インタビュー
シェーン・エレニアック、Calix最高製品責任者 — インタビューシリーズ

要点Calixは、エージェンティックAIが登場する何年も前から、特定のペルソナ向けに実用的なインサイトを構築していました。
もっと見る
- Calixは、エージェンティックAIが登場する何年も前から、特定のペルソナ向けに実用的なインサイトを構築していました。
- ほとんどの企業がAIで失敗するのは、自律的な判断に必要な信頼層を無視しているからです。
- 組織は、サイロにAIを追加するだけでなく、知識を連携型ウェアハウスに再構築する必要があります。
シェーン・エレニアックは、カリックスのチーフプロダクトオフィサーであり、同社の業界をリードするプラットフォームとSaaSソリューションの戦略的ビジョンと実施を主導しています。通信サービスプロバイダーがビジネスを簡素化し、顧客に優れた体験を提供できるようにすることに焦点を当て、シェーンは構想から市場をリードする導入まで、製品のライフサイクル全体を監督しています。
彼のリーダーシップの下、カリックスはブロードバンド業界の先駆者としての地位を固め、プロバイダーが競争し勝つことができるように革新的なツールを一貫して提供しています。
カリックスは、米国を拠点とするテクノロジー企業であり、ブロードバンドおよび通信サービスプロバイダー向けのクラウド、ソフトウェア、管理サービスプラットフォームを提供しています。同社のコア製品は、クラウドインフラストラクチャ、データ、およびネットワークシステムを統合するAIエナブルドブロードバンドプラットフォームであり、プロバイダーが運用を簡素化し、顧客エンゲージメントを向上させ、よりパーソナライズされたデジタルエクスペリエンスを提供できるように設計されています。プロバイダーが基本的な接続サービスからフル「エクスペリエンスプロバイダー」への移行を可能にし、収益の増加、顧客ロイヤルティの向上、およびコミュニティのデジタル変革を支援するためのより高度でスケーラブルなブロードバンドサービスを提供することで、カリックスはプロバイダーが成長し、競争力を維持できるように支援しています。
あなたのキャリアは、エンジニアリング、ネットワーク、クラウドプラットフォーム、大規模な製品リーダーシップを含む30年以上にわたって続いています。これらの経験は、AIを単なる実験に終わらせず、企業内で実際の仕事を担わせるために必要なことへの見方を、どう形作りましたか。
私は伝統的なテレコミュニケーションとネットワーキングから始めました。そこでは、大規模な環境でもデータを確実に届け、信頼性を保つことがすべてでした。安定した信頼できるサービスを提供できなければ、その上に何を構築しても意味がありません。当時、電話はキッチンの壁にあり、内部配線は決して動かず、ダイヤルトーンがあれば全てが問題ありません。
ブロードバンドとインターネットがそれを変えました。突然、それは「オン」か「オフ」だけではなくなりました。イーサネットとWi-Fi、ゲーム機とタブレット、Zoom会議、クラウドスプレッドシート、常に移動中のデバイス… サブスクライバーの体験は、単純なオン/オフの状態よりもはるかに複雑になりました。サービスプロバイダーの世界は、非常にダイナミックになりました。在宅、自宅の庭、サッカー場、カフェ… この世界では、従来のデータウェアハウスや一か月後の過去のレポートのように、データを後から振り返るだけでは不十分です。データを集め、体験を理解し、リアルタイムで洞察を生み出さなければなりません。加入者は、数時間後や数日後の対応ではなく、問題が先回りして解決されることを期待しているからです。
その進化が、私がAIについて考える方法を形作りました。ほとんどの人は、AIを「上に」置くことを望みます。ビジネスインテリジェンスやSaaSを既存のデータレイクの上に置くのと同じようにです。私の経験は、もっと深く考える必要があることを示しています。リアルタイムのアクション可能な洞察と、タイムリーなアクションを取る能力を設計する必要があります。
しかし、サブスクライバーにとって、25年間で期待はあまり変わりません。彼らはまだ、ダイヤルトーンのようにシンプルな、セキュアで管理された接続性を望みます。彼らは、すべてが「ただ動く」ようにしたいと考えています。複雑さやレイヤーについて考える必要はありません。彼らの生活の中どこでも、すべてが動くようにしたいと考えています。私のテレコムとクラウドでのキャリアは、私にそのパラドックスを教えました。非常に複雑なシステムを構築することで、その複雑さを抽象化して隠し、利用者のいる場所でシンプルで優れた体験を届けるのです。ブロードバンドに限らず、あらゆる企業でAIが実際の仕事を担うことも、私は同じように考えています。
カリックスでは、運用AIは構築されるものであり、購入されるものではないと強調しています。組織が仕事の流れを見直さずにAIを追加しようとするときに、最も一般的な間違いは何ですか?
私にとっては、「構築されたか購入されたか」ではなく、テクノロジースタック全体を見直したかどうかです。多くの企業は、AIが単にLLMへのアクセスを得るためのAPIを使用すること、スタックにラッパーで接続すること、トークンを購入することであると考えました。それは、AI戦略ではありません。
私たちは、技術にではなく、成果に焦点を当てる必要があります。私たちはこれを見たことがあります。PCが登場したとき、誰もが286と386、メモリの量、使用しているDOSについて議論しました。今日、誰もがノートパソコンや携帯電話のスペックを知っているわけではありません。必要なことができなくなるまでは、誰も気にしません。重要なのは、仕事をより効果的にできるかどうかです。それは、AIも同様です。AIをリアルなワークフロー、リアルな価値、リアルなROIに結び付けることができない場合、テクノロジーの仕様はただのノイズです。
もう1つの大きな間違いは、アーキテクチャ、セキュリティモデル、コストへの影響を考えずに、AIを既存の仕組みに後付けしようとすることです。AIは、インクリメンタルな機能アップグレードではなく、根本的なテクノロジーです。AIをインクリメンタルなものとして扱うと、データが悪くなったり、セキュリティ上の問題やハルシネーションが発生したり、コストが暴走したり、誰かの問題を解決しない活動が多くなったりします。
最後に、コンテキストと業界固有の専門知識の重要性を無視することはできません。行動はすべてコンテキストについてです。そのコンテキストは、テレコム、フィンテック、ヘルスケアなど、業界によって異なります。カリックスでは、1つの業界での深い経験から始め、垂直プラットフォームを構築しました。私たちは、データ、洞察、ワークフロー、コンテキストをすでに理解していたため、スタックはその現実を反映することができました。ほとんどの企業は、自社の業界を隅々まで理解しています。機会は、汎用的なAIモデルと薄い水平レイヤーに頼るのではなく、業界特化の技術スタックにその知識を組み込むことです。後から全体をつなぎ合わせる方法から離れるのです。ビジネスは、モデルではなく、成果についてです。本当の問いは、仕事の実際の流れに沿って、この技術がどう成果の実現を助けるかです。
あなたは、運用AIの5層アーキテクチャを概説しました。それには、データ、知識、オーケストレーション、信頼、行動が含まれます。なぜ、これらの層を明示的に分離することが重要ですか? 企業が最も頻繁に過小評価または完全にスキップする層はどれですか?
長い間、スタックはかなりシンプルでした。データ、洞察、ダッシュボード、ワークフロー、人々… データウェアハウスを構築し、BIを上に置き、ワークフローエンジンを作成し、難しい作業を人間に任せました。エージェントの世界では、それは機能しません。データ、知識、オーケストレーション、信頼、行動が必要です。各層は、異なる機能を実行します。
みんなが話したいのは、行動層、つまりエージェントです。それが氷山の一番上です。エージェントが実際のシステムに触れることを許可するかどうかを決定するのは、水面下の「面白くない」ものです。データパイプラインとクリーンなデータ、コンテキストを提供する知識層、動的なワークフローを調整するオーケストレーション、最初から許可されるべきものを決定する信頼モデル… タイタニック号が沈没したとき、見える小さな部分が沈没させたのではなく、水面下の巨大な氷の塊が沈没させたのです。運用AIも同様です。水面下の仕組みが成否を決めます。
歴史的に、オーケストレーションと信頼を別々の層として扱ってきませんでした。人間がほとんどの作業を行っていたからです。オーケストレーションは、管理者とチケットキューを意味し、信頼は、ユーザー名とパスワードを意味しました。現在、エージェントを信頼する必要があり、動的なデータを中心に複数のエージェントをリアルタイムで調整する必要があります。それは、完全に異なる設計問題です。それは、オーケストレーションと信頼の層を明示的にする必要がある理由です。
最も過小評価される層は信頼です。多くの組織は、信頼を扱っていると思っています。アクセス制御、誰がどのシステムにログインできるか… ですが、エージェントの世界での本当の信頼は、「このユーザーにアクセス権があるか?」ではなく、「この特定のアクションは、このエージェントまたはこの人にとって、この時点で適切か?」です。それは、ガバナンスの質問であり、アクセス制御の質問ではありません。もし、あなたがその層を明示的にしない場合、あなたはデモランドに立ち往生します。なぜなら、あなたは、本番環境でエージェントに実際の仕事を任せることに、安心できないままだからです。
信頼は、あなたのAI戦略の基盤的な部分です。自動化された意思決定が、観察可能、監査可能、取り消し可能なまま、ビジネス価値を提供するために十分な速度で行われるように、システムをどのように設計しますか?
ゼロトラストのマインドセットから始める必要があります。最初の質問は、「このエージェントが技術的にこれを行うことができるか?」ではありません。最初の質問は、「このエージェントが、この人を代表して、これを行うべきか?」です。もし、答えが「いいえ」なら、進行しないでください。
もし、答えが「はい」なら、ガードレールに進みます。監査可能性、追跡可能性、人間を意思決定に関与させる必要性… 私たちのモデルは、トラフィックコップのような信頼層に依存しています。各インタラクションの開始時に、誰が何をしているか、そしてなぜそれをしているかを確認します。それは、多くのセキュリティ上の問題を排除します。エージェントを勝手に動かし、後から気づけることを期待する方式にしないからです。
別の方法は、エージェントを自由に動かし、悪いことをしたら警報を鳴らすことです。しかし、それではシステムの動く速度と規模に合わせ、出来事を見つけ、理解し、識別し、リアルタイムで止められると仮定しています。これは非常に難しい問題です。多くの人が苦労するのは、悪い行動を前もって防ぐのではなく、悪意ある主体をリアルタイムで探そうとしているからです。
さらに、私たちは層化されたゲートウェイを追加しました。エージェントが正しい人の代表として行動している場合でも、セッションとコンテンツを確認しています。モデルを毒することを試みているか、APIを乱用しているか、ポリシーの外側にある何かを押し付けているか… すべてが完全に観察可能なので、必要に応じてそれを監査してロールバックできます。それが、迅速に進みながらも夜眠ることができる方法です。
多くの企業は、AIの洞察を生成することに成功していますが、それを行動に移すのに苦労しています。カリックスが、AIをマーケティング、運用、カスタマーサポートの日常のワークフローに直接押し出すことを可能にした設計上の決定は何ですか?
AIが注目の中心になるずっと前から、カリックスでは、1つの質問にのみ焦点を当てていました。どのような洞察が、実際の仕事をする人にとって、実際にアクション可能なものになるのか? 2018年から、サービスプロバイダーと協力して、さまざまなペルソナがどのように仕事をするかを理解するために取り組んできました。マーケターが火曜日の朝に何をするか、運用チームがアラームが鳴ったときに何をするか、サポートチームが苛立ったサブスクライバーから電話を受けたときに何をするか… それが、私たちに、どの洞察が誰にとって重要であるか、どのようなコンテキストで、どのような「良い」アクションが見えるかを非常に明確にすることを強いました。
したがって、エージェントAIが登場したとき、私たちはゼロから始める必要はありませんでした。すでに、特定のペルソナとワークフローに結び付けられた、アクション可能な洞察を生成するリアルタイムシステムを持っていました。設計上の質問は、異なるツールセットと異なるテクノロジースタックを使用して、同じワークフローをエージェントAIの世界で再構築する方法は何であるかということになりました。
このような深いペルソナの知識とエージェントAIを組み合わせると、動的なデータ上で動的なワークフローを構築できます。エージェントは、今起きていることに応じて必要な段階とペルソナをリアルタイムで判断できます。マイクロサービスに何百もの固定的なフローをハードコードする必要はありません。多くの企業にとって、現在の難しい問題は、コンテキストと動的なデータに基づいてリアルタイムの決定を下し、適切なワークフローを設計することです。私たちにとっては、その部分はすでに整備されていました。私たちは、リアルタイムの、アクション可能な、ペルソナベースの洞察を何年も行ってきました。エージェントAIは、その基盤の上に載る新しいツールセットなのです。
あなたのプラットフォームのビジョンには、エージェント間(A2A)の相互運用性とフェデレーション型AIシステムが含まれます。このアプローチは、従来のポイント統合と比較して、エンタープライズツールの協力方法をどのように変えますか?
過去20年間、デフォルトのパターンは、SaaSツールを購入し、データレイクの周りにそれらを接続することでした。新しいシステムを加えるたび、個別の連携、データパイプライン、情報の整合性を確認する場所が増えました。エージェントの世界では、それはスケーラブルではありません。データが属する場所に残るようにし、エージェントがインターフェイスを介して互いに通信できるようにしたいと考えています。
そのため、私たちは、2つの層でシステムに触れることを話します。知識層のMCPと、オーケストレーションおよび信頼層のA2A… MCPは、エージェントがツールやデータを新しいカスタム統合を必要とせずに発見して使用する方法です。A2Aは、明確なガードレールの下でエージェント同士が仕事を調整する方法です。
一度それを持つと、協力は、脆いコネクタの山ではなく、動的にチームを組むことができるスペシャリストのネットワークのように見えます。アイゼンハワーマトリックスのアナロジーがここに来ます。すべてが同等に緊急かつ重要ではありません。何が本当に時間的に重要か、重要だがスケジュール可能か、行われる必要があるか、ノイズか… エージェント間の調整がオーケストレーション層と信頼層の上に乗っている場合、カテゴリごとにそれらを扱うことができます。エージェントは、緊急かつ重要な問題に群がり、重要だが緊急でない問題はキューイングまたはスケジュールし、低価値の忙しい作業が他のすべてを混乱させないようにします。
それは、「もう1つのコネクタを追加し、キューが空くことを願う」という世界とは非常に異なります。実現するのは、動的な出来事やデータを中心とした、信頼でき、慎重にオーケストレーションされた動的ワークフローです。すべてが同じ優先度を求める、一回限りの連携のもつれとは異なります。
エージェントAIが自律的に行動できるようになると、ガバナンスはすぐに課題となります。エージェントAIシステムが大規模に意思決定を行ったり実行したりするときに、速度、説明責任、人間の監視のバランスをとる方法は何ですか?
間違いは、エージェントAIを既存のものに追加し、後で速度、説明責任、人間の監視のバランスをとろうとすることです。そうではありません。まず、垂直テクノロジースタックの問題であることを認識し、信頼層とオーケストレーション層を意図的に構築する必要があります。そうでない場合、無秩序な状態になります。すべてが先着順、あるいは声の大きい順で処理されてしまいます。
再び、アイゼンハワーマトリックスです。すべての作業は同等に作成されていません。信頼とオーケストレーションは、エージェントの世界でそれを実現する方法です。エージェントがすべてのタスクを火事のようなものとして扱わないようにしたいと考えています。システムが、本当に時間的に重要なもの、スケジュール可能なもの、バックグラウンドで静かに処理されるべきものを判断できるようにしたいと考えています。
さらに、広く手を出すより、対象を絞ることです。多くの企業は、AIの効果を大きくするには対象を広くすべきだと取り違えます。むしろ、業界内の狭い範囲、つまり一つの具体的なユースケースと一組のワークフローを選び、そこで必要な信頼とオーケストレーションを先に作る方が効果的です。対象を絞って正しく実現し、境界部分では人間をプロセスに残し、その後に拡大する。そうすれば速さと説明責任を両立し、後から解きほぐせない混乱を避けられます。
大規模なグローバル製品およびエンジニアリングチームを率いてきた経験から、企業がAIを、断片的なパイロットではなく、持続可能な企業能力として実現するために必要な組織的および文化的変化は何ですか?
ほとんどの企業には「AIの問題」がないです。知識とワークフローの問題があります。最初の変化は、個別ソリューションで試す段階を終え、データウェアハウスから、誰もが参照して行動に使えるフェデレーション型の知識ウェアハウスへ移ることです。AIが各サイロの上に乗っている限り、パイロットだけが得られます。
そこから、より難しい問題に取り組む必要があります。第一に、誇大宣伝と現実を分け、情報フィードで最も目立つものではなく、機能するものを採用します。第二に、知識層を再設計し、データを共有されたフェデレーション型の文脈に変えます。システムに埋もれる報告書をもう一つ増やすのではありません。第三に、その知識と本物の信頼層を基にワークフローを考え直します。ほとんどの作業は、現在、人々、スキル、およびローカルな知識のサイロに基づいて組織されています。もし、あなたがそれを変えない場合、エージェントは、同じ古いボトルネックの周りを回るだけになります。
その後、初めて文化的な変化に進めます。これはしばしば最も難しい部分です。人々が仕事を失ったり、ツールを失ったり、アイデンティティを失ったりすることよりも、新しい機能と協力して働くことに本当に興奮している文化です。それは、変化管理の問題であり、テクノロジーの問題ではありません。実際の分散型リーダーシップのようです。先頭に立つ人々は、ワークフローを理解し、摩擦を指摘することを恐れず、エージェントを仕事に就かせることを楽しみにしています。
ブロードバンドとテレコムを超えて、どの業界が、運用的でエージェント駆動のAIを採用するために最も適しているでしょうか? それらを準備する条件は何ですか?
私は、業界のラベルで勝者を選ぶのではなく、パターンについて考えています。ほぼどの業界にも同じ根本的な課題があります。顧客、従業員、製品という三つのライフサイクルを横断する一つの視点ではなく、データと機能のサイロを築いてきたことです。準備ができているのは、それを認識し、本当の知識層がないと認め、修正しようとする企業です。
条件は、医療、フィンテック、小売、重要インフラのどこでも似ています。人手の余裕がない複雑なワークフロー、具体的に挙げられる実際の摩擦点、そしてエージェントに文脈を与える十分な高品質データが必要です。もし、あなたが現在のワークフローをマッピングし、作業が遅れたり積み上がったりするポイントを見つけることができ、ハンドオフが遅延を生み出す方法を理解し、その基盤をフェデレーション型の知識ウェアハウスで支えられれば、エージェントAIは、驚くべきツールセットになります。
その世界では、「業界の準備」は、リーダーシップの問題です。企業のリーダーは、マーケティングツールや薄い水平ダッシュボードに頼るのではなく、垂直テクノロジースタックに投資し、データを知識に変え、連携された知識を構築し、オーケストレーションと信頼のフレームワークを配置し、実際のROIについて正直な議論をする用意があるでしょうか? そのような作業を行う企業は、運用的でエージェント駆動のAIに適しています。そうでない企業は、ただのツールの山に追加するだけです。
エンタープライズAIが、マルチエージェントとマルチクラウドの環境に進化するにつれて、5年後の良いAIアーキテクチャとは何ですか? 企業が将来システムを再構築することを避けるために、今日から取り組むべき原則は何ですか?
5年後、AIの興味深い部分は、個々のエージェントやモデルではなく、エージェントが可能にするワークフローとそれが提供するビジネス価値になるでしょう。エージェント自体は来たり去りたりします。エージェントの下にある層、データ、知識、オーケストレーション、信頼、行動は、進化し続けるでしょうが、必要性は消えません。
そのため、私は特定のツールよりもアーキテクチャに重点を置いています。私たちは、データウェアハウスから連携された知識ウェアハウスに移行しています。壊れやすい個別連携から、オープンで層化されたスタックに移行しています。その世界では、エージェントは異なるクラウドで実行され、異なる知識源に触れ、明確に定義されたインターフェイスを介して通信します。MCPは、知識層でエージェントがツールやデータを発見して使用する方法です。エージェント間プロトコルは、エージェントがオーケストレーションと信頼の層で協力して作業する方法です。
技術が進歩するたびに全体を作り直さず、各層へより優れた部品を入れ替えられるようにしておくべきです。原則は、単一のモノリシックなものを構築しないことです。データ、知識、オーケストレーション、信頼、行動がそれぞれ独立して進化できるように、層を設計します。機能ではなくフローを基に設計します。どのワークフローが重要で、顧客、従業員、製品のライフサイクルで良い状態とは何かを明確にします。エージェントレベルのガバナンスを設計します。デフォルトでゼロトラストを仮定し、明確な「エージェントカード」を定義し、オーケストレーションを使用して、何が緊急で、何が重要で、何が単に片付けるべき仕事かを決定します。もし、あなたがそうするなら、テクノロジーが変わるにつれて、常に再構築することを心配する必要はありません。
素晴らしいインタビュー、ありがとうございます。詳しく知りたい読者は、カリックスを訪問してください。












