マーク・ヒューズ、Solidroadの共同創設者兼CEOは、セールス、カスタマー・エクスペリエンス、テクノロジーの交差点でキャリアを築いた、繰り返しの起業家であり、市場参入リーダーです。彼は以前、Gradguideというキャリアと採用プラットフォームを設立しました。これは200万ユーロを調達し、後に買収されました。また、Chargifyのシニア・コマーシャル・ロールを務め、Maxioへの合併後のEMEA事業を牽引しました。彼のキャリアの初期には、Intercomでハイ・ベロシティ・セールスとエンタープライズ・セールスの分野で深い専門知識を身に付け、複雑な取引サイクルを管理し、収益チームのスケーリングを支援しました。今日、彼はサンフランシスコからSolidroadを率いており、その経験を活かし、AIを使用して企業がカスタマー・インタラクションを評価し、改善する方法を再考しています。焦点は、人間と自動化されたサポート・システムの両方で品質の水準を高めることに置かれています。Solidroadは、現代のカスタマー・エクスペリエンス・チーム向けに設計されたAIパワーの品質保証とトレーニング・プラットフォームです。プラットフォームは、チャネル・アクロスでの会話を分析し、会社の基準に対するパフォーマンスを評価し、人間のエージェントとAIシステムの両方を継続的に最適化するために、カスタマイズされたトレーニング・シミュレーションを生成します。カスタマー・サポート・チームを置き換えるのではなく、Solidroadはそれらを強化し、各インタラクションをフィードバック・ループに変え、レスポンスの品質、効率、カスタマー・サティスファクションなどの結果を改善します。会社は、高パフォーマンスのCXチーム向けのインフラストラクチャとして自己を位置付け、運用コストを増やさずに一貫した、高品質のエクスペリエンスを提供することを支援しています。ほとんどの会社は、パフォーマンスを評価するために、カスタマー・インタラクションの小さなサンプルをまだレビューに頼っています。你がSolidroadのアプローチを構築するきっかけとなったのは、人間とAIエージェントの両方を継続的に監視し、スコアリングし、改善することの重要性を認識したことです。パトリックと私は、Solidroadを開始する前に、両者ともにカスタマー・サポート・チームの周囲で数年を過ごしましたが、1つの問題が際立っていました。会社は、顧客と何百何千もの会話をしていたにもかかわらず、それらの会話がどのように進行しているかを尋ねたとき、彼らは実際には知りませんでした。彼らが知っていたことは、インタラクションの小さなサンプルに基づいていたため、正確ではありませんでした。これは、人間が毎回チケットを処理していたときにはすでに不安定な基盤でした。現在、AIが登場したことで、状況は変わりました。悪いパターンは、同時に何千もの会話で再生され、ほとんどのチームが1〜2%のインタラクションしかレビューしていないため、気づかれないままになります。私たちは、これが会社で繰り返し起こっているのを目にしており、それが顧客を失う原因になっているため、解決策を作成することにしました。私たちは、これが最終的にインフラストラクチャの問題であることを認識しました。会社には、実際にカスタマー・サポート・エージェントのパフォーマンスを理解するために必要なシステムがなかったのです。Solidroadは、その盲点を解決するために構築されました。会社に、実際に何が起こっているかを確認するツールを提供し、人間、AI、またはその両方が関与する会話であっても、毎回の会話で価値を提供することを保証します。Solidroadは、カスタマー・ファーシング・チームの「フライト・シミュレーター」と呼ばれています。実際のカスタマー・インタラクションをシミュレートする方法と、トレーニングに効果的なシミュレーションが何であるかについて説明してください。フライト・シミュレーター・アナロジーは、コア・アイデアが同じであるため機能します。誰かが難しい状況に最初に遭遇するのは、実際の顧客の前で起こってはいけないことです。私たちのシミュレーションが効果的である理由は、それらが会社の実際の会話に基づいているからです。エージェントがライブ・インタラクションで何かを間違えたとき、システムはそのシナリオの周りにターゲットを絞ったシミュレーションを生成し、エージェントがそれを再現する前に練習できるようにします。これは、汎用的なトレーニング・コンテンツではありません。フィードバック・ループが学習を促進する鍵です。エージェントはシナリオを実行し、どれが機能し、どれが機能しなかったかについて具体的なガイダンスを受け、もう一度試みます。間違いは安全な環境で発生し、学習は実際の状況に関連付けられているため、抽象的なクラスルームの演習ではなく、実践的なものになります。あなたのプラットフォームはエージェントをトレーニングするだけでなく、カスタム・ガイドラインに対するライブ・インタラクションをスコアリングします。実際のビジネス・アウトカムであるCSAT、リテンション、収益などの指標を反映するようにスコアリング・システムを設計する方法について説明してください。これらのガイドラインを作成するには、特定の会社が実際に気をつけていることから始めます。請求書紛争を扱う金融サービス会社には、ピーク・シーズン中に返品を管理する電子商取引ブランドとは異なる品質基準があります。したがって、スコアリングは、各組織の独自のガイドライン、ポリシー、ブランド・ボイス、そしてその会社にとっての良い解決策の見方に基づいて構築されます。ビジネス・アウトカムであるCSATスコアの改善やリテンションは、高品質のカスタマー・インタラクションから生じます。スコアを追跡するのではなく、結果を予測する行動に焦点を当てています。エージェント間の一貫したパフォーマンス、適切なプロセスの遵守、会話の最後に顧客が感じる感情を形作るソフト・スキルなどです。目標は、リーダーに、会社にとって「良い」とは何かについて明確で実用的な絵を提供することです。そうすれば、チームをコーチし、成功を複製し、組織全体で成長させることができます。多くの会社は、カスタマー・会話の小さな割合しかレビューしていません。Solidroadはフル・カバレッジ・アナリシスをどのように可能にし、サンプリングからすべてを分析するように移行したときに、どのような洞察が可能になりますか。私たちの最近のState of CX調査では、約81%のサポート会話が品質のためにレビューされていないことが示され、チームは会話の小さな割合しかレビューしていないため、基本的にサンプリングし、代表的なものであることを希望しています。会社が毎回のカスタマー・会話を評価し始めると、サンプルでは表面化しないパターンが明らかになります。チームは、どのようなタイプのリクエストが一貫して不完全に処理されているか、人間とAIエージェントが予想外の方法でどのように離れているか、顧客の苦情が出る前に再発する問題は何かを確認できます。Solidroadは、チャット、電子メール、ボイスを横断して毎回のカスタマー・会話を自動的にレビューすることで、フル・カバレッジ・アナリシスを可能にします。サンプリングから100%のレビューへの移行が、品質、カスタマー・フリクション、パフォーマンスの一貫したパターンを明らかにし、それらが隠れたままになることを防ぎます。Crypto.comは、フル・カバレッジが実際に何を解放するかについての素晴らしい例です。Solidroad以前、チームはエージェントの品質を大規模に測定したり、エージェントがライブ・チケットを処理する前に準備ができていることを確認したりする信頼できる方法を持っていませんでした。問題は、顧客に影響を与えた後にのみ表面化していました。毎月800,000件の会話を自動的にスコアリングすることで、彼らは早期に品質の問題を捉え、デプロイ前にエージェントを検証し、改善が実際に根付いていることを確認できました。結果は、平均ハンドリング・タイムの18%の削減と、CSATの3%の増加でした（彼らが運営している規模では重要です）。会話のボリュームが増加するにつれて、品質の可視性は後退するのではなく、拡大します。これがフル・カバレッジが変えることです。品質は、反応的なものから、事前に管理できるプロアクティブなものにシフトします。あなたは、Crypto.comやRyanairなどのカスタマー・エクスペリエンスが使命 крит的な会社と協力しています。 大規模なサポート・チームを横断して、どのようなパターンまたは共通の弱点を特定しましたか。いくつかの共通点があります。最初のものは、会社がカスタマー・会話について何が起こっているかと思っていることと、実際に何が起こっているかとの間のギャップです。ほとんどのチームは、フル・ビジビリティを得るまで、サポートの品質に自信を持っています。すると、絵は彼らの初期のメトリクスよりも複雑であることがわかります。パフォーマンスを測定する方法と、実際にカスタマー・アウトカムを駆り立てるものとの間の断絶があります。速度メトリクスとチケット数は追跡しやすいため、評価で支配的な地位を占めます。しかし、これらの数字は、顧客の問題が解決されたか、エージェントがブランドを適切に表現したか、インタラクションが顧客に良い印象を与えたかを会社に伝えません。フィンテックやヘルスケアなどのハイ・ステークスの環境では、この測定とアウトカムのミスアライメントは深刻な結果をもたらす可能性があります。カスタマー・サービスにおけるAIが人間のエクスペリエンスを低下させるという懸念が高まっています。システムが品質を向上させるのではなく、チームを過度にスクリプト化されたまたはロボットのようなインタラクションに向かわせないように、システムをどのように設計していますか。これは妥当な懸念ですが、通常、QAシステムがAIを誤ったものに利用することから生じます。会社がエージェントを純粋にスクリプトへの準拠やチケットを閉じるスピードでスコアリングする場合、ボックスをチェックするが顧客にとって空虚または非個人的な感じのインタラクションにつながります。私たちのアプローチは、実際に顧客がサポートされていると感じるものを構築することです。エージェントが積極的に傾聴したか、必要に応じて共感を示したか、そして実際に顧客の問題を解決したかを確認します。同じことがAIエージェントにも適用されます。目標は、カスタマー・インタラクションをより一貫性があり、正確で、顧客が実際に経験していることに対して適切に反応するものにするために、AIを使用することです。品質の管理がプロセスの遵守ではなく、それらのアウトカムに基づいている場合、インタラクションはより良い方向に向かいます。よりスクリプト化されたものではありません。Solidroadは人間のエージェントとAIエージェントの交差点に位置しています。特にAIがフロントラインのインタラクションをより多く処理し始めるにつれて、2つの関係がどのように進化すると思いますか。人間のエージェントとAIエージェントはチームとして見ることが重要です。労働の分割を分割します。私は、人間とAIエージェントの将来はハイブリッドであると思います。AIは、高ボリュームの、シンプルなリクエストを非常にうまく処理し、ベストのAIエージェントは、実際にほとんどの会話を独自に解決しています。これは、本当に印象的なものです。しかし、その結果は、人間のエージェントが扱うインタラクションが、複雑で、感情的に充電された、高いステークスのものになるということです。顧客が苛立っている状況、標準のテンプレートに合わない状況、実際の判断が必要な会話です。したがって、人間のエージェントのバーは、実際に上昇しています。下降していません。これが、両方の監督が非常に重要になる理由です。AIは、一貫して正確にボリュームを処理する必要があります。人間は、扱うことになるより困難な会話のために十分に準備されている必要があります。人間とAIの両方にわたる独立したレイヤーが必要です。会社に、どれが機能し、どれが機能しないのかについて明確な絵を提供する必要があります。これが、私たちが先を見据いて構築しているハイブリッド・モデルです。あなたのシステムはリアルタイムのフィードバックとコーチングを提供します。エージェントのパフォーマンスを改善する上で、即時性はどれくらい重要ですか。従来のトレーニングとQAワークフローと比較して、どのように異なりますか。即時性は非常に重要であり、フィードバックは、生成した状況に接続されているときに最も効果的であることが研究によって裏付けられています。従来のQAワークフローは、デザインによってこの接続を切断します。マネージャーは、会話が発生してから数日または数週間後に会話をレビューし、定期的なレビューでフィードバックを共有し、そのときまでにエージェントは、同じ間違いを繰り返した数多くの他のインタラクションを持っている可能性があります。フィードバックをリアルタイムで提供しないと、間違いは継続し、エージェントは常に慣れている慣行を再学習する必要があります。私たちが発見したのは、フィードバックが、特定の状況によって生成された後にすぐに表面化する場合に最も効果的であるということです。実際の会話に直接接続され、エージェントがすぐに実行できる特定のシミュレーションにペアになっている場合に最も効果的です。この形式では、実際的な行動の変化に迅速に変換されます。エージェントは改善する必要があることを聞いているのではなく、状況に応じて改善を練習しています。これはまだ新鮮です。従来のオンボーディングとの対比は、最も明確な例です。私たちのデータは、人間のエージェントの半分以上が、トレーニングで学んだことを実際の顧客の状況に適用することが、オンボーディングで最も難しい部分であると言います。この不一致は、クラスルームの学習とライブ・サポートが全く異なるためです。継続的な状況に応じたフィードバックは、定期的なレビューが決してできない方法でこれを解決します。あなたは、オンボーディングの時間の短縮やCSATの向上などの改善を示しています。顧客があなたのプラットフォームを採用する際に最も気にするメトリックは何ですか。関係の初期段階でROIをどのように示していますか。これは、顧客の痛みのポイントがどこにあるかによって異なりますが、最も共通する2つのものは、品質保証のカバレッジと時間の節約です。チームは、手動で会話の小さな割合をレビューしているチームは、Solidroadに移行して100%のカバレッジを得ることで、すぐに価値を認識します。QAチームに返される時間もそうです。顧客ベース全体で、通常はQAカバレッジの20倍の増加と、手動レビュー時間の90%の削減を見ています。ROIの側面では、私たちはアウトカムを、すでにビジネスにとって重要なメトリクスに接続しようとします。Podiumでは、見出しがオンボーディング時間でした。新しいエージェントがパフォーマンスのベンチマークに到達するのに60日ではなく90日かかり、問題を解決するのが33%速くなったときに、ライブになりました。Crypto.comでは、解決時間と会話のボリュームの可視性でした。Ryanairでは、レクルーターが節約した時間でした。パターンは同じですが、詳細は異なります。会話の可視性を得ることができ、迅速にそれに基づいて行動できる場合、改善は、重要なメトリクスで追跡されます。先を見て、SolidroadはトレーニングとQAに焦点を当てたままにしますか。あるいは、人間とAIの両方のカスタマー・インタラクションを管理するためのより広範なオーケストレーション・レイヤーに進化しますか。トレーニングとQAが私たちの出発点でしたが、ビジョンはそれ以上です。品質の管理は、カスタマー・サポートでAIを実行する会社にとって、重要なインフラストラクチャになるでしょう。データをクラウドに移動したときにセキュリティ認定が非交換可能になったのと同じように、AIがカスタマー・会話に移行するにつれて、品質認定も不可欠になります。北極星は、Solidroad Certifiedが実際の意味を持つことです。会社が顧客にどのように対応するかという高い基準を満たしていることを証明します。人間かAIか関係なく。実際的には、会社がカスタマー・インタラクションの品質を管理し、改善するために頼るシステムになりたいということです。問題を後でフラグするのではなく、全体的にカスタマー・インタラクションの品質を管理し、改善することを目指しています。これが、Hedosophiaがリードする2500万ドルのシリーズAを調達する理由です。これにより、ビジョンに向けて構築するためのランウェイが得られます。これには、より多くの会社が100%のカスタマー・インタラクションを評価するのを支援するために、製品の機能とチームを拡大することが含まれます。素晴らしいインタビュー、Solidroadについてさらに学びたい読者は、Solidroadを訪問してください。
このインタビューは、MWC 2026との関連で行われ、レノボは同イベントでAIを活用した最新の商用コンピューティングの進歩を展示した。トム・バトラー氏は、レノボのワールドワイド・コマーシャル・ポートフォリオおよび製品管理担当VPであり、同社での20年以上のキャリアを持ち、ディレクター、エグゼクティブ・ディレクターを経て現在の役職についている。ローリー・ダラム地域を拠点とし、レノボのワールドワイド・コマーシャル製品戦略を形作り、ハードウェア、ソフトウェア、サービスをエンタープライズのニーズに合わせて調整している。彼のキャリアは、製品管理、市場戦略の実行、大規模なポートフォリオのリーダーシップにおける深い専門知識を反映しており、シスコとエリクソンでの技術および運用的な役割で培われた無線システム、エンタープライズ・インフラストラクチャ、カスタマー・サポートに関する基礎知識に基づいている。レノボは、年間数十億ドルを生み出す世界的テクノロジー企業であり、180以上の市場で顧客にサービスを提供している。同社は、PC、スマートフォン、タブレット、サーバー、エンタープライズ・インフラストラクチャを含む広範なポートフォリオを提供し、デジタル・トランスフォーメーションをサポートするためのソフトウェア、AIドリブンのソリューション、サービスを提供している。同社の事業は、インテリジェント・デバイス、インフラストラクチャ・ソリューション、サービスという主要セグメントにわかれており、消費者およびエンタープライズの両方のエコシステムで運営できる。レノボは、ハードウェアとインテリジェント・ソフトウェアおよびクラウドベースの機能を組み合わせてモダンなワークプレイスと大規模なエンタープライズ・環境をサポートする、AIと統合コンピューティング・エクスペリエンスの周りに自社を位置付けている。レノボでの20年以上のキャリアを持ち、製品マーケティング、戦略的計画、ポートフォリオ・リーダーシップの役割を経て、現在はワールドワイド・コマーシャル・ノートブック・ポートフォリオを担当しています。伝統的なビジネス・ラップトップにAIの機能を追加したものではなく、地上から設計されたAI PCとは何かについてのあなたの視点はどのように形成されてきたのでしょうか。私は商用PCの中で大部分のキャリアを過ごしてきたので、定義についてはかなり厳格です。AI PCとは、地上から設計されたシステムであり、ローカルで効率的に、そしてセキュアにAIのワークロードを実行することができます。私にとって重要なのは、デバイスがネイティブで何ができるかです。クラウドに頼ることなく、意味のあるAIのエクスペリエンスを実行できるか。ユーザー、データ、ワークフローに適応できるか。エンタープライズのセキュリティと管理可能性の期待を満たす方法で行えるか。これまでのキャリアで、私はハイプを看過することを学んできました。もしもそれは本当に仕事のやり方を変えないのなら、それはまだAI PCではありません。ハイブリッドAIアーキテクチャへの移行が進んでおり、デバイスがローカルでより多くの処理を行い、クラウドにアクセスする必要があるのは必要な場合のみであることがわかります。ThinkPad、ThinkBook、商用ソフトウェアのリーダーとして、ローカルでデバイス上で実行されるAIのワークロードの増加に応じて、商用ノートブックのロードマップをどのように再考していますか。AIのワークロードがローカルで実行されるにつれて、ロードマップは、ピークのスペックではなく、持続的なオンデバイス・パフォーマンスを優先する必要があります。実践的には、ThinkPadとThinkBookのNPU対応構成を拡大し、NPUをCPUとGPUと並んで核心的なリソースとして扱うことを意味します。ミーティングの要約、トランスクリプション、インテリジェント・サーチ、コンテンツの作成などのタスクは、ローカル・アクセラレーションに最適化されています。また、ソフトウェアについても考え方を変える必要があります。エンタープライズ・カスタマーは、分離されたAIの機能を望んでいない。ワークフロー、デバイス、環境全体で機能する統合されたエクスペリエンスを望んでいます。これは、クラウド・ファーストからよりハイブリッドなAIモデルへの移行と一致しています。エンタープライズは、ローカル・ファースト、クラウドは必要時にのみというアプローチで考え始めています。ここで、PCまたはエッジ・デバイスがより多くのワークロードを処理し、クラウドはより選択的に使用されるということです。これは、パフォーマンスだけでなく、コスト、コントロール、IT環境の設計にも実際的な影響を及ぼします。那は、単一のアプローチにカスタマーをロックインするのではなく、オープンで柔軟なアーキテクチャに焦点を当てている理由です。エンタープライズはデバイスのフリートを近代化する圧力に直面していますが、リフレッシュ・サイクルは縮小しています。CIOがAI PCに投資するための最も強力なビジネス・ケースは何ですか。既存のハードウェアのライフを延ばすのではなく。現在のビジネス・ケースは明確になってきています。CIOは、生産性とセキュリティの期待が変化した世界で近代化するように求められていますが、古いPCフリートはソフトウェアの更新のみで新しい基準に達することができない場合があります。パフォーマンスは物語の一部ですが、最も興味深い部分ではありません。何が変わったのかというと、AIのワークロードは今や日常の生産性の一部となっており、古いフリートはそのために設計されていないことが多いです。実際のROIは、新しい働き方を可能にすることから来ます。ローカルのAIはデバイス上に機密データを保持し、コラボレーション・エクスペリエンスを向上させ、常時接続の必要性を減らします。また、コストの側面も重要になってきています。データセンターは収益を生み出すワークロードのために予約されることが増えており、テスト、推論、または初期段階のAIタスクをクライアント・デバイスまたはエッジに移動することで、不必要なクラウドの使用を削減し、全体的なコストを削減できます。同時に、エンタープライズは中断せずに近代化したいと考えています。新しいデバイスをライフサイクル・サービス、段階的な展開、そして「迅速に証明する」パイロットと組み合わせることで、リフレッシュ・サイクルが意図的で実用的であると感じることができます。AI PCは、オンデバイスのコピロットと自動化を通じて生産性の向上を約束しています。実際のエンタープライズ・デプロイメントでは、どこで実際の利益が得られているのですか。業界はまだ実用的な成果を上げていない場所はどこですか。実際の影響が見られるのは、AIが特定のワークフローに結び付けられたときです。ミーティングのキャプチャ、要約、検索、デバイスの最適化は、特にこれらのワークロードが遅延や接続の依存性なくローカルで実行できる場合に、実際的な時間の節約をもたらしています。業界がまだ初期段階にあるのは、広範なエンタープライズ・ワイドの変革です。まだ「キラー・アプリ」はありません。採用は、ハードウェアだけでなく、トレーニング、統合、チェンジ・マネジメントにも大きく依存しています。没入型フォーマットは、スマート・デバイスの次の進化として位置付けられています。ビジネス・ユーザーにとって、「没入型」とは、次の3～5年で実際に何を意味するのでしょうか。どのユース・ケースは、実験を超えて成熟しているのでしょうか。ビジネス・ユーザーにとって、「没入型」とは実用的である必要があります。より使いやすいスクリーン・スペース、より良いフォーカス、より自然なコラボレーションであり、実験的なものではありません。拡張可能なディスプレイ、多モード・デザイン、ワークスペースを拡張するモジュラー・エコシステムを通じて、これが実現しつつあります。次の3～5年で、最も成功するユース・ケースは、ミッション・クリティカルなエンタープライズ・ワーク、ドキュメント・ヘビーなタスク、コラボレーション、モバイル・プロダクティビティと一致するでしょう。他のテクノロジー、たとえばグラス・フリーの3D、リング、空間的インタラクション・モデルは、デザインの可視化、トレーニング、または高度なコラボレーションのような特殊な役割で最初に成熟する可能性があります。AIのワークロードが増加するにつれて、デバイスはパフォーマンス、熱、バッテリー・ライフ、セキュリティのバランスを取らなければなりません。エンタープライズ・環境で信頼性を持って動作する商用AI PCを構築する際に、最も課題的なエンジニアリングのトレードオフは何ですか。最も難しい部分は、カスタマーがすべてを一度に望むことです。パフォーマンス、バッテリー・ライフ、薄型デザイン、信頼性。実際には、これらの要素は競合しています。より大きなバッテリーとより強力なクーリングは重量と厚さを加えるため、正しいバランスを見つけることが課題です。セキュリティも最初から組み込まれている必要があります。AIのワークロードがエンドポイントに近づくにつれて、ファームウェアの完全性、ハードウェアの保護、サプライ・チェーンの保証に関する決定は、パフォーマンスの式の一部となります。エンタープライズ・環境では、速いが脆弱なシステムはスケールしません。セキュリティとデータ・ガバナンスは、エンタープライズ・バイアーのトップ・コンサーンです。デバイス上のAI推論の移行は、プライバシー、コンプライアンス、リスク・マネジメントの会話をどのように変えますか。デバイス上のAIは、プライバシーの会話を改善します。なぜなら、より多くのデータがデバイス上に残るからです。これは、特に規制された業界にとって大きな変化です。また、遅延とコントロールに関する懸念も解決します。エンタープライズは、モデルがどのように使用されるか、データがどのように処理されるか、結果がどのように検証されるかについて明確なポリシーが必要です。那は、OSの下のセキュリティ、サプライ・チェーンの完全性、デバイス・レベルの信頼性に焦点を当てている理由です。AIがエンドポイントに移ると、リスクと責任もそこに増えます。多くのビジネスは、ワークフローと意思決定を自動化するAIエージェントを実験しています。AI PCは、ローカルでエージェント・ドリブンのワークフローをよりよくサポートするためにどのように進化するのでしょうか。シームレスにするために、どのようなハードウェアまたはソフトウェアのイノベーションが必要になりますか。私は、AI PCがシンプルな支援機能からエージェント・ドリブンのワークフローをサポートするプラットフォームへと進化することを見ています。私たちは、AIがツールであるという考えから、AIがあなたの代わりに行動できるものへと移行しています。那は、重要な変化です。デバイスやエコシステム全体で、エージェント・ワークフローがシームレスになるように進化するでしょう。実際の機会は、コーディネーションにあります。AIがあなたの仕事全体とデバイス全体のコンテキストを理解することです。単に分離されたタスクではありません。エージェント・ワークフローをデバイス上でシームレスにするには、オンデバイスのアクセラレーションと効率性の継続的な進歩が必要です。同様に重要なのは、エコシステムが進化するにつれてモデルとやり取りできる、エンタープライズ・グレードのインテリジェント・ソフトウェア・アーキテクチャです。また、エージェントがセキュアに、信頼性を持って動作できるように、ガードレールが必要です。那の進化は、エージェントが必要な時にローカルで動作し、適切な場合にクラウド・スケールのモデルを活用できる、ハイブリッドAIアーキテクチャに大きく依存します。レノボは、顧客のフィードバックを理解し、それを製品戦略に翻訳することに歴史的に優れています。エンタープライズ・カスタマーからAI対応デバイスについて、より広い市場が軽視している繰り返しのテーマは何ですか。エンタープライズ・カスタマーから聞くテーマは、通常、業界の会話よりも実用的です。第一に、顧客は明確なエンタープライズ・ユース・ケースと一貫したROIを望んでいます。リフレッシュ・サイクルは数年前から計画されているため、ミッション・クリティカルな成果がない限り、多くのチームは慎重です。第二に、新しいデバイスが展開されても、トレーニングとオンボーディングが組み込まれない限り、活用されないことが多いです。第三に、ガバナンスと信頼は不可欠です。購入者は、不必要なデータの公開を減らすローカルAIのオプションと、デバイス上で何が起こっているかについての明確な可視性を望んでいます。第四に、基礎はまだ重要です。バッテリー・ライフ、パフォーマンス、ポート、信頼性、修理性。AIは、これらの期待を置き換えるのではなく、引き上げます。5年先を見て、AI PCというカテゴリはまだ存在するでしょうか。あるいは、AIの機能はすべての商用デバイスに不可視で組み込まれた層となるのでしょうか。どのようにして企業はハードウェアを差別化するのでしょうか。私は、AI PCという用語は時間の経過とともに消えると思います。AIは、PCが何であるかの一部になります。実際の差別化は、エクスペリエンス、パーソナライゼーション、保護の方法、管理の容易さ、エンタープライズが信頼して展開できる方法に移ります。そうすると、AIは不可視になります。顧客が気にするのは、デバイスが人々の仕事をより良くするのに役立つか、そしてそれを信頼できるかどうかです。
Classiq Technologiesは、自然言語の指示を完全に実行可能な量子アプリケーションに変換できる、新しいAI駆動のエージェント層を導入しました。このシステムは、抽象的な概念を実際にハードウェアで実行可能なプログラムに翻訳するという、量子ソフトウェア開発における長年のギャップを埋めるように設計されています。リリースは、量子ソフトウェアの構築方法の変化を示しています。手動で、高度に専門化されたコーディングから、より自動化された構造化開発プロセスへの移行です。自然言語から量子実行へアップデートの核心は、Classiqが最初の世代のエキスパートレベルの量子AIエージェントと呼んでいるものです。開発者が複雑な量子回路をスクラッチから書く必要がない代わりに、ユーザーは平易な言語で目標や問題を定義できます。システムはその意図を構造化された量子プログラムに翻訳し、検証、最適化、実行できます。これは、Classiqのより広範なプラットフォームアプローチに基づいています。高レベルモデリングではなく、低レベルゲート操作に焦点を当てています。システムでは、量子アルゴリズムの機能を記述できます。実装の詳細ではなく、プラットフォームがその意図を最適化された回路に変換する複雑さを処理します。実践では、これは歴史的に長くて脆いワークフローを短縮します。手動で回路を設計し、試行錯誤を繰り返すのではなく、開発者は概念から実行可能なプログラムへのより連続的なパイプラインで作業できます。モデルベースの量子スタックで構築このアプローチが典型的なAIコーディングツールと異なるのは、基礎となるアーキテクチャです。Classiqのプラットフォームは、量子開発を実験ではなくエンジニアリングのように扱うモデルベースのフレームワークで構築されています。コードをステップバイステップで書く代わりに、開発者は制約、目的、システム要件を定義します。プラットフォームは、制約を満たす最適化された量子回路を自動的に生成するために、広大な設計空間を探索します。これは、Classiqのコアシンセシスエンジンによって提供されます。エンジンは、キュビットの使用、回路の深さ、ハードウェアの制限など、要因に基づいて最も効率的な実装を選択するために、数千の可能な実装を評価できます。基盤が堅固であるため、AIエージェントは自由形式のコードを生成しません。エージェントは、出力が検証された、ハードウェアに依存しない、さまざまな量子バックエンドで移植可能であることを保証する構造化されたシステム内で動作します。結果は、従来の初期量子開発ツールから欠けていた信頼性のレベルです。プラットフォームの技術内部的には、Classiqは、単なるツールセットではなく、量子開発のためのオペレーティングシステムに近いものとして自己を位置付けます。プラットフォームは、高レベルプログラミング言語、コンパイラ、IDE、シンセシスエンジンを単一の環境に統合しています。プラットフォームの抽象化レイヤーにより、開発者は論理と制約に焦点を当てることができ、システムが回路構築を処理します。これは、量子ゲートとハードウェア固有の最適化に関する深い専門知識を必要とする以前の量子プログラミングアプローチから有意なシフトです。システムはハードウェアに依存しないため、アプリケーションは一度設計して、複数の量子プロセッサまたはシミュレータで展開できます。これは、さまざまなハードウェアアプローチが並行して進化している断片化されたエコシステムで重要な機能です。AIをこのスタックに統合することで、Classiqは、システムが高レベル意図からハードウェア制約まで、すべてのレイヤーを同時に推論できるようにしています。新しいカテゴリ：エキスパート量子エージェントエージェントの導入は、AIの景観の中に新しいカテゴリの出現を示しています。アシスタントとしてではなく、これらのシステムは、量子システムについてより高いレベルで推論することができる開発パートナーとして位置付けられています。これらは、量子アプリケーションの開発の全ライフサイクルにわたって、ドメイン問題を量子モデルに翻訳し、アルゴリズムを設計し、回路を最適化し、構造化されたワークフロー内で反復することを含む、操作するように設計されています。これは、Classiqの量子開発を小さなスペシャリストグループの範囲を超えてアクセス可能にするという、より広範なビジョンに基づいています。複雑さを抽象化し、ドメイン知識をプラットフォームに埋め込むことで、システムは、金融、化学、ロジスティクスなどの分野の専門家が、深い量子専門知識を必要とせずに貢献できるようにします。実験とエンジニアリングのギャップを埋める量子コンピューティングは、ハードウェアのブレークスルーだけでなく、進歩が定義される段階に入っています。ソフトウェア、特に理論的なアルゴリズムを実用的な繰り返し可能なアプリケーションに変換する能力が、限界要因となっています。Classiqのアプローチは、直接的にそのギャップを対象としています。モデルベースの設計、自動シンセシス、AI駆動のワークフローを組み合わせることで、問題定義から実行までのより連続的なパスを作成します。これは、特にエンタープライズの採用において重要です。組織はすでに、リスクモデリング、最適化、材料科学などの分野で量子ユースケースを探索していますが、単離された実験を超えてプロダクションシステムに拡張できるツールが必要です。永続的な量子能力への道このリリースのより重要な意味合いの一つは、量子開発自体を再定義する方法です。ワンオフの実験を生成するのではなく、組織は永続的な能力、システムを構築し始めることができます。システムは進化し、改善され、ハードウェアが進化するにつれて使用可能なままです。これは、クラシックコンピューティングの進化を反映しています。ここで、長期的な価値はハードウェアから、システムが構築されスケーリングされる方法を定義するソフトウェアレイヤーに移りました。AIエージェントを追加することで、Classiqはそのトラジェクトリーをさらに拡張しています。プラットフォームは、開発環境に留まらず、知識、最適化戦略、ドメインの専門知識をエンコード、再利用、継続的に改良できるシステムとなっています。その意味で、エキスパートレベルの量子AIエージェントの導入は、コード生成を自動化することよりも、量子ソフトウェアが最初に作成される方法を再定義することについての方が重要です。
BANDは、Sierra Ventures、Hetz Ventures、Team8のバックアップを受けた1,700万ドルのシードラウンドでステルスモードを終了し、エンタープライズAIで急速に最も見過ごされる課題の1つに足を踏み入れた。問題は、エージェントを構築することではなくなった。エージェントを共同で動作させることが難しい。企業がエンジニアリング、セキュリティ、運用ワークフローにわたって、増え続ける数のAIエージェントを展開するにつれて、調整がボトルネックになっている。コラボレーションシステムとして機能するはずのものは、ツールの断片化されたネットワークになり、チームがそれら間でコンテキストを手動で渡し、スケールしない繊細な接続を維持することになる。BANDのアプローチは、エージェントのための専用のインタラクション層を導入することで、直接そのギャップを解決することに中心にある。シングルエージェントからシステムへのシフトエンタープライズAIの最初の波は、スタンドアロンのツールで定義された。コピロットとタスク固有のエージェントは即時の価値を提供したが、それらはお互いから大きく隔離されていた。そのモデルはすでに限界を示している。組織は、計画、実行、監視、最適化を処理する複数のエージェントシステムを実験している。理論的には、これにより、より強力で柔軟なワークフローが作成される。実践的には、新しいレベルの複雑さが導入される。共有方法で通信する方法がない場合、これらのエージェントは手動での調整に頼ることになる。開発者はワークフローを一つ一つ繋ぎ合わせ、システム間でコンテキストを維持し、個々のエージェントではなく、それらがどのように相互作用するかによって生じる障害をトラブルシューティングすることになる。コヒーシブなシステムのように感じるはずのものは、断片化されたパーツのコレクションのように動作する。これがBANDが参入する環境である。インタラクション層の構築BANDのプラットフォームは、既存のフレームワークとツールの上に配置されるように設計されており、エージェントはどのように、どこで構築されたかに関係なく、通信およびコラボレーションできるようにする。エージェントがLangChainやCrewAIなどのフレームワークを使用して開発された場合、SaaSプラットフォームに埋め込まれた場合、または独立したアシスタントとして動作した場合、目標はそれらに共有のインタラクション層を提供することである。これにより、多数のエージェントシステムが構築される方法が変化する。エージェント間の接続をハードコーディングするのではなく、開発者はエージェントが互いに発見し、コンテキストを交換し、タスクを動的に委任する共通のインフラストラクチャに依存できる。結果は、脆弱な統合からより柔軟でリアルタイムのコラボレーションへのシフトとなる。プラットフォームのもう1つの重要な部分は、ガバナンスである。エージェントがより多くの責任を負うにつれて、可視性が重要になる。企業は、どのように決定が下されるか、タスクがシステム間で渡されるか、制御境界がどこにあるかを理解する必要がある。BANDは、実行時レベルで監視を導入することでこれに対処し、必要に応じてチームがインタラクションを監視し、介入できるようにする。調整がボトルネックになる理由BANDの立ち上げのタイミングは、AIが展開される方法のより広範なシフトを反映している。エンタープライズの採用は加速し、AIはコアアプリケーションにますます埋め込まれている。ただし、モデル機能は急速に進化したが、複雑なエージェントエコシステムを管理するために必要なインフラストラクチャは後れを取っている。これにより、不均衡が生じる。より多くのエージェントが展開されるが、真正にスケーラブルまたは信頼性の高いシステムは少ない。結果として、調整が、能力ではなく、制限要因になる。システムは、個々のエージェントが無効であるという理由ではなく、構造化されたかつ予測可能な方法で共同で動作できないため、失敗する。ガバナンスは未熟で、相互運用性は一貫性がなく、調整の多くはまだ手動介入に依存している。これらの問題に対処するには、インクリメンタルな改善以上のものが必要である。多数のエージェント環境のために特別に設計された新しいインフラストラクチャ層の必要性を示唆している。ツールから「エージェントのインターネット」へBANDの長期的なビジョンは、内部のエンタープライズシステムを超えて拡大する。プラットフォームは、企業内だけでなく、SaaSプラットフォーム、パートナーエコシステム、さらには個人のAIアシスタントを介してエージェント間の相互作用をサポートするように構築されている。これは、より広範な進化を暗示している。ソフトウェアシステムが、今日のウェブサービスと同様に、自律的に相互作用する「エージェントのインターネット」への。这种環境では、ワークフローは単一の組織に限定されない。エージェントは企業、システム、個人の間で調整し、リアルタイムで動作するダイナミックなネットワークを形成できる。そのビジョンはまだ発展途上であるが、多数のエージェントアーキテクチャを実験する企業が増えるにつれて、方向性は明らかになっている。AIスタックの新しい層コンピューティングの大きなシフトは、すべてのものが可能になる基盤となる層に依存していた。インターネットは、Webサイトだけではなく、システムが信頼性の高い方法で通信できる共有プロトコルがあるため、スケールした。 クラウドコンピューティングは、分散インフラストラクチャを管理するオーケストレーション層が可能になるまで、実用的ではなかった。モバイルエコシステムは、アプリケーションとサービスを接続する標準化されたインターフェイスに依存していた。多数のエージェントAIシステムは、同様のギャップを露呈し始めている。業界は、ますます高性能なエージェントを構築することに急速な進歩を遂げてきたが、エージェントが展開されたときにどのように調整されるかについては、はるかに少ない注意が払われている。結果として、多くのエンタープライズシステムは、コヒーシブなワークフローではなく、断片化されたコンポーネントのコレクションのように見える。複雑さは、エージェント自体からではなく、それらの間の相互作用から生じる。調整は機能ではなくなり、インフラストラクチャになっている。エージェントがコンテキストを交換し、タスクを委任し、定義された境界内で動作する共通の方法がない場合、少数の展開を超えてスケールすることは難しくなる。このような背景で、インタラクション層の概念が形を成し始める。まだ完全に定義されたカテゴリではないが、AIスタックの必要な進化である。BANDは、その必要性が無視できなくなっている時にこのスペースに参入している。エンタープライズアーキテクチャの標準的な部分になるかどうかはまだ見えないが、解決する問題はすでに明らかである。
Zapata Quantumは、過剰予約の1億5000万ドルの戦略的資金調達ラウンドを完了し、1年間の再構築の後、会社にとって重要な時期を迎えた。このラウンドは、Triatomic Capitalが主導し、会社が量子ソフトウェア層の中心に立って位置付けていることに対する投資家の信頼が再び高まったことを反映している。この資金調達は、エンジニアリング、製品開発、商業化の拡大を支援することが予想され、Zapataは、多くの人々が研究から実用的な展開への移行期と見なしている量子コンピューティングの分野でプラットフォームを拡大することを目指している。量子ソフトウェアへの純粋な賭け量子エコシステムの多くのプレーヤーがハードウェアの構築に焦点を当てているのとは異なり、Zapata Quantumは異なるアプローチをとっている。同社は広く「純粋な」量子ソフトウェアプロバイダーと呼ばれており、ハードウェア層の上に位置するツールを構築し、実世界のアプリケーションを可能にしている。そのプラットフォームは、ハードウェア非依存型として設計されており、同社のツールを使用して開発されたアプリケーションは、さまざまな量子システムで実行できる。このアプローチは、業界で最も根強い課題の1つである、競合する量子ハードウェアアーキテクチャ間の断片化に対処する。その核となる部分で、Zapataのソフトウェアスタックは、組織が実行可能な量子ユースケースを特定し、アルゴリズムを設計し、クラシックおよび量子システムの両方に展開するのに役立つ。同社はまた、60を超える特許を取得しており、ハイブリッド量子クラシカルコンピューティングスタックの重要な分野を網羅している。再構築から再位置付けへ資金調達は、より広範な転換物語を締めくくる。Zapataは、過去1年間に大規模な再構築を行い、債務転換および運用の再配置を行った後、ソフトウェア駆動の価値創造に焦点を当てて再出現した。このシフトは、業界全体のテーマを反映している。量子ハードウェアは進化し続けているが、長期的な価値は最終的に、生の計算能力を使用可能なアプリケーションに翻訳するソフトウェア層で捕捉される可能性がある。その位置付けは、Zapataをある程度、パブリックマーケットでユニークな存在にする。パブリックマーケットでは、量子コンピューティングへの露出のほとんどが、ハードウェアに焦点を当てた企業に結びついている。量子進歩と企業利用の間のギャップを埋める量子コンピューティングは、着実な技術的進歩を遂げてきたが、採用は遅れていた。主な理由の1つは、企業が抽象的な量子能力を具体的なビジネス成果に翻訳するのに直面する困難である。Zapataの戦略は、そのギャップを埋めることにある。そのプラットフォームは、企業が量子アプローチに適した問題を特定し、アルゴリズムを開発および検証し、さまざまなシステムのパフォーマンスをベンチマークし、クラシックおよび量子コンピューティングを組み合わせたハイブリッドワークフローを展開できるようにする。このエンドツーエンドのアプローチは、不確実性とコストを削減することを目的としており、これらは現在、企業の採用の2つの大きな障壁である。実世界のアプリケーションが登場し始めるZapataの仕事は、すでに金融、製薬、材料科学、防衛などの複数の高価値分野に及んでいる。注目すべき例の1つは、量子機械学習を使用した薬物発見研究への協力であり、これは科学界で認識されている。これらの種類のアプリケーションは、量子コンピューティングが理論的な約束から有形な成果に移行する初期の証拠としてしばしば引用される。同社はまた、主要企業や政府機関と協力し、研究開発と産業への展開の橋渡しとして自らを位置付けている。AIと量子は収束し始めるZapataの戦略におけるもう1つの新しいテーマは、量子ワークフローへの人工知能の統合である。最近の開発は、同社が、特にアプリケーションの発見と最適化などの分野で、企業が量子景観をよりよく理解し、ナビゲートするのに人工知能がどのように役立つかを探究していることを示唆している。この収束は、特に近い将来、クラシックコンピューティング、人工知能、初期段階の量子ハードウェアを組み合わせたハイブリッドシステムが支配的になる場合に、重要となる可能性がある。量子スタックの重要な時期資金調達のタイミングは注目に値する。量子コンピューティングは、ハードウェアの改善が加速する段階に入っているが、まだ、安定した価値を提供できるアプリケーション層が不足している。そのギャップは、Zapataが焦点を当てている場所にちょうどある。量子コンピューティングが以前のコンピューティングパラダイムの軌跡に従う場合、ソフトウェア層を定義する企業が最終的に長期的な価値の過大なシェアを占める可能性がある。新しい資本、再構築された基盤、企業アプリケーションへの明確な焦点を備え、Zapata Quantumは、その層を定義しようとする企業の1つとして自らを位置付けている。量子スタックの重要な時期この資金調達の重要性は、1つの企業を超える。量子コンピューティングのより広範なシフトを強調しており、次の進歩段階は、生のハードウェアブレークスルーによって定義されるのではなく、計算能力を使用可能な成果に翻訳する能力によって定義される。量子システムが成熟するにつれて、ボトルネックは次第にアプリケーション層に移行する。課題は、単により良いキュービットを構築することではなく、実世界のどの問題が量子アプローチを使用してより迅速に、より安価に、またはより効果的に解決できるかを判断することである。この場所で長期的な価値が現れる可能性がある。この移行が予想どおりに進行する場合、量子ソフトウェアプラットフォームは、以前のコンピューティング時代のオペレーティングシステムやクラウド層と同等になる可能性がある。複雑なハードウェアと企業ユーザーの間に位置し、技術的な複雑さを抽象化しながら、量子パワードソリューションの展開を可能にする。その意味は重大である。製薬業界では、薬物発見のタイムラインを加速する可能性がある。金融業界では、新しいリスクモデリングとポートフォリオ最適化の形を解放する可能性がある。材料科学では、現在クラシックシミュレーションを超えた化合物の迅速な設計につながる可能性がある。各成果はハードウェアだけでなく、量子システムを使用可能にするソフトウェアフレームワークにも依存する。この層で競争が激化する可能性がある。ワークフローを標準化し、アルゴリズムを検証し、量子システムをクラシックおよび人工知能システムと統合することに成功する企業は、業界全体でテクノロジーの採用を形作る可能性がある。この資金調達ラウンドは、成長資本を示すものだけではない。理論的な能力と実用的な有用性のギャップを埋めることができる企業が将来を定義することになるという認識が広がりつつあることを反映している。
