AIネイティブのエージェント型AIサービス(Agentic AI as a Service、AaaS)企業であるAppier Group株式会社 (エイピア、本社: 東京都港区、代表取締役CEO: チハン・ユー、東証プライム: 4180、以下Appier) は本日、企業がエージェント型AIのビジネスインパクトを継続的に拡大していくための5つの重要原則「SCALE」を発表しました。AI活用が加速するなか、企業には個別の技術を取り入れるだけでなく、AIを効果的に運用し、より大きな成果へとつなげる力がますます求められています。

マッキンゼー・アンド・カンパニーの調査「The state of AI in 2026: On the road to ROI」によると、年間売上高10億米ドル超の企業に所属する回答者の40%が、自社で1つ以上の業務部門においてAIエージェントの活用を拡大していると回答し、前年の27%から増加しました。一方で、AIが自社の営業利益に好影響をもたらしたと回答した割合は37%にとどまり、2025年からほぼ横ばいとなっています。企業がAIエージェントの活用を拡大するなか、具体的なビジネスインパクトをいかに示し、それを継続的に広げていくかが課題となっています。

企業のAI活用が拡大するにつれ、その焦点を「実際の業務フローのなかでAIをどう運用し、ビジネスインパクトを継続的に拡大していくか」へと移行する必要があります。Appierは、そのためのの5つの重要原則「SCALE」を提唱します。

Strategy (戦略) : 明確なビジネス目標と評価指標を設定する

Calibration (自己評価) : 潜在的なリスクを考慮しながら、AIが自らの能力と確信度を評価できるようにする

Adaptation (適応) : タスクの要件に応じて、必要となるモデルやエージェントを選択・連携させる

Learning (学習) : コンテキストやフィードバック、過去の結果を活用し、今後の意思決定や行動を改善する

Efficiency (効率) : パフォーマンスとリソース使用のバランスを取り、ビジネス価値を最大化する

Strategy (戦略) : AIで何を達成するのかを明確にする

Strategy (戦略) は、組織がAIによって何を達成したいのかを定義することから始まります。目的が売上の拡大、顧客コンバージョンの向上、コスト削減、生産性の向上のいずれであっても、AIを実際の成果に基づいて評価するためには、明確かつ測定可能なビジネス目標と評価基準が欠かせません。

Calibration (自己評価) : AIがタスクを遂行する能力と確信度を見極める

目標が明確になったら、次に求められるのは、AIがそのタスクを適切に遂行できるかを見極めることです。Calibration (自己評価) とは、AIが行動に移すかどうかを判断する前に、潜在的なリスクを考慮しながら、自らの能力と確信度を評価できるようにすることを指します。企業の業務環境においては、わずかな誤りであってもビジネスに大きな影響を及ぼす可能性があります。そのため、最終的な出力だけを検証するのではなく、業務フローの重要な段階ごとにAIの判断を評価し、適切なガードレールを設けることが求められます。

Adaptation (適応) : タスクに最適なモデルとエージェントを選ぶ

AIがタスクに対応できるかどうかを把握することは、考慮すべき要素の一つにすぎません。企業は、どのモデルやエージェントがそのタスクの遂行に最も適しているかも判断する必要があります。Adaptation (適応) とは、あらゆる場面に同じモデルを適用するのではなく、各タスクの目的や複雑さに応じて必要なモデルやエージェントを選択し、連携させることを意味します。これには、タスクを最適なモデルへ振り分ける「モデル・ルーティング」や、異なる役割と専門性を持つ複数のエージェントを協働させる「エージェント・オーケストレーション」が含まれます。

Learning (学習) : 過去の経験をもとに判断と行動を改善する

Learning (学習) とは、コンテキストやユーザーからのフィードバック、過去の実行結果を活用し、今後の意思決定や行動に生かすことを指します。エージェント型AIが一度きりの自動化にとどまらず、持続的な価値を生み出すためには、過去の経験から得た学びをもとに、判断や行動のあり方を改善し続けることが必要です。

Efficiency (効率) : パフォーマンスとリソースの最適なバランスを実現する

最後に、Efficiency (効率) とは、目指す成果を達成するために、パフォーマンスとリソース使用のバランスを取ることを意味します。多段階の推論、繰り返しのAIモデル呼び出し、エージェント間のやり取りが発生する環境では、LLM (大規模言語モデル) の効率化とトークン最適化によって、タスクに応じてモデルや計算資源を適切に割り当てることができます。その目的は、必要以上のリソースを使うことなく、安定した成果を実現することにあります。

SCALEを支える研究開発と製品への応用

Appierは、SCALEの根底にある考え方に沿ってエージェント型AIの研究を推進するとともに、関連技術を自社製品に応用しています。その研究領域は、AIが自らの能力や確信度、潜在的なリスクを評価できるようにする研究から、情報が不十分な状況をAIが認識し、タスクやコンテキストに応じて適切な推論言語を選択できるようにする研究へと広がっています。Appierはこうした研究と技術力を基盤に、企業がAIを具体的なROIへとつなげ、そのビジネスインパクトを継続的に拡大できるよう支援していきます。

Appier共同創業者 兼 代表取締役CEOのチハン・ユーは、次のように述べています。

「企業の関心は、AIへの投資が実際にどのような成果を生み出しているのか、そして、その成果をいかに継続的に拡大できるのかに、ますます向けられています。エージェント型AIがより多くの意思決定や行動を担うようになるなか、重要なのは、AIを高い信頼性のもとで効率的に運用することです。AIの自律性が高まるほど、企業には、ガバナンスと運用のあり方について、より高度な判断が求められます」

Appierについて Appier（東証プライム：4180）は、『AIをもっとシンプルに』というビジョンのもと、2012年にAIネイティブ企業として設立されました。Appierの「広告クラウド」「パーソナライゼーションクラウド」「データクラウド」は、リアルタイムに思考し、自ら最適解を導く高度な自律型AIが搭載された「自律型AIサービス（AaaS: Agentic AI as a Service）」を通して、最先端の広告・マーケティング技術を提供しています。AIをビジネス成果（ROI）に直結させることで、顧客企業の成長を支援しており、現在、アジア太平洋地域、米国、欧州に17の拠点を構えグローバルで事業を展開しています。東京証券取引所プライム上場（IR情報）