# AIモデル投資の前に決めるべきこと：「仕事」を定義してからモデルを選ぶ - Salesforce Melissa Ramey氏

- 番組: [The AI in Business Podcast](https://ai-curator.jp/podcasts/shows/cmv3z5c32001o5o100ot70lmn)（Daniel Faggella）
- 元のタイトル: What Leaders Should Scope Before Investing in an AI Model - with Melissa Ramey of Salesforce
- 配信日: 2026年11月10日
- 長さ: 23分
- 要約作成日: 2026年11月10日
- トピック: [#AIモデル選定](https://ai-curator.jp/topics/AI%E3%83%A2%E3%83%87%E3%83%AB%E9%81%B8%E5%AE%9A) [#LLM](https://ai-curator.jp/topics/LLM) [#エージェント型AI](https://ai-curator.jp/topics/%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88%E5%9E%8BAI) [#プロンプト設計](https://ai-curator.jp/topics/%E3%83%97%E3%83%AD%E3%83%B3%E3%83%97%E3%83%88%E8%A8%AD%E8%A8%88) [#AIガバナンス](https://ai-curator.jp/topics/AI%E3%82%AC%E3%83%90%E3%83%8A%E3%83%B3%E3%82%B9) [#AI投資判断](https://ai-curator.jp/topics/AI%E6%8A%95%E8%B3%87%E5%88%A4%E6%96%AD)
- URL: https://ai-curator.jp/podcasts/cmwacwc8e00005v12k33claf9

## 要約

Salesforce の AI Transformation ディレクターである Melissa Ramey 氏が、AIモデル選定の考え方を語った回。高価なモデルが常に優れているわけではなく、価値を左右するのはモデルそのものより使い方とタスクとの適合だと述べている。投資前に「AIに任せる具体的な仕事」を現場の人々と洗い出し、日常タスクで複数モデルを比較し、導入後も従業員のように定期的に見直すことを勧めている。

## ポイント

- Ramey氏は、モデルの価値は値段ではなく「何の仕事に、どんなスキルで使うか」で決まると述べ、ストラディバリウスのたとえで説明した。
- 研究によれば高価なモデルは遅く、コストが高く、単純なタスクで考え過ぎて冗長になりやすいという。単純作業に高価なモデルを使うと、軽量モデルより不正確になることもあると指摘した。
- メールの校正や通話の要約など日常業務では、新旧モデルで同じ指示を試して比べるだけで違いが分かると提案している。
- 「大きいほど良い」という本能の背景として、AIの出力を読まずに自分の名前で出す「説明責任のオフロード」を挙げた。
- 導入前に、AIにさせる具体的な仕事を現場の担当者と洗い出すべきだとし、「モデルは仕事に従う。仕事がモデルに従うのではない」と語った。
- エージェント型AIは非決定的なツールなので、従業員同様に定期的に点検し、グラウンディング情報を更新し続ける必要があるとした。

## 章立て

- [02:02] **価値を決めるのはモデルより使い方** — 高価なモデルが常に価値あるわけではなく、仕事内容と使い手のスキルが重要だと語る。ストラディバリウスのたとえが示される。
- [03:09] **高価なモデルの落とし穴** — 高価なモデルは遅く冗長で、単純作業では不正確になり得る。フェラーリと箱トラックのたとえで、安価モデルへの振り分けにも触れる。
- [07:17] **自分で試す簡単な比較テスト** — メール編集や要約などの日常業務で新旧モデルを比べることを勧め、高度な推論用と単純作業用でプロンプトが異なる点を説明する。
- [10:26] **「大きいほど良い」の心理** — 説明責任のオフロードという現象を紹介し、出力を読まずに出す習慣が高価なモデルへの信頼につながると分析する。
- [12:37] **実体験から得た気づき** — 高性能モデルで編集を重ねるうちに指示が短く雑になり、結果が悪化した経験を語る。軽量モデルに切り替えると解決した例を紹介する。
- [15:51] **経営層へ：まず仕事を定義する** — AIに任せる具体的な仕事を特定し、ツールの構造が対応できるか確認してからモデルを選ぶ順序を説く。現場を交えた分析の重要性も述べる。
- [19:35] **導入後も見直し続ける** — AIを従業員のように扱い、定期的なチェックインとグラウンディング情報の更新、品質評価を続けるべきだと述べる。

## 解説記事

AIモデルを導入する際、「とりあえず最上位モデル」を選んでいないだろうか。The AI in Business Podcast の今回の回では、Salesforce で AI Transformation を担当する Melissa Ramey 氏（Director, AI Transformation – Data Insights and User Experience）が、モデル選定をタスク起点で考える方法を語った。なお、発言は同氏個人の見解で、Salesforce やその経営陣の立場を示すものではないと断られている。

#### 価値を決めるのは「モデル」より「使い方」

Ramey氏はまず、「どのモデルが価値あるか」という問いを言い換える。安価なものから高価なものまで、どのモデルにも価値があり、差を生むのは何をしたいのかと、モデルを使いこなすプロンプトの技術だという。同氏はストラディバリウスにたとえ、誰でも手に取れるが弾き方を知らなければ楽器の真価は引き出せないと述べた。

#### 高価なモデルが裏目に出る場面

同氏は、研究によれば高価なモデルは遅くコストが高く、単純なタスクで過剰に推論して冗長になりやすいと紹介する。「一文でいいのに六段落返ってくる」という不満は、その典型だという。またエージェント型ツール（Cursor や Claude Code など）は通常のチャット型LLMより高価で、仕事の性質がツールの種類とモデルの両方を決めるべきだと指摘した。逆に複雑なタスクに軽いモデルを使えば望む結果は得られないが、単純作業に高価なモデルを使うと、軽量モデルより不正確になることもあると述べている。

司会の Yolandi de Weerdt 氏が「将来ニーズが育ったときに今のモデルがボトルネックにならないか」と問うと、Ramey氏は、研究によればフロンティアモデルの品質の95%を保ちつつ、質問の80〜85%を安価なモデルにルーティングできると答えた。ホームセンターへ木材を買いに行くのにフェラーリか箱トラックかを選ぶ話にたとえ、「優れたものを使って悪い結果になるなら、それはアウトプットであってアウトカムではない」と語った。

#### 自分で試せば分かる

同氏の提案は単純で、メールの軽い編集や通話の要約といった日常業務を、最新モデルと古いモデルの両方で試してみることだ。最新モデルは時間が3倍かかり情報量も3倍で、むしろ複雑にし過ぎる一方、古いモデルは速く、作業内容に近い結果を返すことが多いという。高度な推論向けのプロンプトは長く詳細であるべきで、軽量モデル向けとは別物だとも述べた。

#### 「大きいほど良い」という心理と説明責任

なぜ人は大きなモデルを選びたがるのか。Ramey氏は「説明責任のオフロード」という概念を挙げる。AIの出力は量が多く体裁も整っているため、冒頭を流し読みして「完成している」と思い込み、自分の名前で外に出してしまう傾向だ。同氏は、ある政府が数百万ドルを支払う事態になったことや、大手コンサルティング会社で引用の95%が虚偽と判明したことを例に挙げた。出力を読まない前提なら、より長く書くモデルのほうが良く見える、というのが同氏の見立てである。

同氏自身の経験も共有された。高性能モデルと長時間やり取りするうち、編集のたびにプロンプトが短く苛立ったものになり、結果が悪化した。別のモデルに単純な修正を頼むとすぐ解決したという。AIのせいにする前に、自分の入力と出力への責任を見直すべきだと語った。

#### 経営層への助言：仕事を先に定義する

リーダーへの助言は明快だ。「AI変革」や「生産性向上」では答えにならず、AIに任せる具体的な仕事を特定することが出発点になる。賢い人を採用してから仕事を探す人はいないのに、AIでは同じことをしがちだと同氏は指摘する。仕事を定義し、ツールの構造がそれに対応できるか確認し、実現に必要な条件を理解したうえでモデルを選ぶ。実際に作業している人を交えた聞き取りは容易ではなく時間もかかるが、投資の前にやるか、予算を使ってからやるかの違いだという。

導入後の見直しについても、AIを従業員のように扱うよう勧めた。エージェント型AIは決まった動作をするソフトではなく、非決定的に判断を下すツールだ。定期的に判断内容を確認し、事業環境の変化に合わせてグラウンディング情報（AIが参照する根拠情報）を更新し、品質を評価し続けるべきだとしている。

#### まとめ

番組の締めくくりでは、①具体的な仕事を定義し現場の人を巻き込む、②代表的なタスクで結果・時間・コストを比較する、③エージェントの性能を定期的に見直す、の3点が示された。日本企業でも「最新・最大モデルを入れれば安心」という発想は起こりやすい。今回の議論は、選定の順序を「モデル→用途」から「仕事→ツール→モデル」へ逆転させること、そして導入後の運用こそが成果を左右することを示している。まず社内の日常業務で新旧モデルを見比べる小さな検証から始めるのが現実的だろう。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: The AI in Business Podcast「What Leaders Should Scope Before Investing in an AI Model - with Melissa Ramey of Salesforce」