目次
AIエージェントのPoCで、こんな報告を受けたことはないだろうか。「通常の問い合わせは9割以上正しく処理できました。ただ、例外的な案件は担当者に戻しています」。数字は良い。ところが本番に移すと、業務の削減時間が思ったほど出ない。現場が本当に時間を使っていたのは、その「例外的な案件」だったからだ。
例外の処理に必要なのは、規程やマニュアルではない。過去に同じような案件をどう判断したか、誰がなぜ認めたかという経緯である。日本企業では、それがベテランの頭の中とメールの往復に残っている。
2026年10月6日から8日にかけて、この「経緯」をエージェントに渡すための発表が3つ続いた。SAPは人事領域のAIベンダーTechWolfの買収で合意し、Ironcladは契約の「過去の判断」をつなぐナレッジグラフを発表し、Googleは組織の文脈を学習する業務向けエージェントを打ち出した。本稿では、3つの発表に共通する狙いを整理したうえで、暗黙知に頼る日本企業がこの流れをどう本番化に生かすかを考える。結論を先に言えば、文脈は製品として買えるようになりつつある。しかし、買う前に自社で記録し始めなければ、製品に入れる中身がない。
10月6日〜8日、「業務の文脈」を売る発表が3つ続いた
2026年10月6日から8日にかけての3つの発表。10月6日、SAPがTechWolfの買収で合意。役割ごとのタスク、社員のスキル、外部労働市場の3層からなる仕事のコンテキストグラフをSuccessFactorsの中核とし、AIアシスタントJouleの回答の根拠にする。SAPはトークン利用を効率化し人事エージェントの展開コストを下げると説明。10月8日、IroncladがIronclad Agentと契約ナレッジグラフを発表。条項・義務・取引関係に加え、承認済みの交渉方針と過去の判断をつなぎ、交渉担当者が辞めても知識は会社に残ると説明。顧客事例では80ページの基本契約のレビューが約3時間から約20分に。10月8日、Googleが業務向けGeminiエージェントを発表。組織とプロジェクトの文脈を学習し、社内で作ったスキルを共有レジストリに公開でき、専用アカウントを持つコワーカーエージェントは共有された範囲だけを読む。SOMPOは従業員3万4000人向けにカスタムエージェントを1万超構築。争点がどのモデルかから、どの会社の文脈を持っているかへ移った
3つの発表は、対象の業務も企業規模も異なる。それでも、狙っている場所は同じだ。
1つ目は、SAPによるTechWolfの買収合意（10月6日発表、2026年第4四半期に完了見込み）である。TechWolfは「仕事のコンテキストグラフ」を持つ。人事・業務システムにつなぎ、役割ごとの具体的なタスク、社員が持つスキル、外部の労働市場という3層で、組織の実態を継続的に描き出す。報道によれば、スキルを自己申告ではなく業務アプリ上の実際の作業から推定する点が特徴だ。SAPはこれをSuccessFactorsの中核に据え、AIアシスタントJouleが「仕事」や「スキル」について答えるときの根拠（グラウンディング層）にするとしている。SAPの担当役員は「トークン利用を効率化し、人事エージェントの展開コストを下げる」と述べた。文脈を先に整えておけば、モデルに毎回大量の情報を読ませずに済む、という主張である。
2つ目は、契約管理のIroncladが10月8日に発表したIronclad Agentと「契約ナレッジグラフ」だ。条項、義務、取引先との関係に加えて、会社として承認済みの交渉方針、過去の判断、交渉の履歴をつなぎ、エージェントの文脈として使う。契約レビュー用のエージェントは、この方針と前例に照らして修正案を出す。同社は、契約を交渉した担当者が辞めても、その知識は会社に残ると説明している。顧客企業からは、80ページの基本契約のレビューが約3時間から約20分になったという声が紹介された（企業発表の事例である点には留意したい）。
3つ目は、Googleが10月8日の「Gemini at Work 2026」で発表した業務向けの「Gemini エージェント」である。ユーザーや組織の質問・目標・共同作業者から学習して回答を個別化し、チームはプロジェクト単位で文脈・スキル・ツールを整えられる。社内で作ったスキルは企業の共有レジストリに公開でき、エージェントは実行のたびに学習して一貫性を高めるとされる。専用のWorkspaceアカウントを持つ「コワーカーエージェント」は、共有された内容だけを閲覧する。日本企業の事例としては、SOMPOホールディングスが従業員3万4,000人向けに1万を超えるカスタムエージェントを構築したことも紹介された。
3社の発表から読み取れるのは、エージェントの性能差を生むのが、モデルの賢さから「その会社の文脈をどれだけ持っているか」に移りつつあるということだ。米ベンチャーキャピタルのFoundation Capitalは2025年末の論考で、基幹システムが記録するのは「何が起きたか」であり、例外・承認・前例といった「なぜそうなったか」を記録する層（コンテキストグラフ）こそが次の大きな市場になると論じた。今回の3つの発表は、その議論が製品の段階に入ったことを示している。
なぜマニュアルとRAGでは足りないのか ― 「判断の基準」は文書にない
エージェントに渡している知識と渡していない知識の3層。第1層は規程・マニュアル・FAQで何をすべきかを示し、RAGで多くの企業が既に渡している。第2層は基幹システムの記録で何が起きたかを示し、API接続できれば読めるが意味の定義が足りない。Teradataの調査では77%がエージェント向けに意味づけできたデータは2割以下と回答。第3層は判断の経緯で、例外を認めた理由、誰が承認したか、どの前例に従ったか、何を断ったか。メール・会議・ベテランの頭の中にあり、どのシステムにも残っておらず、今回の3社の発表が狙っているのはここ。大企業の管理職200名の調査では、暗黙知が十分に共有されたのは19.5%、教えてほしかった勘所の最多はイレギュラー時の判断の基準で40.5%。人への引き継ぎで渡らないものは、エージェントにも渡らない
多くの企業は、すでに社内規程やマニュアルをRAG（検索拡張生成）でエージェントに読ませている。それでも例外で詰まるのはなぜか。エージェントに渡す知識を3つの層に分けると、理由が見えてくる。
第1層は、規程・マニュアル・FAQである。「何をすべきか」が書かれており、通常のケースの多くはここで処理できる。多くの企業のPoCはこの層で作られている。
第2層は、基幹システムの記録だ。受発注、契約、人事などの「何が起きたか」の結果である。システムにつなげば読めるが、項目の意味や業務上の定義が十分に書かれていないことが多い。Teradataが2026年3〜4月に日本を含む6カ国の技術・データ部門のVP以上1,000名に行った調査では、77%が「エージェントが使えるだけの説明と文脈が付いた社内データは2割以下」と答えている。
第3層は、判断の経緯である。なぜこの取引先にだけ支払条件の例外を認めたのか、誰が承認したのか、どの前例に従ったのか、逆に何を断ったのか。これはどのシステムにも残っていない。メールの往復、会議での口頭のやりとり、そしてベテランの記憶の中にある。
日本企業では、この第3層の多くが文書化されていない。株式会社taiziiiが従業員1,000名以上の大企業の管理職200名に行った「業務引き継ぎに関する実態調査」（2026年2〜3月実施）では、前任者からの引き継ぎで暗黙知が「十分に共有され、自分一人で応用的な判断ができるようになった」と答えたのは19.5%にとどまった。何らかの不足を感じた人は72.0%。教えてほしかった勘所として最も多かったのは、イレギュラー時の「判断の基準」（40.5%）である。引き継ぎの方法は「口頭での説明」と「既存マニュアルの共有」がそれぞれ53.5%で、専用のツールを使ったのは7.5%だった。
つまり、人から人への引き継ぎでさえ渡らないものを、エージェントに渡そうとしているのが今の多くのPoCである。モデルを最新のものに替えても、この差は埋まらない。足りないのは推論の力ではなく、推論の材料だからだ。
日本企業で「文脈の欠落」が本番化を止める3つの場面
判断の経緯がないと本番化はどこで止まるか。品質の壁では、例外が来るたびに人へ戻る。通常ケースは正答しても例外判断で規程どおりに処理して現場に差し戻され、PoCの正答率は高いのに業務の削減時間が出ない。ガバナンスの壁では、なぜその判断かを説明できない。監査・法務が求めるのは結果ではなく根拠で、拠り所の前例を示せないと承認が降りない。逆に前例を集めたグラフ自体が機密の塊になり、新たな統制対象になる。横展開の壁では、隣の部署では暗黙のルールが違う。A部門で作り込んだエージェントをB部門に持っていくと判断の癖が合わず、文脈を部署ごとに作り直すコストが横展開のROIを食いつぶす。足りないのは賢さではなく、その会社でのやり方の記録
第3層の欠落は、本番化のどこで問題になるのか。Wizitが整理している本番化の壁に当てはめると、3つの場面が浮かぶ。
1つ目は「品質の壁」である。 例外の判断材料を持たないエージェントは、例外も規程どおりに処理するか、すべて人に差し戻す。前者は誤りになり、後者は削減効果を消す。PoCの評価用データが通常ケース中心だと、この問題は本番まで見えない。冒頭の「正答率は高いのに時間が減らない」は、多くの場合この構造から来ている。
2つ目は「ガバナンスの壁」である。 監査部門や法務部門がエージェントの判断を承認するとき、問われるのは結果より根拠だ。「この判断は、どの方針とどの前例に基づいたのか」に答えられないエージェントは、本番の承認が降りにくい。一方で、注意すべき点もある。前例や交渉の経緯を集めたグラフは、それ自体が機密情報の塊になる。Ironcladが今回あわせて、共通のポリシーで閲覧範囲を制御する仕組み（PBAC）を出したのは偶然ではない。文脈を集めることは、新たな統制対象を作ることでもある。
3つ目は「横展開の壁」である。 ある部門で作り込んだエージェントを隣の部門に広げると、判断の癖が合わない。日本の大企業では、同じ稟議でも事業部ごとに暗黙の基準が異なることが珍しくない。文脈を部署ごとに一から作り直していては、横展開のたびに初期投資がかかり、全社のROIが積み上がらない。
ここで見落とされやすいのが、過去の判断が常に正しいとは限らないことだ。前例をそのまま学習させれば、古い慣行や、本来は見直すべき特例まで再生産しかねない。文脈を渡すことは、どの前例を「生きた前例」として残し、どれを失効させるかを決める作業と一体である。これは製品が自動でやってくれる部分ではない。
文脈層の製品を買う前に、自社でやる4つのこと
文脈層の製品を買う前に自社でやる4つのこと。1つ目は対象業務の例外トップ20を書き出すことで、全社の知識ではなく1業務の例外判断から始め、ベテランに理由と前例を聞き取る。2つ目は例外ケースをevalに入れて本番化基準にすることで、通常ケースの正答率ではなく例外を正しく判断・差し戻せた率で合否を決める。3つ目はこれからの判断を理由つきで残す仕組みを先に置くことで、承認時に理由と参照した前例を1行で残し、人とエージェントの判断を同じ形式で記録する。4つ目は文脈の所有・権限・有効期限を契約前に決めることで、持ち出せる形式か、誰が読めるか、古い前例をいつ失効させるかを決める。文脈は製品の機能ではなく、自社が積み上げる資産として扱う
コンテキストグラフの製品は、今後も各社から出てくるだろう。ただ、製品が提供するのは文脈を「入れる器」であって、中身ではない。器を選ぶ前に、次の4つから始めることを勧めたい。
1. 対象業務の「例外トップ20」を書き出す。 全社のナレッジを一度に整備しようとすると、まず終わらない。本番化を狙う1つの業務について、頻度か影響の大きい例外判断を20件ほど挙げ、ベテランにその理由と拠り所の前例を聞き取る。これだけで、エージェントに渡すべき第3層の輪郭が見える。
2. 例外ケースをevalに入れ、本番化基準にする。 書き出した例外を評価用データに加え、「例外を正しく判断できた率」「判断できないときに正しく差し戻せた率」を本番化の合否基準に入れる。通常ケースの正答率だけで合格させると、本番で人手が戻ってくる。
3. これからの判断を「理由つき」で残す仕組みを先に置く。 過去の経緯をすべて掘り起こすのは難しい。しかし、明日からの判断は記録できる。承認の画面やワークフローに、判断の理由と参照した前例を1行で残す欄を設ける。エージェントの判断も同じ形式で記録すれば、人とエージェントの判断が同じ「前例集」に積み上がっていく。これは、監査で根拠を示すための記録としても使える。
4. 文脈の「所有・権限・有効期限」を契約前に決める。 文脈は使うほど価値が増す。だからこそ、それがどこに蓄積され、誰のものかが重要になる。ベンダーを替えるときに持ち出せる形式か、どの部署・どのエージェントが読めるのか、古い前例をいつ失効させるのか。Teradataの同じ調査では、30%がベンダーロックインを懸念している。文脈層は、モデル以上に乗り換えにくい層になりうる。
まとめ ― 文脈は買えるようになった。中身は自社でしか作れない
10月6日から8日の3つの発表は、エージェントの差が「モデル」から「文脈」へ移ったことを示した。SAPは仕事とスキルの文脈を、Ironcladは契約交渉の経緯を、Googleは組織とプロジェクトの文脈を、それぞれエージェントの土台に据えようとしている。
日本企業にとって、これは好機でもあり、宿題でもある。好機というのは、ベテランの退職とともに失われてきた判断の経緯を、エージェントの資産として残せる道具が揃い始めたことだ。宿題というのは、引き継ぎで19.5%しか渡っていない暗黙知は、どんな製品を入れても自動では出てこないことである。器を選ぶ前に、1つの業務の例外判断から記録を始めた企業が、本番化でも横展開でも先に進む。
Wizitは、PoCで止まったAIを本番運用とROIまで動かし切ることを専門にしている。本番化の最初の段階で、通常ケースだけでなく例外判断を含む評価項目と本番化基準を合意し、現場のベテランから判断の経緯を引き出して、エージェントが使える文脈に落とし込む。本番後も、判断の記録をもとに継続評価を回し、横展開のたびに文脈を作り直さずに済む形に整えていく。PoCの評価データに「例外」が入っているか、一度確かめてみてはいかがだろうか。
---
出典:
- SAP / TechWolf, "SAP to Acquire TechWolf, Giving Enterprises Evidence-Based View of Work in the Age of AI"（PR Newswire、2026年10月6日） https://www.prnewswire.com/news-releases/sap-to-acquire-techwolf-giving-enterprises-evidence-based-view-of-work-in-the-age-of-ai-302899685.html
- Computer Weekly, "SAP buys TechWolf to ground workforce AI in real-world work & skills" https://www.computerweekly.com/blog/CW-Developer-Network/SAP-buys-TechWolf-to-ground-workforce-AI-in-real-world-work-and-skills
- Ironclad, "Ironclad Launches New AI Agents Grounded in Commercial Context, Helping Teams Negotiate Better and Capture More Value From Every Deal"（PR Newswire、2026年10月8日） https://www.prnewswire.com/news-releases/ironclad-launches-new-ai-agents-grounded-in-commercial-context-helping-teams-negotiate-better-and-capture-more-value-from-every-deal-302900338.html
- Google Cloud 公式ブログ「Gemini at Work 2026 で Gemini エージェントを発表」（2026年10月9日、日本語版） https://cloud.google.com/blog/ja/products/ai-machine-learning/welcome-to-gemini-at-work-2026
- Futurum Group, "Google Collapses Enterprise AI Into a Single Gemini Agent at Gemini at Work 2026"（2026年10月9日） https://futurumgroup.com/insights/google-collapses-enterprise-ai-into-a-single-gemini-agent-at-gemini-at-work-2026/
- Foundation Capital（Ashu Garg ほか）, "AI's trillion-dollar opportunity: Context graphs" https://ashugarg.substack.com/p/ais-trillion-dollar-opportunity-context
- Teradata, "New Research: Why Enterprise Agentic AI Stalls Before It Scales"（PR Newswire、2026年7月7日。Wakefield Research実施、米・英・仏・独・日・サウジの技術・データ部門VP以上1,000名、2026年3月23日〜4月5日） https://www.prnewswire.com/news-releases/new-research-why-enterprise-agentic-ai-stalls-before-it-scales-302818887.html
- 株式会社taiziii「業務引き継ぎに関する実態調査」（PR TIMES、2026年8月11日。従業員1,000名以上の企業の課長職以上200名、2026年2月24日〜3月6日） https://prtimes.jp/main/html/rd/p/000000051.000163598.html