離陸しようとしている知的存在はどのように行動すべきでしょうか?

AI界は春節の間も起きていた。 DeepSeek は単独で国内外で血みどろの嵐を引き起こした。

DeepSeek-R1は強化学習の「ブラックボックス」を完全に公開し、OpenAIに代表されるクローズドソースの大規模モデルの「イチジクの葉」も剥ぎ取ります。この休日は徐々にディープシーク風の「識字キャンペーン」へと発展し、一般の人々が占いの質問をしたり、業界の人々が一晩で書類を詰め込んだりするようになった。

「DeepSeek」は、オンラインになってからわずか20日間でしたが、世界中の毎日のアクティブユーザーが2,000万人を超えるという奇跡を起こし、世界で最も急速に成長しているAIアプリケーションとなりました。

現在、大規模モデル業界には、大規模モデルの基本機能のアップグレードとエージェント アプリケーションの実装という 2 つの並行した主な流れがあります。前者は主に天井問題を解決します。モデルが一般化すればするほど、処理できる問題はより複雑になります。エージェントは「ビッグモデル」と「シナリオ」を結びつける仲介役を果たし、その中核課題はモデル実装の問題を解決することです。

DeepSeek はモデル パフォーマンスにおける大きな進歩であるだけでなく、効率的でコストを節約できるオープン ソース ソリューションも提供し、今年のエージェント アプリケーションの爆発的な増加の基盤を築くことになります。報道によると、春節期間中だけでも、一部の企業は製品ベース全体のアップグレードを完了し、「DeepSeekアプリケーション」の第一弾を迎えたという。

基礎となる大規模モデルは「基礎」であり、エージェント アプリケーションは「家の建物」です。基礎がしっかりして初めて家をしっかりと建てることができます。

Photon Planet によれば、Agent は、まだ成熟していない大規模モデルの分野で少なくとも 1 年間先行しているとのこと。エージェントが徐々にツールから生産力へと進化し、大規模なモデル機能を製品にパッケージ化して問題を解決できるようになると、すべての SaaS は AI で再び実行し、インテリジェント エージェントで変革する価値が生まれます。

歴史はまるで、一夜にして最初の大模型ブームの時期に戻るかのような循環のようです。エージェントと対峙したとき、量で勝って「数千人のエージェント対数万人のエージェント」や「数万人のエージェント対数万人のエージェント」のルートを取るべきでしょうか、それとも中核となる需要シナリオに焦点を当て、いくつかのシナリオを深めてつなげることに集中すべきでしょうか。

巨大モデルの次の目的地：大爆発前夜のエージェント

過去 1 ～ 2 年にわたり、誰もが独自のテクノロジーとシナリオを模索してきました。新興産業であるエージェントは、現時点では「混沌」という全体的な特徴を示しています。

最も直接的な現れは価格です。過去 1 年間のエージェント アプリケーション注文を見ると、注文価格は数千元から数千万元までの範囲で、かなりの柔軟性があります。業界関係者によると、個人開発者の中には価格を非常に低く抑えられる人もいるという。

さらに注目すべき点は、エージェントの実装は供給が先で需要が後であるということです。テクノロジー指向の考え方により、エージェントの外部出力における「ツール属性」が初期から重視されるようになりました。一般企業の場合、大きなモデル上でエージェントアプリケーションを組み合わせるツールを動員できるかどうかというハードルと、エージェントアプリケーションを既存の業務と統合できるかどうかというハードルが2つあります。

現在、国内には未だに解放され満たされていない大・中・小企業ユーザーの需要が多数存在し、市場全体の供給にギャップが生じています。一部の企業はこの現象に敏感に気づき、需要と供給の不均衡を解消しようと試みていますが、まだ効果はわずかです。リソースと力が限られているため、企業のニーズを満たすための厳しい需要シナリオを完全にカバーすることはできません。

需要と供給は動的な関係です。初期段階では、テクノロジーが主導します。テクノロジーが成熟するにつれて、エージェント アプリケーションの需要は爆発的に増加します。

振り返ってみると、大規模モデルの開発も、何もないところから何かあるところへ、大きなパラメータから数百のモデルの戦いへと、同じ軌跡を辿ってきました。大規模なモデルと比較すると、エージェントは展開が簡単です。これまで同様、過激な声も上がっている。起業家の中には、数百万のエージェントアプリケーションを開発し、知能体の時代に「千体大戦」や「万体大戦」を起こしたいと語る人もいる。

この観点については肯定的な意見と否定的な意見の両方があります。支持者たちは、エージェントに対する需要がまだ多く発見されていないと信じています。エージェントの数を急速に増やし、大規模な開発と応用を通じてのみ、エージェントをさまざまな業界に展開し、その有効性をテストすることができます。

反対派は、大きなモデルを借用することで、何百ものモデルを排除した後に残るのはほんのわずかであり、エージェントが不必要にリソースを浪費する必要はないと考えています。まずは緊急のニーズがあるいくつかのシナリオに焦点を当てた方が良いでしょう。 「使う」のではなく、「上手に使う」ことが究極の目標です。

AIをより便利に: 5つの主要なシナリオに焦点を当てて徹底的に取り組む

「インテリジェントなエンティティを開発する上で、深く掘り下げることよりも、深く掘り下げることの方が重要です。」

JD Cloud は、エージェント市場の大きな可能性を主張する大企業の 1 つです。 JD Cloudの担当者は、海外のSaaS市場での成功経験に基づき、インテリジェントボディの開発にはテクノロジーの80/20ルールの活用も必要だと考えています。つまり、コアアプリケーションの20%が一般的なニーズの80%を満たすことが多いということです。

Agent の現在の開発段階を考慮すると、JD Cloud は、幅広く展開するよりも深く展開することが重要だと考えています。コアシナリオを浸透・連携させ、コアアプリケーションの20％を「使いやすい」ものにする必要があります。

そのため、JD Cloud は、「AI アプリケーションはより便利になる」と「AI アプリケーションはより便利になる」という 2 つの言葉で簡単に説明できる完全なインテリジェント テクノロジー システムを構築し、最下位レベルのインテリジェント コンピューティングから上位レベルのアプリケーションまで提供できるシステム ソリューションのパッケージを形成しました。

具体的には、シナリオレベルでは、JD 社内のインテリジェント ボディの実践経験に基づいて、コラボレーション オフィス、プロフェッショナル アシスタント、カスタマー サービス、マーケティング プロモーション、データ アプリケーションという、同社がインテリジェント ボディのレイアウトで注力すべき 5 つの主要な方向性を慎重に選択しました。

インフラストラクチャ レベルでは、従来の SaaS における車輪の再発明によって生じる孤立効果とリソースの無駄を回避するために、JD Cloud は企業が統合されたインテリジェント コンピューティング ベースを構築する必要があると考えます。インテリジェント プラットフォームによって構成されたテンプレートを通じて、ユーザーの使用しきい値が引き下げられ、ビジネス側はコア ニーズを 80% 満たすインテリジェント アプリケーションを迅速に構築できるようになります。

JD Cloud は、2 つの主な考慮事項に基づいて 5 つの主要シナリオに重点を置いています。まず、外部調査データから判断すると、エージェントはソフトウェア開発、マーケティング、IT運用、顧客サービス、人事などのシナリオで広く使用されており、選択されたシナリオは基本的に市場企業のニーズをカバーしています。

JD Cloud のデータによると、現在 5 つの主要な方向性は、インテリジェント エンティティにとって最大のメリットをもたらすコア シナリオの 80% をカバーしています。このようにして、顧客はエージェントをどこで使用すればよいかを知るだけでなく、エージェントを使ってどのように収益を上げるかも知ることができます。ユーザーがメリットを明確に理解できる場合にのみ、エージェント アプリケーションに対する市場の需要をより迅速に実現できます。

エージェントの適用シナリオは漠然とした概念です。新興エージェント企業の中には、業界経験の不足により、自らを「ツール型」製品として位置づけざるを得ないところもあります。

一部の企業は、普遍的な製品を確保することによってのみ、顧客のビジネスニーズを選択的に満たすことにエネルギーを注ぐことができると Photon Planet に語りました。制御不能になると、特定のシナリオを諦めざるを得なくなります。

しかし、JD.com 自体がエージェントにとって最適なテストの場であり、5 つのシナリオは物流、金融、小売などのビジネスを運営する実際の結果です。

同氏によると、JDはJD Cloud Yanxiインテリジェントエージェントプラットフォームを基盤として、社内に1万台以上のインテリジェントエージェントを構築し、労働効率を1億元以上向上させたという。これに基づいて、エージェント アプリケーション シナリオがさらに細分化されます。例えば、一般的な「専門アシスタント」は、マーチャントインテリジェントアシスタント、調達販売アシスタント、物流兄弟インテリジェントアシスタントなどに分かれており、マーケティングやプロモーションのニーズに応えて、AIGCマーケティング、AIショッピングガイド、デジタルヒューマンライブブロードキャスト、インテリジェントアウトバウンドコールなどに洗練されてきました。

シナリオから業界に直接進むことで、顧客は製品をどのビジネスリンクで使用すべきかをすぐに特定できます。JD Cloud Yanxi Intelligent Agent Platformには、100を超える業界ソリューションと1,000を超えるプラグインが搭載されていると報告されています。ユーザーがプログラミングの基礎を持っているかどうかに関係なく、AI 大規模モデルに基づくさまざまなインテリジェント エージェント アプリケーションを低コストで迅速に構築できます。

AI エージェントを本番環境に導入すると、カスタマイズの難しさや再利用可能なインフラストラクチャの欠如などの問題に直面することがよくあります。ご存知のとおり、エージェントの最も優れた機能は呼び出し可能なツールですが、断片化されたツール、統合、スケーラビリティの問題が常に企業や開発者を悩ませてきました。これには、統合管理のためのパイプラインとスケジュール属性を備えたプラットフォームの確立が必要です。

Yanxi Intelligent Agent Platform は、JD Cloud が立ち上げたワンストップ AI インテリジェントエージェント構築およびリリースプラットフォームであり、大規模モデルとエンタープライズアプリケーション間の「ラストマイル」を接続することを目的としています。

(Yanxi インテリジェント エージェント プラットフォーム アーキテクチャ図)

プラットフォームの下部にはモデル開発プラットフォームがあり、現在数十の大規模モデルが接続されています。ユーザーは実際のビジネスニーズに基づいて適切な大規模モデルを選択できます。真ん中にはエージェントアプリケーション構築プラットフォームがあり、大規模なモデル、知識ベース、プラグイン、意図認識などの機能を任意に組み合わせ、プロセスオーケストレーションを通じてAIエージェントの複雑なプロセスタスクの理解と実行を強化できます。企業のコアシナリオは上部で接続されており、ユーザーは業界テンプレートをコピーして簡単なデバッグを実行するだけで、インテリジェントなエンティティを迅速に構築できます。

前述の通り、事業量の不均衡はユーザー需要の違いにつながります。このため、JD Cloud は開発プロセスにおける柔軟性と利便性を兼ね備えているだけでなく、一般的な機能やカスタマイズされた機能を気にすることなく、配信モデルの面でも大企業、中堅企業、中小企業のニーズに対応しています。

1 つ目はパブリック クラウド サービス モデルです。これは、業界モデルの詳細な開発や独立したモデルの展開が必要なシナリオに適しています。データがネットワーク外にあることを心配する必要はありません。柔軟なリソースと従量課金制を備えたパブリック クラウド Yanxi SaaS サービスを直接使用できます。

2 つ目は、データのローカリゼーション制御や低レイテンシ指標の要件を満たし、基本モデル、業界モデル、または独立したモデルの展開の詳細な開発のシナリオに適したプライベート配信モデルです。

3つ目は、JD Cloudと業界の顧客または業界のソフトウェア開発者が共同で作成する共同カスタマイズ開発です。 JD Cloud はアルゴリズム サービスと配信プラットフォームを提供し、業界の開発者は Yanxi インテリジェント プラットフォームを使用してアプリケーションを開発します。

AIの生産性を再構築: エージェントはビジネスプロセス全体に深く統合されています

現在、JD.com によって検証されたエージェントの機能は大規模に複製され、さまざまな業界の企業内で化学反応を引き起こしています。

劉燁（仮名）さんは、毎日さまざまな国からの商品を取り扱っている越境電子商取引のビジネスマンです。輸出入時の商品の登録は彼にとって最も面倒な作業となっている。従来の HS コードの申請プロセスは複雑で時間がかかり、エラーが発生しやすくなります。まず製品情報を確認し、商品の種類を判別し、資料を調べて関税番号を見つけ、その後手動で申告書をアップロードする必要があります。珍しい製品や複雑な製品に遭遇した場合、販売者は繰り返しコミュニケーションを取り、確認する必要があります。毎日、退屈で反復的な作業に劉野さんは多くの時間を費やした。

JD CloudのCMS HScode生成インテリジェントエージェントに触れてから、彼はAIを使って人手を置き換えることを試み始めました。 「今では登録手続きをワンステップで完了でき、所要時間はわずか5秒です」とLiu Ye氏はAgentがもたらした効率性に驚きました。今では、毎日「AI 推奨」ボタンをクリックするだけで、インテリジェントなワークフローが起動されます。大規模モデルは、入力された製品名に基づいてカテゴリを自動的に識別し、対応する税関コードを正確に推奨します。採用された後は、コードの下に関連する監査情報を同期的に関連付けることもできます。

JD Cloudによると、600社以上のJD越境加盟店がこのスマートボディの利便性を体験しており、1日の平均通話回数は3,000回以上、最大5,282回、加盟店の導入率は84％に達したという。

広告シーンでは、JD CloudがJingzhuntongインテリジェントアシスタントをリリースし、「一石二鳥」を実現しました。エージェントアプリケーションは、多くの企業が直面する 4 つの主要な問題、専門知識の不足、クリエイティブ制作の難しさ、運用効率の低さ、データ分析の難しさを解決します。

「一人でも広告チームになれるんです。」

たとえば、小売業者は業界で最良の配信方法を入手するのが難しいと感じることが多く、さまざまな製品やターゲット ユーザーに基づいてターゲットを絞った広告を配信する方法がわかりません。 AI オプティマイザーとして、Jingzhuntong Smart Assistant はプロの広告主のベストプラクティスを組み合わせて広告作成と最適化の効率を向上させ、マーチャントがプロの経験から学び、配信の精度と効率を向上させることができます。

魅力的な広告文や画像素材の作成には多くの時間と労力が必要であり、人員やリソースが限られている企業にとっては大きな負担となります。景忠通スマートアシスタントのAIデザイナー機能は、マーチャントがワンクリックで広告コピーや画像素材を作成し、高品質のクリエイティブコンテンツを迅速に生成するのに役立ちます。

実際の事例としては、昨年のJD.comの618プロモーションで、HPがゲーミングノートPCの宣伝にスマートアシスタントを活用しようとしたケースがありました。データクエリおよび分析機能のおかげで、このブランドは手動操作時間を 20% 以上削減することができました。

契約の見直しはエージェントの導入にほぼ必須となっており、国有企業と民間企業の両方から毎日多数の要望が出されています。単純な機能のように見えますが、実際には各プロセスが AI にとって課題となります。

多くの場合、テキストは非常に専門的かつ厳密であり、多数の法律用語、業界慣行、複雑な条項構造が盛り込まれています。 AIが契約内容を正確に理解するためには、強力な自然言語処理能力だけでなく、法律やビジネスなど複数の分野に関する深い知識も必要です。

たとえば、「相当期間」や「不可抗力」など、契約書における曖昧な表現は、状況によって意味が異なります。 AIは、文脈と関連する法規定に基づいて正確な判断を行う必要があります。さらに、契約条件間には条件関係、因果関係など複雑な論理関係があります。契約のリスクとコンプライアンスを正確に評価するには、AI がこれらの関係を識別して理解できる必要があります。

上記の問題を解決するために、JD の JoyLaw インテリジェント アプリケーションは、「小型モデル + 大型モデル + エンジニアリング」を組み合わせたレビュー モデルを採用しています。ビッグモデルの言語理解能力を利用して契約書文面の予備分析を行い、その後スモールモデルを使用して特定の分野や業務シナリオに合わせた精緻な処理を行います。エンジニアリングの最適化手法と組み合わせることで、レビュー結果の精度が大幅に向上し、精度率は 85% を超えます。レビュープロセス全体をわずか 2 分で完了できるため、効率が大幅に向上します。

終わり

DeepSeek は、OpenAI の主要モデルに匹敵するパフォーマンスと大幅に削減されたコストにより、AI アプリケーションにさらなる想像力をもたらします。 DeepSeek-R1 の全体的なコストは OpenAI o1 モデルの約 1/30 と推定されており、非常に低コストで AI を適用できるようになります。

これまで、JD Cloud は DeepSeek-R1 および DeepSeek-V3 モデルを正式にリリースしており、パブリック クラウドのオンライン展開と専用のハイブリッド プライベート インスタンス展開の 2 つのモードをサポートしているため、ユーザーはオンデマンドで展開し、迅速に呼び出すことができます。

大規模モデル技術の急速な進化とコストの大幅な削減により、2025年はエージェントの大規模実装の最初の年になると考える人もいます。 「数千エージェント戦争」や「一万エージェント戦争」が勃発すると、エージェントアプリケーションは必然的に均質化されます。

「質問の海」戦略から脱却し、JD Cloudを含む多くのプレーヤーは、エージェントの違いは技術ではなく、シナリオとビジネスの実装にあると考えています。

エージェントが真の生産力になると、その基準も透明化され、「コストを削減し、効率を高める」という本質に戻ります。ユーザーの観点からは、エージェントのセットアップが速いほど良いです。企業が要求するカスタマイズの割合が低いほど良い。企業にもたらされる効率性の改善が明らかであればあるほど、より良い結果が得られます。

JD.com には豊富なサプライ チェーンのシナリオとデータがあり、大規模なモデル アプリケーションの成長に適した土壌を提供できます。その中では、インテリジェントな顧客サービス、物流と輸送、契約レビュー、研究開発の効率化などのシナリオをカバーする 10,000 を超えるインテリジェント エンティティがアクティブであることがわかりました。

テストデータは、エージェントが大幅な効率向上をもたらしたことを証明しています。 AI シナリオの調査と実装が 3 か月から 1 週間に短縮されました。以前は 10 人以上の科学者のチームの作業が必要でしたが、今では 1 人で完了できます。新しいアプリケーションの開発とリリースには、1 つのアプリケーションを作成するのに数か月かかっていたものが、現在では毎月何千ものアプリケーションを作成するまでに至っています。

以前、「購買販売東歌」が人気になりました。小売業者が Yanxi Digital Human Solution を選んだのは、JD.com がそれを「うまく活用している」のを見たからです。顧客にとって必要なエージェントは派手なマーケティングではなく、実際に効果があることが証明された製品です。