Transcript
00:00:00もしあなたがAIの使い方を知っているなら、今あなたの目の前には巨大なチャンスが広がっています。
00:00:04興味深いことに、企業が最も必要としている役割の一つであるにもかかわらず、
00:00:09それをこなせる人材がほとんど見つかりません。そのチャンスとなる役割が「フォワード・デプロイド・エンジニア（FDE）」です。
00:00:14仕事の習得が難しいわけではなく、そもそも世間にこの役割が存在することを知られていないのです。
00:00:19ここ1ヶ月ほどの間に、この役割は非常に重要視されるようになりました。
00:00:24OpenAI、Anthropic、Cursorでこうしたチームを率いる責任者たちが次々と登壇し、講演を行っています。
00:00:29彼らが実際のビジネスの現場で展開している実際のプロジェクトについて語るため、通常このような話を聞く機会はありません。
00:00:33そこで私たちはそのすべてを検証し、今すぐ実際に活用できる部分を抽出しました。
00:00:38当チャンネルを初めてご覧の方、ようこそ。私たちはソフトウェア企業であり、ここはAIラボです。
00:00:43自社チームの実証済みの手法を用いて、AIでビジネスを最適化する方法をご紹介しています。
00:00:48この動画では、FDEとは何か、大手企業が実際にどのようにこの作業を行っているのか、そしてあなた自身がどう始められるのかを解説します。
00:00:53しかし、何事も進める前に、まずはFDEの実際の定義から始めましょう。
00:00:58フォワード・デプロイド・エンジニア、略してFDEとは、企業の実際のAI活用を実現することを文字通り全職務とする人物です。
00:01:03それは単に行って助言をしたり、何らかの戦略文書を渡したりすることを意味するものではありません。
00:01:09企業がすでに使用しているシステムの中にAIを稼働させ、従業員が手作業で行っていた業務を、代わりにAIが実行できるようにすることを意味します。
00:01:14どのようなプロセスであれ、業務には3つの要素のいずれかが関わっています。人間がタスクを行うか、
00:01:20厳格に設定されたルールに従ってソフトウェアがタスクを行うか、あるいはAIが行うかです。
00:01:25FDEとは、プロセスのどの部分をその3つのうちどれに担当させるべきかを実際に知っている人物です。
00:01:30例えば、ある企業が返金リクエストにエージェントを導入しました。理屈の上では機能していました。
00:01:36各リクエストを読み込み、返金ポリシーに照らし合わせて確認し、条件を満たさないものを拒否しました。
00:01:41しかし導入から数週間後、企業は何年も付き合いのあった顧客を失い始め、誰もその理由を突き止められませんでした。
00:01:46エージェントが拒否した返金はすべて、ポリシーで拒否するよう定められているものだったからです。
00:01:52そこでFDEが以前その仕事をしていた担当者のもとへ赴いたところ、文書化されていない独自の手順があることが判明しました。
00:01:57注文の支払方法を確認し、もし法人のカードで購入されたものであれば、
00:02:02それ以上読み進めることなくそのまま承認していたのです。なぜなら、それらは毎月購入してくれる企業であり、
00:02:061件の返金で揉めるとアカウントごと失うことになるからです。ポリシーにはそのことについて一切書かれておらず、
00:02:11彼らは何年も前に自分たちで編み出していたのです。そのため、その確認作業はモデルの判断に先立つ固定ルールとして、
00:02:16ワークフローに組み込まれました。さて、現場の人々と仕事をする際には問題があります。
00:02:22そのほとんどは、自分が必要としているものを正確に伝えることができません。
00:02:26彼らが実際に抱えている問題ではなく、すでに頭の中で想像してしまったものを説明してしまいます。
00:02:31それこそが、企業にAIを導入する際の最大の課題です。理由はこうです。実際に作業を行う人々は、
00:02:36単に仕事を完了させたいだけなのです。出力が可能な限り簡単に出てくることだけを望んでおり、
00:02:41プロセス自体を見つめ直したりはしません。そのため、彼らが受け入れてくれるようなものを構築するのは非常に困難です。
00:02:46そして、それこそがまさに現在ほとんどの企業が置かれている状況です。AIの人気が高まって以来、
00:02:51本当に必要かどうかも分からないまま、あらゆるものにAIを組み込んできました。
00:02:55そのため、こうした状況を実際に整理できる人材が急遽求められているのです。この役割の求人募集は1年間で729%増加しました。
00:03:02AWSはフォワード・デプロイド・エンジニアの専門部署を立ち上げるために10億ドルを投じ、
00:03:08OpenAI自社のFDEチームは1月の2人から39人に急増しました。これらすべてが非常に急速に起きました。
00:03:13なぜなら、3年前にはFDEを必要とする人は基本的に誰もいなかったのに、今やYコンビネータだけでも
00:03:19その役割で採用を行っているスタートアップが100社以上あるからです。今日の最大手スタートアップの多くがそこから生まれました。
00:03:24コリン・ジャーヴィスはOpenAIでフォワード・デプロイド・チームを率いており、
00:03:29FDEの人材が世の中に圧倒的に不足していると述べています。そのため、人材よりも先に需要が急増したのです。
00:03:34この役割についてさらに深く掘り下げる前に、チャンネル登録と高評価ボタンを押していただけると幸いです。
00:03:40このささやかなサポートが私たちにとって大きな力となります。このように需要はあるものの、
00:03:45なぜFDEが独立した職種でなければならないのかについては、まだ説明がついていません。ツール自体が難しいわけではないからです。
00:03:51誰でも登録でき、ほとんどの企業がすでに利用しています。昨年、MITはまさにこの件に関する調査を実施しました。
00:03:56300のAIプロジェクトを調査し、それらを実行した企業内の数百人にアンケートを行ったところ、
00:04:03プロジェクトの95%が測定可能なリターンを一切生まなかったことが判明しました。そしてMIT自身の結論として、
00:04:08モデルではなく企業自身が失敗を引き起こしていると指摘しました。成果が出なかった企業は、
00:04:13デモでは見栄えが良いものの、実際の業務に適用した瞬間に破綻する汎用ツールを使用しており、
00:04:18そのツールの周囲に構築されたもので自社の実際の業務運営方法を学習できたものは一つもありませんでした。バスマン・モザは
00:04:24この種の仕事を専門としています。彼はメタのエンジニアを経て、現在は大企業の中にAIを導入する企業を率いています。
00:04:30実質的にFDEであるため、彼は多くのプロジェクトが失敗していく様子を間近で目撃してきました。
00:04:36そして彼は、誰も最初にプロセスを精査しないため、壊れたプロセスの上にAIが単に貼り付けられているのだと述べています。
00:04:41彼が話を聞いたある幹部は、本来1年間もつはずの1000万ドルの予算を3ヶ月で使い果たしてしまいました。
00:04:46その企業はツールを全員に配り、あとは各自に任せただけでした。そのため、従業員は思い思いに動いてしまい、
00:04:51お金は消えたものの、既存の業務の効率は全く向上しませんでした。このような作業が誰かの専任の仕事でなければならない理由は、
00:04:56社内の誰もそれをやろうとしないからです。エンジニアにはこなすべき自身の仕事があり、
00:05:00プロセスを運営している人々はそのやり方を長年続けているため、そこにある暫定的な回避策が
00:05:05彼らにとっては完全に当たり前のものに見えているのです。パランティアはそうした回避策の一つに丸1年を費やしました。
00:05:10新しいファイル形式への移行が滞っていました。あるエンジニアが新しい形式は劣っていると言い張り、
00:05:15誰も理由を突き止められなかったためです。実際に彼女の作業を誰かが観察したところ判明しました。
00:05:20彼女はファイルをダブルクリックして開くことでデータを確認していましたが、新しい形式にはダブルクリックできるものが何もなく、
00:05:26チームがその日のうちに同じ方法で新しいファイルを開ける仕組みを作ったところ、彼女は2日後に移行を承認しました。
00:05:31だからこそ、何かを構築する前に、そうしたすべての課題を解明することを専門とする人物を置く価値があるのです。
00:05:36さもなければ、すべてのコストと労力が無駄になってしまいます。AnthropicやOpenAIといった多く大手企業は最近、
00:05:42この全プロセスを内部でどのように処理しているかについて講演を行っています。
00:05:47私たちはそれらの講演の中から最良のものをまとめ、分析した結果、
00:05:52どのワークフローにおいても同じパターンが繰り返し現れていることが分かりました。最初のステップは、
00:05:57ビジネスに実際にコストをもたらしているプロセスを選択することです。AIにおいてそれは基本的に量を意味します。
00:06:021日に50回も同じ種類のメッセージを処理している人物を探すことになります。1通のメッセージを自動化しても誰も得をしませんが、
00:06:08週に1000回送信する必要があるメッセージを自動化することこそが、ビジネスの生産性を高め、利益を増やすポイントです。
00:06:13そして、その仕事は現在では容易に見つけられます。企業はサポート履歴の中に過去のすべてのデータをすでに持っているからです。
00:06:19それをモデルに渡せば、どこにボリュームがあるかを教えてくれます。OpenAIのチームは、
00:06:24世界最大手の銀行の一つでまさにそれを実行しました。何千人ものアドバイザーが毎日行っている一つの仕事に狙いを定め、
00:06:29最終的に約98%のアドバイザーが彼らの構築したものを利用するようになりました。第2のステップは、
00:06:35企業がすでに稼働させているシステムの上に構築することです。AIにおいては、これは以前よりもはるかに重要です。
00:06:40なぜならエージェントの価値は、それがどこにアクセスできるかで決まるからです。もしチームがすでにすべての作業をNotionで管理しているなら、
00:06:45エージェントが読みやすくするためだけに別のシステムを構築してすべてを移行させるようなことはしません。
00:06:50MCPを使ってエージェントをNotionに接続し、全員がこれまで通りの方法で仕事を続けられるようにします。
00:06:56多くのシステムはそのように機能します。多大な時間と資金を投じてきたシステムを放棄したくないからです。
00:07:00モザのクライアントの1社は、財務システムへ移行するために500万ドルと5年を費やしていたため、
00:07:05そのシステムから離脱させることは絶対に不可能でした。すべての仕事は、その企業内の他のすべてをそのシステムと連携させることでした。
00:07:10第3のステップは、人々の作業方法を必要以上に変えないことです。
00:07:16誰かが長年にわたり11ステップのプロセスを実行してきた場合、1ステップ版を渡しても彼らは使用をやめてしまいます。
00:07:21彼らは進めながら作業を確認していたのに、中間部分が消え、突然現れた答えを信用するよう求められるからです。
00:07:26そのため、モザは、プロセスが人々に見慣れたものであるように残す必要があると述べています。
00:07:31各ステップの内部でエージェントに作業をさせますが、ステップ自体は残すことで、
00:07:35人々は目に見えるものを維持でき、答えが正しいことを確認できるようにするのです。
00:07:40そして最後のステップは、構築よりも信頼のために圧倒的に多くの時間を予算に組み込むことです。
00:07:45前述の銀行では、技術的な側面は6〜8週間で完了し、
00:07:50アドバイザーが実際にそれに頼るようになるまでに、さらに4ヶ月のパイロット運用とテストを要しました。
00:07:55過去1年間と同じ方法で毎日業務を行っている場合、そのプロセスへのいかなる変更も、
00:08:00それが5,000人規模であれ5人規模であれ、自らその正当性を勝ち取らなければならないからです。
00:08:05先に進む前に、ソフトウェアエンジニアのためのタレントエージェントであるスポンサー「デックスAI」から一言ご紹介します。
00:08:10あなたにはチャンスが不足しているのではなく、正しいチャンスが不足しているのです。最高の求人は決して公開されず、
00:08:15ネットワーク内にいる人のもとに渡ります。デックスはそれを解決します。求人ボードでもリクルーターでもなく、
00:08:20あなたに代わって完全に動くインサイダーであり、部屋に通してくれます。私も試してみました。デックスに一度自分の仕事や希望を伝えると、
00:08:25正直その会話だけで納得しました。適切な質問をして、あなたの求めるものを理解してくれます。
00:08:30その後、応募やリクルーターのスクリーニングなしで、デックスがLinearや
00:08:36Atioのようなスタートアップから年収15万ドルを超える厳選された求人のショートリストを持ち帰ってくれます。
00:08:43採用チームへのダイレクトな連絡ルートが手に入り、給与の事前開示もあり、求人サイトでの平均55日のところ
00:08:49リファラルから内定までの平均日数は29日です。エンジニアは無料で使えるので、応募するのをやめて紹介してもらいましょう
00:08:55固定リンクからdexをチェックしてみてください。大企業がビジネスにAIを導入する方法はこうして行われます
00:09:00では、これを実際に自分で行いたい場合、ロードマップは5つのステップからなり、最初のステップは何かを作る前に行います
00:09:06まず、業務が実際どのように行われているかを観察し、実際に起こる順番通りにすべてのステップを書き出す必要があります
00:09:11次に、なぜそれらのステップがその方法で行われているのかを問い質す必要があります。もし誰も
00:09:16具体的な理由を答えられない場合、それは大抵、何年も前に誰かが持ち込み、それ以来誰も疑わなかった回避策です
00:09:212番目に、プロセスのどの部分を実際にAI化し、どの部分をAI化すべきでないかを決めなければなりません
00:09:26なぜなら、もしプロセス全体をモデルに丸投げしてしまうと、それこそが成果を出せないAIプロジェクトの95%に
00:09:32陥る原因だからです。そのため、書き出したすべてのステップを3つのフィルターに通す必要があります
00:09:381つ目は、そのステップが固定された従うべきルールを持ち、毎回必ず正しく処理されなければならないかどうかです
00:09:43もしそうであれば、それは通常のソフトウェアのまま維持され、AIで自動化する必要はありません
00:09:482つ目は、誰かが複雑なデータを読み解き、それについて判断を下す必要があるかどうかです。なぜならそここそが
00:09:53モデルが実際に使われるべき部分だからです。そして3つ目は、間違ったときのコストがどうなるかです。もし失敗した際の
00:09:58コストが大きい場合、モデルで実行できるとしても、そのステップは人間が担当し続けます。そして一度これを完了すれば
00:10:03プロセス全体をAIに実行させるべきだということは、ほとんど見つからないでしょう。いくつかのステップはソフトウェアのまま残り
00:10:08一部はモデルへ移行し、一部は人間の手元に残ります。モザの8ステップのプロセスの例では、そのうちの4つの
00:10:14ステップが単独で実行されるようになり、別の3つは出力がどこかへ送られる前に人間がチェックする形で実行され
00:10:19最後の1つは完全に人間の手によるものとして残りました。そのステップが完全に人間のものである理由は
00:10:24それがAIにはまだできないビジネス上の判断だからです。そのため、間違えたときのコストが大きすぎて任せられないか
00:10:29あるいはモデルの手間をかけるほど頻繁に発生しないステップのどちらかです。3番目に、あなたは
00:10:34すべてがうまくいく場合だけでなく、システムが失敗しうる方法についても構築を考慮する必要があります。モザが言うには
00:10:39物事がうまくいく方法が1つしかないとき、それは失敗する何千もの方法も存在しているということです
00:10:44したがって、うまくいく方法のためにしか構築していない場合、あなたが作ったものの価値はゼロになります。AIの場合、それは主に
00:10:50モデルが確信を持っていない箇所への対処を意味します。なぜなら、たとえ全くアイデアがなくても
00:10:55どちらにせよ答えを出してきてしまうからです。4番目に、何か実際の対象に近づける前に、システムが
00:11:00実際に機能することを確認する必要があります。さて、モデルは同じ質問をした場合でも
00:11:05毎回少しずつ異なる答えを出します。そのため、システムを数回しかテストしない場合、失敗する稀なケースを見落としてしまいます
00:11:09代わりに何をするかというと、書き出したプロセスの中から、正しい答えがすでに分かっている実際の例を抽出します
00:11:14そしてそのすべてのデータに対してシステムを実行し、いくつ正解できたかをカウントします。その後で
00:11:20間違えたものを見直して修正します。最後に、それが実際にどのような価値を生んだのかを数値化する必要があります
00:11:25そして、それが売上をもたらしたのか、コストを削減したのか、あるいはリスクを
00:11:30軽減したのかを語れなければなりません。なぜなら、それ以外のものは一切カウントされないからです。ある時Cursorは、ある人物から
00:11:35エージェントに一日あたり2000ドルかかっているという苦情を受けました。そして、そのエージェントが実際に何をしているのかを
00:11:39尋ねたところ、それは故障した機器を修理するためにどのエンジニアを派遣するかを選んでいるだけであることが判明しました
00:11:44そこで、間違った人を派遣した場合にかかるコストを尋ねたところ、1日あたり2000ドル以上でした。彼は
00:11:49すぐに納得しました。なぜなら、彼がずっと見ていたのはエージェントにかかるコストだけで、それが
00:11:54何を節約してくれているのかを決して見ていなかったからです。そして、これら5つのステップこそが、私たちのソフトウェア会社で
00:11:59内製チャットボットを構築した方法です。これまでの動画をご覧になった方ならご存知のとおり、それは基本的にはただのチャットインターフェースであり
00:12:03チーム内の非技術系メンバーがClaude Codeとそのすべての機能を使えるようにするものです。私たちがそれを構築した理由は
00:12:09人事や経理の人々はエンジニアではなく、Claude Codeに関するあらゆる前提が
00:12:14ユーザーがエンジニアであることを前提としているからです。Claude Codeが彼らの仕事の役に立つ何かをするためには、まず
00:12:19Slackやメール、そして彼らが日々使用しているその他のツールに接続される必要があり、それは誰も
00:12:24自分でやろうとしないセットアップ作業です。そのため、チャットインターフェースがそれらの接続をすべて代わりに行い、彼らは必要なことを
00:12:29入力するだけになります。しかし、構築を急ぐことはせず、私たちのエンジニアはまず人事や経理の人々と一緒に座ることから始めました
00:12:34なぜなら、エンジニアリング部門にはそれらの部署が日々をどのように過ごしているのか実際のところ分かっていなかったからです。そのため彼らは
00:12:39その部署で十分な時間を過ごし、手作業で行われている反復的な作業をすべて書き出しました
00:12:45そして、その中でどれをモデルが引き受けるのが妥当かを割り出しました。その後、そのドキュメントが
00:12:50ビルドの大部分を占めることになりました。書き出されたそれらのプロセスが、エージェントが従う指示となり
00:12:54チャットボットがそれに従って回答する知識となりました。そして、最初のバージョンをそれらの部署に戻し
00:12:59実際の自分たちの仕事で使ってもらったところ、本当に時間を節約できているとフィードバックをもらいました
00:13:05さて、最後の疑問は、これを実行するために実際に得意でなければならないことは何かという点です。この役割を専門に
00:13:09採用しているある企業は、ビジネスプロセスとテクノロジー全般に広く通じており、なおかつ
00:13:151つの領域で真に深い知識を持っている人を求めています。彼ら曰く、ビジネスの半分は仕事を通じて学べる一方で
00:13:20技術的な半分はそうではないとのことです。しかしあなたにとって、それはおそらく逆でしょう。なぜなら、あなたは
00:13:25ビジネスの半分に集中すればよいからです。構築作業は現在エージェントが処理してくれるからです。そしてそれは問題ありません。Palantirの幹部によると
00:13:30この仕事で失敗するのは、10年後でも通用するコードを求める慎重なエンジニアです
00:13:36この仕事は、ラフなものを実際のユーザーの前に素早く提示することであり、それは基本的にはClaude Codeのようなエージェントが
00:13:41最初のパスで提供してくれるものに他なりません。ですから、FTEが何をし、
00:13:47仕事が実際にどのように行われるのかを理解したところで、それを使って何をするかを見ていきましょう。始めるべき場所は
00:13:51物理的に歩いて入れる最小限のビジネスです。そのため、あなたが働いている場所や、友人が経営している場所などどこでも構いません
00:13:57経営者に頼み込んで、その職場で最も反復的な仕事をしている人の隣に座り、実際に作業しているところを
00:14:021時間見せてもらうことができるか聞いてみましょう。そして、目撃したことに対して先ほどの5つのステップを実行するのです。そこから
00:14:07導き出されるものは監査と呼ばれ、企業が実際にお金を払って購入する現実的なものです。大企業内でそれらのAIプロジェクトを
00:14:12運営しているモザは、何かを構築する前に、そのすべてのプロジェクトを必ず監査から始めます
00:14:18そして、最初のフェーズが仕事全体の中で最大のボトルネックであると彼は言っています。それこそが
00:14:23FTEの仕事に応募するにせよ、企業に直接提案するにせよ、人々の前に提示するべきものなのです
00:14:28なぜなら、その中には1つの実際の会社のプロセスが書き出されており、AIに引き渡すステップや
00:14:32それらのそれぞれが会社にとってどれだけの価値があるかが記されているからです。さて、FTEの役割をより深く追求したい方向けの
00:14:38キュレーションされたロードマップやガイドを用意しており、それは私たちのコミュニティであるAI Labs Proで見つけることができます
00:14:44私たちの活動に価値を見出し、チャンネルをサポートしたいと考えてくださるなら、これが最善の方法です。リンクは
00:14:49説明欄にあります。これでこの動画は終わりとなります。チャンネルをサポートし
00:14:54このような動画を作り続けるのを手伝っていただける場合は、下部にある「スーパーサンクス」ボタンから行うことができます。いつも
00:14:59ご視聴ありがとうございます。また次の動画でお会いしましょう