この記事は、2026/07/20に公開された「Enterprise AI Needs Decision Logic: Here's Why with Darlene Newman」の翻訳です。
生成 AI は組織の働き方を変えていますが、モデルのデプロイは始まりにすぎません。 企業が実験段階から実行段階へと移行する中で、ビジネスの実際の運営方法に沿って一貫した意思決定を行う AI が必要です。
The AI Forecast の新しいエピソード「意思決定ロジック:エンタープライズ AI に欠けているレイヤー」では、Duczer East のイノベーションリードである Darlene Newman 氏がホストの Paul Muller 氏と共に、エンタープライズ AI に信頼できる成果を求めるにはデータやプロンプト以上のものが必要である理由を説明します。AI とデジタル変換の取り組みを主導してきた経験を踏まえ、Newman 氏は、従業員が日々活用している意思決定に関する知識を組織が捉え、AI が利用できるようにする必要がある理由を説明します。
続きを読むことで、意思決定ロジックがエンタープライズ AI の基盤となる構成要素になる可能性がある理由をご確認いただけます。
Paul:意思決定ロジックについて話しましょう。 そのテーマを初めて見たとき、分かったふりをしてうなずきたくなるような感覚を覚えました。 少し見ただけでも、意思決定ロジックが専門分野として何を意味するのか、まったく分かっていないことに気づきました。 そこで、少し助けていただけますか。 それは何で、なぜ気にする必要があるのでしょうか?
ダーレン:LLMは優れた出力を生成しますが、インターネット上で学習したテキストのパターンを照合しているにすぎません。 真の知能ではありませんが、日々の働き方を変えるでしょう。 理解して意味を把握できるようにするには、理解を助ける必要があります。
私は契約管理に多くの時間を費やしてきましたが、これは LLM にとって非常に優れたユースケースだと思います。 ある契約に自動更新条項が含まれているかどうかを尋ねる場合、「may renew」、「shall renew」、「automatic renewal」、「tacit renewal」といった表現は、すべて同じ意味を持つ可能性があります。 誰かが "This is an auto-renewal contract(これは自動更新契約です)" と言った場合、"How do you know?(なぜそれが分かるのか?)" という疑問が生じます。
それが私の言う意思決定ロジックです。 それは、行動の背後にある理由であり、人々が毎日、直感的に活用している暗黙知です。 その知識を LLM に教える必要があります。 そうしなければ、独自に判断することになり、その判断が正しいとは限りません。
Paul: 意思決定ロジックを使えば、そうした暗黙知の一部を捉えて、特定のユースケース向けにシステムに組み込めるということですね。そうすることで、人が常に介入する必要性を減らせます。 では、組織がその能力を構築するには、どのような人材やスキルが必要なのでしょうか?
Darlene:情報を整理する人、つまり図書館の司書のような人が必要だと考えています。いつも言っていますが、エージェントを構築するうえで重要なスキルは2つあります。ビジネスプロセスを理解することと、データを理解することです。この2つを組み合わせると、ナレッジデザインを担える人材になります。ナレッジレイヤーを設計する人は、純粋なエンジニアでなくとも構いませんが、データがどのように構造化されており、ビジネスが実際にどのように機能しているかを理解する必要があります。エージェントの実装には技術者も必要ですが、ナレッジの設計においては、ビジネスに関する専門知識とデータへの理解を組み合わせる必要があります。
これを設計する人が純粋に技術的なバックグラウンドを持っている場合、システムにすでに存在するものに基づいて語彙を構築してしまうことがよくあると思います。 人々はこう言うでしょう。「Collibra を導入しています。 すべてのフィールドにデータ定義があり、リネージもマッピングしています」 私の返答は、「それは統制語彙ではありません」というものです。
フィールド定義があるのは素晴らしいことですが、本当に重要なのは、その概念が実際には何を意味するのかということです? 定義だけでは、それをどのように解釈すべきか、AI がどのようにそれを特定すべきかは分かりません。 さらに一歩進める必要があります。 概念や理解が、リレーショナルデータモデルにある内容をそのまま反映するだけになってしまうのは避けたいところです。 それが、セマンティックレイヤーを定義する際に技術的すぎるアプローチを取るリスクです。
Paul:最後に行動への呼びかけで締めくくりましょう。 「意思決定ロジック」という言葉を聞いてもただ頷くだけのような私のような人は、実際にはどう対応すべきなのでしょうか? これは取締役会や経営陣が考えるべきことなのでしょうか?また、AI プロジェクトのどの時点で意思決定ロジックを議論に取り入れるべきでしょうか?
ダーレン:プロジェクトの初期段階、エージェントを設計するときに、意思決定ロジックについて考え始めます。 エージェントを使う場合、最小限の要件で済ませることはもはやできません。どのタスクにもエッジケースが発生する可能性があるため、それらにエージェントが対応するのか、人間に引き継ぐのかを決める必要があります。
まずプロセスフローから始めるよう、いつも人に伝えています。 エージェントを中心にプロセス全体を設計しようとしないでください。 その代わりに、そのプロセスにおける重要なアクティビティを特定してください。 現在行っている作業を整理し、"このフローで行っていることはすべてここにあります。 どれを実行するのが最も適切でしょうか? " その時点で、テストとは何でしょうか? 入力は何ですか? 出力は何で、その出力を得るための判断はどのように行うのですか? そして、その方法を文書化し始めます。
課題は、取締役会がセマンティックレイヤーを容易に理解したり、資金を投じたりする段階にはまだ至っていないことです。 取締役会はデータレイクや API を容易に理解しますが、セマンティックレイヤーはまだ同程度には理解されていません。
一部のクライアントには、その価値を証明する必要がありました。 最初は単一のエージェントから始めましたが、出力の質は低いものでした。 エージェントが参照できる簡単な統制語彙を作成したところ、結果が改善しました。 ルールと定義をさらに追加していく中で、実質的に基本的なセマンティックレイヤーを構築していました。 現在では、ナレッジデザインとオープンスタンダードを通じてこれを正式な形にしていますが、当時は組織から求められていなかったため、舞台裏で構築する必要がありました。 人々は通常、このような考え方をしないため、難しい概念です。ナレッジグラフがどのようなものかは、説明するよりも実際に見せるほうが簡単だと分かりました。
Darlene Newman 氏との対談全編は Spotify、Apple Podcasts、YouTube でお聴きいただけます。
This may have been caused by one of the following: