- エンタープライズソフトウェアの巨人SAPが、生成AIをどう組み込むか、そしてなぜLLMだけでは不十分かを語る回。
- 単なる技術トレンドではなく、ビジネスモデルの転換であり、構造化データと非構造化データの両方を扱う必要があることが繰り返し強調される。
- スケール感の甘さ、営業オーダーと保守オーダーの曖昧性の解決、そして量子コンピュータによる最適化問題への長期的な関心まで、エンタープライズの現実的な課題が満載。
論点をもう少し詳しく読む
SAPが50年以上生き残った理由：スケーラブルな標準化の哲学
SAPが1972年創業から今も最大手である理由は、創業時にIBMの顧客に何度も同じシステムを実装する非効率さに気づき、「標準ソフトウェア」という概念を生み出したことにある。構築コストが低くなり、生成AIやエージェント技術が台頭する2026年でも、この基本思想は変わらない。スケーラビリティとビジネス問題への逆算が、トレンドを超えた競争優位性を守っている。
LLMは非構造化データでは優れているが、財務・供給網の「構造化データ」は別問題
LLMは非構造化データ（テキスト、画像）では強力だが、金融や供給チェーンで使われるテーブル形式のデータになると、言語モデル単体では予測精度や信頼性が不足する。SAPが知識グラフを構築する理由は、自然言語と構造化データの間を橋渡しし、チャットで動的にクエリを組み立てながらも、背後では厳密なSQLや予測モデルが走る必要があるから。特に財務やロジスティクスでは、この二つの世界を統合することが実装のボトルネック。
エージェントとツール呼び出し：オーダーマネジメントの曖昧性をどう解く
「オーダー」という用語が営業オーダー、保守オーダー、購買オーダーで意味が異なる問題がある。エージェントが正しく動作するには、単なるツール呼び出しの学習だけでなく、複雑な文脈を処理するオーケストレーション層が必要。コンピュータユース（ブラウザ自動操作）や構造化API呼び出しのアプローチを組み合わせることで、この曖昧性を解消しながらビジネスプロセスを自動化する戦略をSAPは取っている。
量子コンピューティングと巡回セールスマン問題：長期的な最適化フロンティア
短期的なAIブームの先にあるものとして、量子コンピュータによる最適化問題への投資を進めている。物流の積み込みやルート計画、ナップサック問題など、現在は問題のサイズに応じて近似解に頼らざるを得ないが、量子ハードウェアが成熟すれば、これらを根本的に解ける可能性がある。ホルムズ海峡やグローバル物流の複雑さに言及しながら、単なるアルゴリズムの進化ではなく、新しいコンピューティングパラダイムへの準備を示唆している。