Blog · AI最前線

どのAIも十分に賢くなったとき、プロダクトには何が残るのか？ | CEO Insights

GPT-6、Claude、Gemini、Grokがいずれも十分に賢くなったとき、AIプロダクトの差別化要因として何が残るのでしょうか。ModelからContext、Action、Trustへ。OakMega CEOのPorsche Tsaiが、次の主戦場を読み解きます。

Porsche TsaiCEO2026-09-10

マクドナルドが教えてくれたこと
今回の発表ラッシュは、すべて同じことを語っている
堀は移動している：ModelからContextへ
信頼は、プロダクト設計の課題になりつつある
「最強のモデル」は、そもそも答えではないかもしれない
OakMega：Context、Action、Trustをひとつの場所で
FAQ

‍

紫の背景の中央で光るノードのネットワークが、幾重もの同心円の軌道とつながり、AIとそれを取り巻くコンテキストが絡み合う様子を表したイメージ。知能がひとつの核から、コンテキストとアクションのネットワーク全体へと広がっていく。モデルは出発点にすぎず、本当の競争はその周りに育っていくものすべてにあります。

マクドナルドが教えてくれたこと

2021年から、マクドナルドはIBMと組み、米国の100店舗以上で「AI音声注文」によるドライブスルーシステムを試験導入しました。描いていた構想は魅力的なものでした。顧客はもうスピーカーに向かって何度も注文を叫ぶ必要がなくなり、AIが聞き取り、注文を入れ、会計まで済ませてくれる。全米への展開も視野に入れていました。

しかし間もなく、失敗動画がSNSで拡散され始めます。AIは顧客の言葉を聞き間違え、ひとつの注文にチキンナゲットを260個も積み上げ、アイスクリームにベーコンやバターを載せ、顧客がいくら訂正しても通じませんでした（最も広く拡散された動画のひとつでは、顧客がスピーカーに向かって叫ぶ一方で、AIは甘いアイスティー9杯、ベーコン入りのキャラメルサンデー、さらに約222ドル分のナゲットを明るく読み上げています。彼女はそのどれも注文していませんでした）。これらの動画がTikTokやTwitterで拡散された後、マクドナルドは2024年6月にこの試験の終了を発表しました（CNBC）。100店舗以上の試験店に設置された機器は同年7月末までにすべて撤去され、注文受付は人の手に戻りました（Al Jazeera）。

このニュースを読んだとき、私が感じたのは「AIは使えない」ということではありませんでした。むしろ、これはもっと根本的なことを示しています。どれほど知能が高くても、それだけで大規模に行動を任せられるほど信頼できるわけではない、ということです。音声認識がいくら優れていても、十分なコンテキスト（周囲の騒音、顧客が本当に望んでいること、いつ人に引き継ぐべきか）がなく、顧客がいつでも止めたり訂正したりできる仕組みもなければ、どれほど賢いシステムでも、撮影されてネット中に拡散される大失敗になりかねません。

そしてこの問いは、ここ数週間、主要AI各社の発表会をひととおり見終えた後、私の頭から離れない問いでもあります。モデルの能力が急速に横並びになっていく中で、AIプロダクトを差別化するものとして、いったい何が残るのでしょうか。

先に結論を一言で：GPT、Claude、Gemini、Grokの知能が急速に横並びになる中、AIプロダクトの差別化は「モデルがどれだけ賢いか」から、3つの要素へと移りつつあります。AIが持つContext、与えられるActionの権限、そしてユーザーが委ねてくれるTrustです。モデルはこれからもコモディティ化し続けますが、この3つの層はそうはなりません。

今回の発表ラッシュは、すべて同じことを語っている

ここ4〜6週間で、ほぼすべての大手が同じ方向へ動きました。OpenAIのGPT-6 Astraが打ち出しているのは「会話がうまくなった」ことではありません。目玉はComputer Use、Browser Use、そして文書、スプレッドシート、スライドといった完成した成果物を直接つくり上げる能力です。しかも要件が変われば、一からやり直すのではなく成果物を磨き続けます。SpaceXAIはさらに直接的で、Grok Botを「企業のためのAIチームメイト」と位置づけています。各Botは専用のクラウドコンピューターを持ち、Webサイトやアプリを自ら操作し、ユーザーがログアウトした後もバックグラウンドで作業を続けます。MetaのMuseはよりパーソナルな方向に進んでいます。質問を待つのではなく、ユーザーのコンテキストを継続的に学習し、目標の達成を自ら後押ししてくれます。同時期にAnthropicが発表したClaude Fable 5.1とMythos 5.1も、コーディング、ナレッジワーク、科学研究といった、長時間にわたる多段階の作業に重点を置いています。

これらの発表を並べてみると、偶然ではないことがわかります。業界全体のコンセンサスが転換しているのです。2026年、競争の焦点は「Intelligence」から「Execution」へと移りました。 かつて私たちが気にしていたのは、モデルが賢く答えられるかどうかでした。いま誰もが気にしているのは、ひとまとまりの仕事を本当に最後までやり遂げられるかどうかです。

しかし、各社がそろって「より多くの仕事をこなす」方向へ突き進んでいるからこそ、より鋭い問いが浮かび上がります。GPT、Claude、Gemini、Grokがいずれもワークフロー全体をこなせるほど賢いのなら、ユーザーがそのうち特定のひとつを選ばなければならない理由は何でしょうか。

堀は移動している：ModelからContextへ

その答えは、ひとつの考え方に収束しつつあります。「いま目の前にある仕事」を誰が最もよく理解しているか、です。

SalesforceとAnthropicが8月末に発表したClaudeforceは、私がこれまでに見た中で最もわかりやすい実例です。その本質は、新たなモデルの発表ではまったくありません。ClaudeをSalesforce自身のリアルタイムの売上データ、ワークフロー、ビジネスロジック、ガバナンスルールに接続するものです。第一弾となる「Salesforce in Claude」には37の営業スキルが搭載されており、Claudeは稼働中のパイプラインデータをもとに直接推論し、商談ステータスを更新し、ガバナンスの下でアクションを実行できます。これらのスキルの価値は、背後でどの会社のモデルを使っているかにあるのではありません。同程度の知能を持つモデルに差し替えても、結果はさほど変わらないでしょう。本当に価値があるのは、Salesforceが握っている「この企業の顧客関係が実際にどうなっているのか」というデータとルールです。

これは、私がますます確信を深めているある公式を裏づけています。

Better AI ≠ Better Model Better AI Product = Model × Context × Tools × Memory

ここでいうContextとは、AI Agentがその企業固有の顧客関係、ビジネスロジック、ガバナンスルールを理解するためのデータとルールの層を指します。モデルそのものではなく、モデルの外側にあって、Agentに「どう行動すべきか」を伝える層です。

モデルの知能は、私たちが考えているよりも速くコモディティ化するかもしれません。2026年の複数のビジネス分析が同じ点を指摘しています。モデル自体は急速に「どこが作っても大差ない」ものになりつつあり、本当に蓄積されていく優位性、つまりモデルがアップグレードされるたびに消えてしまわない優位性は、「コネクター、評価ハーネス、エージェントオーケストレーション、ガードレール」にある、と。平たく言えば、それはContextと、そのContextがどうガバナンスされているかということです。これは、私たちがずっとファーストパーティデータについて語ってきたことの言い換えにすぎません。AI時代における顧客データの価値は「分析できること」ではなく、「Agentがどう行動すべきかを理解できるようにすること」にあるのです。

これはシリコンバレーに限った話でもありません。台湾発のAI AgentプラットフォームであるMaiAgentは、VivaTech 2026でほぼ同じ主張をしています。企業に必要なのは、またひとつ孤立したAIツールを増やすことではなく、チームが適切な権限の下で適切なデータを安全に使えるようにする「ガバナンスの効いたAI Core（governed AI Core）」だ、というものです。本稿の主張を別の言葉で表したものと言えます。

紫色のデータの流れが中央で光る球体に集まり、リング状の境界に囲まれている様子。本文で述べたガバナンスの効いたAI Coreを表したイメージ。堀は中央で光る球体から、その周りを囲むより広い琥珀色のリングへと移っていきます。堀が消えたわけではなく、モデルの手が届かない場所へ移っただけです。

信頼は、プロダクト設計の課題になりつつある

Agentが実際に仕事をこなせるようになると、問題の性質はがらりと変わります。これまでAIが間違えても、ひとつの回答を誤るだけでした。しかしAgentが間違えれば、誤ったメールを送り、誤ったCRMレコードを書き換え、誤った品物を注文し、ワークフロー全体を誤って実行してしまいます。

だからこそ、PermissionとGovernanceが「事後に確認するコンプライアンスのチェックリスト」から、独立したプロダクトの層へと移りつつあるのです。Meta Museはそのわかりやすい例です。Museは「実行」と「承認」を、システムレベルで分離された2つのエージェントに意図的に分けています。Muse本体は計画と提案を担いますが、Sentinelという別のエージェントの承認がなければ、ネットワーク上のアクションもコネクターの操作も一切実行できません。機微なステップは必ずユーザーの確認に戻され、ユーザーは完全な監査証跡を確認できます。GPT-6 Astraも同様の道を歩んでいます。そのサイバーセキュリティ能力がOpenAI自身の安全性フレームワークで初めて「Critical」レベルに達したことから、OpenAIはむしろ挙動の監視を強化しました。Astraが指示を誤解した可能性があるとシステムが判断した場合、作業を一時停止し、ユーザーの確認を待ってから再開します。

ここで並べておきたい数字があります。すでに60%を超える企業がAIエージェントを試験的に導入していますが、何らかの職能で大規模に展開しているのは20〜30%にとどまります。さらに示唆的なのは、自社のエージェントを効果的にガバナンスできると考えているITリーダーが、わずか10%強しかいないことです。このギャップは技術力の差ではありません。信頼の仕組みの差なのです。

これからのプロダクトのインターフェースは、おそらく「AIを許可する／許可しない」という二者択一ではなくなるでしょう。より細かな権限がずらりと並ぶ形になるはずです。

読み取り ✓
分析 ✓
下書き作成 ✓
CRMの更新 ✓
外部への送信 → 確認を求める
支出 → 確認を求める
データの削除 ✕

つまり、Agent時代のTrustは、もはやブランドへの信頼だけの問題ではありません。プロダクトのアーキテクチャそのものに組み込まなければならないものなのです。

「最強のモデル」は、そもそも答えではないかもしれない

同じ週にGoogleが発表したGemini 3.8 Flashは、別の角度から私に気づきを与えてくれました。その位置づけは「最も賢いモデルをつくった」ではありません。低コストかつ高性能な「働き者」として打ち出されており、価格は入力100万トークンあたり0.75ドル、出力100万トークンあたり3.75ドルです。Googleは、毎回アップグレードするのではなく、一部のワークロードは旧モデルのままにしておくことを公に推奨してさえいます。

これはAgentにとって特に重要です。チャットボットなら一度の推論で終わるかもしれませんが、Agentがひとつの仕事を片づけるには、推論し、検索し、また推論し、読み込み、また推論し、ツールを使い、確認し、やり直し、成果物をつくり、検証する、という具合に、数十回、時には数百回もの推論を重ねることがよくあります。そうなると、問題はもはや「どのモデルが一番賢いか」ではなく、「このステップにおいて、十分な信頼性を保ちつつ最も安いモデルはどれか」になります。Perplexityが最近披露したローカルとクラウドのハイブリッド推論も同じ論理です。機微なデータはデバイス上にとどめ、本当により高い能力が必要なときだけクラウドに引き上げるのです。

ですから私は、プロダクトの中核となる競争力は、「どの会社のモデルを使っているか」から「タスクごとに適切な知能をどう選ぶか」へと徐々に移っていると考えています。それがModel Orchestrationです。簡単に言えば、すべてのステップを同じ「最強モデル」に投げるのではなく、タスクの性質に応じて、最も適していて最もコストパフォーマンスの高いモデルの組み合わせを動的に選ぶということです。そしてこれは、先ほど述べたContextやTrustと同じことの別の側面にすぎません。まず仕事と企業のルールを理解していなければ、どのタスクにどのモデルが必要で、どのアクションにどの権限が必要かを判断することはできないのです。

OakMegaに立ち返る：Context、Action、Trustをひとつの場所で

ここ数週間の動きを見てきて、OakMegaがこれから進む道について、私はむしろ確信を強めています。

ひとつ目は、Social CRMの役割です。私たちは「顧客関係を理解し、育てていく」ことをプロダクト化しました。一定の規模に達し、データ構造が比較的標準化されているブランド企業であれば、Social CRMを通じてこのContext Layerの能力を直接手に入れることができます。これがスケールへの道筋です。これまでのSocial CRMは「顧客関係を管理するためのツール」でしたが、これからは「AIが顧客関係を理解し、育てていけるようにするContext Layer」に近いものになります。

ふたつ目は、FDE (Forward Deployed Engineering) の役割です。現実には、データ構造、ビジネスロジック、権限ルールは企業ごとにすべて異なり、あらゆる状況にそのまま当てはまる既製品はありません。だからこそFDEが存在するのです。企業が必要としているのが「機能を買うこと」ではなく、「自社固有の顧客関係のロジックを、Agentが安全に実行できるシステムとして形にすること」である場合、私たちのエンジニアが顧客のデータとプロセスの中に入り込み、Context、Action、Trustという3つの層のルールを一社ずつ構築していきます。そしてFDEプロジェクトで検証されたパターンは、最終的にSocial CRMのプロダクトへとフィードバックされ、次の顧客企業が直接その恩恵を受けられるようになります。

すでに標準化されたニーズを持つ段階であれ、まだカスタマイズした導入が必要な段階であれ、企業がどのステージにあっても、OakMegaが提供しているのは同じものの2つの形だと私は考えています。AIに顧客関係を本当の意味で理解させ、安心してその運営を任せられるようにすることです。

SalesforceのClaudeforceは、ひとつのことをはっきりと示しました。AIモデルそのものはCRMの堀ではありません。CRMの中にある顧客コンテキスト、ビジネスロジック、権限、そしてアクションこそが堀なのです。モデルの知能がコモディティ化し続ける中で、これこそOakMegaが今後最も力を注いで築いていくものだと私は信じています。Social CRMを通じてスケールさせる形であれ、FDEを通じて一社ずつカスタマイズする形であれ。

FAQ

Q1：モデルがコモディティ化するというのは、本当にコンセンサスになっているのですか？

業界の論評は、かなり一貫した方向を示しています。モデルが「ますますコモディティのようになっている」という議論も含め、多くの見方では、モデルの知能そのものの差は縮まりつつあり、持続的な優位性はコネクター、データ、ガバナンスルールといった「モデルの周辺」にある資産へと移っているとされています。ただし、これはトレンドの読みであって確定した結論ではないため、引き続き注視する価値があります。

Q2：企業がAI Agentを導入する際、現在どこでつまずくことが多いのですか？

これまでの業界の観察によれば、多くの企業がつまずいているのは「モデルが十分に賢くない」からではありません。ガバナンスと信頼の仕組みでつまずいているのです。Agentにどこまで権限を与えるべきか、問題が起きたときに誰が責任を負うのか、Agentが何をしたかをどう追跡するのかがわからない、という状態です。だからこそ、Permission/Governanceはそれ自体がプロダクト設計の課題になりつつあるのです。

Q3：OakMegaのSocial CRMとFDEサービスは、どのように選べばよいですか？

簡単に言えば、データ構造やプロセスがすでに比較的標準化されている企業であれば、Social CRMでContext Layerの能力を直接提供できます。固有のビジネスロジック、システム連携、ガバナンスルールがあり、カスタマイズした導入が必要な企業であれば、FDEから始めるのがより適しています。まずFDEで検証し、その後段階的にSocial CRMを導入していくことも可能です。

Q4：Context Layerとは何ですか？

Context Layerとは、AI Agentがその企業固有の顧客関係、ビジネスロジック、ガバナンスルールを理解するためのデータとルールの層です。モデルそのものではなく、モデルの外側にあって、Agentに「どう行動すべきか」を伝える層であり、本稿が次の堀があると主張しているのはまさにこの場所です。

References