先月、『數位時代』の記者から、ある疑問について取材を受けました。智慧方案はフルタイムのメンバーがわずか 10 人であるにもかかわらず、なぜ 200 社を超える製造業の顧客を同時に支援でき、しかも初年度から利益を出せたのか。これは一見すると華々しい成功物語に聞こえます。しかし、その裏には、より本質的な 2 つの問いがあります。小規模なチームが、どうすればこれほど多くの大手顧客を支えられるのか。そして、企業はなぜその価値に対価を支払うのか。その答えは、AI ツールそのものよりも「次世代の仕事力」に深く関係しています。それこそが、私たちが本当に提供しているものです。
1 つ目：10 人でいかに 50 人分の成果を生み出すか
智慧方案は 2024 年 7 月に設立されました。創業者である陳慶蔚にとって、今回が 2 度目の起業です。最初の起業は 26 年前の嚮網科技でしたが、今回は意図的に正反対の道を選びました。エンジェルラウンドの調達額を抑え、支出を厳格に管理し、事業拡大はすべてキャッシュフローを基盤に進めています。提案書や技術文書、顧客向け研修教材の作成まで、私たちは AI Agent に任せています。
このレバレッジの仕組みは、2 つの層に分かれています。第 1 層では、1 人の従業員が 10 体の Agent を同時に指揮します。第 2 層では、それぞれの Agent がタスクを実行する際に外部リソースを呼び出し、顧客の ERP との連携、検索エンジンからのデータ取得、翻訳モデルの実行などを行います。この 2 層を重ねることで、1 人の背後で 50 の役割が同時に稼働します。これが「10 人で 50 人分の成果を生み出す」ための実際の仕組みです。
繊維業界の事例を見てみましょう。営業担当者が受け取った注文書を、工場の熟練技術者が理解できる製作図に変換するには、主材料、副材料、加工内容、型紙の読み取りなどが必要です。従来は、すべてベテラン社員の経験に基づいて判断しており、新人が注文書を読み解けるようになるだけでも半年を要していました。この工程を AI Agent で分解したところ、従来 3 時間かかっていた作業を 30 分以内に短縮できました。電子業界の見積もりプロセスも、考え方は同じです。営業による受付、技術部門への転送、仕様の分解、部品表の確認、見積もりの作成、顧客への回答という一連の流れを複数の Agent に分担させ、並行処理することで、従来 2～3 日かかっていたプロセスを大幅に短縮しました。
この仕組みを可能にしているのが、EgentWrX の製品設計です。技術者でなくても、エンジニアの介入なしに 15～30 分で専用の AI Agent を構築できます。導入のハードルが下がったことで、1 人が 10 体の Agent を実際に指揮できるようになり、Agent の運用・保守にかえって時間を奪われることもありません。
陳慶蔚はチームに対し、「Agent の上司になること」と「人の上司になること」は異なると繰り返し伝えています。人は自ら工夫して意図を理解しようとしますが、Agent は、少なくとも現段階では、指示された内容を文字どおりに実行するだけです。そのため、タスクを分解し、指示を明確に記述し、成果を検収する能力が求められます。さらに高度な能力として、複数の Agent を同時に動かし、それぞれの成果物を確認したうえで、ある実行時のミスを標準化し、次回の成功条件へと変換する力も必要です。これは私たちのチームだけに必要な社内規律ではありません。次世代の働き手にとって、基本的なビジネススキルになると考えています。そして、この考え方が 2 つ目のテーマにつながります。私たちはこの規律を方法論として体系化し、顧客に伝えています。
2 つ目：FDE――Agent を指揮する力を方法論に変える
FDE（Forward-Deployed Engineer、現場展開エンジニア）とは、顧客の現場に入り込み、業界知識と AI Agent の操作スキルを併せ持つコンサルタントを指します。私たちのチームでは半数以上がこの役割を担っており、今回の報道でも特に注目された職種です。
優れた FDE には、3 つの能力が必要です。第 1 に、顧客との対話を通じて、曖昧なニーズを具体的なユースケースへ素早く落とし込む力です。通常は 30 分以内に方向性を明確にしなければなりません。第 2 に、Email や熟練者の頭の中に点在している暗黙知を、構造化されたデータに整理する力です。第 3 に、モデルごとの違いを理解し、ユースケースに応じて適切な組み合わせを選ぶ力です。Claude は長文作成が安定しており、GPT はツール呼び出しの信頼性が高く、Gemini はマルチモーダル統合を得意としています。この 3 つの能力は、どれも欠かせません。業界知識だけを持つ人には、実行可能な Agent の指示を書くことができません。一方、技術だけを知る人には、顧客が本当につまずいているポイントを理解できません。
FDE の価値は、顧客に代わって仕事を完了させることではありません。顧客自身が Agent の指揮方法を習得できるよう支援することにあります。私たちは社内で TURBO フレームワークを用い、この教育プロセスを 3 つの段階に分けています。最初の「理解形成」の段階では、顧客チームが「AI Agent にできること、できないこと」を正しく理解できるようにします。次の「シードチーム構築」の段階では、数名の中核メンバーを選び、実際に操作してもらいながら、最初の実用的な Agent を蓄積します。最後の「組織統合」の段階では、この方法をほかの部門にも展開し、1 人が Agent のチームを指揮する働き方を、顧客組織の日常に定着させます。
この方法は、一度身につけば自律的に広がっていきます。顧客企業の営業、技術、人事、調達の各担当者が Agent の指揮方法を習得すると、今度は自らの部下にその方法を伝えます。こうして私たちのコンサルタントの能力が、1 社の顧客からそのサプライチェーンへと、階層を重ねながら複製されていきます。
企業はなぜ対価を支払うのか
業界ごとの AI 活用能力の差は、すでに目に見える生産性の差へと変わりつつあります。私たちは、支援している 200 社以上の顧客を通じて、その変化を明確に確認しています。今後 2～3 年のうちに、この差は各社の業界内における競争力をさらに大きく左右するようになると考えています。もともと同じ市場にいなかった企業が、AI Agent を一足先に使いこなすことで、現在の顧客層へ参入してくる可能性すらあります。これは、私たちが顧客の現場で日々目にしている現実の変化です。
多くの企業経営者が自ら私たちに相談を寄せるのも、このためです。彼らが求めているのは、社内の従業員が自ら AI Agent の使い方を習得し、それぞれの専門領域でより大きな影響力を発揮できるようになることです。そうすれば、将来競争が激化したときにも、社内には AI を理解し、実践経験を積んだ人材が残り、継続的に価値を生み出せます。言い換えれば、AI をどう使いこなすか、つまり「AI Agent の上司になる方法」こそが、私たちが顧客に本当に教えていることです。
この方法と AI Agent プラットフォームを組み合わせることで、繊維業界では 3 時間かかっていた注文内容の読み取りを 30 分以内に短縮し、電子業界では 2～3 日かかっていた見積もりプロセスを大幅に短縮しました。導入した顧客は、この能力を自社の従業員へ、さらにはサプライチェーンへと展開しています。
企業の従業員が業務内容を構造化し、プロセスとして整理できるようになれば、AI Agent プラットフォームと組み合わせることで、実際の作業を AI に任せられます。メールの受信、データベースの検索、分析レポートの作成、商機の発掘、CAD 図面の確認、仕様書に基づく社内製作指示書の作成などは、すべて Agent の業務範囲になり得ます。作業が完了すると、Agent は成果物を次の担当者の Agent に直接引き渡すこともできます。これにより、部門をまたぐ一連のワークフローが途切れることなく進み、特定の担当者による引き渡し待ちで滞留することもありません。
その結果、企業は私たちと同じように、1 人の専門人材から 3～5 倍の成果を引き出せるだけでなく、組織内にある AI 活用能力の格差も解消できます。各部門の成果物を次の部門の Agent が引き継げるため、AI を使える特定の数人を待つ必要もありません。これが智慧方案のポジショニングです。私たちは AI を販売しているのではなく、顧客自身が AI を使いこなせるようにしています。
よくある質問
智慧方案は、なぜこの機会に人員を増やさないのですか？
増員できないのではなく、あえて増員しないという選択です。陳慶蔚がより重視しているのは、会社の規模を大きくすることではありません。「1 人が Agent のチームを指揮する」という方法をさらに深く磨き上げ、より多くの顧客に展開することです。
FDE は一般的な AI コンサルタントと何が違うのですか？
一般的な導入コンサルタントは、技術か業界知識のどちらか一方に強いケースが少なくありません。FDE にはその両方の理解に加え、自ら Agent を操作し、成果物を検収する能力も求められます。この役割は、単なる研修講師ではなく、「プログラムも書ける業界コンサルタント」に近いものです。
企業がこの方法を習得するには、まず何をすればよいですか？
最初から大規模なシステム統合を行う必要はありません。まず少人数のシードメンバーに実際に使ってもらい、再利用可能な Agent をいくつか蓄積するほうが、全社員への一斉導入を求めるよりも効果的です。これが、TURBO フレームワークにおける「シードチーム構築」段階の目的でもあります。
AI Agent を今導入する場合と、2 年後に導入する場合では、大きな差がありますか？
その差は、今後ますます広がると考えています。すでに導入している企業では、従業員が AI Agent と共に働くための実践経験を社内で積み重ねています。こうした経験は、短期間で簡単に追いつけるものではありません。開始が遅くなるほど、埋めなければならない差も大きくなります。