文 | 硅基研究室，作者 | kikiわずか2ヶ月で、「小さなエビ」がAI界全体を席巻した。初心者がOpenClawを使ってエビを育て、個人エージェントの限界を探る一方、大手モデルメーカーは軽量化展開を次々と打ち出し、CodingPlan APIパッケージで開発者を引きつけてクラウド上でワンクリック展開を促進している......開発者の李然は、OpenClawがもたらす価値の溢れを次のように表現している。彼はAIエージェントの発展をインターネットの進化に例え、OpenClawはエージェントを第3の時代へ加速させていると指摘する。PC時代の「ツール」からモバイルインターネットの「アシスタント」、そして未来の協働時代には「同僚」へと進化する可能性だ。これはおそらく、個人開発者や小規模チームにとっての「OpenClawの瞬間」：**人々はエージェントを活用し、さまざまなスキルを通じてタスク経験を抽象化し、従来の隠れた知識や業界経験に依存していた日常業務の課題を解決し始めている。**しかし興味深いのは、OpenClawが大企業の中ではかなり影を潜めている点だ。多くの企業はAIエージェントの実現を見守る段階であり、慎重な姿勢を崩していない。企業側の「OpenClawの瞬間」はまだ遠い。**1、企業のOpenClawの甘さと苦さ**----------------------目の前のOpenClawブームは、企業のエージェント導入にとって参考になるだろうか？答えは肯定的だ。開発者の李然は、OpenClawがエージェント開発のパラダイムシフトを引き起こしたと考えている。初期のエージェントはDifyや扣子のようにワークフロー形式で登場したが、「ドラッグ＆ドロップ」のローコード化により開発の敷居は下がったものの、企業組織の非開発者には使いづらかった。しかしOpenClawは、システムレベルの呼び出し指令を通じて、非開発者が日常のオフィスソフトでエージェントとやり取りできる仕組みを実現している。これはAIネイティブなエージェントだ。開発パラダイムの変化に加え、業界特化の「ソリューションスーパー」も構築されつつある。業界知識やデータの流動化が進む。OpenClawのツール能力は高品質なスキル使用ドキュメントに依存しており、爆発的に普及した後、GitHubのスキルブームを牽引した。AIクリエイターの海辛は、医療、金融、教育などさまざまな業界の人々がAIを活用して仕事の効率化や専用ツールの作成を行っていると述べている。将来的にはGitHubは「コードリポジトリ」から「ソリューションスーパー」へと変貌を遂げるかもしれない。**しかし、OpenClawの甘さの裏には、多くの苦味も存在する。**ある大手企業の技術者は「硅基研究室」に対し、実測した結果、OpenClawの技術スタックと能力スタックには課題があると語る。**まず、OpenClawのフレームワークのタスクスケジューリングには最適化の余地があり、高信頼性の企業向け定時スケジューリングには適していない。次に、長期記憶モジュールのネイティブ能力も不足しており、実運用に耐える成熟度には達していない。さらに、高品質なスキルエコシステムも未整備だ。**つまり、企業がエージェントを導入する際のコンプライアンス、コスト、安全性を考慮すると、現状のOpenClawの高負荷呼び出し方式と不安定なエコシステムは、権限重視、信頼性重視、協働重視の企業組織には大規模展開にはまだ距離がある。**2、企業AIの導入、「三つの壁」に直面**--------------------企業側のOpenClaw導入に対する慎重さは、現在の中国企業のAI大規模応用の厳しい現実を映し出している。崔牛会のデータによると、既に43％の企業部門やポジションが規模化に入っており、27％は試験段階、28％は浸透中、1.9％は未確定だ。中国企業もエージェント導入を加速させている。IDCの予測では、中国のアクティブなインテリジェントエージェント数は2031年に3.5億を突破し、年平均成長率は135％超に達するとされ、主要なグローバル市場をリードする見込みだ。しかし、これらの「大規模展開」のデータの背後には、企業がAIを大規模に導入する際に直面する三つの明確な壁がある。**認知の壁、データの壁、エコシステムの壁。**認知の壁とは、意思決定層、実行層、体験層の期待値のズレだ。ある自動車用品業界のカスタマーサポート責任者は「硅基研究室」に対し、昨年、多大なリソースを投入してカスタマーサポートのAI化を進めたが、実際の効果は芳しくなかったと語る。知識ベースは整備済みだが、ECの大規模セールの過負荷の中でAIを使って顧客対応をしている。しかし、彼女は次のように指摘する。一方で、多くの非経験者の知識は実場で蓄積される必要があり、AIはユーザーのニーズを完全に理解できない。「例えば、AIが『お車はハイグレードですか、ローレベルですか？』と質問したとき、面子を気にして『ミドルグレード』と答えるユーザーもいる。人間のカスタマーサポートは理解できるが、AIはそうはいかない。」また、ユーザーのAIカスタマーへの態度も二極化している。「誰が本物の人間かAIか見抜ける人もいれば、車用品の知識に疎い人もいる。AIを完全に信頼できるわけではない。」さらに、多くの企業の意思決定者は、失敗を恐れてAIを無理やり導入し、実際の運用ではAIのビジネス価値があまり高くないと気づくケースもある。阿里雲の副総裁霍嘉は、企業AI導入時の現象として次のように観察している：**「産業界は大モデルの能力についての認識がまだ不足しており、ビジネスリーダーは自信満々だが、技術者は導入に懸念を抱いている」。**デューデリジェンス調査でも、「認知の壁」が指摘されている。85％の企業がエージェントのカスタマイズを計画しているが、実際に本番運用に乗せているのは25％だけだ。さらに、3～5年以内に企業がエージェントを導入すれば回収できると考える企業は3割超であり、エージェントはまだ黎明期にある。次に、データの壁だ。金山オフィスの朱熠锷副総裁は、「今日の企業AIの応用は、モデル中心からデータ中心へと移行している」と述べる。AIの効果が出にくく、導入が難しい主な原因は外部モデルとの連携にある。データの誤りは解析エラーを引き起こし、少なすぎると検索や知識管理の問題が生じ、多すぎるとコンテキストエンジニアリングに影響する。「多くの企業AIはデモを素早く作るが、本格的に運用しようとすると非常に難しい」と朱熠锷は語る。エージェント導入を進める上で、データの壁を打破することも重要だ。第一に、エージェントがエコシステム横断、システム横断、多タスクのスケジューリングを実現するには、企業内の複数システム間でデータの連携とフォーマットの統一が必要となる。第二に、データの信頼性とコントロールを確保するために、企業内で階層化・分類された認証権限を構築し、データの全リンクの信頼性を担保しなければならない。これは、企業のデータガバナンス能力に対してより高い要求を突きつける。最後に、エコシステムの壁だ。企業内部では、AI協働メカニズムを構築し、リソースの壁を打破する必要がある。ある国営企業のIT部門の中堅は「硅基研究室」に対し、「AI構築はIT部門だけの仕事ではなく、ビジネス全体の問題だ」と語る。「データ構築について言えば、データは不足していないが、分散しているのをどう解決するかが課題だ。情報化部門は汎用的なデータしか提供できず、ビジネス部門の参加が必要だ。」また、外部のクラウド事業者やインテリジェントエージェントの技術供給者とも深く連携し、「ハンマーと釘」の関係ではなく、明確なビジネス課題に基づいて適したソリューションを作る必要がある。**3、企業AI、ショーから戦場へ**--------------------パランティアの創業者アレックス・カップは、企業AIの現状を次のように表現した。「ただ大モデルを買って放置し、それがビジネスを変えると期待するのは夢物語だ。」彼の言葉は、**企業AIは技術の見せびらかしの場ではなく、実際のリターンとビジネス価値を生み出す戦場であることを示している。**2026年に向けて、企業AIの導入は次のように変化している。一つは、従来の全方位投入や内部レースから、戦略に焦点を絞る方向へとシフトしている。アウトドアブランドのある企業は、「硅基研究室」に対し、彼らはスマート品質検査、AI支援受付、スマートカスタマーサポートの3分野に集中し、これらのコストセンターを収益化に変えることを目標としている。二つ目は、AIの販売者も実務的なアプローチに回帰し、ビジネス本位に変わっている。AIの導入は、汚れ仕事や苦労を伴うことを避けられない。金山オフィスの章慶元CEOは、「AI時代のオフィスソフトは知識の容器、デジタル社員のプラットフォームであるべきだ」と指摘している。例えば、データガバナンスの分野では、WPS 365が新たな「全域知識の閉環」を構築し、「収集・管理・活用」を一体化した企業レベルの知識ガバナンス基盤を作り上げている。この「企業の頭脳」は、上海信投、延锋国際、中国東航などのリーディング企業のAI実践に既に応用されている。振り返ると、企業が「小さなエビ」に慎重なのは、2026年においても企業レベルのAIが深化し、実務的な段階に進む証拠だ。これが「OpenClawの瞬間」ではないことは悪いことではなく、AIが本当にビジネスに深く入り込み、生産性向上のツールとなる前夜の兆しだ。
最初にAIエージェントを導入した企業は、「三つの壁」に直面している
文 | 硅基研究室，作者 | kiki
わずか2ヶ月で、「小さなエビ」がAI界全体を席巻した。
初心者がOpenClawを使ってエビを育て、個人エージェントの限界を探る一方、大手モデルメーカーは軽量化展開を次々と打ち出し、CodingPlan APIパッケージで開発者を引きつけてクラウド上でワンクリック展開を促進している…
開発者の李然は、OpenClawがもたらす価値の溢れを次のように表現している。彼はAIエージェントの発展をインターネットの進化に例え、OpenClawはエージェントを第3の時代へ加速させていると指摘する。PC時代の「ツール」からモバイルインターネットの「アシスタント」、そして未来の協働時代には「同僚」へと進化する可能性だ。
これはおそらく、個人開発者や小規模チームにとっての「OpenClawの瞬間」：人々はエージェントを活用し、さまざまなスキルを通じてタスク経験を抽象化し、従来の隠れた知識や業界経験に依存していた日常業務の課題を解決し始めている。
しかし興味深いのは、OpenClawが大企業の中ではかなり影を潜めている点だ。多くの企業はAIエージェントの実現を見守る段階であり、慎重な姿勢を崩していない。企業側の「OpenClawの瞬間」はまだ遠い。
1、企業のOpenClawの甘さと苦さ
目の前のOpenClawブームは、企業のエージェント導入にとって参考になるだろうか？
答えは肯定的だ。
開発者の李然は、OpenClawがエージェント開発のパラダイムシフトを引き起こしたと考えている。
初期のエージェントはDifyや扣子のようにワークフロー形式で登場したが、「ドラッグ＆ドロップ」のローコード化により開発の敷居は下がったものの、企業組織の非開発者には使いづらかった。
しかしOpenClawは、システムレベルの呼び出し指令を通じて、非開発者が日常のオフィスソフトでエージェントとやり取りできる仕組みを実現している。これはAIネイティブなエージェントだ。
開発パラダイムの変化に加え、業界特化の「ソリューションスーパー」も構築されつつある。業界知識やデータの流動化が進む。
OpenClawのツール能力は高品質なスキル使用ドキュメントに依存しており、爆発的に普及した後、GitHubのスキルブームを牽引した。AIクリエイターの海辛は、医療、金融、教育などさまざまな業界の人々がAIを活用して仕事の効率化や専用ツールの作成を行っていると述べている。将来的にはGitHubは「コードリポジトリ」から「ソリューションスーパー」へと変貌を遂げるかもしれない。
しかし、OpenClawの甘さの裏には、多くの苦味も存在する。
ある大手企業の技術者は「硅基研究室」に対し、実測した結果、OpenClawの技術スタックと能力スタックには課題があると語る。
まず、OpenClawのフレームワークのタスクスケジューリングには最適化の余地があり、高信頼性の企業向け定時スケジューリングには適していない。次に、長期記憶モジュールのネイティブ能力も不足しており、実運用に耐える成熟度には達していない。さらに、高品質なスキルエコシステムも未整備だ。
つまり、企業がエージェントを導入する際のコンプライアンス、コスト、安全性を考慮すると、現状のOpenClawの高負荷呼び出し方式と不安定なエコシステムは、権限重視、信頼性重視、協働重視の企業組織には大規模展開にはまだ距離がある。
2、企業AIの導入、「三つの壁」に直面
企業側のOpenClaw導入に対する慎重さは、現在の中国企業のAI大規模応用の厳しい現実を映し出している。
崔牛会のデータによると、既に43％の企業部門やポジションが規模化に入っており、27％は試験段階、28％は浸透中、1.9％は未確定だ。
中国企業もエージェント導入を加速させている。IDCの予測では、中国のアクティブなインテリジェントエージェント数は2031年に3.5億を突破し、年平均成長率は135％超に達するとされ、主要なグローバル市場をリードする見込みだ。
しかし、これらの「大規模展開」のデータの背後には、企業がAIを大規模に導入する際に直面する三つの明確な壁がある。
認知の壁、データの壁、エコシステムの壁。
認知の壁とは、意思決定層、実行層、体験層の期待値のズレだ。
ある自動車用品業界のカスタマーサポート責任者は「硅基研究室」に対し、昨年、多大なリソースを投入してカスタマーサポートのAI化を進めたが、実際の効果は芳しくなかったと語る。知識ベースは整備済みだが、ECの大規模セールの過負荷の中でAIを使って顧客対応をしている。
しかし、彼女は次のように指摘する。一方で、多くの非経験者の知識は実場で蓄積される必要があり、AIはユーザーのニーズを完全に理解できない。
「例えば、AIが『お車はハイグレードですか、ローレベルですか？』と質問したとき、面子を気にして『ミドルグレード』と答えるユーザーもいる。人間のカスタマーサポートは理解できるが、AIはそうはいかない。」
また、ユーザーのAIカスタマーへの態度も二極化している。「誰が本物の人間かAIか見抜ける人もいれば、車用品の知識に疎い人もいる。AIを完全に信頼できるわけではない。」
さらに、多くの企業の意思決定者は、失敗を恐れてAIを無理やり導入し、実際の運用ではAIのビジネス価値があまり高くないと気づくケースもある。
阿里雲の副総裁霍嘉は、企業AI導入時の現象として次のように観察している：「産業界は大モデルの能力についての認識がまだ不足しており、ビジネスリーダーは自信満々だが、技術者は導入に懸念を抱いている」。
デューデリジェンス調査でも、「認知の壁」が指摘されている。85％の企業がエージェントのカスタマイズを計画しているが、実際に本番運用に乗せているのは25％だけだ。さらに、3～5年以内に企業がエージェントを導入すれば回収できると考える企業は3割超であり、エージェントはまだ黎明期にある。
次に、データの壁だ。
金山オフィスの朱熠锷副総裁は、「今日の企業AIの応用は、モデル中心からデータ中心へと移行している」と述べる。AIの効果が出にくく、導入が難しい主な原因は外部モデルとの連携にある。データの誤りは解析エラーを引き起こし、少なすぎると検索や知識管理の問題が生じ、多すぎるとコンテキストエンジニアリングに影響する。
「多くの企業AIはデモを素早く作るが、本格的に運用しようとすると非常に難しい」と朱熠锷は語る。
エージェント導入を進める上で、データの壁を打破することも重要だ。
第一に、エージェントがエコシステム横断、システム横断、多タスクのスケジューリングを実現するには、企業内の複数システム間でデータの連携とフォーマットの統一が必要となる。第二に、データの信頼性とコントロールを確保するために、企業内で階層化・分類された認証権限を構築し、データの全リンクの信頼性を担保しなければならない。
これは、企業のデータガバナンス能力に対してより高い要求を突きつける。
最後に、エコシステムの壁だ。
企業内部では、AI協働メカニズムを構築し、リソースの壁を打破する必要がある。
ある国営企業のIT部門の中堅は「硅基研究室」に対し、「AI構築はIT部門だけの仕事ではなく、ビジネス全体の問題だ」と語る。「データ構築について言えば、データは不足していないが、分散しているのをどう解決するかが課題だ。情報化部門は汎用的なデータしか提供できず、ビジネス部門の参加が必要だ。」
また、外部のクラウド事業者やインテリジェントエージェントの技術供給者とも深く連携し、「ハンマーと釘」の関係ではなく、明確なビジネス課題に基づいて適したソリューションを作る必要がある。
3、企業AI、ショーから戦場へ
パランティアの創業者アレックス・カップは、企業AIの現状を次のように表現した。
「ただ大モデルを買って放置し、それがビジネスを変えると期待するのは夢物語だ。」
彼の言葉は、企業AIは技術の見せびらかしの場ではなく、実際のリターンとビジネス価値を生み出す戦場であることを示している。
2026年に向けて、企業AIの導入は次のように変化している。
一つは、従来の全方位投入や内部レースから、戦略に焦点を絞る方向へとシフトしている。アウトドアブランドのある企業は、「硅基研究室」に対し、彼らはスマート品質検査、AI支援受付、スマートカスタマーサポートの3分野に集中し、これらのコストセンターを収益化に変えることを目標としている。
二つ目は、AIの販売者も実務的なアプローチに回帰し、ビジネス本位に変わっている。AIの導入は、汚れ仕事や苦労を伴うことを避けられない。金山オフィスの章慶元CEOは、「AI時代のオフィスソフトは知識の容器、デジタル社員のプラットフォームであるべきだ」と指摘している。
例えば、データガバナンスの分野では、WPS 365が新たな「全域知識の閉環」を構築し、「収集・管理・活用」を一体化した企業レベルの知識ガバナンス基盤を作り上げている。この「企業の頭脳」は、上海信投、延锋国際、中国東航などのリーディング企業のAI実践に既に応用されている。
振り返ると、企業が「小さなエビ」に慎重なのは、2026年においても企業レベルのAIが深化し、実務的な段階に進む証拠だ。これが「OpenClawの瞬間」ではないことは悪いことではなく、AIが本当にビジネスに深く入り込み、生産性向上のツールとなる前夜の兆しだ。