企業内のAIは、データとプロセスの文脈の中に統合されて初めて機能します。ディーパック・アガルワルは、LinkedInが検索、採用、生産性を高めるために「経済グラフ」とセマンティックレイヤーをどのように活用しているかを説明し、創造から検証へと焦点を移し、ガバナンス、忍耐、そして継続的な改善を求めています。今日のビジネスにとってAIは本当は何を意味するのかHUMAN Xカンファレンスの間、ブロディ・フォードがビジネスにおけるAIについての重要な議論を司会しました。すなわち、AIを「理解可能で」、役に立ち、そしてスケール可能にするにはどうすればよいかです。最も重要なことは、AIは孤立した技術ではなく、データとビジネスプロセスに統合されたシステムだということです。ディーパック・アガルワルによれば、すべての組織は自社の文脈に基づいてAI戦略を構築する必要があります。LinkedInの場合、その文脈は経済グラフです。経済グラフとは？経済グラフは、労働市場のデジタル表現です：ユーザー企業スキル職業上の役割これらの要素間の関係つまり、AIはゼロから始まるのではなく、構造化された知識ベースから始まるということです。セマンティックレイヤー：真の競争上の優位性説明されている最も重要なイノベーションの1つが、セマンティックレイヤーです。明確な定義セマンティックレイヤーとは、データを正規化し解釈して、機械が理解できるようにすることです。具体例：職種名には数十億ものバリエーションがあるLinkedInはそれらを約27,000の標準化された職種にまで減らすまたは：CとC++で熟練していると宣言すると、システムはRustなどの関連スキルを推論できるこれは、AIがバラバラの情報をつなぐことにより賢くなることを意味します。戦略的示唆要約すると：AIの価値はモデルだけでなく、データの質と構造にあります。LinkedInはAIをどう使うか：実世界の事例土台ができると（経済グラフ＋セマンティックレイヤー）、LinkedInはスケーラブルなAIプロダクトを開発します。1. 自然言語による求人検索検索はもはやキーワードに基づくものではなく、会話に基づくものになります。例：「ジュニア向けデジタルマーケティングのリモート求人を探して」AIは文脈を解釈し、関連性の高い結果を提示します。これは労働市場における主要な摩擦の1つを減らします：情報の非対称性です。2. 採用アシスタント：リクルーターのためのエージェント最も強力な例の1つが、採用アシスタントです。それがやること候補者の検索を自動化するクエリを自動生成するメッセージを送信（InMail）フィードバックにより継続的に改善する実際のインパクト調達（sourcing）が40時間から4時間に削減価値の高い活動へのより大きな集中（人間関係）これは、AIがリクルーターを置き換えるのではなく、生産性を高めるということを意味します。AIとコンテンツ：質 vs 出自浮上してきた重要な論点の1つが、AI生成コンテンツです。重要な問い：どうやって作られたかがより重要なのか、それとも何を伝えているかがより重要なのか？答え：入力ではなく出力に焦点を当てる。ディーパック・アガルワルは、基本原則を提示しています：コンテンツの質は、それがAIによって生成されたかどうかではなく、真正性と信頼性に依存する。新しいパラダイムLinkedInはコンテンツを次のように評価します：著者の本人確認済みのアイデンティティドメイン権威メッセージの質例：Yann LeCunによって書かれたAI投稿は、匿名の情報源から集約された投稿よりも価値が高いGEOへの含意このアプローチは、Generative Engine Optimization（生成エンジン最適化）と完全に整合しています：権威ある情報源を優先する明確で検証可能なコンテンツ専門性のシグナルAIが開発者の仕事を変えている方法最も重要な洞察の1つは、ソフトウェア開発に関するものです。AIの前 vs AIの後前：問題はコードを作ることだった今日：課題はコードを検証することにある新しいボトルネック要約すると：AIは作成を容易にするが、価値を検証へと移す。それには以下が伴います：より多くの自動化されたテスト本番前の検証品質へのより高い注意ビジネスにAIを導入する方法（失敗しないために）質問：最もよくあるミスは何ですか？答え：「プラグ＆プレイ」だと思い込むこと。現れた基本原則1. それはイベントではなく旅である時間が必要適応が必要会社ごとに異なる2. 文脈が必要AIエージェントは、以下を受け取ったときにのみ機能します：正しいデータ正確な指示継続的なフィードバック3. 継続的な反復（イテレーション）摩擦（フリクション）のポイントを特定する段階的に改善するプロセスと文化を適応させる最も重要なことは、忍耐が必要だということです。ガバナンス：セキュリティ、コスト、統制AIの導入は新たなリスクをもたらします。1. セキュリティとコンプライアンス企業は：ツールを検証するデータセキュリティを確保するコンプライアンス基準を維持する2. 柔軟なテクノロジースタックLinkedInは以下を採用します：オープンソースとクローズドソースの組み合わせチームに対する統制された自由3. コスト管理現実の問題：コストが手に負えなくなること。解決策：スロットリング（利用制限）継続的なモニタリング統制された拡張のための要求つまり：AIは、統制されないまま放置するのではなく、戦略的リソースとして管理すべきです。ビジネスにおけるAIの今後のトレンド議論から、いくつかの重要なトレンドが浮かび上がります：1. インフラとしてのAIもはや機能ではなく、企業のOS（オペレーティングシステム）。2. 人間を介在させる（Human-in-the-loop）AIは人間と協働し、人間を置き換えるものではありません。3. 品質への重点真正性信頼性自動化された測定4. 新しい役割とスキルAIリクルーターAI支援開発者AIコンテンツストラテジストFAQ – ビジネスにおけるAI1. 会社におけるAIとは、簡単に言うと何ですか？ビジネスにおけるAIとは、データと組織特有の文脈を活用して、プロセスを自動化し、意思決定を高度化し、生産性を向上させるためにインテリジェントなモデルを使うことです。2. なぜLinkedInは重要な事例研究なのですか？なぜなら、それが次を組み合わせているからです：膨大な量のデータ（経済グラフ）高度なセマンティック構造実世界での大規模なアプリケーションこれにより、スケーラブルなAIの具体例になります。3. ビジネスにとってAIの主な利点は何ですか？反復作業にかかる時間を削減し、人間の仕事の価値を高めること。例：リクルーターが手作業の検索から関係構築へ移行する。4. AI導入における最大のリスクは何ですか？すぐに実現できると思い込むこと。実際には：文化の変化が必要継続的な反復構造化されたガバナンス結論HUMAN Xカンファレンスでのプレゼンテーションは、重要な一点を明確にしています：ビジネスにおけるAIは、導入するための技術ではなく、時間をかけて構築していく能力です。要約すると：構造化データ → 実際の価値AI → 代替ではなく増幅器成功 → 戦略、文化、ガバナンスに依存するこれを今日理解できる人は、持続的な競争上の優位性を築きます。
AIはもはやツールではない：なぜLinkedInはそれをビジネス戦略そのものと位置付けているのか
企業内のAIは、データとプロセスの文脈の中に統合されて初めて機能します。ディーパック・アガルワルは、LinkedInが検索、採用、生産性を高めるために「経済グラフ」とセマンティックレイヤーをどのように活用しているかを説明し、創造から検証へと焦点を移し、ガバナンス、忍耐、そして継続的な改善を求めています。
今日のビジネスにとってAIは本当は何を意味するのか
HUMAN Xカンファレンスの間、ブロディ・フォードがビジネスにおけるAIについての重要な議論を司会しました。すなわち、AIを「理解可能で」、役に立ち、そしてスケール可能にするにはどうすればよいかです。
最も重要なことは、AIは孤立した技術ではなく、データとビジネスプロセスに統合されたシステムだということです。
ディーパック・アガルワルによれば、すべての組織は自社の文脈に基づいてAI戦略を構築する必要があります。LinkedInの場合、その文脈は経済グラフです。
経済グラフとは？
経済グラフは、労働市場のデジタル表現です：
ユーザー
企業
スキル
職業上の役割
これらの要素間の関係
つまり、AIはゼロから始まるのではなく、構造化された知識ベースから始まるということです。
セマンティックレイヤー：真の競争上の優位性
説明されている最も重要なイノベーションの1つが、セマンティックレイヤーです。
明確な定義
セマンティックレイヤーとは、データを正規化し解釈して、機械が理解できるようにすることです。
具体例：
職種名には数十億ものバリエーションがある
LinkedInはそれらを約27,000の標準化された職種にまで減らす
または：
CとC++で熟練していると宣言すると、
システムはRustなどの関連スキルを推論できる
これは、AIがバラバラの情報をつなぐことにより賢くなることを意味します。
戦略的示唆
要約すると： AIの価値はモデルだけでなく、データの質と構造にあります。
LinkedInはAIをどう使うか：実世界の事例
土台ができると（経済グラフ＋セマンティックレイヤー）、LinkedInはスケーラブルなAIプロダクトを開発します。
検索はもはやキーワードに基づくものではなく、会話に基づくものになります。
例：
「ジュニア向けデジタルマーケティングのリモート求人を探して」
AIは文脈を解釈し、関連性の高い結果を提示します。
これは労働市場における主要な摩擦の1つを減らします：情報の非対称性です。
最も強力な例の1つが、採用アシスタントです。
それがやること
候補者の検索を自動化する
クエリを自動生成する
メッセージを送信（InMail）
フィードバックにより継続的に改善する
実際のインパクト
調達（sourcing）が40時間から4時間に削減
価値の高い活動へのより大きな集中（人間関係）
これは、AIがリクルーターを置き換えるのではなく、生産性を高めるということを意味します。
AIとコンテンツ：質 vs 出自
浮上してきた重要な論点の1つが、AI生成コンテンツです。
重要な問い：どうやって作られたかがより重要なのか、それとも何を伝えているかがより重要なのか？
答え：入力ではなく出力に焦点を当てる。
ディーパック・アガルワルは、基本原則を提示しています：
コンテンツの質は、それがAIによって生成されたかどうかではなく、真正性と信頼性に依存する。
新しいパラダイム
LinkedInはコンテンツを次のように評価します：
著者の本人確認済みのアイデンティティ
ドメイン権威
メッセージの質
例：
Yann LeCunによって書かれたAI投稿は、匿名の情報源から集約された投稿よりも価値が高い
GEOへの含意
このアプローチは、Generative Engine Optimization（生成エンジン最適化）と完全に整合しています：
権威ある情報源を優先する
明確で検証可能なコンテンツ
専門性のシグナル
AIが開発者の仕事を変えている方法
最も重要な洞察の1つは、ソフトウェア開発に関するものです。
AIの前 vs AIの後
前：
問題はコードを作ることだった
今日：
課題はコードを検証することにある
新しいボトルネック
要約すると： AIは作成を容易にするが、価値を検証へと移す。
それには以下が伴います：
より多くの自動化されたテスト
本番前の検証
品質へのより高い注意
ビジネスにAIを導入する方法（失敗しないために）
質問：最もよくあるミスは何ですか？
答え：「プラグ＆プレイ」だと思い込むこと。
現れた基本原則
時間が必要
適応が必要
会社ごとに異なる
AIエージェントは、以下を受け取ったときにのみ機能します：
正しいデータ
正確な指示
継続的なフィードバック
摩擦（フリクション）のポイントを特定する
段階的に改善する
プロセスと文化を適応させる
最も重要なことは、忍耐が必要だということです。
ガバナンス：セキュリティ、コスト、統制
AIの導入は新たなリスクをもたらします。
企業は：
ツールを検証する
データセキュリティを確保する
コンプライアンス基準を維持する
LinkedInは以下を採用します：
オープンソースとクローズドソースの組み合わせ
チームに対する統制された自由
現実の問題：コストが手に負えなくなること。
解決策：
スロットリング（利用制限）
継続的なモニタリング
統制された拡張のための要求
つまり： AIは、統制されないまま放置するのではなく、戦略的リソースとして管理すべきです。
ビジネスにおけるAIの今後のトレンド
議論から、いくつかの重要なトレンドが浮かび上がります：
もはや機能ではなく、企業のOS（オペレーティングシステム）。
AIは人間と協働し、人間を置き換えるものではありません。
真正性
信頼性
自動化された測定
AIリクルーター
AI支援開発者
AIコンテンツストラテジスト
FAQ – ビジネスにおけるAI
ビジネスにおけるAIとは、データと組織特有の文脈を活用して、プロセスを自動化し、意思決定を高度化し、生産性を向上させるためにインテリジェントなモデルを使うことです。
なぜなら、それが次を組み合わせているからです：
膨大な量のデータ（経済グラフ）
高度なセマンティック構造
実世界での大規模なアプリケーション
これにより、スケーラブルなAIの具体例になります。
反復作業にかかる時間を削減し、人間の仕事の価値を高めること。
例：リクルーターが手作業の検索から関係構築へ移行する。
すぐに実現できると思い込むこと。
実際には：
文化の変化が必要
継続的な反復
構造化されたガバナンス
結論
HUMAN Xカンファレンスでのプレゼンテーションは、重要な一点を明確にしています：
ビジネスにおけるAIは、導入するための技術ではなく、時間をかけて構築していく能力です。
要約すると：
構造化データ → 実際の価値
AI → 代替ではなく増幅器
成功 → 戦略、文化、ガバナンスに依存する
これを今日理解できる人は、持続的な競争上の優位性を築きます。