# エンタープライズAIはなぜROIを出せないのか｜DevRev CTO Ahmed Bashir

- 番組: [Eye On A.I.](https://ai-curator.jp/podcasts/shows/cmv3z5bzz000b5o107u882j88)（Craig S. Smith）
- 元のタイトル: Why Enterprise AI Isn't Delivering ROI | Ahmed Bashir, DevRev
- 配信日: 2026年11月13日
- 長さ: 37分
- 要約作成日: 2026年11月14日
- トピック: [#エンタープライズAI](https://ai-curator.jp/topics/%E3%82%A8%E3%83%B3%E3%82%BF%E3%83%BC%E3%83%97%E3%83%A9%E3%82%A4%E3%82%BAAI) [#ベンチマーク](https://ai-curator.jp/topics/%E3%83%99%E3%83%B3%E3%83%81%E3%83%9E%E3%83%BC%E3%82%AF) [#共有メモリ](https://ai-curator.jp/topics/%E5%85%B1%E6%9C%89%E3%83%A1%E3%83%A2%E3%83%AA) [#AIエージェント](https://ai-curator.jp/topics/AI%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88) [#MCP](https://ai-curator.jp/topics/MCP) [#RAG](https://ai-curator.jp/topics/RAG)
- URL: https://ai-curator.jp/podcasts/cmwf4d95v00005s11a4jzatzq

## 要約

DevRevのCTO Ahmed Bashirが、企業AIが実運用で期待外れに終わる原因はモデルではなく、組織的に複雑な企業データを扱う「共有メモリ層」の欠如だと論じた回。同社のEnterprise Benchは、データが分散した現実的な環境でエージェント全体を評価し、同じOpus系モデルでClaude Codeより相対的に50%高い精度が出たと述べている。MCP依存の限界や、決定的な処理はデータベースに任せる設計思想も語られた。

## ポイント

- デモでは成功するのに本番導入で失望される原因は、ガバナンス、オーケストレーション、大規模な意味理解の不足にあるとBashirは主張している。
- 既存の多くのベンチマークはタスクの難しさだけを測り、ツールの分散、権限、カスタムスキーマといった企業の組織的複雑性を再現していないと指摘した。
- Enterprise Benchはモデル単体ではなくエージェントのハーネス全体を評価し、データを自分で探して検証・結合させる設定にしている。
- 同じOpus系モデルでComputerはClaude Codeより相対50%高い精度を示し、トークン使用量も平均75〜80%少なかったと述べている。
- MCPでは「情報を十分集めたか」の判断をエージェントに委ねるため精度が落ちるが、共有メモリではSQLなど決定的な処理で文脈を構築しLLMの負担を減らせるという。
- 自律性をL1（単一領域の検索）からL4（複数領域にまたがるエンドツーエンドの行動）まで定義し、現状はL1・L2のみを対象にしている。

## 章立て

- [01:01] **再デジタル化とComputerの狙い** — CD、クラウド、データレイクの例を引き、AIネイティブなデータ形式への再デジタル化が必要だと説明する。製品名Computerはその象徴とされる。
- [06:26] **共有メモリの4つの特性** — 複数ツール間の関連付け、双方向の書き戻し、権限の維持、スキーマや条件ロジックの理解が共有メモリの要件として挙げられた。
- [08:38] **Computerの対話UIと機能** — 会話UIの裏に可視のカタログがあり、引用の確認、複数人での共同作業、キャンバスでの成果物作成と公開ができると紹介された。
- [11:51] **Enterprise Benchを作った理由** — 「業界最先端のAI」を誰もが名乗る一方でROIが出ていない状況を背景に、企業の複雑性を再現するベンチマークを作った経緯を語る。
- [19:09] **ハーネス全体の評価と50%の差** — エージェントハーネス全体を試験し、同じOpusモデルでClaude Codeに対し相対50%の精度向上を確認した。CPUとRAMの比喩で説明する。
- [25:00] **自律性レベルL1〜L4** — ベンチマークで扱うタスクを自律性の段階で整理し、部門横断で比較できるようにする構想を説明した。
- [28:41] **MCPの限界とDB活用** — MCPではトークン消費と早期打ち切りで精度が落ちる点を指摘し、決定的な処理はデータベースとCPUに任せる設計を述べる。
- [35:02] **Bashirの経歴と創業の背景** — Apple時代のiCloud開発経験や、Vinod Khoslaが支援するDevRevに参画した経緯、メモリ層への投資が語られた。

## 解説記事

DevRevのCTOであるAhmed Bashirが、Eye on A.I.に出演し、企業向けAIがなぜROI（投資対効果）を出せないのかを論じた。同社が公開するベンチマーク「Enterprise Bench」の狙いと結果を軸に、モデルよりも「記憶層」が成否を分けるという持論を展開している。なお、以下の数値や主張は本人の発言に基づく。

#### デモは成功し、本番で失望される理由

Bashirは、企業AIのデモは見事に動くのに、実際の企業環境に持ち込むと皆が落胆するという状況から話を始める。2025年の各種カンファレンスでは、多くの企業が「業界最先端のAI」を掲げていたが、それは最新モデルを使っていれば最先端だと見なす短絡的な前提だったと振り返る。一方でCIOはAIに大きく賭けているのに、実際にROIを得ている例は少なかったという。

具体例として、チケットのクラスタリングや財務レポートの相関分析など、要約・分類・相関の部分はAIが容易にこなすと説明する。しかし、その結果をもとにCRMやステータスページ、財務記録を更新できるかと問われれば、答えは「ノー」だという。彼はMITやIDCの調査に触れ、期待した価値を得られたと答えたCIOは28%にとどまると述べている。原因はモデル能力の誤解ではなく、ガバナンス、オーケストレーション、大規模な意味理解が不足していることだと主張する。

#### 「共有メモリ」とは何か

Bashirが提唱するのが、データ、セマンティクス、オーケストレーション、ガバナンスを合わせた「共有メモリ」である。特性として、複数ツールや部門をまたいで情報を関連付けること、答えを行動につなげるための双方向（書き戻し可能）な接続、既存の権限を失わないこと、スキーマや条件ロジックを理解することを挙げた。たとえば「州がカリフォルニアなら都市の選択肢にサンノゼが出るが、テキサスなら出ない」といった依存関係である。

彼はこれを、CDからiPodやストリーミングへ移行する際に音楽が作り直されたのと同様の「再デジタル化」と位置づける。クラウド移行でもデータレイクやデータウェアハウスが生まれたように、AIにはAIネイティブなデータ形式が必要だという考えだ。同社の製品Computerは、この思想に基づく会話型のチームメイトとして紹介された。裏側に可視のカタログを持ち、引用をクリックして根拠を確認できる点を、安全性の一部だと説明している。

#### Enterprise Benchが測るもの

Bashirによれば、既存のベンチマークはタスクの複雑さを高める方向に偏り、企業データの複雑さを反映していない。現実の企業ではツールが乱立し、権限や役割が入り組み、データが断片化している。そのため、データを探し、検証し、結合し、理解することが最難関になるという。Enterprise Benchは、フラットなファイルにデータを添えて渡す方式をやめ、エージェントに「どこにあるかを見つけてからタスクを実行させる」設計にした。評価対象も、たとえばHermesエージェントと特定モデルの組み合わせといった、エージェントのハーネス全体である。

また自律性をL1からL4に分類している。L1は単一領域内の検索、L2は複数領域にまたがる検索から回答への移行、L3は単一領域での行動、L4は複数領域にわたり仕事を完結させる行動である。現状の対象はL1とL2のみで、順次拡張する予定だという。

#### 50%の精度差とCPU・RAMの比喩

最も目を引く結果として、同じOpus系モデルを使った場合、ComputerがClaude Codeに対し相対で50%高い精度を示したとBashirは述べる。差は共有メモリ層から生じると説明し、高性能なCPUがあってもRAM不足は補えないという比喩を用いた。さらに、トークン使用量もClaude Codeより平均75〜80%少なかったとしている。

その背景として、MCP（モデルが外部システムから情報を選んで取得するための仕組み）では、十分な文脈を集めたかの判断をエージェントが担う点を挙げる。10万件のアカウントをページ送りで取得する場合、次のページを見るべきか分からないまま、トークンを使い果たして打ち切ってしまうことがあり、それが精度低下の一因だという。Computerでは、文脈の構築を確率的なLLMから外し、決定的で根拠が明確なSQLをデータベース上で実行する。安価なCPUで処理し、GPUはLLMの推論が必要な場面に残すという考え方だ。ここでいうデータベースにはベクトルDBやグラフDBも含まれる。

#### 創業の背景

BashirはApple在籍が約13年で、iMessageやiCloudの立ち上げに関わり、iCloudのバックアップと復元のバックエンドを一人で担当したと語る。その後、Vinod Khoslaが支援するDevRevに参画した。OpenAIがモデル層を、DevRevがメモリ層を担い、両者の組み合わせで企業AIが本格化するという見立てを示し、メモリ層の構築に約5年半、投資額は約2.5億ドル規模に近いと述べている。

#### まとめ

本回の主張は、企業AIの成否はモデルの賢さだけでなく、散在し権限に縛られたデータをどう統合し管理するかに左右される、という点に集約される。日本企業でも、基幹システムやSaaSが分散した環境でAI導入が足踏みする例は多く、示唆は大きい。ただし、50%の差やトークン削減率は、ベンチマーク提供元でもあるDevRev自身の発表である点に留意が必要だ。リーダーボードで自作構成と商用製品を比較できるとのことなので、独立した検証や他社の結果も合わせて確認したい。

> 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: Eye On A.I.「Why Enterprise AI Isn't Delivering ROI | Ahmed Bashir, DevRev」