Box社のHerstein氏が語る、日本企業の人材不足解消に向けたAI活用の新しいアプローチです。従来の「効率化ツール」としてのAIから、業務プロセス全体を管理・実行する「AIエージェント」への転換が進んでいます。
特に、企業データの9割以上を占める非構造化データ(契約書、提案資料、画像など)をAIで構造化し活用することで、知見を持ったナレッジワーカー不足という日本企業の課題に対応。Box社では5つの基盤エージェント(抽出、テキスト作成、Q&A、検索、リサーチ)を提供し、メタデータ付加による自動化を実現しています。
同時に、AI時代に対応した伴走型支援体制を構築し、全社員にAI認定プログラムを義務付けるなど、組織全体のスキルアップも進めています。
深掘り
深掘りを解説
この記事が示す最も重要な転換点は、AIの位置づけが「アシスタント」から「エージェント」へ変化しているという点です。
従来のAIアシスタントは、人間が行う作業の一部を効率化するツールでした。例えば、文章の校正、簡単な質問への回答、データの検索補助などです。しかし、AIエージェントは業務プロセス全体を理解し、複数のタスクを連携させながら自律的に実行します。
Box社が注目する非構造化データの活用も重要なポイントです。企業が保有するデータの9割以上が非構造化データであるにもかかわらず、これまでは活用が困難でした。なぜなら、これらのデータは:
- 保存場所が分散している(各部門のフォルダ、個人のPC、クラウドストレージなど)
- ファイル形式が統一されていない(Word、PDF、Excel、画像、動画など)
- 検索が困難(キーワード検索では文脈を理解できない)
- 分析に適していない(データベースのように構造化されていない)
Box社の5つの基盤エージェントは、この課題に対する包括的なソリューションです。特に「抽出エージェント」は、非構造化データからメタデータを自動抽出し、構造化データのように扱えるようにします。これにより、人間が一つひとつのドキュメントを読み込んでデータベースに入力する作業が不要になります。
さらに注目すべきは、組織の変革です。Box社は単にAIツールを提供するだけでなく、自社の支援チーム(コンサルタント、CSM、サポート)にAI関連スキルを習得させ、全社員にAI認定プログラムの合格を義務付けています。これは、AI時代においては「AIを使う」だけでなく「AIを理解し、適切に導く」スキルが必須になることを示しています。
深掘りを図解
用語解説
AIエージェント
人間の指示を待たずに、目標に向かって自律的に行動し、複数のタスクを連携させて業務プロセス全体を実行するAIシステム。従来のAIアシスタントが「道具」であるのに対し、AIエージェントは「協働するチームメンバー」のような存在。
非構造化データ
データベースのような定型的な構造を持たないデータ。契約書、提案資料、メール、画像、動画、音声ファイルなどが該当。企業データの90%以上を占めるが、検索や分析が困難なため活用されにくい。
構造化データ
データベースやExcelの表のように、行と列で整理された定型的なデータ。検索、集計、分析が容易で、従来のITシステムで扱いやすい。
メタデータ
データに関するデータ。例えば、契約書なら「契約日」「契約先」「契約金額」「有効期限」などの情報。メタデータを付加することで、非構造化データを検索・分析可能にする。
ナレッジワーカー
知識や情報を活用して価値を生み出す労働者。営業、マーケティング、企画、コンサルタント、エンジニアなど、専門知識や経験を武器に働く人材。
抽出エージェント
非構造化データ(文書、画像など)から重要な情報を自動的に抽出し、メタデータとして付加するAIエージェント。人間が手作業で行っていたデータ入力作業を自動化する。
プロンプト
AIに対する指示や質問のこと。適切なプロンプトを書くことで、AIから期待する回答を引き出せる。AI時代の重要スキルの一つ。
カスタマーサクセスマネージャー(CSM)
顧客がサービスを継続的に利用し、成果を出せるように支援する役割。単なるサポート対応ではなく、顧客の成功を伴走しながら実現する。
ルーツ・背景
AIエージェントの概念は、1990年代の「ソフトウェアエージェント」研究にルーツがあります。当時、MITメディアラボなどで、ユーザーの代理として自律的に行動するソフトウェアの研究が行われていました。
しかし、当時の技術では実用化は困難でした。2010年代に入り、機械学習、特に深層学習(ディープラーニング)が急速に発展。2022年のChatGPTの登場により、自然言語でAIと対話できる時代が到来しました。
Box社は2005年創業のクラウドストレージ企業ですが、単なるファイル保管サービスから「コンテンツ管理プラットフォーム」へと進化してきました。2023年頃からAI機能を本格的に統合し始め、生成AIブームの中で「非構造化データ×AI」という独自のポジションを確立しています。
日本企業における人材不足の背景には、少子高齢化による労働人口の減少があります。特に、2025年には団塊世代が後期高齢者(75歳以上)になる「2025年問題」があり、熟練したナレッジワーカーの大量退職が懸念されています。こうした社会課題に対し、AIによる業務自動化・効率化が注目されているのです。
技術の仕組み
技術の仕組みを解説
Box社のAIエージェントシステムは、主に以下の技術要素で構成されています:
1. 自然言語処理(NLP)と大規模言語モデル(LLM)
文書の内容を理解し、質問に答えたり、要約したりする基盤技術。ChatGPTなどと同様の技術を使用。
2. メタデータ抽出の仕組み
抽出エージェントは、契約書などの文書を読み込み、重要な情報(日付、金額、当事者名など)を自動的に識別します。このとき、単純なキーワードマッチングではなく、文脈を理解します。
例えば「契約開始日」という情報を探すとき:
- 「始まる日」「開始する日付」「効力発生日」など表現が異なっても、同じ概念として認識
- 文章の構造や前後の文脈から、どの日付が契約開始日かを判断
- 抽出した情報をメタデータとして文書に紐付け
3. コンセプト理解とコンテキスト学習
AIは単語そのものだけでなく、その「意味」や「概念」を理解します。さらに、企業固有の用語や業務プロセスを学習(コーチング)することで、精度を向上させます。
4. 5つの基盤エージェントの連携
各エージェントは独立して動作しますが、必要に応じて連携します。例えば:
- 検索エージェントで関連文書を探す
- 抽出エージェントでデータを取り出す
- リサーチエージェントで深い分析を行う
- テキスト作成エージェントでレポートを作成
この一連の流れを、人間の指示を待たずに自律的に実行するのが「エージェント」としての特徴です。
技術の仕組みを図解
実務での役立ち方
Box社のAIエージェントは、以下のような実務シーンで具体的な効果を発揮します:
契約管理業務
膨大な契約書から、更新期限が迫っているものを自動抽出し、通知。法務部門の負担を大幅に削減し、契約更新漏れのリスクを低減します。
営業・提案活動
過去の提案資料や成功事例を自動検索し、新しい提案書作成を支援。ベテラン社員の知見を組織全体で活用できるようになります。
カスタマーサポート
顧客からの問い合わせに対し、過去の対応履歴や関連資料を瞬時に検索。対応品質の向上とスピードアップを実現します。
コンプライアンス対応
規制変更や社内ルール改定時に、影響を受ける文書を自動検索・リストアップ。監査対応やリスク管理の効率が劇的に向上します。
プロジェクト管理
プロジェクト関連の議事録、報告書、技術資料などから必要な情報を横断的に抽出。意思決定のスピードと精度が向上します。
人材育成
新入社員や異動者が、社内の膨大な資料から必要な知識を素早く習得。ベテラン社員の退職による知識の喪失を防ぎます。
特に注目すべきは、これらが「5〜10%の効率化」ではなく、業務プロセス全体の変革をもたらす点です。人手不足でも事業成長を実現できる、新しい働き方の基盤となります。
キャリアへの効果
AI時代において、Box社の事例から学べるキャリアへのプラスは以下の通りです:
1. AIを「使う側」から「導く側」へ
単にAIツールを操作するのではなく、適切なプロンプトを書き、AIの出力を評価し、改善する能力が求められます。この「AIコーチング能力」は、あらゆる業界で価値を持つスキルになります。
2. 非構造化データの価値を理解できる
データ活用というと数値データ(売上、アクセス数など)に目が行きがちですが、実際のビジネスでは文書や画像などの非構造化データが重要です。この価値を理解し活用できる人材は希少です。
3. 業務プロセス全体を設計する視点
AIエージェントは部分最適ではなく、業務プロセス全体を変革します。この「全体最適の視点」を持つことで、経営層や管理職として活躍できる素地が養われます。
4. 変化への適応力
Box社の支援チームは、AIの登場により役割が大きく変化しました。この事例が示すように、AI時代は職種そのものが進化します。継続的に学び、スキルアップする姿勢が最大の武器になります。
5. 人間にしかできない価値の追求
AIが定型業務を担うことで、人間は創造性、戦略立案、対人関係など、より高次元の業務に注力できます。この「人間らしい価値」を磨くことが、長期的なキャリアの差別化につながります。
6. グローバルスタンダードへの対応
Box社のようなグローバル企業の事例を学ぶことで、日本企業だけでなく、世界で通用する視点とスキルを身につけられます。
学習ステップ
学習ステップを解説
初心者がBox社の事例から学び、AI時代のビジネスパーソンとして成長するための段階的なステップを提案します:
ステップ1: AI基礎知識の習得(1〜2ヶ月)
まずは生成AI、大規模言語モデル、プロンプトエンジニアリングなどの基本概念を理解します。ChatGPTなどの無料ツールを実際に使い、体感することが重要です。
ステップ2: 自社の非構造化データを棚卸し(1週間)
自分の業務で扱う文書、資料、画像などをリストアップし、どれだけの情報が活用されていないかを可視化します。これにより、AI活用の潜在的価値を実感できます。
ステップ3: 小規模なパイロット実施(1〜3ヶ月)
Box社が推奨するように、まずは小さく始めます。例えば、特定のプロジェクトの文書管理にAIツールを導入し、効果を測定します。完璧を目指さず、まず試すことが重要です。
ステップ4: プロンプトスキルの向上(継続的)
AIとの対話能力(プロンプトの書き方)を磨きます。書籍やオンライン講座で学びながら、実務で試行錯誤を繰り返します。
ステップ5: 業務プロセス全体の見直し(3〜6ヶ月)
部分的な効率化ではなく、業務フロー全体をAIを前提に再設計します。どの作業をAIに任せ、人間はどこに注力すべきかを明確にします。
ステップ6: 組織への展開と文化醸成(6ヶ月〜)
成功事例を社内で共有し、AI活用を組織文化として根付かせます。Box社のようなAI認定プログラムの導入も検討します。
ステップ7: 最新トレンドのキャッチアップ(継続的)
AI技術は急速に進化します。定期的に情報をアップデートし、新しい可能性を探り続けることが成功の鍵です。
学習ステップを図解
あとがき
Box社のHerstein氏が語る「AIは完璧ではないが、これから悪くなることはなく、よくなる一方」という言葉は、AI時代を生きる私たちへの重要なメッセージです。
多くの企業や個人が、AIの「完璧さ」を求めて導入をためらっています。しかし、重要なのは完璧さではなく、まず始めること、そして継続的に改善していくことです。
日本企業が直面する人材不足は、単なる「人数の不足」ではなく、「知見を持ったナレッジワーカーの不足」という質的な課題です。この課題に対し、AIは単なる効率化ツールではなく、業務プロセス全体を変革し、人手不足の中でも事業成長を可能にする戦略的パートナーとなり得ます。
Box社の事例が示すのは、AIツールを導入するだけでなく、組織全体がAIリテラシーを高め、業務のあり方そのものを見直す重要性です。全社員にAI認定プログラムを義務付けるという取り組みは、AIを「一部の専門家のもの」ではなく「全員の基礎スキル」として位置づける姿勢の表れです。
私たちビジネスパーソンにとって、AI時代の成功の鍵は「AIに仕事を奪われる」という恐れではなく、「AIと協働して新しい価値を生み出す」という前向きな姿勢にあります。非構造化データという「宝の山」を活用し、業務プロセス全体を見渡す視点を持ち、継続的に学び続けること。これこそが、AI時代に求められる新しいビジネススキルなのです。
オススメの書籍
この記事の内容をさらに深く理解するためのおすすめを紹介します:
生成AIで世界はこう変わる
生成AIの基礎から実務応用まで、日本のビジネスパーソン向けにわかりやすく解説。ChatGPTなどの具体的な活用法も豊富に紹介されており、AI初心者が最初に読むべき一冊です。
AIエージェント革命 「知能」を雇う時代へ
AIエージェントの技術的な仕組みから、ビジネスでの実装方法まで詳しく解説。本記事で触れた「アシスタントからエージェントへ」の転換を技術的背景とともに理解できます。
DATA is BOSS 収益が上がり続けるデータドリブン経営入門
非構造化データを含むデータ活用の実践手法を、豊富な事例とともに紹介。データを「宝の山」に変えるための具体的なアプローチが学べます。
プログラミング知識ゼロでもわかる プロンプトエンジニアリング入門 第2版
AIとの対話スキル(プロンプトの書き方)を体系的に解説。Box社の支援チームが習得した「プロンプトスキル」を実践的に学べる一冊です。実例が豊富で、すぐに実務で活用できます。
デジタル技術で、新たな価値を生み出す DX人材の教科書
AI時代に求められる人材像とスキルセット、組織変革の進め方を解説。Box社が実施したAI認定プログラムのような、組織全体のスキルアップを推進する際の参考になります。キャリア形成の観点からも示唆に富んでいます。
これらの書籍を通じて、Box社の事例で示された「AI時代の働き方」をより深く、実践的に理解することができます。まずは興味を持った1冊から読み始め、学びを実務に活かしていくことをお勧めします。
Discussion