読み込み中…
読み込み中…
monday.com のオムリ・ブルヒム氏らは、現在の AI が大量のデータを持ちながら「文脈を理解できない」という根本的な課題を指摘しました。彼らが提唱するのは、過去の行動からユーザーのプロファイルを作成する「低速エンジン」と、直近の状況を把握する「高速エンジン」を組み合わせた新しいアーキテクチャです。このアプローチにより、AI エージェントは単なるデータ検索ではなく、業務の優先順位や緊急性を真に理解し、適切なアドバイスを提供できるようになります。これは、エンタープライズ AI における「記録システム」から「文脈システム」への重要な転換点を示すものです。
「AI はデータさえあれば十分」という従来の考え方を覆す、文脈理解の重要性を説く非常に示唆に富む講演です。開発者やプロダクトマネージャーにとって、次世代 AI エージェント設計の参考となるべき内容です。
AI エージェントは膨大なデータを持ちながら、業務間のつながりや優先順位を理解できず、単なるリスト提示に留まっている。
ユーザーの行動パターンを学習する「低速エンジン」と、直近の状況を把握する「高速エンジン」を組み合わせるデータモデルを提案。
神経科学の海馬と大脳皮質、およびデータ処理のラムダアーキテクチャに倣い、リアルタイム性と長期的学習を両立させる。
単なる記録保存から、AI が業務の文脈を理解し、誰が何をすべきかを判断する「文脈システム」へプラットフォームを進化させる。
このアプローチは、エンタープライズ AI が単なる情報検索ツールから、業務の文脈を理解し自律的に判断を下すパートナーへと進化するための重要な指針となります。特に大規模な組織において、複雑化するデータとタスクを整理し、生産性を飛躍的に高めるための基盤技術として注目されます。
現在の AI は膨大な業務データを保有しながらも、「何に優先順位をつけるべきか」という根本的な問いには答えられないという課題があります。monday.com のオムリ・ブルヒム氏らは、この「データはあるのに理解がない」状態を打破するため、人間の脳や大規模データ処理の仕組みを模した新しいアーキテクチャを提唱しました。
monday.com は、過去数十年にわたり「記録システム（System of Record）」として機能してきました。すべてのタスク、ドキュメント、メッセージ、ステータス更新がログとして保存され、チームの業務を可視化しています。しかし、オムリ氏は現在の AI エージェントが抱える根本的な限界を指摘します。
「AI はすべてのデータを持っているのに、『理解』という要素がゼロである」
朝、AI に「今、何に集中すべきか？」と尋ねても、返ってくるのは関連性の薄い箇条書きや、自信ありげな文章の羅列に過ぎません。実際、ある AI がユーザーに「ジムに行け」と提案した事例もありました。
これには明確な理由があります。まず「エージェント・ギャップ」です。AI は具体的なタスク（例：顧客からのクレームへの返信作成）には鋭く対応できますが、「優先順位」や「誰にとって何が重要か」という文脈を理解する能力は欠如しています。また、ログ自体には意味が含まれていないという問題もあります。コードの一行にコメントがあっても、なぜその行が書かれたのか（顧客の不満への対応だったのか）を知ることはできません。
「理解とは、事前につくり上げる必要があるものであり、質問された瞬間に作り出すものではない」
この課題を解決するために、monday.com が提案するのが「Monday World Model（月曜日の世界モデル）」です。これは単なるプロンプトの拡張やコンテキストウィンドウの拡大ではなく、AI に業務の文脈を理解させるための新しいデータモデルです。
このモデルは、人間の脳が情報を処理する仕組みに倣って設計されています。神経科学における「補完的学習システム（Complementary Learning Systems）」、つまり海馬（短期記憶・即時処理）と大脳皮質（長期学習）の二重構造をデータ処理に応用しています。
具体的には、以下の 2 つのエンジンが組み合わされます。
このエンジンは数週間にわたるユーザーの活動データを分析し、長期的なパターンを学習します。誰がどのような仕事のリズムを持っているか、誰と頻繁に協力しているか、主要な目標やプロジェクトは何かといった「パーソナ」を抽出し、耐久性のあるプロファイルとして蓄積します。
一方の高速エンジンは、直近の数時間から数日のデータに基づいて動作します。何が期限切れになっているか、何が突発的に緊急事態になったのか、誰と現在緊密に連携しているかなど、「その日」のリアルタイムな信号を計算し、頻繁に更新されます。
このアプローチは、大規模データ処理におけるラムダアーキテクチャ（高速層と低速層の併用）とも共通しています。両方のエンジンがオフラインで事前に計算を行い、ユーザーが AI に問いかけた瞬間に、最新の状況と長期的な文脈を統合した形で提供されます。
このアーキテクチャにより、monday.com の AI エージェント（Sidekick）は単なる情報検索ツールから、業務の文脈を理解するパートナーへと進化します。得られる主なメリットは以下の 3 点です。
「このモデルは、あなた独自の働き方に唯一無二の文脈を提供します」
もちろん、完全に完璧なわけではありません。新規ユーザーには学習データが不足しており、バイアスの除去という課題も残されています。しかし、これは「記録システム」から「文脈システム」へとプラットフォームを進化させる重要な転換点です。
monday.com のオムリ氏らが提唱するこのアプローチは、エンタープライズ AI におけるパラダイムシフトを示しています。単なるデータ検索から脱却し、業務の優先順位や緊急性を真に理解することで、AI エージェントは「誰が何をすべきか」を自律的に判断できるパートナーへと進化します。これにより、複雑化する組織内のタスク整理と生産性の飛躍的な向上が可能になると期待されています。
この記事はAIが動画の内容を記事化したものです。正確な発言は動画および文字起こしをご確認ください。