最高の AI エージェントはシンプルである：Sierra の Zack Reneau-Wedeen が語る、Max Agency Podcast での議論
Sierra の製品責任者 Zack Reneau-Wedeen は、複雑な単一モデルへの依存を避け、タスクごとに最適な複数モデルを並列実行する戦略と、成果ベースの価格設定が次世代エージェントの成功に不可欠であると主張している。
キーポイント
マルチモデル戦略の重要性
単一のプロバイダーに依存せず、トランスクリプションや推論などタスクごとに最も強いモデル（Claude, Gemini, GPT など）を並列で使い分けるアプローチが推奨される。
成果ベースの価格設定
高価値な業務（販売、成約）には成果連動型、低価値な事務作業（残高照会など）には従量課金やライセンス課金を使い分けるという新しいビジネスモデルが提案されている。
エージェントの複雑性への警鐘
AI エージェントが失敗した際、モデル自体の問題ではなく、設計側の問題である可能性が高く、シンプルさが最良のエージェントを生むと説いている。
影響分析・編集コメントを表示
影響分析
この記事は、AI エージェント開発における「モデルの多様性活用」という実務的なベストプラクティスを提示しており、単なる技術的革新だけでなく、ビジネスモデル（成果ベース課金）の変革も示唆しています。企業にとって、複雑なシステムを構築するよりも、適切なツールを組み合わせることでコストと性能のバランスを取る重要性が再認識されるきっかけとなるでしょう。
編集コメント
「モデルが愚かに見えるのはあなたのせい」という発言は、開発者に対する鋭い指摘であり、技術選定と設計思想の重要性を浮き彫りにしています。
なぜ最高のエージェントはあなたが思うよりシンプルなのか
ザック・レノー＝ウィディーン氏は、フォーチュン 20 社の顧客向けエージェントを支える会話型 AI プラットフォーム「Sierra」の製品責任者です。Sierra 入社前には Google で 7 年間勤務し、Google レンズと Google Podcasts の創設プロダクトマネージャーを務め、その後 Robinhood と CoinTracker でプロダクトを率いました。Sierra は主にカスタマーサポートで知られていますが、ザック氏は同社が閲覧や予約から販売、ロイヤリティプログラムに至るまで顧客ライフサイクル全体にわたるエージェントを構築している理由と方法を明らかにしました。
ハリスン・チェイス氏とのこの対談において、彼は「エージェント型コマース」が従来の e コマースよりも規模が大きくなるだろうと主張し、「モノリシック・ロイヤリスト（単一構造信奉者）」である理由を説明するとともに、モデルが愚かに見える場合の真の原因は通常ユーザー側にあるという点を解説しました。
🎧 完全な対談は YouTube で視聴可能、または Apple Podcasts や Spotify で聴取・購読できます。
私たちが学んだこと
業務に最適なモデルを選択する
多くのチームは一つのモデルを選び、それ一筋で進めます。しかし Sierra では複数のモデルを並行して実行し、各モデルが実際に得意とする分野に信頼を置きます。ザック氏は、あるモデルが北イングランドの厚い方言の文字起こしにおいては最高であった一方で、沈黙時におけるハルシネーション（幻覚）が他よりも多かったという事例を語りました。一つのプロバイダーに固執しているだけでは、このようなトレードオフは発見できません。
転写モデルを超えて、Sierra は Claude、Gemini、GPT クラスのモデルをすべて同じ方法で実行します。推論、合成、音声対音声変換には異なるプロバイダーを利用しています。
成果ベース課金で Sierra が稼働する理由
Sierra の課金モデルはシンプルな前提に基づいています：もし共有された成果に価値を見出せないなら、その成果自体がそれほど価値あるものではなかったということです。
Zack の経験則では、高価値な業務（商談の成約や車の販売など）には成果ベースを、コモディティ化されたタスク（残高照会、知識検索など）には利用量ベースまたはユーザー数ベースを採用します。彼は、差別化された作業を行う AI 製品においては、前者がデフォルトとなるべきだと考えています。
組織図をそのまま実装してはいけない
「一つのチームが一つのエージェントを担当し、別のチームが別々のエージェントを担当するようなマルチエージェントシステムを作りたいなら、それは組織図そのものをリリースしているようなものです」
Sierra のデフォルトは、ブランドごとに一つのエージェントです。このエージェントがブランドの声を担います。顧客の履歴全体、会話の文脈全体、そして実行可能なタスクの全セットを把握しています。これを複数のエージェントに分割すると、顧客には断片的な情報しか扱えないシステムと対話させることになります。
そのコストは具体的です。トリアージとタスクを二つのエージェントに分けると、それぞれが盲点を抱えたまま作業することになります。タスク担当のエージェントは、トリアージで明らかになった情報を学習しません。Sierra の賭けは、すべてを保持するエージェントこそが最高の顧客体験を生み出すというものです。手渡すエージェントではありません。
⟦CODE_0⟧
他の話題
- Sierra のノーコードレイヤーがどのようにエージェントコードにコンパイルされ、再び元の形に戻るのか
- なぜマルチエージェントシステムの多くは単に組織図を配送しているだけなのか
- Sierra のモジュラー音声アーキテクチャの内部：思考、聴取、発話を並行して行う仕組み
- Sierra が音声決済のために PCI 認証スタックを構築した理由
- オートカムベース（成果主義）価格設定がインセンティブをどう整合させるか
- なぜ特筆すべきメモリ専門企業が存在しないのか
タイムスタンプ
- 00:00 イントロダクション
- 03:39 分析、構築、リリース：Sierra でどのように構築するか
- 07:54 Ghostwriter の内部構造
- 11:04 モデルの得意分野で対峙する「80% の場合」
- 17:47 Claude Code が持たない唯一の制約
- 19:35 エージェント間連携：API 呼び出しが MCP を凌駕する場合
- 21:02 なぜエージェント型コマースは EC よりも大きくなるのか
- 27:31 モデルの並列実行とトランスクリプションのアンサンブル
- 32:22 エージェントデータプラットフォームの内部構造
- 40:00 コンテキストエンジニアリング：必要なものはすべて、それ以上は何もない
- 41:38 「モデルが愚かすぎると思うときは、実はモデルが強すぎるのだ」
- 46:13 なぜマルチエージェントシステムは罠なのか
- 48:44 ボイス 101：レイテンシ、自然さ、そして 60 の言語
- 56:11 ボイス・トゥ・ボイスが 50% を超えるとき：オーバー/アンダー
- 57:03 メモリをファーストクラスのプリミティブとして扱う
- 1:02:47 なぜ特筆すべきメモリ専門企業が存在しないのか
- 1:08:02 すべての AI 問題に対する解決策は「より多くの AI」である理由
- 1:09:20 Sierra が tau-bench ユニバースをオープンソース化する理由
- 1:14:42 成果ベースの価格設定がインセンティブをどう整合させるか
- 1:20:26 フォワードデプロイされたエージェントビルダーとして成功するのは誰か
- 1:22:16 F1 のアナロジー：なぜ製品がボトルネックなのか
- 1:25:47 エージェント性を評価する Sierra の面接方法
Max Agency をもっと楽しむ
ランチェーンの CEO、ハリソン・チェイスがホストする本シリーズでは、野外で実際に設計・展開し、学習しているエージェントシステムを構築する開発者たちと深く掘り下げていきます。アーキテクチャの決定から評価（evals）、ツール、失敗モードに至るまで、有用なエージェントを構築するために本当に何が必要かを理解したい人々のための『Max Agency』です。
関連コンテンツ
Max Agency Podcast
最も賢い AI でも十分ではない場合、ベンチリングはどのようにエージェントを構築するか
ジェームス・ドナー
2026 年 6 月 11 日
4
分
エージェントが実際に何をしているかを確認する
LangSmith は、開発者がエージェントのすべての意思決定をデバッグし、変更の評価を行い、ワンクリックで展開できるためのエージェントエンジニアリングプラットフォームです。
原文を表示
Why the best agents are simpler than you think
Zack Reneau-Wedeen is the Head of Product at Sierra, the conversational AI platform behind customer-facing agents for most of the Fortune 20. Before Sierra, he spent seven years at Google as the founding PM for Google Lens and Google Podcasts, then led product at Robinhood and CoinTracker. Sierra is mostly known for customer support, but Zack reveals how and why the company is building agents that span the entire customer lifecycle, from browsing and booking to sales and loyalty.
In this conversation with Harrison Chase, he argues agentic commerce will be bigger than e-commerce, explains why he's a "monolith loyalist", and unpacks why, when a model looks dumb, the problem is usually you.
🎧 Watch the full conversation on YouTube, or listen & subscribe on Apple Podcasts or Spotify.
What we learned
Choose the best models for the job
Most teams pick a model and commit. Sierra runs multiple models in parallel and trusts each one where it's actually stronger. Zack recounted when one model was the best at transcribing thick northern UK accents, but also hallucinated during silence more than any other. You don't discover that tradeoff if you are committed to just one provider.
Beyond transcription models, Sierra runs Claude, Gemini, and GPT-class models the same way. Different providers for reasoning, synthesis, and speech-to-speech.
Why Sierra runs on outcome-based pricing
Sierra's pricing model is built on a simple premise: if you don't see the value in sharing an outcome, the outcome probably wasn't that valuable.
Zack’s rule of thumb: outcome-based for high-value work (closing a sale, selling a car), and usage or seat-based for commodity tasks (balance checks, knowledge lookups). He thinks the former becomes the default for any AI product doing differentiated work.
Don’t Ship Your Org Chart
"If you want a multi-agent system so that one team can work on one agent and one team can work on another agent, then you're shipping your org chart."
Sierra’s default is one agent per brand. The agent is the brand's voice. It knows the full customer history, the full context of the conversation, and the full set of things it can do. The moment you split that into multiple agents, you're asking customers to interact with a system that's only ever working with part of the picture.
The cost is concrete. Split triage and task into two agents and each one is working blind. The task agent never learned what triage uncovered. Sierra's bet is that the best customer experiences come from an agent that holds everything, not one that hands off.
Other Topics Discussed
- How Sierra's no-code layer compiles down to agent code, and back again
- Why most multi-agent systems just ship your org chart
- Inside Sierra's modular voice architecture: thinking, listening, and talking in parallel
- Why Sierra built a PCI-certified stack for voice payments
- How outcome-based pricing aligns incentives
- Why there's no breakout memory company
Timestamps
- 00:00 Introduction
- 03:39 Analyze, build, release: how you build on Sierra
- 07:54 Inside Ghostwriter
- 11:04 Meeting models on their turf “80% of the time
- 17:47 The one constraint Claude Code doesn't have
- 19:35 Agent-to-agent: when an API call still beats MCP
- 21:02 Why agentic commerce will be bigger than e-commerce
- 27:31 Running models in parallel and ensembling transcription
- 32:22 Inside the Agent Data Platform
- 40:00 Context engineering: everything it needs, nothing more
- 41:38 "Whenever you think the model's too dumb, the model's actually too smart"
- 46:13 Why multi-agent systems are a trap
- 48:44 Voice 101: latency, naturalism, and 60 languages
- 56:11 When voice-to-voice passes 50%: the over/under
- 57:03 Making memory a first-class primitive
- 1:02:47 Why there's no breakout memory company
- 1:08:02 Why the solution to all AI problems "is more AI"
- 1:09:20 Why Sierra open-sources the tau-bench universe
- 1:14:42 How outcome-based pricing aligns incentives
- 1:20:26 Who thrives as a forward-deployed agent builder
- 1:22:16 The Formula One analogy: why product is the bottleneck
- 1:25:47 How Sierra interviews for agency
Get More Max Agency
Hosted by Harrison Chase, CEO of LangChain, each episode goes deep with the builders designing, deploying, and learning from real agent systems in the wild. From architecture decisions to evals, tooling, and failure modes, Max Agency is for people who want to understand what it really takes to build useful agents.
Related content
Max Agency Podcast
How Benchling builds agents when the smartest AI isn't smart enough
James Donner
June 11, 2026
4
min
See what your agent is really doing
LangSmith, our agent engineering platform, helps developers debug every agent decision, eval changes, and deploy in one click.
関連記事
AWS で現代的なデータメッシュ戦略を用いたエージェント型 AI アプリケーションの構築
AWS は、顧客サービスエージェントが自律的にデータベースを照会し回答を合成する際、組織内の複数のデータソースにまたがるガバナンスアクセスが必要であると指摘。現代のデータメッシュでは、データ相互作用チェーンの各層で厳密なアクセス制御を適用することが重要であるとしている。
ツール、メモリ、権限、スキル、マルチエージェント協調を備えた OpenHarness スタイルのエージェントランタイム設計方法
MarkTechPost は、エージェントシステムの実用的な仕組みを理解するため、ツール使用やマルチエージェント協調など主要な構成要素から OpenHarness をゼロから構築するチュートリアルを提供している。
Cloudflare、すべてのアプリエコシステムでOAuthを解放
Cloudflare は、プラットフォーム上の開発者が他社製ツールと連携できるよう、全アプリエコシステムでの OAuth 利用を可能にする機能を発表した。これにより、顧客は独自に OAuth クライアントを作成・管理しやすくなる。
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み