エンタープライズAIは、質問に答えるだけの段階を超えて進化しています
生成AIの第一波は、従業員やお客様が会話感覚で情報を検索できる手段を提供しました。検索拡張生成（RAG）は、関連するエンタープライズコンテンツを取得し、モデルが回答を生成する前に大規模言語モデルへ提供することで、こうした体験を大きく向上させました。
これは重要な進歩でした。しかし、本質的には情報提供の体験の域を出ないものでした。ユーザーが質問し、システムが情報を取得し、モデルが回答を返すという流れです。
エージェント型AIはその前提を根本から変えます。AIエージェントは目標を解釈し、参照すべきシステムやナレッジソースを特定し、必要なコンテキストを収集した上で、実際にアクションを起こすことができます。サポート対応の下書き、セキュリティ質問票の記入、公開ワークフローのトリガー、交換部品の注文、サービス技術者のスケジュール管理など、幅広い業務を実行できます。
AIが「何をすべきか」を説明するだけでなく、実際にそれを「実現する」段階へと移行する中で、エンタープライズナレッジはもはや単なる参照資料として扱うことはできません。それは業務を支えるインフラそのものとなります。
取得された回答から自律的なアクションへの転換
従来のRAG実装では、まず質問から始まります。システムは定義されたナレッジソースを検索して関連するテキストを取得し、モデルのプロンプトに追加した上で、その内容に基づいた回答を生成します。
このアプローチを活用することで、組織は汎用モデルを再トレーニングすることなく、非公開、最新、または制限された情報を利用することができます。また、ユーザーの認証情報を使用して取得を行うことで、アクセス制御を維持することもできます。
Fluid Topics創業者兼CEOのFabrice Lacroix 氏は、Adobe DITAWORLD 2026のセッションで生成AIがコンテンツ戦略に与える影響について講演し、大規模言語モデルからRAG、エージェント型AI、Model Context Protocolへと進化するプロセスを解説しました。同氏はまた、RAGがエンタープライズナレッジを取得してプロンプトに追加し、汎用モデルを使って回答を生成する仕組みについても説明しました。
必要な情報が複数のリポジトリに分散している場合に課題が生じます。Lacroix 氏は、関連するナレッジが「10、15、あるいは20ものアプリケーション」に散在するエンタープライズのシナリオを例に挙げました。システムはそれらのソースを検索し、結果を統合し、十分なコンテキストが収集できたかを判断しながら、コピーした情報を元のシステムと常に同期させ続ける必要があります。
Model Context Protocol（MCP） は、これとは異なるアプローチをサポートします。MCPは、AIシステムが外部のツール、アプリケーション、情報源と接続できるようにするプロトコルです。あらかじめ取得されたコンテンツの固定パッケージを受け取る代わりに、エージェントは利用可能なソースの中からどれに問い合わせるか、何をリクエストするか、さらに情報が必要かどうかを自ら判断することができます。
Lacroix 氏が述べたように、「考え、推論し、エンドポイントにアクセスして情報を取得しコンテキストを構築するのは、エージェントLLMです。」これこそが、エージェント型AIを根本的に他とは異なるものにしている理由です。AIシステムは単に言語を生成するだけではありません。プロセスそのものに参加しているのです。
保守シナリオを考えてみましょう。ある機械が油圧の圧力問題を報告したとします。エージェントは、問題を診断するために技術ドキュメンテーションを参照し、製品ライフサイクル管理システムで影響を受ける構成を特定し、カタログで代替部品を探し、ERPシステムで在庫状況を確認し、出荷を手配して、技術者のスケジュールを組む必要が生じることがあります。
Lacroix 氏はこの例を通じて、2人から10人 が関与し、グローバルかつ24時間体制で稼働する必要があるプロセスを説明しました。そこには大きな機会があります。そして、信頼できる知識への依存度も同様に非常に高くなります。
AIが、企業がこれまで見過ごしてきたコンテンツ負債を露わにする
従来のコンテンツ配信では、多くの問題が見えにくくなっていました。頻繁に訪問されるページほど見直され、修正・維持管理される可能性が高い一方、リポジトリの奥深くに埋もれた古いトピックはトラフィックが少なく、目に見える被害も限定的でした。重複した手順が何年も並存できたのは、ユーザーが慣れ親しんだナビゲーションパスをたどり、矛盾するバージョンに遭遇することがほとんどなかったからです。会話型システムとエージェント型システムは、こうした保護を取り除いてしまいます。
Adobe製品担当シニアディレクターのVivek Kumar 氏は、Adobe DITAWORLD 2026開会挨拶 の中で、AIがリポジトリ内のあらゆるトピック、手順、コンテンツフラグメントに潜在的にアクセス可能にすることを説明しました。最も閲覧数の少ないトピックが、突然ある質問への回答ソースになることもあります。Kumar 氏は、お客様の質問に関連すると判断されたことで4年間更新されていなかった手順をAI アシスタントが取得してしまうリスクを具体例として示しました。
「AIがこのドキュメンテーション問題を生み出したわけではありません」とKumar 氏は述べました。「AIがそれを露わにしたのです。」
問題の本質はコンテンツの不足ではありません。信頼できる知識の欠如です。
手順書、製品説明、トラブルシューティング項目、ポリシー、サービス手順——これらはすべてコンテンツです。しかし、これらのコンポーネントが真の知識として機能するのは、何に適用されるか、互いにどう関連するか、どのバージョンが正式か、誰が承認したか、いつ使用を終了すべきかといったコンテキストが含まれているときだけです。
AIにとって、こうした区別は不可欠です。技術的に正確な手順書であっても、特定の製品バージョン、市場、お客様の利用権、動作条件、または規制管轄区域によっては適切でない場合があります。エージェントに必要なのは、質問に似たテキストを見つけることではなく、選択したコンテンツが検討中のアクションに適切であるという根拠です。
より広範なコンテンツ問題の規模については、「Component Content Management Systems: Supercharge Long-Form Content for Personalized and Consistent Experiences」（Adobeが委託した2021年のForrester Consulting調査）に詳しく記録されています。従業員500名以上、年間売上高US$5億以上の組織の 意思決定者450名 を対象としたこの調査では、64%が現代のコンテンツ制作需要への対応を課題と感じていることが判明しました。また、68%がコンテンツ管理の課題としてコンテンツの再利用不足を挙げており、58%が公開と更新のスピード維持に苦労していることも示されています。エージェント型AIはこうした弱点を解消するものではありません。むしろ、それらの弱点がビジネスプロセスへ波及するスピードを高めます。
構造がコンテンツを機械で活用できる知識に変える
こうした場面において、構造化コンテンツと コンポーネントコンテンツ管理システム（CCMS） がより大きな役割を担います。
CCMSは、情報を完全なドキュメントとしてではなく、モジュール式のコンポーネントとして管理します。各コンポーネントには、メタデータ、関係性、条件、バージョン履歴、レビュー状態、再利用の参照情報を明示的に付与することができます。これらのコンポーネントを複数の出版物に組み込み、webサイト、アプリケーション、ナレッジベース、サポートシステム、またはAIを活用した体験を通じて提供することができます。
AIにとっての価値は、単にXMLが機械で解析しやすいという点ではありません。より大きなメリットは、構造によって意味と制御が明確になることです。
メタデータによって、製品、モデル、オーディエンス、言語、地域、ライフサイクル状態、発効日、セキュリティ分類を特定することができます。タクソノミーは制御された用語を提供します。関係性によって、概念、手順、警告、部品、裏付けとなる証拠が結び付けられます。バージョンとベースラインは、特定のリリース向けに承認されたコンテンツを正確に特定します。レビューワークフローは、コンテンツが正式になる前に人間による判断が適用されたことを示します。
Kumar 氏はこの成果を、コンテンツリポジトリからナレッジグラフへの進化として説明しました。「知識はつながったコンテンツから生まれる」と述べ、「関係性が重要、文脈が重要、意味が重要だ」と語りました。
この基盤により、AIシステムはより小さく精度の高い知識単位を取得しながら、それらを評価するために必要な情報を保持することができます。また、AI生成の応答やアクションを、その根拠となった出典まで遡ることができる手段を組織に提供します。
Forresterの調査はこのアプローチを定量的に裏付けています。69%の回答者が、XMLなどの柔軟な形式でコンテンツを管理することで、再利用や配信が容易になると回答しました。また、CCMSを導入している組織では、80%以上の回答者がコンテンツ制作・配信に伴う規制コンプライアンス、評判、財務、人材に関するリスクの排除に役立ったと回答しています。
これらの調査結果はひとつの結論を示しています：組織は増大する人間とマシンの需要を、つながりのないドキュメントをいくら増やしても満たせません。必要なのは、一度ガバナンスを設定すれば文脈の中で適切に理解され、確実に再利用できるコンテンツです。
ガバナンスはAI制御の一部へ
多くのAIの取り組みは、まずモデル、インターフェイス、またはエージェントフレームワークを重視します。これらは目に見える投資ですが、コンテンツガバナンスの弱さを補うことはできません。
エージェント型AIのためのエンタープライズナレッジ基盤が答えるべき、いくつかの運用上の問いがあります：
- 最新の承認済みバージョンであるか？
- この製品、オーディエンス、地域、および状況に適用されるか？
- 適切な分野専門家によってレビューされているか？
- このユーザーまたはエージェントがアクセスできるか？
- 他のどのコンテンツがこれに依存しているか？
- 何が、誰によって、いつ変更されたか？
- システムは、回答やアクションに使用した出典を引用できるか？
これらはCCMSでなじみ深い課題ですが、エージェント型AIはそれらにより広いビジネス上の意義をもたらします。
- バージョン管理は、陳腐化した指示に対するセーフガードとなります。
- メタデータは、エージェントのルーティング機構となります。
- 承認ステータスは、信頼性判断の根拠となります。
- 監査履歴は、コンプライアンスと調査の証拠となります。
- アクセス制御により、エージェントが制限された情報を公開したり、それに基づいて行動したりするリスクを防ぐことができます。
Forresterのレポートでは、不正確または不明確なドキュメンテーションがサポート運用において重大なリスクをもたらすことが明らかになっています。また、回答者の半数以上が、コンテンツ戦略の断片化、コンテンツのサイロ化、レビューとコラボレーション、パーソナライゼーション、オムニチャネル配信、コンテンツベロシティを主要な課題として挙げています。
これは、CCMSがあらゆるリスクを排除したり、すべてのAIの行動をデフォルトで信頼できるものにするという意味ではありません。組織がすでに構造化コンテンツの管理とリスクを生む条件の軽減を関連付けていることを示しています。
人間による監督も引き続き必要です。エージェント型システムは定型業務を加速できますが、どのアクションにレビュー、承認、またはエスカレーションが必要かについて、組織は明確な基準を設ける必要があります。目的は、すべてのプロセスから人を排除することではなく、最も価値を生み出す意思決定に人間による判断を集中させることです。
Adobe Experience Manager Guides をエンタープライズナレッジ基盤として
Adobe Experience Manager Guidesは、このモデルを支える構造化コンテンツ基盤を提供します。
組織は、統制の取れた環境でモジュール式のDITAコンテンツ、メタデータ、バージョン、参照、レビュー、翻訳、公開を一元管理することができます。アプリケーションプログラミングインターフェイス（API）を活用することで、コンテンツ運用を他のエンタープライズシステムと連携でき、構造化された出力はwebサイト、アプリケーション、ナレッジベース、チャット体験、その他の後続利用をサポートします。
「The Business Value of Adobe Experience Manager Guides」、アドビがスポンサーとなった2022年11月のIDCビジネス価値調査において、IDCはExperience Manager Guidesを使用している6組織への詳細なインタビューに基づく調査結果を報告しました。IDCは参加組織について、組織あたり年間平均$3.8 millionの便益、3年間の投資回収率287%、回収期間13.9か月と算出しました。
また、同調査では、Experience Manager Guides導入後にテクニカルライティングチームの生産性が 17%向上 したことも示されています。重複関連の作業工数が 16%削減 され、年間平均生産性価値は $437,570（組織あたり） に相当することが報告されています。
これらの結果は、すべての導入事例で保証される成果として扱うべきではありません。しかし、AIへの対応に求められるコンテンツ基盤が、重複の削減、より効果的なコンテンツ運用、生産性の向上を通じて、測定可能な価値を生み出すことができることを示しています。
アドビはさらに、構造化コンテンツのインポート、作成、修正、タグ付け、検証をAIが支援する機能も実証しています。アドビのシニアソリューションコンサルタント、Mike Buoy 氏は、Adobe DITAWORLD 2026のセッション で、Experience Manager GuidesにおけるAIを活用した効率的な大規模コンテンツ制作を実演し、著者が提案プランを確認して変更を追跡した後に承認するワークフローを紹介しました。人間が意思決定に関与するこのアプローチにより、AIがコンテンツ作業を加速しながらも、組織は信頼されるナレッジベースに組み込む内容を管理できます。大規模な導入事例が、その重要性を示しています。
EYグローバルアシュアランス担当クライアントテクノロジーディレクター、Brian Scordinsky 氏は、Adobe DITAWORLD 2026のセッション で、EY Atlasをエンタープライズ規模で稼働するグローバルアシュアランスのナレッジプラットフォームとして紹介しました。
EY Atlasは、100万点以上のドキュメント、300万ページのレンダリングされたコンテンツページ、40以上の言語、66の地域別チャネル をサポートしています。20万人以上のユーザー が利用しており、月間100万回以上のアクセス があります。AEM Guides環境では、1,270万件のメタデータ と 4,200万件のリンク参照 を管理しています。
Scordinsky 氏はAtlasを「グローバルなナレッジサプライチェーンのフロントエンド」と表現しました。その背後には、オーサリング、パブリッシング、検索、サブスクリプション、分析、セキュリティ、ローカライゼーション、そして急速に普及しつつある生成AIを活用したエージェントエクスペリエンスを支える、構造化されたエコシステムが存在します。
関連する Adobe DITAWORLD 2024のセッション では、EY Atlasが 20万人以上のユーザー（2万6,000人以上のクライアント を含む）にサービスを提供し、600人以上のコンテンツ制作者 によって支えられていたことが報告されました。同セッションでScordinsky 氏は「AEMが私たちのコンテンツ運用を一手に担っています」と述べ、AEM Guidesで管理されているメタデータが検索を強化し、将来的には大規模言語モデルや生成AIチャットエクスペリエンスもサポートすることになると語りました。
これほどの規模になると、メタデータ、バージョン、リンク、パブリッシング管理は単なる管理上の付帯事項ではありません。それらは、信頼されるナレッジを支える運用の根幹です。
エージェントレイヤーを拡張する前に、ナレッジレイヤーを構築する
エンタープライズ企業は、エージェント型AIの取り組みを始める前にすべてのコンテンツを再構築する必要はありません。ただし、高い価値またはリスクを伴うアクションに影響を与えるナレッジを特定し、まずそのコンテンツの信頼性を確保することが重要です。
実践的なアプローチは、4つの優先事項から始まります。
1. エージェントがサポートする意思決定とアクションを特定する
コンテンツを選定する前に、ビジネスプロセスを定義します。エージェントが提案、開始、または完了することを許可される内容と、人間の承認が引き続き必須となる場面を明確にします。これにより、どのナレッジソースが重要であり、どの程度の信頼性が求められるかを確定することができます。
2. それらのアクションの背後にあるコンテンツを評価する
エージェントが使用するナレッジを精査します。重複、矛盾するガイダンス、メタデータの欠落、古いバージョン、不明確な所有権、アクセスできないソース素材、承認履歴のギャップなどを確認します。
目的は広範なコンテンツの棚卸しではありません。AIによる意思決定を導く情報に対象を絞った、焦点の明確なリスク評価です。
3. 最も価値の高いナレッジを構造化し、管理する
必要に応じて、大きなドキュメントを再利用可能なコンポーネントに分割します。管理されたメタデータを適用します。手順、製品、部品、ポリシー、関連する概念の間の関係性を確立します。
レビュー、承認、バージョン管理、アクセス、保持、およびライフサイクルのルールを定義することで、人間とAIシステムの双方が、現在有効なナレッジと、不完全・廃止・使用に適さないコンテンツを区別することができます。
4. 管理されたインターフェイスを通じてコンテンツを接続する
APIおよびMCP対応サービスを活用することで、権限、ソース管理、監査可能性を損なうことなく、エンタープライズナレッジをエージェントに提供することができます。
各接続では、エージェントがコンテンツの意味、適用範囲、信頼性を理解するのに十分なコンテキストが保持される必要があります。
この順序には意味があります。エージェントをより多くのリポジトリに接続しても、ナレッジの質が自動的に向上するわけではありません。むしろ、より多くの不整合にエージェントが素早くアクセスできるようになるだけです。
エンタープライズナレッジは戦略的インフラになりつつある
CCMSの戦略的役割は変化しています。コンテンツの制作、管理、翻訳、公開を行うプラットフォームとしての位置づけは変わりません。しかし同時に、エンタープライズの専門知識とAIによるアクションをつなぐ、管理されたナレッジレイヤーとしての役割も担うようになります。
Kumar 氏はこの変化を次のように端的に述べています。「かつてドキュメンテーションインフラと見なされていたものが、今やAIインフラへと急速に進化しています。」
エンタープライズAIの次なるフェーズは、最も多くのコンテンツやエージェントを持つ組織が制するわけではありません。構造化され、最新かつ文脈に沿った、権限を考慮し、追跡可能なナレッジを機械に提供できる組織こそが、優位に立つことができます。
AIが質問に答えるだけだった時代、質の低いコンテンツは不満足な体験を生むだけでした。AIが実際にアクションを起こせる今、エンタープライズナレッジの品質はビジネスを左右する管理要素そのものになります。
エージェント型AIの導入を準備している組織はまず、重要な意思決定を支えるコンテンツを特定し、それが適切に構造化・管理されているかを評価し、スケールアップの前にリスクの高いナレッジギャップを解消することが重要です。Adobe Experience Manager Guides は、エンタープライズ情報をAIを活用したエクスペリエンスとワークフロー向けの信頼性の高い再利用可能なナレッジへと変換するための、管理されたコンテンツ基盤を提供します。
次のステップ
Adobe Experience Manager Guides が、構造化されたエンタープライズコンテンツをAIを活用したエクスペリエンスとエージェント型ワークフローのための管理されたナレッジ基盤へと変換する方法を確認してください。
