AIは商品ではなく「状態」を理解する State Understandingが変えるAI時代の価値創造

🎥 YouTubeでも公開しています

AI時代の経済は「取引」から「関係性」へ｜Relationship EconomyとChinoba Economics

Books: Relationship Economy AI時代の経済圏設計 Chinoba Economics 実践ガイド: 知識・意思決定・信頼が価値を生み出す新しい経済学

はじめに

これまでのAIは、主に「何をおすすめするか」を考えるために使われてきました。

この商品を買った人は、別の商品も購入しています。

同じ年代の利用者には、このサービスが人気です。

過去にこのページを見た人には、この広告を表示します。

こうした仕組みは、購買履歴や属性データから利用者の行動を予測する、Recommendation AIの代表例です。

しかし、人が必要としているものは、過去の履歴や属性だけでは決まりません。

同じ人でも、平日と休日では行動が異なります。

一人でいるときと家族といるときでは、求めるものが変わります。

仕事で移動しているときと、旅行をしているときでも、必要な支援はまったく異なります。

AI時代に本当に重要になるのは、

「この人は何を買ったのか」

ではなく、

「この人は今、どのような状態にあるのか」

を理解することです。

私たちは、この考え方を State Understanding（状態理解） と呼んでいます。

従来のAIは商品を中心に考えていた

従来のマーケティングやレコメンドシステムでは、商品が中心に置かれていました。

例えば、

• どの商品がよく売れているか
• どの商品が一緒に購入されているか
• 類似した利用者が何を選んでいるか
• 過去に何を閲覧したか
• どのクーポンを利用したか

といったデータを分析し、次に購入する可能性が高い商品を予測します。

この方法は、商品数が多いECサイトや小売サービスでは非常に有効です。

しかし、利用者の本当の目的が商品の購入ではない場合、推薦の精度には限界があります。

例えば、ある利用者がジャケットを探しているとします。

従来のAIは、

• 過去に購入したブランド
• 人気ランキング
• 同年代の購買傾向
• 閲覧履歴
• 価格帯

などから商品を推薦します。

しかし、その利用者が本当に必要としているのは、ジャケットそのものではないかもしれません。

翌週に重要なプレゼンテーションがある。

急に寒くなった。

出張先で着られる服を探している。

家族から誕生日プレゼントとして頼まれた。

同じ「ジャケットを探す」という行動でも、背景にある目的は異なります。

AIが商品だけを見ている限り、この違いを十分に理解することはできません。

State Understandingとは何か

State Understandingとは、人や組織、地域、システムが「今どのような状態にあるのか」を、複数の情報から総合的に理解する考え方です。

状態を構成する主な要素には、次のようなものがあります。

• Context：現在の状況
• Goal：実現したい目的
• Intent：行動の背景にある意図
• Constraint：守るべき制約
• Role：現在担っている役割
• Location：場所
• Time：時間
• Relationship：周囲との関係
• Past Behavior：過去の行動
• Capability：実行可能な能力や権限

State Understandingでは、これらを個別に見るのではなく、一つの状態として統合します。

つまり、

属性＋履歴＋現在の状況＋目的＋意図＋制約

から、その人が今必要としている支援を推定します。

重要なのは、状態は固定されていないということです。

同じ人でも、時間や場所、目的、同行者によって状態は変化します。

そのためAIも、過去に定義された人物像だけではなく、変化し続ける状態を継続的に理解する必要があります。

Context――今、何が起きているのか

Contextは、State Understandingの基礎になります。

Contextとは、AIが判断を行うときの背景情報です。

例えば、

• 現在の日時
• 場所
• 天候
• 同行者
• 利用中のサービス
• 直前の行動
• 周囲で開催されているイベント
• 在庫や混雑状況
• 組織内の役割
• 適用される規則

などが含まれます。

同じ質問でも、Contextが変われば答えは変わります。

例えば、

「次にどこへ行くべきか」

という質問を考えてみます。

旅行者であれば観光地を提案するかもしれません。

営業担当者であれば次の訪問先を提案するかもしれません。

災害発生時であれば避難場所を案内する必要があります。

質問の文章だけでは、最適な回答は決まりません。

AIが適切に判断するためには、その質問が行われた背景を理解する必要があります。

生成AIの回答が「間違ってはいないが、そのままでは使えない」と感じられる原因の多くは、このContextが不足していることにあります。

Goal――何を実現したいのか

Goalは、利用者や組織が実現しようとしている状態です。

従来のシステムでは、利用者が行った操作を中心に処理してきました。

検索した。

商品を見た。

資料を開いた。

問い合わせをした。

しかし、その操作は目的そのものではありません。

例えば、「ホテルを検索する」という行動の背後には、

• 出張先の宿泊場所を確保したい
• 家族旅行を計画したい
• イベント会場の近くに泊まりたい
• 予算内で長期滞在したい
• 急な欠航に対応したい

といった異なるGoalがあります。

Goalが異なれば、最適な提案も変わります。

AIが検索語や操作履歴だけを見るのではなく、「最終的に何を実現したいのか」を理解できれば、商品やサービスを超えた支援が可能になります。

商品を紹介するAIから、

目的の達成を支援するAI

への転換です。

Intent――なぜ、その行動をしているのか

Goalと似ていますが、Intentは行動の背景にある意図を表します。

Goalが「実現したい結果」であるのに対し、Intentは「なぜその行動を選んでいるのか」に近い概念です。

例えば、利用者がクーポンを探しているとします。

そのIntentは、

• 少しでも安く購入したい
• 新しい店舗を試したい
• 家族全員で利用できる場所を探したい
• ポイントの有効期限が近い
• イベント参加後に立ち寄れる場所を探したい

など、さまざまです。

同じ行動でもIntentが異なるため、表面上の操作だけを分析しても、本当に必要な支援は見えてきません。

AIがIntentを理解することで、単純な反応ではなく、行動の意味に沿った提案が可能になります。

ただし、Intentは本人が明示しているとは限りません。

会話、検索、過去の行動、現在のContextなどから推定する必要があります。

そして推定したIntentを、確定した事実として扱ってはいけません。

不確実性を持つ仮説として管理し、必要に応じて本人へ確認することが重要です。

状態理解によって提案はどう変わるのか

例えば、土曜日の午前中に、ある家族が地域アプリを開いたとします。

従来のAIであれば、

• 最近利用した店舗
• 人気商品
• おすすめクーポン
• 過去の購買履歴

などを表示するでしょう。

一方、State Understandingでは、次の情報を統合します。

• 今日は休日である
• 家族で行動している
• 天気が良い
• 午後にスポーツイベントがある
• 会場周辺にいる
• 昼食時間が近い
• 子ども向けイベントも開催されている
• 帰宅経路には複数の加盟店がある

さらに、

Goalは「家族で一日を楽しむこと」、

Intentは「イベントの前後を無理なく過ごしたいこと」

と推定できます。

するとAIは、単に商品を推薦するのではなく、

• 試合前に利用できる家族向けレストラン
• 会場までの混雑を避ける移動ルート
• 子ども向けの周辺イベント
• 試合終了後に立ち寄れる店舗
• 帰宅時間に合わせた買い物

などを、一つの体験として提案できます。

ここでAIが理解しているのは商品ではありません。

家族が置かれている現在の状態です。

個人だけでなく、組織にも状態がある

State Understandingの対象は個人だけではありません。

企業や組織、プロジェクト、地域にも状態があります。

例えば、あるプロジェクトについて考えてみます。

• 納期が近い
• 重要な仕様が未確定
• 担当者の稼働が不足している
• 顧客から追加要望が出ている
• 品質上のリスクが見つかった
• 経営層の承認が必要である

これらを統合すると、

「プロジェクトは遅延リスクが高まり、意思決定を急ぐべき状態にある」

と理解できます。

従来の業務システムは、タスクや進捗率を表示します。

しかしState Understandingを持つAIは、複数の情報から現在の状態を推定し、

• どの判断を優先すべきか
• 誰へエスカレーションすべきか
• どの制約を確認すべきか
• どの知識を参照すべきか
• 何を実行するとリスクを下げられるか

を提案できます。

これが、単なる業務支援AIとDecision AIの違いです。

Knowledge FlowからState Understandingへ

前回の記事では、企業内の文書やデータをAIが利用できる知識へ変換するKnowledge Flowを紹介しました。

Knowledge Flowによって、AIは企業のルール、過去の事例、製品、顧客、業務、組織などを理解できるようになります。

しかし、知識を持っているだけでは十分ではありません。

その知識の中から、

「今の状況に関係するものは何か」

を選び、現在の状態を構成する必要があります。

Knowledge Flowが企業の知識を届ける仕組みであるなら、State Understandingは届けられた知識とリアルタイムの情報を統合し、現在を理解する仕組みです。

流れは次のようになります。

Enterprise Knowledge
↓
Knowledge Flow
↓
Context
↓
Goal
↓
Intent
↓
State Understanding
↓
Decision
↓
Action

Knowledge Flowが「何を知っているか」を支え、State Understandingが「今、何が起きているか」を明らかにします。

State UnderstandingからRelationship Economyへ

Relationship Economyでは、一回の取引を最大化するのではなく、利用者、企業、地域、AIの間に継続的な関係を築くことを重視します。

そのためには、相手の現在の状態を理解しなければなりません。

状態を理解せずに一方的な提案を続ければ、関係性は弱くなります。

一方で、相手のContext、Goal、Intentを理解し、必要なタイミングで適切な支援を行えば、信頼が生まれます。

つまり、

State Understanding
↓
Relevant Support
↓
Better Decision
↓
Trust
↓
Relationship
↓
Value

という循環が形成されます。

AI時代の経済価値は、どれだけ多くの商品を提示できるかではなく、どれだけ深く状態を理解し、適切な支援を継続できるかによって決まります。

状態理解には境界が必要になる

State Understandingには大きな可能性があります。

一方で、利用者の状態を理解するために、あらゆる情報を収集してよいわけではありません。

位置情報、健康情報、家族情報、購買履歴、会話内容などは、極めて慎重に扱う必要があります。

そのため、State Understandingの実装には、

• 本人の同意
• 利用目的の明示
• 必要最小限のデータ利用
• アクセス権限
• 推定と事実の区別
• 判断根拠の記録
• 人間による確認
• データの保持期限

といった仕組みが不可欠です。

状態理解の精度を高めることと、個人を過剰に監視することは同じではありません。

AIが理解してよい範囲と、介入してよい範囲を明確に設計する必要があります。

この境界を支える仕組みが、今後紹介するTrust Infrastructureです。

おわりに

AI時代に価値を生み出すのは、単に商品を推薦するAIではありません。

人や組織が現在どのようなContextに置かれ、何をGoalとし、どのようなIntentを持っているのかを理解するAIです。

State Understandingによって、AIは過去の履歴に反応する仕組みから、現在の状況を理解して目的の実現を支援する存在へと進化します。

そして、この状態理解が継続的な支援を生み、支援が信頼を生み、信頼が関係性を強くします。

これはRelationship Economyを実現するための重要な基盤です。

次回は、個人や組織の状態を超えて、人、企業、店舗、イベント、地域、AIのつながりをどのように表現するのかという視点から、Community Graph――Relationshipは資産になるについて紹介します。