CollectivIQ、企業内のAIチームメイト間で知識を共有する「GigaBrain」を発表

顧客との関係で最も役立つ情報が、正式な記録に残っていないことは少なくありません。たとえば、購入の承認が実際に必要なのは誰なのか、配送日程が変更された理由は何か、繰り返し起きる問題を解決した例外的な対応はどれか、といった情報です。CollectivIQは、企業内で知識を共有するインテリジェンス層「GigaBrain」を通じて、この課題の解決を目指しています。同製品は10月21日に正式展開を開始します。従業員がAIのチームメイトと協働するなかで蓄積した知識を、社内の権限を付与された他のチームメイトも利用できるようにすることを目的としています。

CollectivIQがDigital Direct Reports（DDR）と呼ぶこうしたチームメイトは、業務を進めるなかで背景情報を蓄積していきます。GigaBrainは、組織内でその情報の関連部分をつなぎ、同じ顧客やプロジェクト、プロセスについて人々が何度も説明する必要を減らすことを目的としています。今回の発表で説明されているのは、CollectivIQプラットフォーム向けのメモリー層であり、新たな汎用基盤モデルではありません。

この違いは重要です。AIアシスタントが質問に適切に答えても、次の担当者が同じ背景情報を一から再構築しなければならないことがあります。共有メモリーは、最初のやり取りで得られた有用な背景情報を保持することを目指します。それによって業務の質が向上するかどうかは、何が記憶され、どのように検証され、誰が利用できるかに左右されます。

個々のAIとの会話を超えて知識を共有

CollectivIQは、仕組みを説明するため、発売に関する資料で営業の事例を紹介しています。営業担当者のDDRは、顧客の調達プロセスについて、承認要件や意思決定者、購入までのスケジュールなどを学習できます。そうした情報は、別途手作業で引き継がなくても、その顧客からの次の依頼に対応する権限を持つ別のチームメイトが利用できるようになります。

発表に付随する説明資料では、サプライヤーとの契約や購買パターンに関する2つ目の事例も取り上げています。価格設定を担当するDDRが蓄積した知識を、販売代理店の業績を監視する別のDDRに活用できます。これらは提案されているワークフローであり、顧客にもたらした成果を示す公開測定値ではありません。人々やアプリケーション、部門ごとの記録に分散している業務をつなげられる可能性が、こうした仕組みの魅力です。

同社は、従業員が正式な文書に記録しない可能性のある知見も含め、日々のやり取りのなかで生まれる知識をGigaBrainの中核に据えています。これは、ファイルをさらに集めるよりも難しい課題です。有用な気づきは一時的なものかもしれず、特定の顧客にしか当てはまらないこともあります。また、要約すると見失われやすい状況に左右される場合もあります。

たとえば、ある購入で有効だった指示を、すべての購入に適用する恒久的なルールにしてはなりません。組織の記憶を効果的に機能させるには、事実そのものだけでなく、その事実が成り立つ条件も保持する必要があります。そうでなければ、効率的な引き継ぎが、古くなった前提を効率よく広めることになりかねません。

製品ページで明らかになること

CollectivIQのGigaBrain製品ページでは、組織、人、トピック、プロジェクトをつなぐマップについて説明しています。同ページによると、各事実には情報源と確認者に関する情報が付与され、単一の情報源に基づく主張は裏付けが得られるまで保留され、古くなった事実は期限切れになります。また、知識には、それが生まれた状況における機密性が保たれるとも説明されています。

こうした説明からは、情報の出所と知識のライフサイクル管理を重視していることがうかがえます。情報源があれば従業員は主張を調べることができ、確認記録があれば、単なる主張と検証済みの情報を区別しやすくなります。期限切れの仕組みは、古い背景情報が残り続けるのを防ぐことができます。ただし、公開されている説明では、裏付けを得るためのルールや有効期限の間隔は明示されていません。そのため、こうした制御を、検索されたすべての事実が正しいことを保証するものと解釈すべきではありません。

Digital Direct Reportsのページでは、ワークフローの背景が説明されています。CollectivIQによると、アシスタント、アナリスト、エンジニア、プロジェクトマネージャー、簿記担当者、請求書アナリストなどの専門エージェントが、連携した業務システムを通じて作業します。連携先として、Microsoft 365、Google Workspace、Salesforce、Atlassian、GitHubが挙げられています。定期的なブリーフィングや繰り返し実行されるジョブも、こうした製品群の一部であり、タスク間で背景情報を引き継ぐことを目指しています。

その関係は明快です。DDRが業務を行いながら背景情報を蓄積し、GigaBrainがその後の業務に適した組織内の知識を利用可能にします。このアーキテクチャによって、AIの生産性を測る単位が個々のセッションから、継続的なチームのワークフローへと変わる可能性があります。

メモリーの共有には境界の適用が必要

今回の発表では、組織内で共有するメモリーに情報を加えるべきではないやり取りのために、シークレットモードを用意するとしています。CollectivIQのセキュリティ関連ドキュメントによると、個人用と会社用のワークスペースは分離され、接続されたシステムは各ユーザーのOAuth権限を使用し、共有知識へのアクセスは役割に応じて制限されます。また、アクセス権のないDDRは、保護された知識を表示することも要約することもできないとしています。

この最後の要件は重要です。システムは機密情報を間接的に明らかにすることもあるからです。元の文書へのアクセスを制限しても、その内容が、別途アクセスできる要約に再び現れるなら不十分です。アクセス制御は、情報源だけでなく、そこから導き出された知識にも適用する必要があります。

セキュリティページでは、操作ログ、シングルサインオン、ユーザープロビジョニングについても説明されています。また、モデルのトレーニングに関する制限とデータ保持を区別しています。同社によると、商用モデルプロバイダーに送信される入力と出力はトレーニングに使用されませんが、一部のプロバイダーは不正利用の監視を目的にAPIの内容を保持する場合があり、その期間は通常最長30日です。したがって、Incognitoはメモリーを制御する機能と捉えるべきであり、下流のすべてのサービスでデータがまったく保持されないという意味だと決めつけるべきではありません。

これらは同社が公表している制御機能の説明であり、独立したセキュリティ評価ではありません。企業の導入担当者にとって実務上の疑問となるのは、従業員の役割が変わった際に権限がどう変更されるのか、誤った情報がどう訂正されるのか、そして訂正内容がその情報をすでに利用したエージェントにどう反映されるのか、といった点です。これらの疑問は、より広い課題である企業のAIエージェントをどう統制するかにもつながります。

共有コンテキストが業務を改善するかを測定する

発表資料では、GigaBrainの精度や生産性への影響を定量化したベンチマークは示されていません。有効な評価方法としては、共有メモリーがある場合とない場合で、同じワークフローを繰り返し実行して比較することが考えられます。具体的には、従業員が不足しているコンテキストをどれほど頻繁に補わなければならないか、エージェントが古い情報をどれほど頻繁に再利用するか、出力を使える状態にするまでにどれほどの確認作業が必要かを調べます。

Buyers Edge Platformの経営陣が創業したCollectivIQは、既存のプラットフォームを通じてGigaBrainを提供しています。会話や引き継ぎのたびに現在失われている知識を保持できることが、この取り組みの可能性です。組織の変化に応じて、そのメモリーが有用で最新の状態を保ち、適切なアクセス制限が維持されるかどうかが試されます。