通付盾AIエージェント信頼システム構築宣言：AIからIAへ、エージェントを制する者は天下を制す

14年間業界に深く携わり、迫り来る潮流を認識し、共に歩むべき時です。本稿は、企業の視点を取り入れ、AI新時代における技術と応用トレンドを探求し、社内では初心を貫き多くの人を導き、社外では鋭い洞察を取り入れ、より良いものを目指すことを目的としています。

技術の分岐点：計算能力、アルゴリズム、データの効率性競争

大規模モデルの急速な進化に伴い、人類は人工超知能（ASI）への道を歩み始めました。ビッグデータ技術の成熟はAIに大量の生産要素を提供し、GPU技術の発展はAIの生産性を解き放ち、アルゴリズムの革新はAIが計算能力とデータのボトルネックを突破することを可能にしました。DeepSeek、GPT o1、Grokなど大規模言語モデルがモデルアルゴリズム、訓練パラメータ、計算能力の積み重ねというスキルツリーにおいて不断に進化を遂げるにつれ、私たちはAI技術開発の岐路に立たされています。それは、計算能力、アルゴリズム、データの効率性競争です。

ムーアの法則を参考にすると、計算能力の発展は最初に効率性の限界に達します。基礎となる大規模モデルは、計算能力の積み重ねに依存する時代は終わりを告げようとしています。これは「計算能力が無効である」という意味ではありません。より多くのパラメータと計算能力は必ずより良いモデル効果を意味しますが、限界効用逓減により、技術開発における計算能力への投資は安定傾向に向かうでしょう。これは、現在のAI大手企業の製品開発の流れからも明らかです。xAI Grokの発表により、計算能力の積み重ねによる効果向上は既に頭打ちを見せており、OpenAIなど他のAI大手企業はAI Agentなどの応用分野を探求し、インテリジェントエージェント製品を発表し始めています。

合成データとプライベートデータは、次の大規模モデル時代のデータ突破口です。私たちはデータが爆発的に増加する情報時代にいますが、ビッグデータ技術とアルゴリズムの突破によるデータ処理効率の飛躍的な向上のおかげで、AI開発はデータ枯渇の問題に直面しています。ChatGPTが発表された当初、Sam Altmanは「私たちは現在の大規模モデル時代の終わりに近づいている」と警告しました。人類インターネットの歴史の中で保存されてきた様々な高品質なデータは、GPT-3/4で既に使い果たされています。大規模モデルのパラメータ数は依然として膨張し続けることができますが、それに対応する数量の高品質データはますます不足しており、そのためパラメータ数の増加による限界効用も徐々に低下していきます。

アルゴリズムはAI発展の「触媒」のようなもので、計算能力とデータの制約を突破し、非線形進化を実現することができます。アルゴリズム分野の突破は、多くの場合LLMの突破を意味します。例えば、Transformerに基づくChatGPT、MoEに基づくDeepSeekなどです。しかし、モデルの複雑さの増加に伴い、アルゴリズムの改善余地は徐々に小さくなっています。一般的に、アルゴリズムの突破には、神経科学から着想を得た深層学習、認知科学から着想を得た注意機構など、より多くの学際的な研究成果の統合が必要になると考えられていますが、将来どれだけの「Transformerモーメント」があるかは、結局のところ予測できません。

通付盾の宣言：基礎となる大規模モデルの発展は、計算能力、アルゴリズム、データの効率性競争において安定傾向にあり、ASIへの堅実な基盤インフラとなります。技術資源は徐々に専門分野のデータ価値抽出とAIインテリジェントエージェントのシナリオ展開に移行します。「応用展開」が次のAI時代発展の主旋律となります。

応用の大爆発：マルチエージェント協調によるAgent時代の到来

AI Agentの発展は、「質問応答ロボット」から「インテリジェントアシスタント」への進化です。Agentの中核は「タスク実行」であり、AIをアドバイスのみに限定せず、具体的なタスクを実行できるようにします。例えば、オンラインで注文したり、取引を実行したりします。単純なタスクから複雑なタスクへの進化には、多くの場合、異なるモデルや異なるインテリジェントエージェント間の協調が必要です。私たちは、この「マルチエージェント協調」の概念をInterAgent（IA）と定義します。これは技術アーキテクチャの革新であり、産業応用パラダイムの再構築でもあります。私たちは、IAがAIが単一知能から集団協調へ、ツール支援から自律実行へと飛躍的な発展を遂げ、Agent時代の全面的な爆発を促進する中心的な原動力になると確信しています。

技術面では、AnthropicのMCPプロトコルにより、異なるデータソース、モデル、ツールを接続することが可能になり、マルチエージェント協調（IA）に標準化されたプロトコルを提供しています。MCP（Model Context Protocol、モデルコンテキストプロトコル）は、アプリケーションとモデル間のコンテキスト情報の交換方法を定義し、Agent開発をより簡単かつ便利にし、マルチエージェント協調をより一貫性があり効率的なものにします。MCPのプロトコルエコシステムはまだ初期段階にありますが、AI Agent信頼システムサービスプロバイダーである通付盾は、そのエコシステム構築にも積極的に参加し、MCPサーバーを展開し、コミュニティ向けにMCP機能プラグインを開発し、マルチエージェント協調エコシステムの拡大に貢献しています。

図1 通付盾MCP AIプラグインサービス

応用面では、Dify、elizaOSなどのAgentフレームワークの成熟に伴い、AI Agentは「インテリジェントアシスタント」としての機能がますます充実しています。Manusの登場は、「汎用インテリジェントエージェント」に関する議論を巻き起こしました。一方、汎用AIアシスタントとして、Manusは、大規模モデルの論理推論能力を実用的な生産力に変換する能力を示しており、商業的可能性は非常に大きいです。他方、いかなる公開テストチャネルも公開されていないことから、Manusの技術革新の真実性、マーケティング戦略、実際の価値創造能力は議論の的にもなっています。特に、「汎用Agent」というコンセプトは、現在のAI技術開発トレンドにおいては、まだ相当の限界があります。

Manusのような汎用的な壮大な物語とは対照的に、DifyなどのAgentアプリケーションプラットフォームは、既に多くの分野で実用的な応用が実現しています。これは、コミュニティ共同構築の力によるものです。汎用的な大規模モデルと比較して、特定の応用シナリオに特化した専用ワークフローの方が生命力があります。この生命力は、商業の本質である「価値創造」に由来します。企業がAI Agentを作成して顧客との接触と販売を行うことを想像してみてください。利益を最大化するために、最高品質のデータと最高の専門家の経験を使用してAgentをトレーニングするでしょう。プライベートデータと業界のノウハウがもたらす情報障壁により、その効果は汎用Agentモデルよりもはるかに優れているでしょう。そして、様々な分野の優れたAgentが集まるAI Agent市場を想像してみてください（市場はAgent作成者に十分なインセンティブを提供します）。Agentは市場化競争を行い、価値創造能力の高いAgentだけが生き残ることができます。優れたAgentはより多くのユーザーを引き付け、より多くのユーザーはより多くのデータを提供し、Agentの進歩を促進し、正の循環を形成します。

図2 通付盾チェーン上AIプラグインプラットフォーム（左）、AI Agentプラグインマーケット（右）

通付盾の宣言：AI応用時代は、インテリジェントエージェント（Agent）を応用の中核とし、マルチエージェント協調（InterAgent、またはIA）を技術の中核とします。インテリジェントエージェントの基盤インフラを構築する企業は莫大な商業的リターンを得ることができ、そのキーワードは「垂直分野」、「コミュニティインセンティブ」、「オープンなプラットフォーム」です。

モデルの未来：小規模モデルが新時代の「チューリングテスト」をリードする

DeepMindの共同創設者であるスレイマンは、彼の著書「The Wave」の中で、新時代のAI「チューリングテスト」を提案しました。それは、AIに10万ドルを与え、アマゾンで学習を通じて取引を行い、最終的に100万ドルを稼ぐことができるかどうかを見るというものです。これは非常に興味深い概念であり、技術的な基準とは別に、ユーザーにとってAI Agentは、その行動能力、つまり価値創造能力がより重要です。商業的な成功は新時代の「チューリングテスト」であり、このテストはAgentのために作られました。技術の発展は多くの場合、ビジネスモデルによって推進されます。私たちは、モデル技術の将来の発展方向も、基礎となる大規模モデルから、専門分野でより効果的で収益性の高い専門分野の小規模モデルへと発展していくと信じています。

技術的な観点から見ると、小規模モデルの技術フレームワークは既に成熟しています。一般的な認識とは異なり、小規模モデルの技術的起源は、大規模言語モデルよりもはるかに古く、その原型は20世紀60年代の専門家システムにまで遡ることができます。その中心的な考え方は、知識ベースと推論メカニズムを通じて人間の専門家の意思決定能力を模倣することです。2010年前後に注目を集めたMoEフレームワーク（DeepSeekのアルゴリズム革新にも直接影響を与えました）も専門家モデルの基本フレームワークであり、動的ルーティングメカニズムにより入力を異なるサブモデル（専門家）に割り当てることで、性能を維持しながら計算量を削減し、小規模モデルのモジュール化設計の基礎を築きました。大規模モデルの成熟も、知識蒸留、モデル剪定などの技術を通じて小規模モデルの品質向上に貢献しており、性能を維持しながら規模を大幅に縮小することができます。

ビジネスモデルの観点から見ると、小規模モデルのビジネス基盤は既に整っています。小規模モデルは効率性が優れており、推論コストは大規模モデルの数分の1に過ぎませんが、専門家知識ベースと組み合わせることで、大規模モデルよりもはるかに優れたパフォーマンスを実現することができます。データサイロは、データに高い商業的価値と競争力を与え、小規模モデルの商業化アプリケーションが成熟するにつれて、高価値データは真のデータ要素化を実現し、企業の発展に新しいビジネスモデルと収益機会を提供します。

特筆すべきは、分散型デジタルアイデンティティと小規模モデル技術の組み合わせが、デジタル空間内で高価値なビジネスモデルを生み出すことができるということです。小規模モデルを通じて、各分野のプライベートデータは商業的価値を最大限に発揮することができ、モデルのデジタルアイデンティティはデータ要素の権利確定の鍵となります。現在の分散型デジタルアイデンティティ技術は既にかなり成熟しており、各小規模モデル、各AI Agentにデジタル空間における信頼できるアイデンティティ、さらにはアカウントシステムを持たせる方法が、AI Agentの商業的応用における新たな探求の重要な課題です。

特定の分野では、小規模モデルは比類のない競争優位性を持っています。例えば、エネルギー、軍事、医療などデータの機密性の高い業界では、データのローカル処理やエンドポイント推論の実現が必要であり、これは大規模モデルでは実現できません。送電事業を例にとると、AI Agentと専門分野の小規模モデルを組み合わせることで、業務リスク管理シナリオにおいて、よりスマートで人間的なリスク管理介入を実現できます。マーケティングシナリオでは、市場のリードの自動収集、イベント運営、精密マーケティングによる顧客獲得を実現できます。分散型太陽光発電、エンドポイント機器管理などのシナリオでは、ディスパッチ効率の大幅な向上と運用コストの削減を実現できます。また、金融リスク管理、法律、教育訓練などの業界では、専門家の経験は貴重で機密性が高いため、ローカル知識ベースとカスタムワークフローを組み合わせることで、この情報をユーザーが逆方向に取得することを効果的に防止できます。

図3 通付盾送電事業安全マルチAI Agent協調マトリックス

図4 通付盾銀行業AI Agentインテリジェントリスク管理プラットフォーム

通付盾の宣言：商業的な成功は新時代の「チューリングテスト」であり、小規模モデルはAI Agentが新時代の「チューリングテスト」を突破するための最適な道です。分散型ビジネスと分散型インテリジェンスは、小規模モデルの発展によって大きく発展します。