AIエージェント時代のデータ管理：なぜすべてのエージェントに「Box」が必要なのか？ - Box Aaron Levieが語る未来

AIエージェントの台頭は、現代のビジネス環境において、単なる技術トレンドを超えた根本的なパラダイムシフトを引き起こしています。それは、私たちが仕事をする方法、情報と対話する方法、そして企業が価値を創造する方法そのものを再定義する可能性を秘めています。この変革の波の中で、エンタープライズデータ管理のパイオニアであるBox社のCEO、Aaron Levie氏は、「すべてのエージェントにBoxが必要だ」という説得力のあるビジョンを提示しています。

本稿では、Aaron Levie氏が語るAIエージェント時代のデータ管理に関する深い洞察を掘り下げ、その重要性、具体的な機能、ビジネスへの影響、そして将来性を詳細に分析します。彼の言葉から見えてくるのは、エージェントが真に効果的に機能し、企業に持続的な競争優位性をもたらすために不可欠なインフラと、それに伴う新たな課題への羅針盤です。

AIエージェントがもたらす変革の波：コーディングと知識労働

Aaron Levie氏は、AIエージェントが私たちの働き方を劇的に変えている現状について、重要な指摘をしています。「エージェントが我々の働き方に適応するのではなく、我々がエージェントの働き方に適応しているのだ」という彼の言葉は、この変革の本質を捉えています。私たちは、エージェントを最大限に活用するために、長年培ってきたワークフローや思考プロセスを根本から見直すことを余儀なくされているのです。

この変革の最前線にいるのが「AIコーディング」の領域です。過去数年間で、ソフトウェア開発の現場は劇的な変化を遂げました。かつて人間が手作業で行っていたコード記述の多くは、今やAIエージェントとの対話によって生成され、開発者の役割は「コードを書く」ことから「エージェントに指示を与え、その出力をレビューする」ことへと移行しています。Levie氏は、このAIコーディングが「歴史上、最も短期間でワークフローが変化した例」の一つであると述べ、その急速な進化の背景にあるいくつかの要因を挙げています。

広範なコードベースへのアクセス: 新しいエンジニアがプロジェクトに参加する際、通常は広範なコードベースへのアクセスが許可されます。これにより、エージェントも同様に大量の関連情報を利用できます。
テキストベースの性質: コードは本質的にテキストであり、AIモデルが最も得意とする形式です。入力も出力もテキストであるため、エージェントは効率的に作業できます。
豊富な学習データ: AIモデルは、膨大な量のオープンソースコードやドキュメントで訓練されており、コーディングに関する強力な知識ベースを持っています。
ポジティブなフィードバックループ: AI開発者自身が日常的にエージェントベースのコーディングツールを使用しているため、製品の改善サイクルが非常に速く、ツールが継続的に洗練されます。
技術的リテラシーの高いユーザー: 開発者は新しいツールや技術の導入に抵抗が少なく、自己学習やベストプラクティスの共有が活発です。

しかし、このAIコーディングで達成された「エスケープベロシティ（脱出速度）」は、他の知識労働領域にはまだ十分に波及していません。Levie氏は、金融サービスや一般企業の知識労働者たちが直面する「6～7つの逆風」を指摘します。

厳格なアクセス制御: 銀行員が業務に必要なデータ全体のごく一部にしかアクセスできないように、多くの企業ではセキュリティとコンプライアンス上の理由から、データアクセスが厳しく制限されています。
多様なデータ形式: テキストだけでなく、Zoom会議の録画、対面での商談記録、非構造化データなど、多様な形式の情報をエージェントが処理する必要がありますが、これらを「デジタル化」してエージェントが利用できる形にするのは容易ではありません。
非技術的ユーザー: 多くの知識労働者は、開発者のように最新のAIツールを日常的に使いこなすわけではありません。彼らがエージェントを活用するには、より直感的で適応性の高いツールとトレーニングが必要です。
不十分な文書化慣行: ソフトウェア開発には仕様書やドキュメント作成の文化がありますが、他の多くの知識労働では、その場での判断や暗黙知に依存している部分が多く、エージェントが利用できる形の「コンテキスト」が不足しています。

これらの課題は、エージェントを導入する企業が、自身のワークフローをエージェントに合わせるために「マルチイヤーの道のり」を歩む必要があることを意味します。Levie氏は、AIエージェントの導入は単なる「特効薬」ではなく、ワークフローの抜本的な再設計を伴うものであり、これに早期に取り組む企業が「複利的なリターン」を得られると強調しています。実際、OpenAIやAnthropicといった最先端のAIラボでさえ、エンタープライズ顧客向けに専門サービスやコンサルタントを投入しており、ワークフロー変革の「イージーモード」は存在しないことを示唆しています。

エンタープライズデータ管理の新たな挑戦：Boxの視点

Boxは長年にわたり、企業がファイルやドキュメントを安全に管理し、アクセス権限を制御し、チーム内外で協力して作業するためのプラットフォームを提供してきました。契約書、研究資料、マーケティング情報、内部メモなど、企業が保有するすべてのファイルは、そのビジネスにとって極めて重要な情報を含んでいます。これまでこれらの情報は主に人間の手によって活用されてきましたが、Aaron Levie氏はAIエージェントの登場が、このデータの役割を根本的に変えると指摘します。

「これまでのデータは、人間が能動的に関与している間だけ利用されていました。しかし、AIとAIエージェントの力によって、そのすべてのデータは、新たな質問に対する答えの継続的な源泉となり、組織内で価値を生み出すものへと変貌します。」

これは、データが単なる静的なストレージオブジェクトではなく、常に活動し、新たな価値を生み出す「生きた情報源」になることを意味します。具体的なユースケースは多岐にわたります。

新入社員のオンボーディング: プロジェクトに早く慣れる必要がある新入社員が、過去の関連資料やガイドラインをエージェントを通じて瞬時に検索し、理解を深めることができます。
顧客対応と営業戦略: 営業担当者が顧客との会話中に、エージェントが過去の商談履歴、製品資料、競合情報などを分析し、最適な提案内容や資料をリアルタイムで提供します。
製品開発とロードマップ: 次の機能開発に必要な過去の要件定義書、市場調査レポート、ユーザーフィードバックなどをエージェントがまとめ、開発チームの意思決定を支援します。

このように、これまで「しまわれて忘れられがちだった」情報が、AIエージェントによって常に活用可能な状態となり、エンドユーザーだけでなく、エージェント自身にとっても計り知れない価値を持つようになります。エージェントは企業内のデータランドスケープを自由に動き回り、必要な情報にアクセスし、新たなデータや価値を生成するようになるでしょう。

「すべてのエージェントにBoxが必要」の真意：アイデンティティとセキュリティ

Aaron Levie氏のキーメッセージである「Every agent needs a Box」は、単なるブランドアピールに留まらず、AIエージェント時代におけるエンタープライズデータ管理の最も深い課題を突いています。彼は、将来的に「人間よりも10倍、あるいは100倍ものエージェントが存在するようになるのは避けられない」と予測し、この膨大な数のエージェントを企業内でいかに効果的かつ安全に管理するかという問題に焦点を当てています。

エージェントのアイデンティティと責任

企業がAIエージェントを導入する際に直面する最大の課題の一つは、「エージェントのアイデンティティ」をどう扱うかです。従来のシステムでは、人間がユーザーアカウントを持ち、そのアカウントに関連付けられた権限でシステムにアクセスします。しかし、エージェントを単に「別のアカウントを持つユーザー」として扱うことは、甚大なリスクを伴います。

Levie氏は、Boxがこのアイデンティティの問題に深く関心を持つ理由を説明しています。「ファイルシステムアクセスは、エージェントがアイデンティティを必要とする最大のユースケースの一つだからです。」

責任の所在: エージェントは「法人格」を持たず、法律上の責任を負うことはできません。そのため、エージェントが何らかの問題を引き起こした場合、その責任はエージェントを作成・監督した人間（または企業）に帰属する可能性が高いです。Levie氏は、「エージェントを作成した者が、当面はエージェントの行動に対する責任の多くを負うだろう」と述べています。
プライバシーの欠如: 人間は個人のプライバシー権を有しますが、エージェントにはそのような権利はありません。エージェントは自律的に動作するとはいえ、その行動やアクセス履歴は常に監視・監査されるべき対象です。
アクセス範囲の限定: 人間であれば、組織内の他の従業員のアカウントを覗き見たり、彼らの作業に責任を負ったりすることはありません。しかし、エージェントが広範なアクセス権を持つアカウントとして機能する場合、その行動の監視が困難になり、意図しない情報漏洩や不正アクセスにつながる可能性があります。

このため、エージェントには人間とは異なる特殊なアイデンティティ管理レイヤーが必要です。それは、エージェントの行動を厳密に監査し、責任の所在を明確にし、必要に応じて介入できるような仕組みでなければなりません。

セキュリティとアクセス制御の複雑化

AIエージェントの導入は、従来のセキュリティモデルに深刻な挑戦を突きつけます。Levie氏は、「プロンプトインジェクションによってエージェントを操作し、CRMシステムから機密データを引き出すような、信じられないほど異常なセキュリティインシデントが必ず発生する」と警告しています。

従来のアクセス制御の限界: 従来のロールベースアクセス制御（RBAC）やきめ細かなアクセス制御システムは、主に人間のユーザーを想定して設計されてきました。しかし、エージェントは特定の役割に固執せず、複数の情報源からデータを収集し、異なるコンテキストで作業を行うため、従来の静的なアクセス権限では対応が困難です。Levie氏は、「RBACは死んだ」とまで言い切っています。
部分的なデータアクセスの必要性: 人間が同僚にファイル全体ではなく、その一部だけを見せるように、エージェントにも必要な情報のごく一部だけを安全に提供する仕組みが求められます。エージェントがアクセスできるデータ範囲を動的に制限し、その作業を監視する新しい境界線が必要です。
サンドボックス環境: OpenClawのようなエージェントは、独自のシステム、コンピューター、ツールにアクセスできる「サンドボックス環境」で動作します。これにより、エージェントが企業全体の機密データに無制限にアクセスするリスクを軽減できますが、そのサンドボックスと企業のデータリソースとの連携方法には、新たなセキュリティ設計が必要です。
データガバナンスと規制: 金融サービスのエージェントは人間と同じ規制要件を満たすべきか、リスクはエージェントを作成した人間に完全にかかるのか、といった問題はまだ未解決です。しかし、どのような場合でも、エージェントがアクセスするデータ、関与するワークフロー、複数のシステムからデータを引き出すプロセスを管理するレイヤーが不可欠です。

Boxは、このような複雑な課題に対して、エージェントがアクセスするデータを管理し、ワークフローを統制し、複数のシステムからのデータ連携を安全に行うための「新しいインフラストラクチャの機会」と捉え、プラットフォームの構築を進めています。それは、セキュリティ、権限管理、アクセス制御、データガバナンスといった側面を根本から再考する取り組みであり、Boxの長年の経験が活かされる領域です。

コンテキストエンジニアリングと検索の課題：AIエージェントの「知性」の進化

AIエージェントが企業データから価値を引き出す上で、最も技術的に困難な課題の一つが「コンテキストエンジニアリング」と「検索」です。Aaron Levie氏は、この問題を「Context Rot（コンテキスト腐敗）」という言葉で表現し、情報が古くなったり、関連性が失われたりすることで、エージェントが適切な判断を下すための「コンテキスト」が損なわれる現象を指摘しています。

「無限のコンテキストウィンドウ」の幻想

かつてAI業界では、「無限のコンテキストウィンドウ」があれば、すべての問題が解決するという楽観的な見方がありました。つまり、エージェントに企業の全データをそのまま与えれば、そこから必要な情報を抽出し、適切な判断を下せるだろうという期待です。しかし、Levie氏はこれを「2035年くらいに実現するかもしれない」遠い未来の可能性とし、今日の現実には適用できないと断言します。

途方もないコスト: 5000もの関連ドキュメントをモデルに読み込ませるコストは、現在の技術では非現実的です。
性能の劣化: コンテキストウィンドウが長くなると、モデルの性能が著しく低下し、正確な情報を取得するのが難しくなります。現状では、正確な情報が得られるトークン数は6万程度が限界です。

「1000万ドキュメント（1ページ5枚として5000万ページ）のコーパスに対し、利用できるトークンが6万しかない。この途方もないギャップをどう埋めるかが、現在のコンテキストエンジニアリングの核心的な問題だ。」とLevie氏は語ります。

モデルの進化とエージェントの判断能力

この「ギャップ」を埋めるために不可欠なのが、高度な検索システムと、エージェント自身の「知性」の向上です。かつては、エージェントにタスクを与えると、関連性の低いドキュメントを大量に返し、「間違った答え」を生成することが頻繁にありました。これは、ナレッジワーカーにとって非常にフラストレーションのたまる体験であり、一度でもそのような経験をすると、システムへの信頼が失われ、二度と使わなくなってしまいます。

しかし、最新のモデル（Opus 46、Gemini 31 Proなど）では、この状況が劇的に改善されています。Box社内部でのエージェント評価（Eval）を通じて、Levie氏はモデルの「判断能力」の進化を強調しています。

検索結果のランキングと矛盾検出: モデルは、複数の検索結果の中から関連性の高いものをランク付けし、情報源間の矛盾を「嗅ぎ分ける」能力を向上させています。
「諦める」能力: Levie氏は、社内ベンチマークの例として「10個のオフィス住所を検索するタスク」を挙げました。従来のモデルは、見つけられなかった住所があっても「見つけられませんでした」とだけ報告し、いつ検索を諦めるべきかを知りませんでした。しかし、最新のモデルは、特定のクエリタイプを試し、それでも見つからなければ「これ以上の検索では問題は解決しない」と判断し、タスクを諦めるという、より人間らしい「判断力」を示すようになっています。これは、モデルが「自分が何を知らないか」を理解し始めたことを意味します。
「データの荒野」では機能しない: どれほどモデルが賢くなっても、組織内のデータが「完全な荒野」であれば、エージェントは機能しません。「本当に賢い人間が5～10分で解決できない検索タスクは、エージェントもそれ以上にはできない」という現実をLevie氏は指摘します。

Boxの内部Evalの取り組み

Boxは、このAIエージェントの「知性」とシステムの有効性を継続的に評価するため、独自の内部評価システムを構築しています。

業界固有のデータセット: ヘルスケア、法律、公共部門、金融サービスなど、多岐にわたる業界の文書セットを使用して評価を行います。これにより、実際のビジネスシナリオに近い環境でエージェントの性能を測定します。
モデルとハーネスの共同評価: 評価は、基盤となるAIモデル自体の性能だけでなく、Boxが構築したエージェントの実行環境（ハーネス）とモデルの組み合わせとしての性能を測定します。
詳細なルーブリックとスコアリング: 特定のタスクに対して、エージェントが何をどの程度正しく実行できたかを詳細なルーブリックに基づいてスコアリングします。
驚異的な進歩: 最新のOpus 46モデルでは、Opus 45と比較してメイン評価で15ポイントものジャンプが見られるなど、モデルの推論能力、テスト時計算能力、思考レベル、コンテキスト・ロット問題への対処能力において「信じられないほどの飛躍」が続いていることを報告しています。

これらの評価は、公開されていない独自のデータセットで行われるため、モデルが評価データに対して「トレーニング」されることはありません。これにより、Boxは最も優れたモデルを顧客に推奨し、自社エージェントのパフォーマンスの回帰を防ぎ、継続的な改善を推進するための重要なインサイトを得ています。

Levie氏は、「すべての真剣なAI企業は、自社の仕事内容に基づいた独自のEvalを持つ必要がある」と述べ、このエージェントの評価とオブザーバビリティの領域が、今後巨大な市場になることを予見しています。将来的には、RFP（提案依頼書）作成、営業資料生成、請求書処理など、あらゆるビジネスプロセスにおいてエージェントの品質を評価するためのEvalが必要になるでしょう。

AIエージェントとデータの「読み書き」：コンテンツ作成の未来

BoxのAIエージェントに関するビジョンは、企業データからの「読み取り」（質問への回答、情報検索）だけでなく、「書き込み」（コンテンツ作成）のワークフローにも及びます。

Levie氏は、これまでBoxが直面してきた最も困難な問題は「読み取り専用」の課題、つまり膨大なデータの中から関連情報を効率的に検索し、限られたコンテキストウィンドウに収めることだったと説明します。一方で、「書き込み」の側面は技術的には比較的容易な部分もあります。モデルが新しいコンテンツを生成し、それをファイルシステムに保存するという流れは比較的シンプルです。

しかし、この「書き込み」の領域にも、まだ克服すべき課題が存在します。特に、複雑な形式のドキュメント（例：PowerPointプレゼンテーション）の生成は、AIモデルにとって依然として難しい問題です。

形式の複雑さ: コードとは異なり、PowerPointのような視覚的で構造化されたドキュメントは、フォント、レイアウト、画像配置といった要素が多岐にわたります。モデルがスライドを一枚更新しただけで、他のスライドのフォントが変わったり、要素がわずかにずれたりするような「スロップ」（粗悪な出力）が発生することがあります。
人間の即時的な認識: コードの場合、エンドユーザーは内部の「スロップ」に気づかないことが多いですが、PowerPointのようなコンテンツでは、わずかな形式の不一致も人間にはすぐに認識され、プロフェッショナルな印象を損ないます。

Boxの長期的なビジョンは、これらの課題を克服し、ネイティブなエージェントがさまざまなコンテンツを作成できるようになることです。これらのエージェントは、最先端のモデルとラボによって駆動されます。

しかし、Levie氏がより大きなアイデアとして提示するのは、**「あらゆるシステム上のあらゆるエージェントが、Boxをその作業のためのファイルシステムとして利用する」**というものです。このシナリオでは、Boxはエージェントの「ワークスペース」として機能します。エージェントは、自身のメモリファイル、仕様書、作業中のドキュメント、生成したPDFなど、あらゆる種類のファイルをBoxに保存できます。このワークスペースはサンドボックス化され、他の人々とのコラボレーションも可能になります。Boxは、エージェントが自身の作業成果を保存し、共有し、管理するための中心的なハブとなることを目指しています。

企業文化と「タシット・ナレッジ」の文書化：変革への準備

AIエージェントがエンタープライズ環境で真価を発揮するためには、単なる技術導入を超えた、企業文化と組織構造の根本的な変革が不可欠です。Aaron Levie氏は、この点について非常に現実的な視点を示しています。

「徒弟制度」から「文書化された知識」へ

Levie氏は、多くの企業が実質的に「徒弟制度」のように機能している現状を指摘します。新入社員がチームに加わると、1〜3ヶ月かけて先輩社員から暗黙知（タシット・ナレッジ）を学ぶプロセスが一般的です。この暗黙知は通常、文書化されておらず、エージェントがアクセスすることはできません。

しかし、AIエージェントの時代には、この状況を変える必要があります。企業が、その知識、プロセス、ベストプラクティスを「文書化」し、エージェントが利用できる形式で保存することに注力すれば、計り知れない生産性向上のメリットが生まれます。

オンボーディング期間の短縮: 3ヶ月かかっていた新入社員の立ち上げ期間が2週間に短縮されれば、即座に生産性向上につながります。
手戻りの削減: すべての情報が文書化され、簡単にアクセスできるようになれば、組織内の手戻りが劇的に減少します。
従業員パフォーマンスの均質化: トップ10%の従業員の知識がキャプチャされ、エージェントを通じて他の平均的な従業員にも利用可能になれば、組織全体のパフォーマンスが向上します。

「企業が情報をキャプチャし、デジタル化し、エージェントが利用可能な形式で保存するという文化を持てば、明確な生産性メリットが得られるだろう」とLevie氏は断言します。

「会社はファイルシステムである」という比喩

この文脈で、Levie氏は「あなたの会社はファイルシステムである」という論文に言及し、Boxの哲学との共鳴を示しています。企業はすでに、ファイルやフォルダ、そしてそれらに対する権限構造によって組織化されています。この既存の構造は、エージェントがデータと連携する自然な方法を提供すると考えられています。

しかし、現実には課題も山積しています。情報は常に変化し、デジタル化されたすべての情報が誰にでも共有できるわけではありません。複雑なアクセス制御と、常に最新の状態に保たれる情報基盤の構築は、膨大な労力を必要とします。

知識グラフとBoxのアプローチ

Aaron Levieは、しばしば議論の的となる「知識グラフ（Knowledge Graph）」の有効性についても触れています。知識グラフは、データの間の関係性を構造化して表現する強力なツールとして期待されていますが、Levieは「私は知識グラフの専門家ではないし、この問題で宗教戦争を仕掛けるつもりもない」と述べ、中立的な立場を示しています。

彼が指摘するのは、知識グラフに対する「すべてをグラフで表現すべきだ」という熱狂的な支持者と、「マークダウンファイルのようなシンプルな構造で十分だ」と考える人々の二分化です。Boxは、長年培ってきたファイルシステム中心のアプローチを追求しており、「私たちは誰かのグラフにプラグインしたり、データを提供したり、エージェントが複数のシステムと対話したりすることにオープンだ」としています。

Levieが例として挙げたのは、かつて「すべての企業がWikiで動くようになる」と信じられていた時代です。Confluenceのようなツールはエンジニアリング分野で成功を収めましたが、一般的な企業の知識労働においては、人々は依然としてシンプルなワークスペースとコラボレーションツールを求めています。Boxは、この「シンプルでコラボレーション可能なワークスペース」というアプローチを継続し、それがエージェント時代にも有効であると考えています。

リーダーシップと未来への責任：Aaron Levieの「生産関数」

Aaron Levie氏のリーダーシップは、一般的なスタートアップの創業者とは一線を画しています。彼は、20年以上にわたる企業経営の経験から、AI時代における企業の舵取りの難しさを痛感しています。

委譲と「存亡に関わる」領域への集中

Levie氏は、Boxの日常業務の90%以上は優秀なリーダーたちに委譲されていると説明します。彼は、会社全体の70〜80%の業務においては、高レベルな意思決定や戦略的な方向付けに5%程度の時間しか割かないと言います。マーケティングメッセージの精査、営業戦略の概要、特定のバーティカルへの投資判断などがこれに該当します。これらもチームとの協業を通じて行われます。

しかし、AIエージェントのような「存亡に関わる（existential）」領域においては、創業者としての責任感が彼を強く引き込みます。「もしこの分野で正しいことをしなければ、私たちはビジネスから撤退することになる」という危機感が、彼をその仕事の中心へと駆り立てるのです。

AIの「津波」への恐怖: 彼は、AIの波を「津波」と表現し、この分野でのわずかな設計上の誤りや機能の誤った決定が、企業を一年後には競争から脱落させてしまう可能性があると警告します。この「骨身に染みる」ような危機感が、彼をこの領域に深くコミットさせています。
戦略的マイクロフォーク: AIの領域には、小さな決定が将来的に大きな結果を生む「マイクロフォーク」が無数に存在します。これらの岐路で正しい選択をするためには、優れたリーダーシップと高い自律性を持つ人材が必要ですが、最終的な責任は創業者であるLevie氏自身にあります。
コラボレーションと権威のバランス: 最高の才能を引き寄せるためには、独裁的なリーダーシップは避けなければなりません。しかし、あまりにも責任を放棄すれば、リスクが高まりすぎます。Levie氏の価値は、20年間のビジネス経験から顧客の反応や市場の動向を予測し、戦略的な方向性を示すことにあります。そして、もし間違った場合、最終的な責任は自分にあるという覚悟を持って、このバランスの取れたアプローチを実践しています。

プロセスと24時間体制の業務

日常業務の70〜80%に対しては、四半期ごとのビジネスレビューやブランドチェックインといった「プロセス」を通じて状況を確認し、必要に応じて介入します。しかし、AIエージェントのような存亡に関わる領域においては、「24時間年中無休」のコミットメントが必要となります。Levie氏は、「このポッドキャストが終わった後も、夜11時にCTOのBenとZoom会議をするだろう」と語り、常に「るつぼの中で研鑽を積む」ような状態にあることを示しています。

彼が冗談交じりに語る「週末もエージェントを動かすために働くミーム」は、このAI時代の競争の激しさを象徴しています。限られた計算資源を最大限に活用し、競争優位を築くためには、休む間もないほどの努力が求められるのです。

Aaron Levieの「生産関数」

Tyler Cowanの質問「Aaron Levieの生産関数とは何か？」に対し、Levieは自身の情報収集、分析、発信のサイクルを説明しています。彼は社内の課題や進捗を常に把握し、Twitterなどの外部情報源から業界の動向や他者の経験を取り入れます。そして、これらをBoxの戦略に還元し、その過程で得られた洞察を自身で発信しています。

これは、単なる広報活動ではなく、「Building in public（公開で構築する）」という哲学の実践です。彼は、過去に映画制作会社のインターンシップでブログ開設を打診して断られ、判断力の欠如を指摘された経験に触れ、「公開で構築することは自然なことだ」と語ります。日々の業務で直面する興味深い問題をツイートし、フィードバックを得て、それをBoxに還元する。彼の仕事は、内外の情報を結びつけ、それを有用な形にすることにあります。

通勤時間や夜のわずかな時間を利用して情報収集し、洞察をツイートする彼の習慣は、AI時代のリーダーがいかに多角的に情報を取り入れ、発信し、意思決定を行っているかを示しています。

エンターテインメント業界とAIの未来、そしてDevRelの重要性

Aaron Levie氏の洞察は、エンタープライズ領域に留まらず、広範な業界の未来、特にメディアとエンターテインメント、そしてビジネスコミュニケーションのあり方にも及んでいます。

AIと映画製作の未来

Boxの創業が、映画スタジオParamountでのペーパーワークの苦労に端を発していることもあり、Levie氏はAIがエンターテインメント業界、特に映画製作に与える影響についても言及しています。

彼はAIが映画製作にもたらすポジティブな可能性を強調します。

創造性の民主化: 高校時代の彼自身が抱いた「爆発やカーチェイスがあるような本格的な映画を作りたい」という夢は、AIによってより多くの人々にとって実現可能になるでしょう。AIは、人々が「スピルバーグになる」ことを可能にし、高価で時間のかかるCG作業を加速させ、新しいプロットアイデアのテストを支援します。
効率化: プリビズ（撮影前段階の視覚化）や背景生成など、AIは製作プロセスの多くの段階を効率化し、より少ないコストで高品質なコンテンツを生み出すことを可能にします。

一方で、Levie氏は懸念も示しています。

「スロップ」（粗悪なコンテンツ）の増加: AIがコンテンツ生成を容易にすることで、「車が追いかけるだけの映画」のような、質の低いコンテンツが氾濫する可能性があります。
芸術性の維持: PT Andersonのような、深い洞察と芸術性を持つ作品が生み出され続けるのか、という問いを投げかけます。「No Country for Old Men」や「There Will Be Blood」のような、観る者に強い衝撃を与える作品がAI時代にも生まれるのか。
キッズエンターテインメントの可能性: Levie氏は、AIが子供向けの高品質で教育的なエンターテインメントを大量に生み出す可能性があると見ています。かつての「テレタビーズ」のような低品質なものではなく、ピクサーのような品質で子供が学べるコンテンツが増えるかもしれません。

全体として、彼はAIがエンターテインメントの生産プロセスを加速させ、創造性を高める道具として活用されるべきであり、「カメラと人間」という本質的な部分をAIが取り囲む形で共存していく未来を望んでいます。

「すべての会社はメディア会社になる」DevRelの台頭

Levie氏は、「すべての会社はメディア会社にならなければならない」という強い信念を持っています。今日、企業は顧客やオーディエンスと直接コミュニケーションを取る「Go Direct」モデルを採用しており、情報過多の時代において、自社のメッセージを効果的に届けるためには、メディア企業のようにコンテンツ戦略を練る必要があります。

この文脈で、彼は「DevRel（Developer Relations：開発者リレーションズ）」の重要性が飛躍的に高まっていると指摘します。

エージェントへの可視性: AIエージェントが企業のサービスやAPIを利用するようになるにつれて、企業は自社のAPIをエージェントに「見つけさせ」、利用してもらうための戦略が必要になります。これはまさに「コンテンツゲーム」であり、エージェントが「こちらに来てください」と引きつけるための魅力的なコンテンツ（ドキュメント、チュートリアル、事例など）が不可欠です。
需要と供給のミスマッチ: DevRel人材の需要は爆発的に高まっているにもかかわらず、供給が追いついていない現状があります。才能あるDevRel担当者は独立して高収入を得ることができ、企業が彼らをフルタイムで雇用するのは困難です。Levie氏は、企業がDevRelを「構築するか買うか」という真剣な選択を迫られる時代が来ると予測しています。
新しい役割の創出: ソフトウェアの生産性向上により、コードの出力は飛躍的に増加しますが、それを顧客に届け、理解させ、利用してもらうためのコストも増大します。これは、DevRelのような「技術的な専門知識を持ち、かつコミュニケーション能力に長けた」新しい役割の需要を生み出します。

ソフトウェアエンジニアリングは「最も保護された職種」

最後に、Levie氏は、AI時代においても「ソフトウェアエンジニアリング」は最も保護された職種の一つであると強く主張します。

技術の複雑化: AIの導入は、システムをより技術的に複雑にし、構築、デプロイ、アダプト、カスタマイズするための高度な技術スキルを必要とします。
「AIはコードを食べる」のか、「コードがAIを食べる」のか: 彼は、「ソフトウェアエンジニアリングは、過去30年間、技術的で高い自律性を持つ人々が世界に大きな影響を与える主要なキャリアパスだった」と述べ、AIがソフトウェアエンジニアリングを「食い尽くす」のではなく、ソフトウェアエンジニアリングが他のすべての領域を「食い尽くす」可能性があると示唆します。
企業のシステム構築: 企業が自社の問題解決のためにソフトウェアを構築するならば、それを維持・更新し、ビジネス要件とコードを結びつけるためのエンジニアがこれまで以上に必要になります。

つまり、AIは技術者の力を増幅させ、彼らがより広範な領域で影響力を行使できるようにするツールとなるのです。Levie氏は、「今、エンジニアリングに賭けることは非常に長期的な視点で見ても正しい選択だ」と結びます。

結論

Aaron Levie氏がBoxの視点から語るAIエージェントの未来は、単なる技術的な進歩以上の、深い戦略的示唆に満ちています。彼の「Why Every Agent Needs a Box（なぜすべてのエージェントにBoxが必要なのか）」という問いかけは、AI時代のエンタープライズデータ管理における「アイデンティティ、セキュリティ、コンテキスト」という複雑な課題への深い洞察を示しています。

AIエージェントは、私たちの働き方を根本から変革し、生産性を劇的に向上させる可能性を秘めています。しかし、その恩恵を最大限に享受するためには、企業は以下の点を認識し、戦略的に行動する必要があります。

ワークフローの再設計: エージェントが私たちの働き方に適応するのではなく、私たちがエージェントの働き方に適応する覚悟が必要です。これは、ビジネスプロセスや企業文化の抜本的な見直しを伴います。
データ管理の変革: 企業内のあらゆるデータを、エージェントが利用可能な「生きた情報源」として再定義し、適切な形でキャプチャ、デジタル化、構造化する必要があります。
セキュリティとガバナンスの再構築: エージェントのアイデンティティ、アクセス制御、データガバナンスに関する新しいフレームワークを構築し、プロンプトインジェクションのような新たな脅威から企業データを保護しなければなりません。
コンテキストエンジニアリングの深化: 膨大なデータから限られたコンテキストウィンドウに最適な情報を抽出する能力を向上させ、モデルの判断能力と検索精度を継続的に評価・改善していく必要があります。
「読み書き」の多角的な活用: エージェントがデータを読み取り、質問に答えるだけでなく、価値あるコンテンツを生成し、企業活動を多角的に支援するユースケースを追求します。
文化とリーダーシップの変革: 暗黙知を文書化し、情報共有の文化を醸成するとともに、創業者は「存亡に関わる」AI領域に深くコミットし、戦略的な意思決定を主導する必要があります。
DevRelとメディア戦略の強化: すべての企業がメディア企業となる時代において、DevRelを通じて自社のAPIやサービスをエージェントに「見つけさせ」、利用してもらうためのコンテンツ戦略を強化することが不可欠です。

この変革の波に乗るためには、技術的な進歩だけでなく、企業全体での意識改革と戦略的な投資が不可欠です。未来の企業は、エージェントとの共生を通じて、新たな価値創造と生産性向上を実現するための強固な基盤を築かなければなりません。Boxが提供するデータ管理プラットフォームは、このAIエージェント時代の企業にとって、まさにその基盤となる「Box」を提供する存在であり続けるでしょう。