植」は失敗するのか

　多くの企業が直面するのが、「既存の業務プロセスをそのままAIに置き換える」アプローチの限界だ。タッタイ氏は、明確な目標を持たずに既存業務をコピーするだけのプロジェクトは失敗すると指摘する。

　背景にあるのは、LLMの特性だ。処理の一貫性が担保されない状態では、業務プロセスそのものを変更せざるを得なくなる。その結果、現場の負担が増し、導入が停滞する。

　一方で成功している企業は異なるという。CEOレベルで目的が共有され、「どの成果を出すのか」が明確になっている。その上で、人間とAIエージェントの役割分担を設計し、必要に応じてプロセスを再構築する。この順序が重要になる。

「プロンプト地獄」が示す限界

　もう1つの課題が、プロンプトの「ドゥームループ」（Doom Loop）だ。指示が複雑になるほど、LLMは文脈や状態を維持できなくなり、結果として誤動作や不安定な出力が増える。

　これは、LLMを単なるタスク処理や対話だけでなく、「推論エンジン」として使おうとしたときに顕在化する問題だ。タスク分解や意思決定を任せるほど、指示の複雑性が増し、制御が難しくなる。

　Salesforceはこの問題に対し、決定論と確率論を組み合わせたハイブリッド型の推論アプローチを採用している。これにより、「質問応答にとどまらない」高度な業務処理への適用を狙う。

問われているのは「技術」ではなく「経営判断」

　最終的に問われるのは、AIエージェントの技術ではない。どの成果を出すのかという経営判断だ。

　AIエージェントの導入は、「とりあえず作る」ことでは意味を持たない。顧客体験をどのように変えるのか、競争優位をどう築くのかという視点がなければ、プロジェクトは形骸化する。

　その意味で、AIエージェントの開発や運用はIT施策にとどまらない。業務、組織、顧客接点を横断した再設計を伴う「経営テーマ」である。ここを見誤れば、PoC止まりのまま終わることになる。