Boxは木曜日、同社の製品のバックボーンにエージェントAIモデルを組み込む新しいAI機能セットを発表し、開発者会議BoxWorksを立ち上げた。
このカンファレンスでは、通常よりも多くの製品発表が行われており、同社の AI 開発のペースが加速していることを反映している。Box は昨年 AI スタジオを立ち上げ、続いて 2 月に新しいデータ抽出エージェントのセット、5 月には検索および詳細な調査のためのエージェントを発表している。
現在、同社は「Box Automate」という新しいシステムを展開している。これは一種のAIエージェントのオペレーティング システムとして機能し、ワークフローをさまざまなセグメントに分割し、必要に応じてAIで拡張できるようにするものだ。
CEOのアーロン・レヴィ氏に、同社のAIへのアプローチ、そして基盤モデル企業との競争という危険な仕事について話を聞きました。当然のことながら、彼は現代の職場におけるAIエージェントの可能性について非常に楽観的でしたが、同時に、現行モデルの限界と、既存の技術でそれらの限界をどう克服するかについても明確な認識を持っていました。
このインタビューは長さと明瞭さを考慮して編集されています。
本日は数々のAI製品を発表されていますが、まずは全体的なビジョンについてお伺いしたいと思います。クラウドコンテンツ管理サービスにAIエージェントを組み込む理由は何だと思いますか？
私たちが日々考えていること、そしてBoxで特に注力していることは、AIによって仕事がどれほど変化しているかということです。そして現在、その影響の大部分は非構造化データを扱うワークフローに及んでいます。データベースに格納される構造化データを扱うものは、既に自動化できています。CRMシステム、ERPシステム、HRシステムなどを考えてみると、これらの分野では既に何年も自動化が進んでいます。しかし、非構造化データを扱うものについては、これまで自動化が実現していませんでした。
テッククランチイベント
サンフランシスコ | 2025年10月27日～29日
あらゆる種類の法務レビュープロセス、あらゆる種類のマーケティング資産管理プロセス、あらゆる種類のM&A取引レビューを考えてみてください。これらのワークフローはすべて、大量の非構造化データを扱っています。人間はそれらのデータをレビューし、更新し、意思決定を行う必要があります。これらのワークフローを自動化することはこれまでほとんどできませんでした。ソフトウェアである程度記述することはできましたが、コンピューターは文書を読んだりマーケティング資産を確認したりする能力が十分ではありませんでした。
私たちにとって、AI エージェントは、初めてこの非構造化データすべてに実際にアクセスできることを意味します。
ビジネス環境にエージェントを導入する際のリスクについてはどうでしょうか？ お客様の中には、機密データにこのようなものを導入することに不安を感じている方もいらっしゃるのではないでしょうか。
お客様からは、ワークフローを実行するたびに、エージェントがほぼ同じ方法で、同じ時点でワークフローを実行し、軌道から外れることがないことを知りたいという声が寄せられています。最初の数百件の送信を終えた後、エージェントが暴走し始めるといった、重篤なミスを犯すような事態は避けたいものです。
エージェントが開始し、システムの他の部分が終了している適切な境界点を設定することが非常に重要になります。あらゆるワークフローにおいて、どの部分に決定論的なガードレールが必要で、どの部分を完全にエージェント的かつ非決定論的にできるかという問題があります。
Box Automate を使えば、各エージェントが別のエージェントに引き継ぐ前に、どの程度の作業を行うかを決めることができます。例えば、レビューエージェントとは別に提出エージェントを用意するといったことも可能です。つまり、組織内のあらゆるワークフローやビジネスプロセスに、AI エージェントを大規模に導入できるということです。
ワークフローを分割することでどのような問題を回避できますか?
Claude Codeのような最先端の完全エージェントシステムでさえ、既にいくつかの限界が存在します。タスクのどこかの時点で、モデルは適切な判断を続けるためのコンテキストウィンドウの余裕がなくなります。現在のAIの世界では、ただで得られるものはないのです。無制限のコンテキストウィンドウを持つ長時間稼働のエージェントを、業務上のあらゆるタスクに投入することはできません。そのため、ワークフローを分割し、サブエージェントを使用する必要があります。
AIは今、コンテキストの時代にあると思います。AIモデルとエージェントに必要なのはコンテキストであり、そのコンテキストは非構造化データの中に存在します。そのため、私たちのシステム全体は、AIエージェントが最大限のパフォーマンスを発揮するために、どのようなコンテキストを与えるべきかを判断するように設計されています。
業界では、大型で高性能なフロンティアモデルと、小型で信頼性の高いモデルの利点について、より激しい議論が交わされています。あなたは小型モデル派ですか？
念のため明確にしておきますが、私たちのシステムには、タスクが恣意的に長くなったり複雑になったりすることを防ぐ仕組みはありません。私たちが目指しているのは、適切なガードレールを設け、タスクをどれだけ主体的に進めたいかをユーザーが決められるようにすることです。
人々がその連続体の中でどこに位置づけられるべきかという特定の哲学は持っていません。私たちはただ、将来を見据えたアーキテクチャを設計しようとしているだけです。モデルやエージェントの能力が向上するにつれて、それらのメリットをすべて私たちのプラットフォームで直接享受できるように設計しました。
もう一つの懸念はデータ管理です。モデルは膨大なデータでトレーニングされるため、機密データが不正に利用されたり、悪用されたりする恐れがあります。この点はどのように考慮されるのでしょうか？
多くのAI導入がここで失敗します。「簡単だ。AIモデルにすべての非構造化データへのアクセスを許可すれば、AIモデルが人々の質問に答えてくれる」と人々は考えます。しかし、AIモデルは、アクセスできない、あるいはアクセスすべきではないデータに関する回答を返し始めます。アクセス制御、データセキュリティ、権限、データガバナンス、コンプライアンスなど、あらゆるものを処理する非常に強力なレイヤーが必要です。
つまり、私たちはまさにその問題に対処するシステムの構築に数十年を費やしてきた恩恵を受けているのです。つまり、企業内の各データに適切な人物だけがアクセスできるようにするにはどうすればよいか、ということです。エージェントが質問に答える際、その人物がアクセスすべきでないデータは一切利用できないことが確実に分かります。これはまさに私たちのシステムに根本的に組み込まれている機能です。
今週初め、AnthropicはClaude.aiにファイルを直接アップロードできる新機能をリリースしました。これはBoxのようなファイル管理機能とは大きく異なりますが、基盤モデル企業との競争も視野に入れているのではないでしょうか。戦略的にはどのようにアプローチしていますか？
企業がAIを大規模に導入する際に何が必要かを考えてみると、セキュリティ、権限、そして制御が不可欠です。ユーザーインターフェース、強力なAPI、そしてAIモデルの選択肢も必要です。なぜなら、あるAIモデルが他のモデルよりも優れたユースケースを実現する日が来るかもしれませんが、それはその後変化する可能性があり、企業は特定のプラットフォームに縛られることを望まないからです。
私たちが構築したのは、これらの機能を全て実現できるシステムです。ストレージ、セキュリティ、権限、ベクトル埋め込みなど、あらゆる機能を実装し、あらゆる主要なAIモデルに接続します。
