AGIとは、汎用人工知能（Artificial General Intelligence）の略です。これは、特定の狭い機能を高いレベルで実行するのではなく、新たなスキルを習得し、訓練を受けていない問題を解決できるシステムを指します。現在、商用として存在するAGIシステムはありません。CRMにおいては、AGIとは、あらかじめ定義されたワークフローを実行するのではなく、販売、マーケティング、サポートといった意思決定を横断的に推論するソフトウェアを意味します。
ベンダーに、自社製品が汎用人工知能（AGI）として認められる条件を尋ねると、単に既存製品のアップグレード版、例えば自動化の高速化、機能の追加、パーソナライゼーションの向上などを説明するだけかもしれません。しかし、これらの改善点だけでは、システムを真に汎用的なものにすることはできません。
この主張を評価するには、より厳格な方法があります。それは、システムが真に未知の問題を学習し解決できるかどうかに焦点を当てたもので、その能力をテストするための文書化されたベンチマークが存在します。このテストが何を測定しているのかを理解することで、汎用人工知能（AGI）の主張をより明確に評価できるようになります。
AGI とは何ですか?
汎用人工知能（AGI）は、ほぼすべての知的・認知的タスクにおいて人間の能力に匹敵、あるいは凌駕できる理論上の人工知能の一種です。今日の特定のタスクに特化した人工知能とは異なり、AGIシステムは、タスク固有のプログラミングを必要とせずに、学習、推論、そして全く新しい状況への適応を行うことができます。
最も厳密な定義は、Kerasディープラーニングライブラリの開発者であるフランソワ・ショレ氏によるものです。2019年の論文で、 知能の尺度について彼は知能を次のように定義した。 未知のタスクにおけるスキル習得効率 システムが想定していたタスクにおけるパフォーマンスではなく、
その区別こそが議論の核心であり、ベンチマークスコアの意味合いを変える。もしモデルがテストに似たデータで学習されていた場合、高得点は既に見たことのある答えを見つけられる能力を示しているに過ぎない。問題が真に新しいものである場合に何が起こるかについては、何も語っていない。
ショレはそれを検証するためのベンチマークを作成した。 ARC-AGIがグリッドパズルを発表 ルールは2つか3つの例から推論し、システムがこれまで見たことのない事例に適用する必要がある。すべてのタスクは固有のものであり、統計的なパターンマッチングを行うには例が少なすぎるため、意図的に暗記を困難にしている。
AGIを今日の製品と区別する4つの特徴：
- 転送： ある分野で習得したスキルを、再訓練なしに全く関係のない分野に応用できる。しかし、現在の生産システムにはそのようなものは存在しない。
- 新規対応： このシステムは、開発者が想定していなかった問題を解決する。今日のモデルは、入力データが学習データと似ていないとすぐに予測不能な動作を示し、しかもそのことをほとんど知らせない。
- 自律的な目標分解： 人間がワークフローを指定することなく、曖昧な目標を段階的に分解する。
- 効率性： それは何百万もの事例からではなく、ほんの一握りの事例から学習する。そして、まさにそれが上記の定義が実際に測定する基準なのだ。
| リアリティチェック： ARC-AGI-1 2019年に開始されたこのプロジェクトは、AIシステムがわずかな例から新しいルールを学習し、それを未知の問題に適用できるかどうかを検証するために実施されました。2024年末までに、最先端モデルは劇的に大規模化し、学習計算量は約50,000万倍に増加しましたが、このベンチマークは依然として大きな課題でした。これは、モデルを大きくして計算量を増やすことでパフォーマンスを向上させることはできますが、規模を拡大するだけでは、汎用人工知能（AGI）に求められる効率的な学習と汎化能力は得られないことを意味します。 |
AGI vs AI vs 生成AI
AI、生成AI、AGIは、しばしば同じ技術の異なるレベルを表しているかのように議論されるが、そうではない。重要な違いは、システムが何を学習できるか、未知の問題にどのように対処するか、そして意思決定プロセスのどの程度を自律的に実行できるかという点にある。
| 狭いAI | 生成AI | AGI | |
| 対象領域 | 定義されたタスクを実行する | 様々なフォーマットのコンテンツを制作する | 幅広い知的作業をこなす |
| 新しいタスクを学習する | いいえ、通常は再訓練または再設定が必要です | いいえ、いくつかの例からではありません | はい、限られた例から |
| 未知の問題に対処する | 定義された任務の範囲外では制限される | もっともらしい回答を生成できるが、不慣れなタスクでは信頼性に欠ける可能性がある。 | 真に斬新な問題を解決するために設計されています |
| 目標の設定 | 人間が定義した | 人間が促す | より広範な目標を独立したタスクに分解できる |
| 市販品 | はい、広く | はい、広く | いいえ |
最も単純な違いは次のとおりです。生成型AIは様々な種類のコンテンツ生成タスクを実行できますが、汎用人工知能（AGI）は新しいタイプの問題への対処方法を学習できます。生成型AIシステムは、指示に応じてフォローアップメールや契約条項を作成できます。一方、AGIは、そのメールを送信することが適切かどうかを判断し、アカウントの状況を考慮し、次に何をすべきかを決定する必要があります。
AGIはCRMをどのように変革できるのか？
CRMは、AGIが特に大きな影響を与える可能性のある分野の一つです。なぜなら、CRMシステムは、推論システムが必要とする顧客コンテキストを既に統合しているからです。連絡履歴、取引活動、サポート対応、キャンペーンへの反応、アカウント情報などが、一つの環境に保存されています。AGIが未知の状況でも推論できるのであれば、このコンテキストによって、単に定義済みのワークフローを実行するだけでなく、意思決定を行うことができるようになるでしょう。
- 自律的な顧客エンゲージメント
現在、CRMの自動化は通常、取引段階の変更や顧客の行動など、事前に定義されたトリガーから始まります。一方、AGIシステムは、アカウント全体を評価し、連絡が必要かどうか、どのチャネルが適切か、メッセージの内容、送信タイミングなどを判断することができます。
- インテリジェントなリード管理
リードスコアリングは通常、管理者が事前に選択したルールやシグナル（役職、企業規模、エンゲージメント、業界など）に基づいて行われます。AGIはより広範なコンテキストを用いてアカウントを評価し、事前定義されたフィールドには含まれていない関連シグナルを特定できます。これにより、リードの適格性評価がCRM管理者が設定したルールの数に左右されにくくなる可能性があります。
- 予測的な顧客インサイト
予測AI 解約率、コンバージョン率、取引完了率といった結果に関連するパターンを特定できます。AGIは、結果が発生する可能性が高い理由を推論し、それを変えることができる行動を判断することで、さらに一歩進む可能性があります。単にアカウントをリスクが高いと警告するだけでなく、システムは根本的な状況を関連付け、適切な介入を推奨できるようになります。
- 部門横断的なワークフローの意思決定
CRMワークフローは通常、事前に設計されたプロセスに従います。AGIは、変化する状況に基づいて、これらのプロセス全体にわたって意思決定を行うことができます。例えば、深刻なサポート問題が発生した場合は、アップセルキャンペーンを一時的に停止する必要があると認識できます。たとえ、両者を結びつけるルールが誰も作成していなくてもです。
これらの機能は現在、市販されていません。しかし、CRM自動化の可能性のある方向性を示しており、現在のAIシステムが真の汎用知能からどれだけ離れているかを判断するための有用な基準となります。
| 興味深い事実： ガートナーのロードマップは、単一の汎用知能ではなく、ますます協調するAIシステムを指し示している。協調型マルチエージェントシステムは2027年頃に登場し、 2029年頃のマルチエージェントエコシステム複数の専門エージェントが連携して作業することに焦点を当てる。 |
AGI搭載CRMの潜在的なメリット
CRMにおけるAGIの潜在的な価値は、既存の自動化を高速化するだけにとどまりません。より大きな変化は、CRMに既に蓄積されている幅広い顧客コンテキストを活用し、ワークフローで明示的にカバーされていない状況においても意思決定を行えるようになることです。
- 設定不要の判断
ほとんどのCRM自動化は、事前に定義されたルールに依存しています。AGIは、状況がこれらのルールの範囲外にある場合に、最適な結果をもたらす対応策を判断することで、その依存度を軽減できます。単に静的なワークフローを実行するのではなく、システムは状況を評価して、最も戦略的な行動方針を決定します。
- 引き継ぎ後も存続するコンテキスト
顧客情報は営業、マーケティング、サポートチーム間で頻繁にやり取りされるため、従業員が手作業で埋めなければならないギャップが生じます。AGIシステムは、営業からサポートへの移行時に関連するアカウントコンテキストを引き継ぐことができ、このギャップを解消できます。 収益運用チーム 多くの場合、手動でパッチを適用する必要がある。
- 予測と併せての説明
予測は、受け取る側がなぜその予測が行われたのかを理解している場合に、より有用になります。単にアカウントが解約する可能性が高いとフラグを立てるのではなく、AGIシステムは関連する顧客シグナルを結びつけ、予測の根拠を説明し、適切な対応を提案することができます。これにより、 AI顧客体験 問題点を特定することから、それらに対処する方法を計画することまで、あらゆる段階に取り組む。
- 管理作業の削減
CRM管理者は、システムが自動的に処理できない状況に対応するため、フィールド、ルール、ワークフロー、例外の作成に多くの時間を費やしています。より汎用的な設定が可能になれば、既存のワークフローに当てはまらない状況が発生した場合にシステムがどのように対応すべきかを判断できるようになるため、こうした設定作業の一部を削減できる可能性があります。
CRMにおけるAGI利用の課題
CRMにおける汎用人工知能（AGI）の活用に伴う課題は、全く新しいものではない。狭義のAIシステムですら、既に多くの点で企業を同様のリスクにさらしているが、AGIはより多くのデータにアクセスでき、より広範な意思決定を行い、人間の介入を少なくできるため、これらのリスクはさらに増大するだろう。
- データのプライバシー： すべての顧客記録にわたるシステム推論には、すべての顧客記録へのアクセスが必要となるため、情報漏洩の影響範囲が拡大し、データ保護法に基づく同意取得が複雑化する。
- 精度と製造： 生成モデルは、流暢で自信に満ちた、しかし誤った回答を生成するが、その違いを示すような口調の変化はない。人間が出力を確認する場合、1つのエラーで1秒のロスが生じる。しかし、システムが自身の出力に基づいて行動する場合、エラーは顧客に伝わり、次の意思決定はそのエラーに基づいて行われることになる。
- アカウンタビリティ： 自律システムが企業アカウントに誤ったメッセージを送信した場合、現在のガバナンスモデルでは、誰がそれを承認したのかという問いに明確な答えはありません。
- 人間の監視: 有意義なレビューには、その根拠を理解することが不可欠であり、人が理解できる速度よりも速く下された決定をレビューすることは、名ばかりの監視に過ぎない。
- 統合の複雑さ: 推論システムの性能は、作業が行われるシステムへのアクセス性によって左右されるため、これはAIの問題である以前に、アーキテクチャの問題であると言える。
- セキュリティ体制: システムへのアクセス範囲が広がると、侵害されたアカウントの価値が上がります。 CRMセキュリティ管理 自動化が進むにつれて、負担は軽減されるのではなく、むしろ増大する。
AGIとCRMの未来
AGIに関するロードマップの議論は、業界がAGIに向かって進んでいるという前提に基づいています。しかし、公表されている予測は正反対の方向性を示しています。実際に開発・販売される製品は年々絞り込まれており、提示されるCRMロードマップもその方向性に沿ったものとなっています。
2026年に実現するのは、タスク特化型エージェントだ。
ガートナーは次のように予測しています エンタープライズアプリケーションの40% タスク特化型AIエージェントとの統合は、2025年の5%未満から2026年末までに増加し、マルチエージェントエコシステムは2029年に実現する見込みです。ここで重要なのは「タスク特化型」という言葉であり、これは「汎用型」の対義語です。
この場合、エージェントは、更新見積書の作成やサポートキューの解消など、一つの仕事を最初から最後まで実行し、その境界で停止します。それは、誰かが引いた境界線内での自律性です。
幅広さは集合体から生まれるのであって、一般性から生まれるのではない
そのロードマップは、それ自体で汎用的なシステムを構築するのではなく、互いに連携して動作する多数の特化したエージェントを組み合わせることによって、幅広い機能を実現する。
アセンブリが幅広さをもたらすかどうかは、依然として未解決の研究課題である。カリフォルニア大学バークレー校のチームは、 1,600件以上の実行トレース 7つのマルチエージェントフレームワークにわたって調査した結果、シングルエージェント構成と比較してパフォーマンスの向上はごくわずかであることが報告された。
彼らの分類法では、不明確な仕様、エージェント間の不整合、互いの出力の検証不足など、3つのグループに分類された14の障害モードが挙げられている。そのほとんどは、基盤となるモデルの限界ではなく、システム設計に起因するものである。
あるエージェントが入力内容を誤って解釈すると、下流にあるすべてのエージェントは、その誤りに気づかないまま処理を実行してしまうため、エラーは発生源ではなく、チェーンの末端で顕在化する。
ガバナンスの問題は形を変えます。あなたは一つのシステムの判断を承認するのではなく、各エージェントの境界線と、どのエージェントがどの判断を下したかの記録を承認するのです。
CRMにどのような変更が加えられるのか
現実的な短期的な変化は、記録システムから推奨システムへの移行です。取引スコアリング、 AIによる売上予測そして、次の行動の提案は既に狭いレーンではこのように機能しており、それらのレーンは消滅するのではなく、むしろ広がっていく。
購入に関する質問は、彼らと共に変化していく。CRMにAIが搭載されているかどうかを問うのではなく、各エージェントが人間の承認なしに実行できる操作は何か、そしてその承認はどこに記録されるのかを問うべきだ。
Vtiger OneはAI搭載CRMに向けてどのように準備を進めているのか
Vtiger One は汎用人工知能（AGI）を提供しておらず、これは今日のCRM全般に言えることです。そのAI機能は、現在のCRM自動化をサポートする狭義のAIレイヤーであり、顧客データとワークフローを統合された環境内に統合するのに役立ちます。この基盤は、将来のAIシステムが顧客とのやり取り全体にわたってより効果的に推論するために必要なコンテキストを提供するのにも役立つ可能性があります。
微積分AI 取引の成立などの結果を予測し、次の行動を推奨する一方で、最終的な決定はアカウント管理者に委ねます。それに加えて、 AI CRM機能 会話の要約や草稿作成などのサポート業務を行いながら、 AIエージェントの構築 定義された範囲内で、範囲を限定した反復可能なタスクを可能にする。
AIシステムの有効性は、アクセスできる情報の質に依存します。取引段階の欠落や重複した連絡先レコードがあると、システム自体が意図どおりに動作していても、誤った結論につながる可能性があります。これが、 AIを活用したCRM生産性 顧客データが正確で、完全で、一貫して維持されている場合に、最大の効果が得られます。
よくある質問
AGIの正式名称は何ですか？
AGIとは、汎用人工知能（Artificial General Intelligence）の略です。これは、設計や訓練の対象とならなかった様々な分野において、新たなスキルを習得し、問題を解決できるシステムを指します。これは、特定のタスクのみを実行し、別のタスクを処理するには再訓練が必要となる狭義のAIとは対照的です。
汎用人工知能（AGI）と人工知能（AI）の違いは何ですか？
AIとは、通常は人間の知能を必要とするタスクを実行するあらゆるシステムを包括する用語である。実用化されているAIのほとんどは特化型であり、つまり1つのタスクしか処理できず、学習データの範囲外では機能しない。AGIは、再学習なしで未知のタスクを処理できるサブセットである。
汎用人工知能（AGI）と生成型人工知能（Generative AI）の違いは何ですか？
生成型AIは、テキスト、画像、コードなどのコンテンツを生成し、形式を問わず汎用性を発揮するものの、その能力は限定的です。少数の例から真に新しいスキルを学習することはできません。汎用人工知能（AGI）は、出力の多様性ではなく、学習効率によって定義され、商業的にはまだ実現していません。
AGIはCRMをどのように変革できるのか？
これは、CRMを、人が設定したワークフローを実行する役割から、誰も設定していない判断を下す役割へと移行させるものです。具体的には、顧客に連絡するかどうかの判断、フィールドに入力されていないシグナルに基づいてリードを評価すること、予測を行った理由を説明すること、そして営業、マーケティング、サポート部門間で意思決定を調整することなどが含まれます。
現在、AGI（自動計算情報）を提供しているCRMはありますか？
いいえ。現在利用可能なCRM AI機能はすべて限定的で、リードスコアリング、予測、要約、ドラフト作成、または定義されたタスクを実行する範囲限定エージェントを対象としています。出荷製品をAGIと表現するベンダーは、その用語を技術的な機能に関する主張としてではなく、マーケティング目的で使用しています。
CRMにおけるAGIの利点は何ですか？
最大の利点は、設定不要で判断を下せる点です。つまり、管理者が想定していなかった状況にもシステムが対応します。その他の利点としては、チーム間の引き継ぎ後も状況が維持されること、単なるスコアではなく予測結果に説明が付加されること、そして現在のCRM管理に比べて手動による設定作業がはるかに少なくて済むことなどが挙げられます。
ビジネスにおいて汎用人工知能（AGI）を活用する際の課題は何ですか？
システムへのアクセスが拡大するにつれてデータプライバシーの範囲も広がり、生成モデルは依然として自信満々ながらも誤った出力を生成する。自律的な意思決定に対する責任の所在は明確ではなく、意思決定のスピードが読解速度を上回る場合、人間による効果的な監視は困難となる。統合の複雑さとセキュリティへの影響範囲の拡大は、最初の導入時から発生する。
