AIがスタートアップの数学を変える方法、マイクロソフトのVPによる解説================================================================= ラッセル・ブランダム 2026年2月12日木曜日 午前2:51 GMT+9 5分読了 この内容について： * StockStoryトップピック MSFT -2.22% Microsoft CoreAIのシニアバイスプレジデント、アマンダ・シルバー | 画像提供：Microsoft 過去24年間、Microsoftのアマンダ・シルバーは開発者支援に取り組んできました。近年ではAI向けのツール開発に注力しています。GitHub Copilotでの長い経験を経て、現在はMicrosoftのCoreAI部門の企業副社長として、企業内でのアプリやエージェントシステムの展開支援ツールに携わっています。彼女の仕事はAzure内のFoundryシステムに焦点を当てており、これは企業向けの統合AIポータルとして設計されており、企業がこれらのシステムを実際にどのように利用し、展開がどこで不足しているかを間近で観察できる。 シルバー氏と、エンタープライズエージェントの現状の能力や、これがスタートアップにとって公共クラウド以来最大のチャンスだと彼女が考える理由について話しました。 _このインタビューは長さと明確さのために編集されています。_ **あなたの仕事は、外部の開発者向けのMicrosoft製品に焦点を当てていますね。多くはAIにあまり関心のないスタートアップです。AIがこれらの企業にどのような影響を与えると考えていますか？** これは、公共クラウドへの移行と同じくらい画期的な瞬間だと考えています。クラウドはスタートアップにとって大きな影響をもたらしました。なぜなら、彼らはもはや自分たちのラックをホスティングするための不動産スペースを持つ必要がなくなり、ハードウェアを自社ラボに設置するための資本投入も少なくて済むようになったからです。すべてがコストダウンしました。今やエージェント型AIは、ソフトウェア運用のコストをさらに削減し続けるでしょう。新規事業の立ち上げに関わるサポートや法的調査など、多くの作業がAIエージェントによってより迅速かつ安価に行えるからです。これにより、より多くのベンチャーやスタートアップが登場し、少人数で高い評価を得る企業も増えると考えています。これは非常にエキサイティングな世界です。 **具体的にはどのようなイメージですか？** 私たちは確かに、多段階のエージェントがさまざまなコーディング作業で広く使われるようになっているのを見ています。例として、開発者がコードベースを維持するために行う作業の一つは、依存しているライブラリの最新バージョンを追うことです。古いバージョンの.NETランタイムやJava SDKに依存している場合もあります。これらのエージェントシステムは、コード全体を推論し、アップデートを容易にし、時間を70〜80％短縮できる可能性があります。これを実現するには、実際に展開された多段階のエージェントが必要です。 ライブサイト運用も例です。ウェブサイトやサービスの維持管理中に何か問題が起きた場合、夜中に通知が来て対応する必要があります。私たちは今も24時間体制で人員を待機させていますが、以前はこの仕事が非常に嫌われていました。なぜなら、些細なトラブルでも頻繁に起こり、起きて対応しなければならなかったからです。しかし、今では遺伝子システムを構築し、問題の診断と多くの場合完全な解決を自動化しています。これにより、人間が夜中に起きて対応する必要がなくなり、平均解決時間も大幅に短縮されました。 **この瞬間のもう一つの課題は、エージェント展開が予想より遅れていることです。なぜだと思いますか？** エージェントを構築している人々を考えると、多くの場合、成功を妨げているのはエージェントの目的が明確でないことです。これらのシステムを構築する文化の変化も必要です。ビジネス上のユースケースは何か、何を達成しようとしているのかを明確に理解する必要があります。エージェントの成功の定義をはっきりさせ、そのためにどのようなデータを提供すれば良いかを考えることが重要です。 これらの点が、展開の不確実性よりも大きな障壁だと私たちは見ています。これらのシステムの投資回収率を見ると、多くの人が導入の価値を理解しています。 **一般的な不確実性について言及していますが、外から見ると大きな障壁のように感じます。実際にはそれほど問題になっていないと考える理由は何ですか？** まず、エージェントシステムには人間が関与するシナリオが非常に多いと考えています。例えば、荷物の返品を例にとると、かつては90％自動化され、10％は人間の判断が必要なワークフローでした。返品の判断を下す前に、パッケージの損傷度を確認する必要がありました。 今では、コンピュータビジョンモデルの性能が非常に向上しており、多くの場合、人間の監督を必要としなくなっています。 borderlineなケースや判断が難しい場合だけ、エスカレーションが必要になるでしょう。これは、マネージャーに連絡する頻度の問題です。 重要な操作、例えば契約上の法的義務の履行や、システムの信頼性に影響を与えるコードの展開などは、常に人間の監督が必要です。しかし、それ以外の部分はどこまで自動化できるかという問題です。 Terms and Privacy Policy プライバシーダッシュボード 詳細情報
AIがスタートアップの数学をどのように変えるのか、Microsoftの副社長が語る
AIがスタートアップの数学を変える方法、マイクロソフトのVPによる解説
ラッセル・ブランダム
2026年2月12日木曜日 午前2:51 GMT+9 5分読了
この内容について：
MSFT
-2.22%
Microsoft CoreAIのシニアバイスプレジデント、アマンダ・シルバー | 画像提供：Microsoft
過去24年間、Microsoftのアマンダ・シルバーは開発者支援に取り組んできました。近年ではAI向けのツール開発に注力しています。GitHub Copilotでの長い経験を経て、現在はMicrosoftのCoreAI部門の企業副社長として、企業内でのアプリやエージェントシステムの展開支援ツールに携わっています。彼女の仕事はAzure内のFoundryシステムに焦点を当てており、これは企業向けの統合AIポータルとして設計されており、企業がこれらのシステムを実際にどのように利用し、展開がどこで不足しているかを間近で観察できる。
シルバー氏と、エンタープライズエージェントの現状の能力や、これがスタートアップにとって公共クラウド以来最大のチャンスだと彼女が考える理由について話しました。
このインタビューは長さと明確さのために編集されています。
あなたの仕事は、外部の開発者向けのMicrosoft製品に焦点を当てていますね。多くはAIにあまり関心のないスタートアップです。AIがこれらの企業にどのような影響を与えると考えていますか？
これは、公共クラウドへの移行と同じくらい画期的な瞬間だと考えています。クラウドはスタートアップにとって大きな影響をもたらしました。なぜなら、彼らはもはや自分たちのラックをホスティングするための不動産スペースを持つ必要がなくなり、ハードウェアを自社ラボに設置するための資本投入も少なくて済むようになったからです。すべてがコストダウンしました。今やエージェント型AIは、ソフトウェア運用のコストをさらに削減し続けるでしょう。新規事業の立ち上げに関わるサポートや法的調査など、多くの作業がAIエージェントによってより迅速かつ安価に行えるからです。これにより、より多くのベンチャーやスタートアップが登場し、少人数で高い評価を得る企業も増えると考えています。これは非常にエキサイティングな世界です。
具体的にはどのようなイメージですか？
私たちは確かに、多段階のエージェントがさまざまなコーディング作業で広く使われるようになっているのを見ています。例として、開発者がコードベースを維持するために行う作業の一つは、依存しているライブラリの最新バージョンを追うことです。古いバージョンの.NETランタイムやJava SDKに依存している場合もあります。これらのエージェントシステムは、コード全体を推論し、アップデートを容易にし、時間を70〜80％短縮できる可能性があります。これを実現するには、実際に展開された多段階のエージェントが必要です。
ライブサイト運用も例です。ウェブサイトやサービスの維持管理中に何か問題が起きた場合、夜中に通知が来て対応する必要があります。私たちは今も24時間体制で人員を待機させていますが、以前はこの仕事が非常に嫌われていました。なぜなら、些細なトラブルでも頻繁に起こり、起きて対応しなければならなかったからです。しかし、今では遺伝子システムを構築し、問題の診断と多くの場合完全な解決を自動化しています。これにより、人間が夜中に起きて対応する必要がなくなり、平均解決時間も大幅に短縮されました。
この瞬間のもう一つの課題は、エージェント展開が予想より遅れていることです。なぜだと思いますか？
エージェントを構築している人々を考えると、多くの場合、成功を妨げているのはエージェントの目的が明確でないことです。これらのシステムを構築する文化の変化も必要です。ビジネス上のユースケースは何か、何を達成しようとしているのかを明確に理解する必要があります。エージェントの成功の定義をはっきりさせ、そのためにどのようなデータを提供すれば良いかを考えることが重要です。
これらの点が、展開の不確実性よりも大きな障壁だと私たちは見ています。これらのシステムの投資回収率を見ると、多くの人が導入の価値を理解しています。
一般的な不確実性について言及していますが、外から見ると大きな障壁のように感じます。実際にはそれほど問題になっていないと考える理由は何ですか？
まず、エージェントシステムには人間が関与するシナリオが非常に多いと考えています。例えば、荷物の返品を例にとると、かつては90％自動化され、10％は人間の判断が必要なワークフローでした。返品の判断を下す前に、パッケージの損傷度を確認する必要がありました。
今では、コンピュータビジョンモデルの性能が非常に向上しており、多くの場合、人間の監督を必要としなくなっています。 borderlineなケースや判断が難しい場合だけ、エスカレーションが必要になるでしょう。これは、マネージャーに連絡する頻度の問題です。
重要な操作、例えば契約上の法的義務の履行や、システムの信頼性に影響を与えるコードの展開などは、常に人間の監督が必要です。しかし、それ以外の部分はどこまで自動化できるかという問題です。
Terms and Privacy Policy
プライバシーダッシュボード
詳細情報