Skan AI はシリーズCラウンドで6,300万ドルを調達した。これは、実用的なエンタープライズ向けAIワークフローにおける最大の障害は、より賢いモデルではなく、自社の従業員が実際にどのように仕事を進めているのかを企業が把握できていないことだ、という賭けだ。このラウンドは Cathay Innovation と Dell Technologies Capital が共同で主導し、企業が厳しい現実に直面しているタイミングで実施された。つまり、これまでに導入したAIエージェントの大半が、単純にうまく機能していないという現実だ。
Citi Ventures、Bloomberg Beta、State Farm Ventures、Wipro Ventures もこのラウンドに参加し、創業7年の同社の累計調達額はおよそ1億2,000万ドルとなった。今回の調達とあわせて、Skan AI は新製品である Skan AI Blueprint と Skan AI Agents の一般提供開始を発表した。これらは既存の Skan AI Intelligence と組み合わさり、エンタープライズのワークフローを発見・モデリング・自動化するためのフルプラットフォームであると同社が説明する製品群を構成する。
Summary
主なポイント
- Skan AI は Dell Technologies Capital と Cathay Innovation が共同主導したシリーズCラウンドで6,300万ドルを調達し、累計調達額はおよそ1億2,000万ドルとなった。
- 同社は既存の Intelligence プラットフォームに加え、新製品 Skan AI Blueprint と Skan AI Agents を発表した。
- 同社が引用する Gartner のデータによると、AIエージェントを本番環境で運用している企業はわずか8%であり、初期導入の95%は再設計が必要とされている。
- Skan は累計で5億ドル超の顧客価値を特定したと主張しており、顧客には米国最大手10行のうち7行、Unum、Mitie などが含まれる。
- プラットフォームは Nvidia AI Enterprise と NIM マイクロサービス上で動作し、企業ファイアウォール内で匿名化データを集約することでプライバシー懸念に対応している。
業界が無視できない失敗率を前提に組まれた資金調達ラウンド
エンタープライズAIの導入は、資金だけでは解決できない壁に突き当たっている。Skan AI が引用する Gartner の調査によると、現在 AIエージェントを本番運用している企業はわずか8%であり、初期導入の95%は価値を生み出す前に完全な再設計が必要になるとされている。これらの数字は Fortune が報じた前年の MIT のレポートとも一致しており、そのレポートでは、エンタープライズにおける生成AIのパイロットの約95%が、測定可能なリターンを生み出すことに失敗していると記録されていた。
Skan の共同創業者兼CEOである Avinash Misra 氏は、業界は問題の診断を誤ってきたと主張する。発表に先立ち VentureBeat のインタビューに応じた同氏は、ボトルネックはモデルそのものではなく、それらが導入されるビジネスの正確な姿が欠けていることだと語った。「誰もがより優れたドライバーを作ることに夢中になっています」と Misra 氏は言う。「私たちは、より優れたナビゲーションシステムを作ることにこそ大きなチャンスがあると考えています。」
このため、この話は単なる1件の資金調達を超えた意味を持つ。もし企業が、実際の仕事の進め方を反映していない公式なプロセス文書にエージェントを紐づけ続けるなら、Gartner が指摘する再設計サイクルは、基盤となるモデルがどれほど高性能になろうとも、繰り返され続けるだろう。
従業員が画面上で実際に行っていることからエンタープライズAIワークフローを構築する
Skan の中核となる仮説は、文書化されたプロセスと実際のプロセスのギャップこそが、AIエージェントが破綻するポイントだというものだ。Misra 氏と共同創業者の Manish Garg 氏は、エージェント型AIが取締役会レベルの優先事項になるずっと前、7年前からこのギャップの解消に取り組み始めた。「なぜ組織、特に大企業にとって、自社の仕事が実際にどのように遂行されているのかを理解することが、これほど難しいのでしょうか」と Misra 氏は問いかける。「なぜそのためにマッキンゼーのコンサルタントを呼び寄せる必要があるのでしょうか。」
同社の答えは、文書やバックエンドのログから推測するのではなく、仕事そのものを直接観察することだ。Skan は従業員のデスクトップ上に観察テクノロジーを展開し、スプレッドシート、CRMシステム、メールクライアント、数十年前のメインフレームに至るまで、仕事がアプリケーション間をどのように移動していくかを継続的に追跡し、その観察結果を基に、基盤となるプロセスの「生きたモデル」を構築する。このモデルが、エージェントが推論を行う際のコンテキストグラフとなる。
Misra 氏はこれを、同僚の画面を見ている状況にたとえる。「もし私がここで画面共有をして、あなたが私の画面が Excel シート、CRM システム、メールクライアントへと移っていく様子を観察したとしたら、2回ほど繰り返しを見るだけで、あなたは私が何をしているかのモデルを構築できるでしょう」と同氏は言う。「ただし、それをスケールさせることはできません。24時間365日、私のような1,500人分について同じことを行うことはできないでしょう。そこで、あなた自身を私たちのテクノロジーに置き換えてください。」
難しいのは観察ではなく「意図の抽出」
Skan は、自社のアプローチを、バックエンドのデータトレイルからワークフローを再構成する Celonis のようなプロセスマイニングベンダーと対比させている。Misra 氏は、そうしたログは完了したトランザクションしか捉えておらず、それを生み出した人間の雑多なステップを見落としていると主張する。「すべてのバックエンドデータは、定義上、コミットされた作業状態です。実際の仕事とは、そうしたコミットされた状態と状態の間で起きていることなのです」と同氏は述べ、AI にとって重要なことの約80%はそのギャップの中で起きていると見積もっている。
同氏は、画面を監視すること自体は、決して難しいエンジニアリング課題ではなかったと慎重に指摘する。「難しいのは、画面上で見ているものを抽象化し、その意図を抽出することです」と Misra 氏は言う。新規案件と既存案件の手直しを見分けること——人間の同僚なら瞬時に理解できること——をモデルに教えることこそが、Skan が数年にわたる先行投資の真価があると考える部分だ。
従業員監視と業務の透明性のトレードオフをどう捉えるか
継続的な画面観察は、明白なプライバシーの問題を引き起こす。それは仮定の話ではない。6月には、Reuters が、Meta が従業員のマウスクリックを追跡する社内ツールを、従業員からの反発を受けて縮小したと報じた。これは、AI を積極的に活用する企業であっても、テレメトリと監視の境界線には依然として慎重であることの証拠だ。
Misra 氏は、コードを書く前からこの異議を耳にしていたと語る。AXA Mexico の当時のチーフ・トランスフォーメーション・オフィサーである Delphine Icart 氏にコンセプトを初期段階で提案した際、率直な反応が返ってきた。「Delphine の最初の言葉は『これは素晴らしいアイデアに聞こえるけれど、あなたは到着した瞬間に終わりね（dead on arrival）』というものでした」と彼は振り返る。「『あなたは本来観察すべきでないもの——オペレーターのプライバシーや、その画面上のデータの主権——を観察しようとしているのよ』と。」
この会話が、システムの設計に大きな影響を与えた。Skan は個々人を特定するのではなく集約するアプローチを取り、同じプロセスを実行する何百人もの作業者に共通する統計的パターンを可視化する一方で、特定の個人を追跡することはしない。「私たちは、ジョンが10時間43秒の時点で何をしているかには興味がありません」と Misra 氏は言う。「私たちが関心を持つのは、何百人ものジョンをまとめた姿なのです。」組織側は、特定のアプリケーションやURLをオプトイン方式でスコープ指定することで、システムが何を見られるかを制御できる。また、生成されるデータは企業のファイアウォールの外に出ることはなく、匿名化されたメタデータのみが三層アーキテクチャを通じてクラウドに送信される。Misra 氏は、欧州の労使協議会による承認を得た導入事例を挙げ、このモデルが厳格な審査に耐えている証拠だと主張する。ただし、集約によって根本的な緊張関係が完全に解消されるかどうかは依然として未解決の問題であり、同氏は、このテクノロジーが一部のケースでは特定プロセスにおける人員削減につながったことも認めている。
5億ドルの顧客価値という主張が意味するもの
Skan は、自社のテクノロジーによって累計5億ドル超の顧客価値を特定したと述べているが、Misra 氏は、この数字はすでに現金化された額ではなく、機会価値の見積もりであることを率直に認めている。「この数字は、すべての顧客を通じて、私たちがもたらしたと定量化された節約額——つまり、彼らが節約できると見込んだ額——を累積したものです」と同氏は説明し、顧客はプロセスの再設計、テクノロジーの変更、そして今ではAIエージェントの活用を通じて、そうした節約を追求していると付け加えた。
より具体的な数字は、個別の導入事例から得られる。米国のある大手銀行では、Skan は1,500人の財務担当者における1,120万回のコンテキストスイッチを観察し、3,700万ドルのオペレーション上の摩擦を特定したという。そのコンテキストをエージェントが実行可能なワークフローに変換した結果、取引あたりコストが32%削減され、スループットが41%向上し、年間1,800万ドルの節約が実現した。別の銀行のマネーロンダリング対策業務では、「案件の60%が現在AIエージェントによって処理されており」、その精度は「人間の精度を何度も上回っている」と Misra 氏は述べる。保険会社においては、中核となる保険金請求処理でおよそ25%の生産性向上が報告されている。
Skan のリファレンス可能な顧客には、英国のファシリティマネジメント企業である Mitie や、時価総額138億ドル規模の従業員福利厚生プロバイダーである Unum などがいる。Mitie の最高技術・デジタル責任者である Cijo Joseph 氏は、このテクノロジーについて「前例のない業務の可視性をもたらし、当社のAIトランスフォーメーションを劇的に加速させた」と述べている。同社は売上高を公表していないが、2年連続で前年比300%超の成長と、およそ150%のネット・ドル・リテンションを達成したと述べている。現在では、米国最大手10行のうち7行と、Fortune 50 の4分の1が顧客となっている。
Nvidia、競合、そしてエンタープライズコンテキストをめぐる争い
Skan はNvidia AI Enterprise と NIM マイクロサービス上で動作しており、このパートナーシップは今回の資金調達のニュースと並んで大きく打ち出されている。Misra 氏は、業務を観察し、コンテキストモデルを保持し、エージェントを顧客のインフラ内だけで実行できるプライベートアプライアンスへの需要が高まっていると説明する。これは、データ主権が譲れない条件となる銀行や保険などの規制産業にとって魅力的な構成だ。
Skan は、自社と隣接カテゴリとの間に明確な一線を引いている。プロセスマイニングツールはバックエンドログが記録するものしか見えない。RPA プラットフォームはタスクを理解することなく再生するだけだ。そして ServiceNow、Salesforce、Microsoft のようなプラットフォーム大手は高機能なエージェントを提供しているものの、その可視性は自社システム内にとどまる。「これらのエージェントがアクセスできるコンテキストは ServiceNow や Salesforce に限定されていますが、実際の仕事はあらゆるプロセスをまたいで行われます」と Misra 氏は述べる。
同氏のより広い主張は、すべての企業が同じ最先端モデルにアクセスできるようになった後の差別化についてだ。「もしすべての保険会社、すべての銀行が同じモデルにアクセスできるなら、成果はモデルの成果へと漸近的に収束していくでしょう」と彼は言う。「そこで、あの古い言葉——プロセス——が、AI にとってのコンテキストとして再び重要になります。しかしそのコンテキストは、あなたによって守られている。モデルの一部ではないのです。」Cathay Innovation のパートナーである Simon Wu 氏も同様の観点からこの賭けを位置づけ、Skan を「次の10年を代表するプラットフォーム企業の一つ」と評している。
このフレーミングは、競争上の本当の争点がどこにあるのかを示唆している。より多くのベンダーが同じ基盤モデルを追いかけるにつれ、差別化要因は生のAI能力から、ビジネスがどのように動いているかという独自の地図を誰が握るかへと移っていく——そして、Skan は競合他社が同等のコンテキストグラフを構築する前に、そのレイヤーを押さえようと競争を繰り広げているのだ。
FAQ
Skan AI の主な技術的イノベーションは何ですか？
Skan AI は、画面レベルの観察テクノロジーを用いて、従業員がアプリケーションをまたいでどのように仕事をしているかを観察し、プロセス文書やシステムログだけに頼るのではなく、実際のワークフローのコンテキストグラフを構築します。
Skan AI は従業員監視に関するプライバシー懸念にどのように対処していますか？
Skan は匿名化されたデータを集約し、企業のファイアウォール内で運用し、オプトインモデルを通じて観察対象を特定のアプリケーションやURLに限定することで、データがファイアウォールの外に出ないようにしています。
Skan AI の代表的な顧客にはどのような企業がありますか？
Skan AI の顧客には、米国最大手10行のうち7行、従業員福利厚生プロバイダーの Unum、英国のファシリティマネジメント企業 Mitie などが含まれます。
Skan AI は導入先でどのような成果を上げていますか？
報告されている導入事例では、ある銀行でコストを32%削減し、スループットを41%向上させ、年間1,800万ドルの節約を実現したほか、保険会社ではおおむね25%以上の生産性向上が見られています。
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Skan AI の主な技術的イノベーションは何ですか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Skan AI は、画面レベルの観察テクノロジーを用いて、従業員がアプリケーションをまたいでどのように仕事をしているかを観察し、プロセス文書やシステムログだけに頼るのではなく、実際のワークフローのコンテキストグラフを構築します。”}},{“@type”:”Question”,”name”:”Skan AI は従業員監視に関するプライバシー懸念にどのように対処していますか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Skan は匿名化されたデータを集約し、企業のファイアウォール内で運用し、オプトインモデルを通じて観察対象を特定のアプリケーションやURLに限定することで、データがファイアウォールの外に出ないようにしています。”}},{“@type”:”Question”,”name”:”Skan AI の代表的な顧客にはどのような企業がありますか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Skan AI の顧客には、米国最大手10行のうち7行、従業員福利厚生プロバイダーの Unum、英国のファシリティマネジメント企業 Mitie などが含まれます。”}},{“@type”:”Question”,”name”:”Skan AI は導入先でどのような成果を上げていますか？”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”報告されている導入事例では、ある銀行でコストを32%削減し、スループットを41%向上させ、年間1,800万ドルの節約を実現したほか、保険会社ではおおむね25%以上の生産性向上が見られています。”}}]}
本記事は人工知能の支援を受けて作成され、編集チームによる確認を経ています。
