デルのエージェンティックAI戦略：900件の構想を13の本番ユースケースへ

デル・テクノロジーズが「The Six Five Summit: AI Unleashed 2026」で示した中心メッセージは、エージェンティックAIを単なるチャットボットの新しい呼び方ではなく、本番業務を動かすための運用モデルとして捉えるべきだ、というものだった。デルの定義では、システムが明確な目的に向けて推論し、ツールを使い、人の継続的な介入を最小限に抑えながら仕事を完了できるかが重要になる。なお、生産性やコスト、事業への効果に関する数値は、いずれもデルが公表した自社の主張・報告であり、独立検証済みの企業横断ベンチマークではない。15

チャットボット支援から自律実行へ

企業における生成AIの初期導入は、社内情報の検索、要約、質問への回答など、人間の作業を補助する用途が中心だった。デルが語る次の段階は、情報を扱うだけでなく、業務そのものをデジタル化することだ。定義されたタスクを、人間の作業層から、ワークフローを推論して実行できるソフトウェアへ移すという発想である。14

この区別は、デルが問題視する「エージェント・ウォッシング（agent washing）」への回答でもある。通常のボットやアシスタント、決められた手順に従う自動化ツールまでを、エージェントと呼んでしまうことだ。デルの定義におけるエージェントは、回答を生成するだけでなく、目的に向かってツールや業務システムと連携し、プロセスの複数ステップを実行することが期待される。25

デルは、サミットの約2年前からエージェントを構築し、開催前年には初期システムを本番環境に投入したと説明した。同社自身を「カスタマー・ゼロ」、つまり最初の実利用者と位置付けている。2

900件のAI構想を、なぜ13件に絞ったのか

デルによると、社内では当初およそ900件のAIプロジェクト候補があった。しかし、事業上の優先順位と業務プロセスの分析を重視し、最終的に約13件の重点施策へ絞り込んだ。実験を数多く並行させ続けるのではなく、測定可能な成果につながる仕事を選ぶアプローチだ。12

同社が本番導入の例として挙げたのは、次のような業務である。

• CRMデータのクリーンアップ：繰り返し発生するデータ品質の確認・修正を処理する。
• ソフトウェア開発：コーディング関連の作業を支援する。
• 価格設定支援：価格設定に関わる業務プロセスにエージェントを組み込む。
• 旅行予約と文書要約：比較的シンプルな自律タスクの例として紹介された。25

デルが示した教訓は、あらゆる業務にエージェントが必要ということではない。まず、成果を測れる具体的な仕事を特定し、その成果に必要な最小限のシステムを構築することだ。この考え方なら、広範なAI実証実験と、実際に業務を担う本番システムの違いも明確になる。

デルが主張する生産性と事業効果

デルは、初期のタスク単位の導入で、およそ**20〜40％**の生産性向上が見込めると説明した。さらに、業務カテゴリー全体を引き受けられるシステムであれば、より大きく、場合によっては「桁違い」の効果を生む可能性があると主張している。25

ただし、これらはデルが報告した期待値や成果として読む必要がある。デルは社内AIの取り組みにより、売上の成長とコスト構造を切り離すことに寄与したとも述べたが、その効果のうち個々のエージェントがどれだけ占めたのか、また因果関係があるのかは、提示された情報だけでは確認できない。2

導入を検討する企業にとっては、業務の対象を具体化することが重要になる。自動化するタスクは何か、人間の時間をどれだけ削減・再配分できるのか、推論やエージェント間連携にいくらかかるのか、継続的な監督なしに行動する場合にどんな統制が必要かを、事前に定義しなければならない。

エージェンティックAIで変わるインフラの前提

デルのインフラに関する主張は、本番のエージェンティックAIは、単にチャットボットを大規模化したものではないという点にある。ボトルネックは、計算能力そのものから、メモリー容量とメモリー帯域幅へ移る可能性がある。長時間動くワークフローでは状態をキー・バリュー・キャッシュに保持するため、GPUの計算資源を使い切る前にメモリーが枯渇する場合があるという。24

また、モデル学習とはデータアクセスのパターンも異なる。学習が比較的静的な大規模データセットを処理するのに対し、本番エージェントは企業内の複数システムに対して、継続的でありながら突発的かつ狙いを絞ったアクセスを行う。大規模運用では、モデルのスループットだけでなく、データを届ける速度やテールレイテンシー、つまり遅延の悪化が重要になる。24

CPUの役割も大きくなる。CPUは、オーケストレーション、分岐ロジック、検索、ツール呼び出し、コンポーネント間の通信を調整し、GPUは適したモデル処理を担う。デルによれば、従来型のAI導入で見られるCPU対GPUの比率はおよそ8対1〜16対1だが、エージェンティックAIでは1対1、または2対1に近づく可能性がある。2

企業向けにデルが提案するのは、単一目的の専用スタックを増やすことではなく、再利用可能なプラットフォーム基盤である。さらに、コンプライアンス、性能、データ管理、コストに応じて、オンプレミス、プライベートクラウド、パブリックAPI、デバイス上のモデルへ処理を分散させるハイブリッド構成を支持している。45

AIエージェントに一律の価格はない

自律型ワークフローが広がると、モデルのコストは「どれだけ高性能か」ではなく、「どんな価値の仕事を担うか」と釣り合わせる必要がある。デルは大きく異なる例として、経営判断を支援するエージェントなら月額約10万ドルを正当化できる可能性がある一方、CRMデータのクリーンアップでは1レコードあたり0.50ドル未満で動作する必要がある場合を挙げた。2

これらの金額が普遍的な価格基準という意味ではない。重要なのは、すべての業務に最も高性能で高価なモデルを使うべきではないということだ。大量の定型処理には小型モデル、複雑な推論には大型モデルを使い分け、レイテンシー、データ主権、コンプライアンスの要件に応じて配置場所も変える、というポートフォリオが必要になる。25

セキュリティの出発点は、エージェントごとのID

デルは、同社のデータにアクセスする自律エージェント一つひとつに、固有のデル・デジタルIDを付与していると説明した。このIDにより、細かな認可設定や権限の取り消しが可能になる。IDを無効化すれば、エージェントのアクセスを停止するキルスイッチとして機能するという。25

とりわけ重要なのが、ヘッドレス・エージェントだ。これはユーザーインターフェースを持たず、リアルタイムの人間による監督なしに動作するシステムを指す。エージェントが企業のツールを直接操作するなら、どのエージェントが何を実行したのか、どのデータへのアクセスを許可されていたのか、そして人間のユーザーの認証情報に頼らずどう停止するのかを追跡できなければならない。最小権限の設定とエージェント固有のIDは、任意の追加機能ではなく、基本的な統制レイヤーになる。45

デルは、A2AやMCPといったエージェント間の通信・制御プロトコル、さらにポスト量子暗号への対応計画も、これから形成されるガバナンス環境の一部として挙げた。2

一方、将来のAI導入のうちヘッドレス・エージェントが何％を占めるのかについて、提示された情報は信頼できる具体的な割合を裏付けていない。正確な数値予測を示すことは、利用可能な根拠の範囲を超える。

6,800の職務分析から見える「仕事」の変化

デルは、6,800の職務を分析し、それぞれの役割のどの部分をエージェントが担え、どの部分に人間の判断が残るのかを調べたと述べた。2

同社の結論は、エージェントが職業そのものを一括して消すというより、仕事を構成する特定のタスクを切り出し、働き方を変えるというものだった。このモデルでは、エージェントが生産性向上に関わる作業、管理上の「衛生」業務、調整業務を引き受け、従業員は専門的な判断や、人間中心の活動により多くの時間を振り向けることになる。25

ただし、これは労働力を再設計するという仮説であり、雇用が失われないことを保証するものではない。職務が残ったとしても、担当範囲、人員数、必要なスキル、責任の所在は変わり得る。企業にとっての実際の課題は、どの仕事を委ねるのか、どの意思決定に人間の責任を残すのか、ワークフロー変更後の成果をどう測るのかという組織設計になる。

AIの実証実験を本番運用へ進める4つの問い

デルの説明を企業の導入判断に置き換えると、重要な問いは次の4つに整理できる。

1. 本当に自律しているのか：名前を変えただけのチャットボットは、必ずしもエージェントではない。
2. 価値のある具体的な業務を実行するのか：900件を13件に絞った事例は、優先順位付けの重要性を示している。
3. 状態保持、レイテンシー、オーケストレーション、業務ごとのコストを支えられるのか：エージェンティックAIの推論は、学習や従来型チャットボットとは異なる形で、メモリーやデータ配送に負荷をかける可能性がある。
4. 組織として統制できるのか：自律的なアクセスを拡大する前に、ID、認可、ログ、権限の取り消し、人間の説明責任を設計する必要がある。

デルのより大きな主張は、エージェンティックAIが意味を持つのは、現実の仕事に接続され、現実の成果で評価されるときだということだ。ただし、その実例や効果はあくまでデルの立場と報告された経験を示すものであり、すべての企業が同じ結果を得られることを保証するものではない。