大規模な開発組織で、AIエージェントの成果が頭打ちになる理由——鍵を握る「AI協働力」

「Copilot も Claude Code も全社導入したが、成果が頭打ちになっている」——大規模な開発組織の技術責任者から、よく聞く声です。海外の実測でも、AI活用による生産性の伸びは2割前後で止まっています。一方で Uber では、AIエージェントを毎週使う社員が半年で7倍に増えました。使った分だけ払う料金体系では、その伸びがそのまま請求に跳ね返ります。では、より賢いモデルに替えれば解決するのか。

成果の天井を決めていたのは、モデルではなく、AIに渡す文脈（Context）でした。数百のリポジトリと20を超える社内システムに情報が散ったままでは、エージェントは毎回ゼロから探し回って必要な情報を取りこぼし、その探索がそのまま請求書に載ります。Uber の比較では、同じモデル・同じ質問でも、社内の情報をまとめたグラフにつないだエージェントは短時間で正解し、つながないほうは長く迷って誤答しました。渡し方を変えただけで、問い合わせ1回あたりのコストが大きく下がった計測もあります。ただ、最初に手をつけるべきは、文書づくりでもツールの連携でもありません。

本ウェビナーでは、Meta・Uber などの海外企業が何を整備したのかを読み解き、自社で再現するための5つのステップと、最初の進め方をお話しします。AIが働きやすい環境を整える力は、「AI協働力」の一領域でもあります。どこから手をつければ成果が伸び、全体のコストが下がり始めるのかを、ハイヤールー代表取締役の葛岡が解説します。