高橋将生 | AICE COO

AICE株式会社 代表取締役COO / 東大情理卒 / ex-松尾研究所 / ex-Treasure Data

[高橋将生 | AICE COO @aice_shoi]

イベント出ます！！

[高橋将生 | AICE COO @aice_shoi]

何かの業務にエージェントを入れるのではなく、まずはエージェントを開発ツールとして使ってワークフローで業務を自動化するのが優先。

その上で複雑なフローは次のステップとしてエージェントを開発ツールとして使って、エージェントを作る。

何よりも先にバックオフィス含めて全従業員にエージェントを開発ツールとして提供するのが優先。

[高橋将生 | AICE COO @aice_shoi]

最近のある程度のレベルまでの開発スピードは、Claude Codeを監視する人間が何人いるかで決まってきそう。

OSSの開発スピードが圧倒的に強くなってオープン化する会社が増えそう

[高橋将生 | AICE COO @aice_shoi]

Claude Codeで全てのタスクを自動化しようとしたが、Googleカレンダーにタスクを追加するときにAPIで時間を指定できなかったり、必要なAPIが提供しきれていないのを感じる。

生成AIの進化が早すぎて、周辺の整備が間に合っていない感があり、生成AIの進化に合わせて整備が整わないと業務の効率化が完結していかない。
今年は交通整備の年になりそう。

[高橋将生 | AICE COO @aice_shoi]

Atrasのようなブラウザエージェントはスクリーンショットを撮り、DOMを解析し、どのボタンをクリックするかを推測することで動作してるが、完全に非効率。

API経由でブラウザ操作できるこの仕組みがエージェントの実行スピードを格段に改善する

[Aakash Gupta @aakashgupta]

Google and Microsoft just co-authored the spec that turns every website into an API for AI agents. The second-order effects here are massive.

Right now, browser agents work by taking screenshots, parsing the DOM, and guessing which buttons to click. It works about as well as you’d expect. Fragile, expensive, slow. WebMCP replaces all of that with a single browser API: navigator.modelContext. Websites register structured tools directly in client-side JavaScript. The agent reads a menu of available actions, calls them, gets structured data back. No scraping. No backend MCP server in Python or Node. The tools run inside the browser tab and share the user’s existing auth session.

Early benchmarks show ~67% reduction in computational overhead compared to visual agent-browser interactions. Task accuracy around 98%.

The second-order effect is where this gets wild. Today, when a browser agent visits two competing airline sites, it’s guessing at both interfaces equally. Once WebMCP adoption spreads, the site that exposes structured tools gives the agent a clean, reliable path to complete the task. The site that doesn’t forces the agent to fumble through the UI. Agents will prefer the cheaper path. Every time.

This means “Agent Experience Optimization” becomes a real discipline. Tool naming, schema design, description quality. Sound familiar? It’s the same shift that happened when meta descriptions and structured data became optimization surfaces for search engines. Except this time, the traffic source isn’t Google’s crawler. It’s every AI agent on the internet.

Bots already make up 51% of web traffic. Google just gave them a front door.

[高橋将生 | AICE COO @aice_shoi]

Geminiの3D能力は本当に高く、下手にfine-tuningするのではなく、モデルをアップデートするだけで性能が自動的に上がるシステムを内製化しておく視点は大事。
今現時点ではそこまでできなく、人手が一定必要であっても1年後にどのくらい性能が上がるかの仮説をもとに一定の性能劣化を許容する意思決定をしていくべき。

[BijanBowen @bijanbowen]

Gemini 3 Deep Think generated a real-time 3D WiFi radar that maps every network around you as glowing nodes in a Matrix-style space — in one shot. It used Pearson correlation to infer which APs are physically close, since RSSI alone isn't enough.

[高橋将生 | AICE COO @aice_shoi]

採用基準に明確に知性を取り込んだ方がいい。どのように知性を測るかによってその会社の今後が変わる。
日本での正社員雇用というリスクを背負うため、エンジニアに求めているスキルが変化した時代において採用基準の改革が求められてる。

[安達裕哉 @Books_Apps]

https://t.co/3ML4XvO7BA

[高橋将生 | AICE COO @aice_shoi]

最近エンジニアも地頭が良い人の方が重宝されていると思う。
会社でエンジニアとして強い人は、エンジニア力が高いのではなく、あらゆることができるがその一つのエンジニアを選んでやっている感がある。
今までは言語理解とか、開発経験とか知識が重要であったが。

[宮脇 啓輔 / unname 代表取締役 / マーケティング会社 @keisuke_unname]

https://t.co/ie7PETgw3s

[高橋将生 | AICE COO @aice_shoi]

今の広義のRAG（ベクトル検索だけではない）において、Azreu AI Search、シェアポイント、BOX、Blob StorageなどAPIやキーワード検索、ベクトル検索、エージェンティック検索など色々と調べたが、結論、銀の弾丸はないことが明確にわかった。

やはり業務内容から落とし込んで、トレードオフを解消した上でベストな選択肢を選ぶというフローは必要。

キーは、「入力データを安定して統一できるか」「速度要件がどの程度か」「コスト許容度はどの程度か」によって変わる。

[高橋将生 | AICE COO @aice_shoi]

Claude Desktopの音声入力機能が本当に便利。
ボタン一個で音声入力が立ち上がって回答してくれる。

自分の頭の中の要件を整理するのに、テキストで入力するのは大変だが、適当に話して整理するのがこんなに楽だと思わなかった（最新技術でもなんでもないが、もっと早く使っておけばよかった）

[高橋将生 | AICE COO @aice_shoi]

Claude Code、Codexのような開発用のエージェントがどんどん性能が上がってくるのは確定しているので、以下のようなローコードツールは逆に利便性が低くなっている。
・Copilot Studio / Dify
・Studio / Wix
APIで利用できるが、わざわざ仕様に合わせて開発するよりもClaude Codeが開発しやすい環境で生き生きと動かした方が圧倒的に効率が良い。

Copilot Studioとかもチャットで開発できるようになるだろうけど、そうなるとそもそもCopilot Studioを利用する意味がなくなってくる。

この辺どうサービスを伸ばしていくのかが気になるな

[高橋将生 | AICE COO @aice_shoi]

ソフトスキルの暗黙知であれば、一日中会話している内容全てテキスト化していけば8割程度は1ヶ月で属人化の解消ができる気がしている
独り言話す系の方で実証実験したい

[高橋将生 | AICE COO @aice_shoi]

OpenClaw優秀ではあるが、流石に業務のローカル環境で使うにはまだ世の中整備されていなさすぎる印象。

https://t.co/Dt8rpAtVEd

[高橋将生 | AICE COO @aice_shoi]

MCPって、GoogleやSlackなど外部サービスがMCPサーバーを提供→それをクライアントから使う、というのはメリットが明確。
でも自社内開発なら普通にAPI叩けばよくないか？と思って整理してみた。

結論：「接続先×接続元が増えるか」が判断基準。

1つのAIアプリから自社API呼ぶだけ → API直叩きでOK
複数のAIクライアントで同じツールを共有したい → MCP検討
ツールが頻繁に増減する → MCP向き
将来の外部公開がありえる → 最初からMCP推奨

1対1ならAPI直叩きで十分。
N対Mになるならプロトコルの標準化に価値が出る。

以下の流れが容易に想像できる
・MCPをバズっているから作る
・動いて盛り上がる
・MCPサーバーの管理とクライアントの管理が分裂して、管理コストが上がる
・他の場所からサーバー修正依頼が増える
・ぐちゃぐちゃになり外部コンサル参戦で、多額のお金要求される
・保守運用費用が爆増する

[高橋将生 | AICE COO @aice_shoi]

【RAG】Azure AI Searchの運用時デメリット

・ベクトルDBの中身を参照できない（登録されている中身がわからない）
・データ登録実行中に、検索が利用できない（頻繁にデータを更新するケースでは不向き）
・データ登録を実行開始すると、途中で停止ができない
・Vnet内で利用しようとすると、設定が独特すぎる

[高橋将生 | AICE COO @aice_shoi]

RAG vs Agentic RAGというよりかは、用途に応じて使い分けるのが良さそう

言語化するとこんなイメージ

RAG：構造が明確になく、全体からザクっと検索する必要があるケース。
Agentic RAG：ファイル構造や資料のコンテンツが参照できるケースや、ファイル構造が整理されているケース。

企業で利用する場合は、ある程度構造化されているケースが多く、grepやglobなどのソースコードを探すコマンドに類似したAPIを利用すればある程度boxやシェアポイントでもAgentic RAGが構築できるので、今後はこちらにシフトしそう。

RAGは最大の欠点として、データの二重管理が存在し、コストが膨らむ。

[Python Programming @PythonPr]

RAG vs Agentic RAG

[高橋将生 | AICE COO @aice_shoi]

Metaが1,600言語対応の音声認識モデルOmnilingual ASR公開してますね

使ってみた感触としては、日本語はWhisperとほぼ変わらないので(業界専門用語弱い)、サポートされてなかった言語の方達が嬉しい程度なのかな(詳細はこれから調査)

https://t.co/EtapmN6moY