AnthropicとSalesforceのエンタープライズAI推進が浮き彫りにする導入ギャップ
AnthropicとSalesforceの幹部はDreamforceで、企業が活用しているのはAIの現在の可能性のわずか5%から10%にすぎないという率直なメッセージを発した。AnthropicとSalesforceによるエンタープライズAI推進の焦点は、次のモデルの飛躍を待つことではなく、そのギャップを埋めることに移っている。
Anthropic CEOのDario Amodei氏とSalesforce CEOのMarc Benioff氏は、9月15日にサンフランシスコで登壇し、導入状況には大きなばらつきがあると述べた。この主張は重要な逆転を示している。AI企業はより高性能なシステムを生み出し続けている一方で、大半の企業はいまある能力を信頼できる業務へと変換することに、なお苦戦している。
このギャップにより、Salesforceは特異な立場に置かれている。最先端モデル企業は従来型ソフトウェアプラットフォームを脅かし得るが、企業データやワークフローに到達するには、そうしたプラットフォームも必要とする。一方のSalesforceは、顧客情報とビジネスプロセスの運用レイヤーとしての役割を守りながら、Claudeのようなモデルを必要としている。
AnthropicとSalesforceのエンタープライズAIはモデルからワークフローへ
見出しとなるのは、企業により賢いAIが必要だということではない。すでに利用可能な知能を活用するために、より多くの支援が必要だという点だ。
Amodei氏によれば、AIの現在の価値のうち、経済全体に浸透しているのは5%から10%にすぎない。同氏の経済への浸透度の推計は、独立して測定された経済統計ではなく判断である。それでも、エンタープライズAIベンダーが直面する中心的な問題を浮き彫りにした。
企業はチャットボットを開き、数分で有用な文章を生成できる。しかし、規制のある営業、サービス、財務、サポート業務全体にAIを展開することは、まったく別の課題である。
本番システムには、正確な業務コンテキスト、統制されたアクセス、予測可能なアクション、人によるレビューが必要となる。また、そのシステムが価値ある結果を生んだかを判断できる責任者も必要だ。
Benioff氏は、企業導入には相当な「ばらつき」があると説明した。AIを日常業務に組み込んだチームがある一方、パイロット段階から抜け出せないチームもある。同氏はDreamforceの顧客に対し、Salesforceは変革を加速させるためにさらに取り組まなければならないと語った。
両社はこのメッセージに、具体的な製品リリースを組み合わせた。Anthropicは、Claudeをアカウント、商談案件、パイプライン情報に接続するベータ版プラグイン、Salesforce in Claudeを発表した。
Salesforce in Claudeプラグインには、一般的な営業業務向けの37のスキルが含まれる。これらはアカウント調査、会議準備、パイプラインレビュー、CRM更新をカバーする。
このプラグインは2つのコネクターで支えられている。1つは既存の権限に基づいてSalesforceのデータをClaudeに取り込む。もう1つは、Anthropicによると、Agentforce SalesをClaudeに接続する。
Claudeは、会議、成約間近の案件、リスクのある商談、未返信メッセージをまとめた朝のブリーフィングを作成できる。また、CRM変更案を作成することも可能だが、それらがSalesforceに反映される前に営業担当者が承認する必要がある。
この承認ステップは重要だ。両社がAIを、制限のない意思決定者ではなく、業務支援アシスタントとして位置付けていることを示している。
Anthropicは、この統合を導入している顧客としてGitLab、Siemens、Legoraを挙げた。Benioff氏も、すでに7,000人のSalesforce従業員がClaudeと統合されたツールを利用していると述べた。
こうした導入は具体例を示すものの、顧客全体での生産性向上を立証するものではない。Anthropicは、このプラグインが売上、営業サイクル、データ品質をどのように変えるかを示す比較結果を公表していない。
それでもこのリリースは、エンタープライズAIをめぐる議論を変える。焦点を単発のプロンプトから、従業員がすでに利用しているシステム内で完結するタスクへと移している。
営業担当者に必要なのは、文章生成に関する別の一般的なデモではない。必要なのは、正しいアカウント、最新の会話、そして自社の承認ルールに確実にアクセスできることだ。
このパートナーシップは、そうした要素を組み合わせようとしている。Claudeは汎用的な推論と言語能力を提供し、Salesforceは顧客記録、ワークフローロジック、権限、アクションを提供する。
この組み合わせが、AnthropicとSalesforceのエンタープライズAI戦略を定義する。モデルは依然として重要だが、従業員が実務を任せられると信頼できるかどうかは、それを取り巻く運用システムが決める。
エンタープライズAIの導入が能力になお遅れる理由
説得力のあるデモが、断片化したデータ、不明確な責任範囲、即興対応を許容できないワークフローに直面すると、エンタープライズ導入は遅れる。
AIモデルの進歩は、大半の企業が業務を再設計できる速度を上回っている。エンタープライズでは、複数システムの接続、機密情報の分類、許容可能なアクションの定義、従業員のトレーニングを済ませて初めて、エージェントが安全に動作できる。
基本的な質問でさえ、複数の情報源を必要とする場合がある。顧客が、注文を今日出荷できるかどうかを尋ねるかもしれない。正確に答えるには、CRM記録、在庫、契約、ポリシー、過去のやり取りが必要になる可能性がある。
モデルは質問を即座に理解できるかもしれない。それでも、関連するすべての情報源への最新かつ認可済みのアクセスがなければ、信頼できる業務上の回答は提供できない。
この違いは、パイロットが本番導入よりも速く進むことが多い理由を説明する。パイロットでは限定的なデータセットを使い、手作業による修正を許容できる。本番システムでは、例外、権限、監査、変化する業務ルールを処理しなければならない。
Salesforce自身のCIO調査は、この矛盾を示している。CIO導入調査では、AIを全面導入した割合が2024年の11%から2026年には42%へ上昇したことが分かった。
同じ調査では、CIOの93%がエージェント導入の成功にはワークフロー統合が不可欠だと考えていた。しかし、より広範な展開に必要となる部門横断的な連携を報告した回答者は半数未満だった。
データへの懸念も未解決のままだ。回答者の最大の不安はセキュリティとプライバシーで、信頼できるデータの不在がそれに続いた。
調査対象となったCIOのうち、AI投資に組み込み済みのデータガバナンスが含まれると完全に確信していたのは23%にすぎなかった。Salesforceは24か国のCIO 200人を対象に、二重盲検調査を実施した。
この調査は、こうした問題の解決策を販売する企業によるものなので、その文脈を踏まえる必要がある。ただし、実装上の障壁はエンタープライズテクノロジーでよく見られるパターンと一致している。
組織は、その周辺のプロセスを解決する前に技術的能力を購入することが多い。AIは、コンテキストが不完全でも出力がもっともらしく見えるため、その誤りを増幅させる。
不正確なダッシュボード計算は、明白な調査のきっかけになり得る。一方、流暢なAI応答は、情報源の欠落、古い記録、誤解された指示を隠してしまう可能性がある。
したがって企業に必要なのは、モデルへのアクセスだけでなく、評価システムでもある。エージェントが正しいデータを選択し、ポリシーに従い、不確実なケースを人に引き渡すかどうかをテストしなければならない。
また、明確な成功指標も必要だ。時間の節約は重要になり得るが、それが自動的に売上やサービス改善につながるわけではない。
メールをより速く下書きする営業エージェントも、従業員がその成果物の確認に同等の時間を費やすなら、ほとんど価値を生まない可能性がある。自動化されたサービス対応は、顧客満足度を損ないながら処理時間を短縮することもある。
最も有用な測定は、AIタスクを事業成果に結び付けるものだ。例としては、放置されるケースの減少、営業準備時間の短縮、CRMの情報完全性向上、エスカレーション率の低下などがある。
ここで、エンタープライズのナレッジアーキテクチャが中心的な役割を担う。チームには、コンテキストを保持し、認可されたユーザーがソース資料を利用できる検索可能なナレッジベースが必要だ。
この基盤がなければ、高性能なモデルでも、従業員が必要とする事実から切り離されたままとなる。したがって導入ギャップは、部分的にはデータと組織の問題である。
同時に、チェンジマネジメントの問題でもある。従業員は、いつエージェントを信頼し、いつ情報源を確認し、いつ推奨を覆すべきかを理解しなければならない。
管理職は、複数部門にまたがる失敗の責任を誰が負うのかを決める必要がある。セキュリティチームには可視性が必要であり、運用チームにはワークフローを改善するための十分な自由度が必要となる。
こうした要件には時間がかかる。それゆえ、次のモデルリリースだけで、有望なパイロットをエンタープライズシステムへ転換することはできない。
このパートナーシップは潜在的な競合相手をインフラへ変える
AnthropicとSalesforceはユーザー体験の主導権を争う一方で、各社は相手がすでに所有する資産を必要としている。
AIアシスタントは、ビジネスソフトウェアのインターフェースとしての役割を強めている。ユーザーは、CRM画面を順に操作する代わりに、Claudeへパイプラインのレビューを依頼できる。
この変化は、アプリケーションベンダーの従来の立場を脅かす。従業員が汎用AIアシスタント内で業務を始めるようになれば、そのアシスタントが主要なインターフェースになり得る。
Salesforceは、そのインターフェースの下にある重要な資産を依然として管理している。顧客関係、権限、プロセス定義、業務活動の記録を保存している。
Anthropicは、多くのユーザーがすでに考え、書き、分析する場所として利用しているモデルとアシスタントを管理している。SalesforceをClaudeに組み込むことで、そのインターフェースは業務データと接続される。
この取り決めは、交渉による役割分担に似ている。Claudeが対話と幅広い推論を担い、Salesforceは記録とアクションを統制するシステムであり続ける。
この分担が安定して維持される保証はない。Anthropicはコネクターやアプリケーション機能を拡張する可能性がある。Salesforceは自社モデルを強調する、あるいは競合するアシスタントを提供する可能性がある。
Salesforceは同じDreamforce期間中に、初のCRM推論モデルであるKoaを発表した。同社によると、Koaは合成されたエンタープライズシナリオで訓練され、同社のトラストバウンダリー内で動作する。
Salesforceによると、社内ベンチマークではKoaはCRMアクションで主要モデルと同等以上の性能を示し、エラー数は3分の1だった。これは企業によるベンチマークであり、独立評価ではない。
それでもKoaのモデル設計は、Salesforceの戦略を明らかにしている。同社は外部モデルへの対応を維持しつつ、CRMタスク向けの特化型インテリジェンスを求めている。
KoaはNvidia Nemotronのオープンモデルを基盤に利用している。Salesforceは、重みを管理し、ポストトレーニングと推論を自社インフラ内で実行するとしている。
このアプローチは顧客に別の選択肢を与える。汎用推論にはClaude、特化したCRM業務にはSalesforceホストのモデル、個別のタスクには異なるモデルを利用できる。
Salesforceは、このモデル選択をオープンアーキテクチャの一部と呼んでいる。同社の事業上の利害は明確だ。モデルの主導権が変化しても、アプリケーションとガバナンスのレイヤーを価値あるものとして維持したい考えだ。
Anthropicにも対応する利害がある。Salesforceとの直接統合は、完全なCRMプラットフォームを再構築することなく、Claudeを価値の高い企業ワークフローへ近づける。
これは恒久的な和解ではなく、実務上の休戦だ。企業がモデルと既存アプリケーションの間の橋渡しを必要とする間、両社には利益がある。
Bloombergの報道によれば、Salesforceは6月上旬時点で約50億ドル相当のAnthropic株式を保有していた。この金銭的関係は、両社の技術的な連携にもう一つの層を加えている。
しかし顧客は、この統合を両社の利害が自社と完全に一致している証拠としてではなく、製品選定上の判断として評価すべきだ。
企業は統合されたワークフローの利便性を重視するかもしれない。一方で、ベンダー集中、変化する製品の境界、そして将来的にエージェントを移行するコストを懸念する可能性もある。
モデルのポータビリティは、そのリスクを軽減できる。共通の評価手法、安定したインターフェース、明確に定義された権限により、プロバイダーの変更は容易になる。
データのポータビリティはさらに重要だ。独自のコンテキストを特定のモデルやプラットフォームから切り離せない企業は、従来型のソフトウェア・ロックインを再現しかねない。
したがって競争上の問いは、Claude対Agentforceという構図よりも大きい。企業向けAIから生まれる持続的な価値を、どのレイヤーが獲得するかに関わる問題だ。
モデルプロバイダーは、優れた推論能力がユーザーとワークロードを引き付けると主張する。アプリケーションベンダーは、統制されたデータと組み込まれたワークフローが持続的な差別化を生むと主張する。
AnthropicとSalesforceの企業向けAIパートナーシップは、こうした主張を組み合わせたものだ。その成功は、顧客が統合システムを、いずれか一方のレイヤー単独より有用だと見るかどうかにかかっている。
Salesforceは不足しているレイヤーが「統制」だと賭ける
Salesforceは、推論をルール、アイデンティティ、データ、そして説明責任を伴うアクションに接続する必要があるため、企業はAIを取り巻くシステムに対価を支払うと考えている。
同社は、提案する基盤をEnterprise AI Harnessと呼ぶ。Harnessは、共通コンテキスト、セキュリティ、ガバナンス、モデル、アクションを提供するアーキテクチャ層だ。
Salesforceのenterprise AI harnessには、6つの能力が示されている。対象はコンテキスト、エージェンシー、アクション、ガバナンス、セキュリティ、モデル選定だ。
同社はAI Control Planeも発表した。Salesforceによれば、管理者はエージェントを登録し、アイデンティティポリシーを適用し、挙動を監視し、パフォーマンスを評価し、コストを管理できるようになる。
このアーキテクチャは現実的な問題に対処する。企業はしばしば、異なるコネクター、権限、評価プロセスを使う個別のAIプロジェクトから着手する。
分断は運用リスクを生む。あるエージェントが古い文書にアクセスする一方、別のエージェントが同じ業務アクションに対して異なる承認ルールに従う可能性がある。
共通の統制レイヤーは、ポリシーの再利用を可能にする。また、セキュリティチームやデータチームに、エージェントの行動をより明確に把握する手段を与えられる。
Salesforceは、このレイヤーが自社ツールとサードパーティーのシステムを支えることを目指している。同社によれば、企業はAPI、Model Context Protocol、スキル、プラグインを通じて機能にアクセスできる。
Model Context Protocol、すなわちMCPは、AIアプリケーションを外部ツールやデータに接続する標準インターフェースだ。組み合わせごとにカスタム統合を構築する必要性を減らせる可能性がある。
このアーキテクチャは、Claude、Slack、Microsoft Teams、その他のインターフェースにも対応する。この広がりは、従業員がすでに働いている場所で接点を持つというSalesforceの判断を反映している。
この提案は理にかなって聞こえるが、アーキテクチャ図だけでは運用上の信頼性は証明されない。企業には、部門やシステムをまたぐ複雑な導入における証拠が必要だ。
管理者があらゆるエージェントのアクションを追跡できるかを問うべきである。また、アクセス権の取り消し、ポリシー更新、障害調査をどれほど迅速に行えるかも確認すべきだ。
評価にも同等の注意が必要だ。コントロールプレーンは、モデル応答の品質以上のものを測定すべきである。
エージェントが正しいソースを使い、意図されたワークフローに従い、承認済みの業務成果を生んだかを示す必要がある。また、反復タスク全体の失敗パターンも明らかにすべきだ。
エージェントのワークフローは複数のモデル呼び出しやツール操作を伴いうるため、コスト管理は重要だ。小規模なパイロットでは手頃に見えるプロセスでも、企業規模では異なる振る舞いをする可能性がある。
Salesforceは、モデルルーティングを一つの統制手段として認めている。同社のシステムは、精度、パフォーマンス、コスト、ビジネス要件に応じて作業を振り分けられる。
ここで別の疑問が生じる。顧客は、誰がそのルーティングの優先順位を設定するのか、そして結果をどの程度独立して検証できるのかを知る必要がある。
ベンダーは、商業的関係を支える組み合わせに最適化する可能性がある。顧客はデータの所在、レイテンシー、または特定の精度しきい値を優先するかもしれない。
ルーティングと評価を巡る透明性が、オープンなアーキテクチャが意味のある選択肢をもたらすかを決める。あるモデルへの変更に大規模なワークフロー再構築が必要なら、モデルのメニューが提供する自由は限定的だ。
Salesforceの戦略をより強く解釈すれば、モデルが重要でなくなったということではない。モデルが統制されたシステム内で、ますます交換可能なコンポーネントになっているということだ。
より弱い解釈は、既存のソフトウェア企業が新たな管理レイヤーを加えることで、自社の立場を守っているというものだ。両方の説明が同時に成り立つこともある。
顧客は導入結果を通じて戦略を判断すべきだ。Harnessが実装期間を短縮し、監査を改善し、重複した統合を減らすなら、測定可能な問題を解決することになる。
主に既存のプラットフォームコンポーネントを再包装するだけなら、買い手はその大きな約束を事業成果と結び付けるのに苦労するかもしれない。
したがって、AnthropicとSalesforceによる企業向けAI推進の次の段階では、不必要な複雑さを加えずに統制を実証しなければならない。
導入をめぐる説明には依然として独立した証拠が不足している
両社は統合と社内導入を示してきたが、経済的価値に関する広範な主張は、独立して検証された結果にまだ先行している。
Amodeiによる5%から10%という推定は、未開拓の価値について説得力ある像を描く。しかし、その価値がどのように算出されたのか、業界によってどのように異なるのかは明らかにしていない。
この推定は、回収可能な経済的利益ではなく、実現されていない技術的能力を表している可能性がある。これらのカテゴリーは同じではない。
モデルは統制された環境でタスクを実行できても、そのタスクが信頼性の高い自動化に適しているとは限らない。本番利用では、例外ケース、ポリシー、説明責任が持ち込まれる。
同じ注意は、ベンダーが示す導入統計にも当てはまる。ツールを使う従業員数は、利用の深さ、継続率、成果物の品質、財務上のリターンを明らかにしない。
Salesforceの社内ユーザー7,000人は、有意義なテスト環境を提供する。しかし顧客は、これらのユーザーがどのワークフローを完了しているのか、導入後に何が変化したのかを知る必要がある。
Anthropicは、このプラグインが手作業による準備とフォローアップを減らせるとしている。こうした主張について、統制された比較結果は公表していない。
顧客事例にも慎重な解釈が必要だ。名前が挙げられた導入事例は、組織がこの技術を試していることを確認する。しかし、一つの実装パターンがすべての企業で機能することを証明するものではない。
大企業は、データ品質、アクセス構造、規制上のリスク、技術的負債が異なる。こうした違いは、Benioffが説明した導入のばらつきを理解する助けとなる。
導入に関するメッセージと、Amodeiによる最近の安全性警告との間には緊張関係もある。彼は、最先端開発の速度にはより慎重な対応が必要だと主張してきた。
Salesforce PresidentのPatrick Stokesは、アプリケーション開発者にとってこの潜在的な減速は有益だと位置付けた。モデルをめぐって開発者には「追いつくべきことが多く残っている」と述べた。
彼の発言は、この記事の中心的な逆転を示している。最先端モデルのリリースが遅くなれば、企業はすでに存在する能力を取り込む時間を得られるかもしれない。
それは既存のアプリケーションベンダーにも利益をもたらしうる。モデルサイクルが遅くなれば、統合、ガバナンス、専門製品を構築する時間が増える。
最先端の進歩が鈍化しても、より広い経済は投資を続けるかもしれない。既存モデルにも、データ準備、組織再設計、インフラが必要だからだ。
最近の分析は、戦略とデータへの企業レベルの投資がAI支出の過小評価されがちな部分であると指摘した。この見方は、実装に焦点を置くSalesforceの方針を支持する。
しかし、減速が自動的に導入の成功を生むわけではない。企業は、ユーザーニーズやプロセス設計を解決せずに統合へ多額の支出をする可能性がある。
労働に関する問題もある。AIベンダーは管理業務の自動化を利益として提示しがちだが、従業員はそれを監視強化や雇用の置き換えに近いものとして経験するかもしれない。
CRMレコードを更新するエージェントは、反復的な作業を減らせる。一方で、管理上の監督を標準化し、パフォーマンスの測定方法を変える可能性もある。
企業には、技術的なアクセスだけでなく、こうした人的影響に対するガバナンスが必要だ。従業員は、エージェントが何を記録し、推奨し、エスカレーションするのかを理解すべきである。
企業は、支援と自律的なアクションの境界も定義しなければならない。その境界は、誤りがもたらす結果に応じて変えるべきだ。
会議メモの下書きは、顧客契約の変更より低リスクだ。営業レコードの更新と、値引きの承認や在庫の確約は異なる。
ClaudeプラグインのCRM更新フローが示すように、人による承認はリスクを減らせる。しかし従業員が生成されたアクションを過度に多く処理しなければならない場合、承認は形骸化する。
有効なシステムは、不確実性が高い、または影響の大きいケースへ注意を向けなければならない。日常的なすべての手順に手作業のレビューを求めれば、期待された生産性向上が失われかねない。
したがって独立した証拠は、ワークフロー全体を検討すべきだ。有用な研究は、精度、レビュー時間、事業成果、障害からの復旧を比較するものになる。
その証拠が得られるまで、最も安全な結論は限定的だ。AnthropicとSalesforceは、現実の実装上の隔たりを特定し、それに向けた製品を構築した。
しかし、両社の統合アプローチが大規模組織全体で一貫してその隔たりを埋めることは、まだ示されていない。
3つのシグナルが企業向けAIの論点を試す
次の試金石は、接続されたエージェントが、ガバナンスを弱めたり顧客を一つのスタックに閉じ込めたりせずに、測定可能な業務改善を生み出せるかどうかだ。
第1のシグナルは、ベータ期間後にClaude内でSalesforceが継続的に利用されるかどうかだ。初期の有効化数よりも、タスクレベルでの反復的な利用の方が重要になる。
Anthropicは、営業担当者がアカウント調査、会議準備、パイプラインレビュー、承認済みCRM更新をどの程度の頻度で完了しているかを報告すべきだ。数カ月にわたる継続率は、導入の論拠を強めるだろう。
顧客の成果が示されれば、証拠はさらに有用になる。準備時間の短縮、レコードの完全性向上、見落とされたフォローアップの減少は、製品活動を事業価値と結び付ける。
初期トライアル後に利用が減少すれば、この主張は弱まる。それは、会話型アクセスだけではワークフロー上の摩擦を解消できないことを示唆する。
第2のシグナルは、Salesforceの統制アーキテクチャが顧客導入でどのように機能するかだ。企業は、ポリシー適用、監査可能性、インシデント対応に関する独立した報告に注目すべきである。
強い結果は、企業が共通の統制を通じて複数のモデルとエージェントを管理できることを示す。また、チームが運用を再構築せずにプロバイダーを変更できることも示すべきだ。
より弱い結果は、過度なカスタマイズ、重複する評価作業、またはモデルルーティングの可視性の不足を明らかにする。こうした問題は、統制レイヤーを別の複雑性の源に変えてしまう。
第3のシグナルは、AI支出と開示される業績との関係だ。Salesforceとその顧客は、エージェント数、会話数、有効化されたユーザー数を超える指標へ進むべきである。
買い手には、営業、サービス、従業員の業務に結び付く尺度が必要だ。例としては、解決品質、サイクルタイム、レコードの精度、継続率、エスカレーション率がある。
これらの尺度には、人によるレビューとシステム保守のコストも含めるべきだ。従業員が別の場所で誤りを修正しなければならない場合、総作業時間の削減は誤解を招く可能性がある。
今後数回の決算期は、有用な証拠を提供するだろう。Salesforceは、AI製品が顧客支出を拡大しているか、導入が孤立したチームを超えて広がっているかを報告できる。
Anthropicは、詳細なエンタープライズ評価を公表することで、この主張をさらに強化できる。そうした評価では、モデルの性能と統合・ワークフローのレイヤーを分けて検証すべきだ。
顧客はこの提携を、Microsoft、Google、OpenAI、および特化型エンタープライズベンダーの代替案とも比較すべきだ。競争圧力によって、実際に重要なアーキテクチャ上の選択が明確になる可能性がある。
主な競争は、単純なモデルのリーダーボードではない。急速な能力向上と、組織がその能力を責任ある形で受け入れる力との競争である。
開発者にとっての機会は、統合、評価、可観測性、そして権限を意識したツールにある。モデルが幅広い推論タスクをすでに処理できるようになるほど、これらの領域の価値は高まる。
エンタープライズの購買担当者にとっての教訓は、制約されたワークフローと測定可能な成果から始めることだ。広範なAI導入方針は活動を生み出すが、説明責任を生み出すことはまれである。
ナレッジワーカーにとっての重要な問いは、AIが意味のあるコントロールを奪うことなく、適切なコンテキストにアクセスできるかどうかだ。重大な業務においては、利便性だけでは不十分である。
AnthropicとSalesforceのエンタープライズAI戦略は、次の段階がインテリジェンスと信頼できるアクションを結び付けるシステムのものになると主張している。この提案には今、運用上の証拠が必要だ。
従業員が統合ワークフローを使い続けるか、管理者がモデル横断でそれらを統制できるか、そして顧客が持続的なビジネス上の利益を報告するかを注視したい。これらのシグナルは、エンタープライズAIがついに広く浸透しているのか、それとも単に洗練されたインターフェースを手に入れただけなのかを示すだろう。
