Bet AI Day 2026 AI Agents at Work AI Vision 12:10-12:50 AIを「使う」から、AIが「働く」へ 「組織AI」の社会実装 松本 勇気 Yuki Matsumoto 

Speaker Information 松本 勇気 Yuki Matsumoto 株式会社Gunosy、合同会社DMM.comのCTOを経て、 2021年3⽉よりLayerX代表取締役CTOに就任。 開発や組織づくり、ならびにFintechとAI‧LLMの2事業の推進を担当。 2019年には⽇本CTO協会の⽴ち上げに関わり、 理事として活動したのち、2025年より顧問に就任。 

Agenda Chapter 1 この1年の変化 Chapter 2 組織AIと在り⽅ Chapter 3 社会実装に向けたLayerXの取り組み Chapter 4 AI Builderになろう 

Chapter 1 この1年の変化 

1年前、LLMをとにかく使おう、と話しました Speed is the new Moat. AIをまず試す、使う。 業務の完全⾃動運転 

1年前、LLMをとにかく使おう、と話しました レベル5 完全⾃動運転 AIが主体 レベル4 特定条件下における 完全⾃動運転 通常の運⽤範囲においては、AIが 業務をほぼ完璧に運⽤できる。 レベル3 AIがある程度の業務を運⽤できるものの、 こまめに⼈間の介⼊が必要。 レベル2 いくつかの仕組みを組み合わせることで、 AIが⼈間の業務の⼀部を⾃動化していく。 条件付き⾃動運転 特定条件下での⾃動運転 ⼈間が主体 あらゆる条件下で、AIがすべての業務を 実⾏し完了できる。 レベル1 運転⽀援 レベル0 マニュアル 単純作業の⼀部をAIが実⾏する。 全て⼿作業。 

この1年の4つの環境的変化 ⾃律実⾏性能の向上 Token Maxxingから Token Economicsへ 作ることの価値低下 Ambient Agent 

⾃律性‧能⼒向上 01 02 03 04 ベンチマーク飽和 「⼈間超え」の性能 Loopの設計‧⾃律化 圧倒的な低価格化 Claude Mythosの登場、 METRのベンチマーク 飽和 CyberSecurity能⼒に 代表される「⼈間超え」 の性能 Loopを閉じる能⼒の 獲得、そしてLoopを 設計する段階に⾄る 来年の今頃、おそらく 同様の知能が 1/50以下の価格に 

作ることが希少ではなくなった Claude Opus 4.5以降のモデル×Coding Agentは作ることのあり⽅を変えた。 Codingする、ということがほぼ無くなり、何を作るか決めることの重みが⼤きくなる。 依然として、最後の品質評価はボトルネック。 Claude Code Harness Engineering Claude Fable 5 現在 2025年5⽉ごろ。AIに 2025年12⽉ごろ。 2025年6⽉ごろ。 全てがAI化したわけ コードの実装を任せ、 Claude Opus 4.5の登場から、 Harness⾃体を設計 ではない。 レビューするという コードを1⾏も書かなくなった 可能な、Agentを構築 「何を作るか」の スタイルの誕⽣。 という声が急増。 するLLMとも⾔える 意志決定と検証は AIを⾃律させるための 世代の登場。 未だ残る専⾨的作業。 Harness議論が増える。 

Token MaxxingとToken Economics 2026年初頭からのToken Maxxing Movementから、過剰なAI投資へ。 反動としてのToken Economics / Token Management。 ⽬的に応じてOpen Weight Model等適切な軽量モデルを選定する時代に。 モデルの中⼼シェアは中‧軽量級モデルへ。 現在 2025.12 ~2026.03 Claude Opus 4.5 Token Maxxing Token Economics / Token Management Tokenを消費すればする だけSoftwareが⽣まれる 環境に到達。 とにかく⼤量のTokenを消費 しLearningを蓄積、より多く のアウトカムを⽣み出す⼈材 を重視するブームの到来。 TaskとModelの組み合わせを 最適化し、Tokenあたりの アウトカムを最⼤化する⽅向 へ。 

チャット起点からイベント起点へ、同僚としてのAgent OpenClawの登場に端を発する、Event起点に⾃律的に業務を⾏うAmbient（常駐型）Agentの波。 ユーザーが呼び出す、ではなく勝⼿に仕事をして⼈に聞く、アクティブなAgentへ。 これから これまで イベント起点のAgent チャット起点のAgent ○○について 教えてください はい、 以下の通りです イベントの例 新着 検知しました。 対応を進めます！ レポート作成 予定 ‧‧‧ 更新 AI ユーザーが質問‧依頼することで、 Agentが応答する受動的な体験 ユーザー 質問‧依頼 Agentが回答 変化 情報を収集‧整理 AI 関係者へ通知 ✓ アクションを実⾏ イベントを起点に、Agentが⾃律的に業務を実⾏し、 ユーザーに価値を届ける能動的な体験 イベント発⽣ （システム/外部） Agentが検知し ⾃律的に実⾏ ユーザーに 価値を提供 

Chapter 2 組織AIと在り⽅ 

「個⼈AI」から「組織AI」へ この3年で個⼈単位のAI活⽤は進んだ これからは組織全体でのAI活⽤の最適化へ 個⼈業務は劇的に効率化、 他⽅で組織全体へのAIインパクトはまだ出ていない 誰もが安全‧安価に⾼品質のAIを 組織全体で活⽤できる ChatGPT Aさんの使い⽅ Claude Bさんの使い⽅ 組織で共通セットアップされたAI Copilot Cさんの使い⽅ × プロンプトが属⼈化 × 再現性が × データがつながらない × ナレッジが蓄積されない × 権限管理が弱い × 業務知識 (Knowledge) データ‧ API連携 権限‧ セキュリティ ワークフロー 統合 コスト管理 社内ナレッジや ドキュメントを 活⽤ 社内データや 外部システムと 安全につながる アクセス制御‧ 監査ログで 安全に利⽤ 業務プロセスに 組み込み 再現性を確保 利⽤状況の可視化 最適化で 無駄を削減 い コストが⾒えない‧ 最適化できない 組織の全員が、同じ品質‧同じ安全基準で AIを業務に活⽤できる 

3つのLoop、AIは「仕事を終わらせる同僚」へ 改善のLoopを閉じ、与えられたGoalに向けて⾃律的に、かつ⽇々精度を上げながら（=⼈の介⼊を減らしながら） 完了を⽬指す。Eventを補⾜して起動し業務を終わらせる頼れる同僚を作る。 HITL ⼈間 実⾏ Inner Loop Event 計画 Goal Evaluation 知識‧記憶 補正 Outer Loop 学習 ⼟台としてのAgent Harness / Platform 検証 Harness Optimization Loop 

Chapter 3 社会実装に向けた LayerX 取り組み 

この1年、何を試したのか 徹底的な利⽤ 昨年12⽉から急激な利⽤増加。平均30万円/⼈‧⽉のLLM内部活⽤。 エンジニア以外でも多数の活⽤へ。 開発の加速 Commit等ベースに⾒る開発速度は3倍以上。 バクラクだけでも毎⽉以上のペースで新規プロダクト公開。 プロダクトの Agent Native化 R&Dの加速 経営のAI Native化 全てのプロダクトにAgent機能を導⼊、Agent時代の価値追求。 Agent Nativeな世界を実現するための新技術開発。 Sales、HRにおけるAgent Nativeなプロセスへの変化。 

Token Managementと⽣産性 全社でLLMを全⼒で利⽤、その中でしか⾒えない知⾒が多くあった。 組織AIおよびToken ManagementのためのLLM Gateway等の投⼊で、コントロールされた活⽤へ。 Token Maxxing期 Enabling活動 Shepherd ● Coding Agent Setup ● MCP Gateway ● Guardrails ● Scheduler ● …etc 当時500⼈を超える全社組織で制 成果 約なく⼤量のLLM活⽤、⼀⼈2~30 万円を超える利⽤が⽣まれる。 ● 開発⽣産性の⼤幅増加、 参考指標としてcommit数 学びと最適化 ● LLM Gateway ● AI Token Cost Analyzer ● 各業務における組織AIの整備 ○ Salesportal ○ Owlox ○ …etc 3倍 ● 営業⽣産性向上やあらた な経営スタイル（後述へ の道が拓ける） 

AIによるボトルネックの移動 LLMとCoding Agentの進化により、コードを書くことが安価に。 要件定義や検証、アウトカムの創出にボトルネックが移動した。 これまで 仕様 実装 検証 リリース 検証 リリース Coding Agentに よって⾼速化 現状 仕様 何を作るかの重要性が ⼤きくなった 実装 実装物が増え、 安全に、正しく動作するものか 把握するコストが⼤幅に上昇 

デジタル化のボトルネックを解消し続ける 「すべての経済活動を、デジタル化する」ために、実装の⾼速化と伴⾛、検証（セキュリティ）や AI-BPOによる確実なデジタル化、内側からのデジタル化などあらゆる⼿段を取り続ける。 Platform Engineering AgenticSec Pentest 社内外のAgent実装を加速する Platformの洗練化。 AgentによるE2Eな脆弱性検証で 安⼼して使えるソフトウェアへ。 ⾦融産業の内側からのAX‧DX アセマネ‧証券の1プレイヤー として引き続きデジタル化。 AI-BPO AI×⼈間の最適な実⾏体制を 実践し、DXを届ける。 Mission すべての経済活動を、 デジタル化する。 Agent⽣成Agent Platformを駆使し、 複雑な業務⽀援Agentを1⽇で⽣み出す。 FDE/Deployment Strategist お 様のデジタル化に伴⾛する スペシャリスト。 

Agent Nativeな組織運営モデル「Agentic Nervous System」 要求と状況に応じて⾏動を決める運動神経としてのAgent、及び常にEventを受け取り、 情報を整理する感覚神経としてのAgentを組み合わせ、経営‧マネジメントの意思と戦略を⾏動に反映、 誰もが⾃律的により成果を⾼められる新たな組織⽔準を⽬指す。 マネジメント 戦略⽅針をAgent に組み込み 例)顧 提案Agent 1on1⽀援Agent 運動神経Agent 集約‧整理して 意思決定⽀援 意思決定 精度向上 意思決定‧⾏動 ⽅針の⽀援 感覚神経Agent 活動記録‧ログ ⾃動収集 現場 例) 商談記録Agent 議事録Agent 

Chapter 4 AI Builderになろう 

toBサービスのGoalは「業務の完全⾃動化」 業務をEnd to Endに⾃動化した時、強固なMoatとなる。SaaS is deadなんて議論をやめて、 業務を終わらせるAgentを作る。技術は既にある、あとはデジタル化されることを待っている。 ⼈間からは、業務が完了 したことしか⾒えない 業務 ✔ Agent 完了 ⼈間のために存在していたシステムは ⾒えなくなっていく SoR / Logic 画⾯ / UI Data 

業務完了のために今必要なのはAI Builder Agentと共に働くこととなる全ての業務において変⾰の時。これを実現するAI Builderを求めています。 技術‧AI理解 事業‧ ドメイン理解 構想⼒ 変⾰⼒ 推進‧PM⼒ 特にLLM‧Agentの 対象となる事業や これまでの常識‧ 現状の課題や既に Agent Nativeな変 技術的な性質‧限 領域に対して学び ⼿法にとらわれな ある組織⽂化を理 ⾰を実際に前に進 界を理解し、 続け、factを集め、 い、Agentによって 解‧尊重したうえ めるための段取り 正しく活⽤へ導く 深く理解しようと 初めて可能となる で、Agent Native ‧プロジェクトマ ことが出来るか。 し続ける姿勢。 新たなデジタル化 な状況へ変化させ ネジメントの⼒。 の在り⽅を、対象 る改⾰の実現⼒。 領域において構想 できる。 

業務を終わらせる組織AIを⽣み出そう AIと共に働く社会を作ろう