AIの勝機は「判断の理由」の記録 — 値引きの経緯は残っていますか?

なぜ業務システムには「理由」が残らないのか?

久保田氏が紹介したのは、Foundation CapitalのJaya Gupta氏とAshu Garg氏による論考「AI’s trillion-dollar opportunity: Context graphs」です。2025年12月に公開され、Gupta氏もXの記事として発信しました。

論考はまず、前の世代の業務ソフトを振り返ります。顧客や契約を正しく記録する仕組み(システム・オブ・レコード)になることで、1兆ドル(約157兆円)規模の産業を生んだという見方です。

ただし、その仕組みが記録するのは「今の状態」です。営業案件の記録には最終の価格が残ります。一方で、誰がなぜ例外を承認したかは残りません。承認はオンライン会議やチャットの個別メッセージで済まされるからです。

久保田氏はこう要約しました。「Salesforceには最終的な販売価格が残るが、『なぜ値引きを認めたか』は、Slackや会議、人の頭の中に散在している」。日本の会社でいえば、稟議書には結論が残っても、根回しの中身は残らない状況に近いと言えます。

ルールだけでは、AIは値引きを判断できないのか?

論考は、契約更新の場面を例に挙げます。これは実在の企業の事例ではなく、説明のための仮想の例です。

規定では、更新時の値引きは10%までです。障害の影響を理由にした例外が承認された場合だけ、上限を超えられます。そこへ、更新を担当するAIエージェント(業務を代わりに進めるAI)が20%の値引きを提案します。

AIエージェントは根拠を集めます。障害管理のツールから重大障害3件、顧客対応のツールから「直らなければ解約」という申し入れ、そして前の四半期に役員が似た例外を認めたやり取りです。例外は財務部門に回され、承認されます。

ところが顧客管理システム(CRM)に残るのは「20%値引き」という1つの事実だけです。次に同じ相談が来ても、AIも人も、前回なぜ認めたのかをたどれません。久保田氏の言葉を借りれば、「ルールだけでは20%値引きが妥当か判断できない」のです。

「コンテキスト・グラフ」とは何を指すのか?

論考は、こうした判断の痕跡を積み重ねたものを「コンテキスト・グラフ」と呼びます。顧客、契約、障害、規定、承認者といった要素を、判断の出来事と「なぜ」でつないだ記録です。

論考は、これを「モデルの思考過程ではない」と明記しています。久保田氏もこの点を「業務上の根拠・承認・実行結果の記録」と言い換えました。AIの中身の話ではなく、会社の業務記録の話だという整理は、経営層が議論するうえで大事な出発点になります。

記録が積み上がると、前例を検索できるようになります。論考は、自動で処理された判断が増えるたびに、記録がグラフに加わって効果が積み上がるとしています。

なぜ既存の大手ではなく、新しい会社が有利とみるのか?

論考は、Salesforceは今の状態を保存する作りの上に成り立っていると指摘します。WorkdayはHR向けのAIエージェントを、ServiceNowはNow Assistを手がけています。それでも、各社のAIエージェントは元のシステムの作りの制約を引き継ぐ、という見立てです。

分析用のデータ基盤も同じです。データは判断が終わったあとに届くため、その時点で判断の文脈は失われている、と論考は述べます。

有利なのは、複数のシステムをまたいで業務を実行する経路の中にいる会社だ、というのが論考の結論です。例として、AIを前提にした営業支援のRegie、会計の照合などを自動化するMaximor、開発現場の障害対応を担うPlayerZeroを挙げています。

ここで押さえておきたいのは、これがベンチャー投資家の投資テーマであり、市場で実証された事実ではないことです。「履歴が増えるほど強くなる」も将来の見通しとして読むのが妥当です。

どんな業務から始まるのか?

論考は、最初から完全に自動化する必要はないとしています。まずはAIエージェントが提案し、文脈を集め、承認を回し、記録を残します。承認するのは人です。

向いている業務として、値引きなどの条件を審査する部署、引受審査、コンプライアンス審査、エスカレーション(上位者への判断の引き上げ)の管理を挙げています。さらに、部門のあいだをつなぐ役割にも注目しています。

久保田氏はこれを「文脈を人が補っているため有望」と表現しました。人が調整で埋めている部分ほど、記録の価値が大きいという読み方です。

SYNCONの視点 — 日本の非エンジニア経営層は何を盗むべきか

盗むべきは、久保田氏が最後に置いた着眼点です。「使うほど独自の判断履歴が蓄積し、企業が依存する基盤になるか」。これはAIツールを選ぶ側にもそのまま使える問いです。導入するツールが判断の理由を自社に残すのか、結果だけを残すのかで、数年後に使える資産が変わります。

月曜からできるのは、例外の承認が多い業務を1つ選び、直近の例外について「誰が、何を根拠に、なぜ認めたか」を書き出してみることです。稟議書に残っている部分と、会議や個別のやり取りにしか無い部分の差が、AIに任せる前に埋めるべき空白です。

要点まとめ

• 久保田雅也氏が、Foundation Capitalの論考を6つの論点に要約して紹介しました
• 業務システムは結果を残しても、例外を認めた理由は会議やチャットに散らばります
• 上限10%の規定で20%値引きを通しても、CRMに残るのは「20%値引き」だけです(論考の仮想の例)
• 判断の理由をつないだ記録が「コンテキスト・グラフ」で、AIの思考過程ではありません
• 有望とされるのは、例外が多く部門をまたぐ業務と、部門のあいだの調整役です
• これは投資家の仮説です。自社では、例外の理由がどこに残っているかを確かめることから始められます