従来のエンタープライズソフトウェアの拡大には、大規模な営業チームと長い導入サイクルがつきものだった。初期接触から実際の展開まで、通常は数カ月を要し、複数回のデモ、コンプライアンス審査、カスタマイズ開発が必要だった。しかし、AI社員「Viktor」はこの常識を打ち破った。
ビジネスデータを深掘りする前に、まずViktorが何者かを明確にする必要がある。この製品はDeepMind出身者を含む研究開発チームによって創設され、その中核理念は単なるCopilotではなく、「Tier 3 AI Coworker（第三層AI同僚）」を創り出すことにある。Viktorチームの見解では、現在のAIツールの多くは「草案を作成し、人間が完了するのを待つ」段階にとどまっているが、Viktorの目標は「エンドツーエンドで実行し、成果物を納品する」ことにある。
平たく言えば、Viktorは疲れを知らないデジタル社員のようなものだ。様々なソフトウェアの使い方を教えたり、複雑な命令文を書いたりする必要はない。SlackやTeamsのチャットボックスで、同僚に@メンションするようにViktorに@し、「先週の華東地区の販売データを調べて、グラフ付きのレポートを作成して」と伝えるだけで、自らCRMシステムからデータを取得し、表計算ツールでグラフを生成し、最終的なレポートを会話ウィンドウに返してくれる。受動的な応答に加え、特定の時間やイベントをトリガーに自発的に作業することも可能で、例えば深夜に自動で照合作業を行ったり、6つの異なるツールを横断してデータを収集し、取締役会向けのPPTを生成したりする。
公式発表によると、まさにこの製品が、Slackプラットフォームにおいて営業チームを組織せず、導入プロジェクトもないまま、年間経常収益（ARR）2000万ドルを達成し、3万社以上にサービスを提供しているという。そして今回、Viktorは正式にMicrosoft Teamsに接続し、3.2億人のユーザーエコシステムに向けて無料トライアルを開放した。AI社員がプロンプトエンジニアリングを捨て、「ゼロ障壁の@メンション」へと向かう時、企業のオフィスオートメーションの臨界点はすでに到来しているのだろうか？これは単なる製品機能のアップデートの問題ではなく、エンタープライズAIアプリケーションのビジネスモデルの根底からの再構築に関わる問題である。
営業チームなしで2000万ドルを売り上げた、PLGモデルのエンタープライズAIにおける勝利
エンタープライズSaaS業界は長らく「営業主導」を信奉してきた。大口顧客を獲得するために、企業は大規模な営業チームを組織し、カスタマーサクセスマネージャーを配置し、長期にわたるPOC（概念実証）と導入サイクルを経験する必要がある。このモデルは顧客獲得コストが極めて高く、人間関係の維持に大きく依存する。Slack上でのViktorのパフォーマンスは、全く異なる道筋を示している。
公式が開示したデータによると、Viktorは営業チームを組織せず、導入プロジェクトもなく、シート単位の契約もないまま、2000万ドルの年間経常収益を達成し、3万社にサービスを提供した。この純粋なPLG（プロダクト主導成長）モデルは、従来のSaaS時代にも前例はあるが、複雑なエンタープライズAIアプリケーションにおいては極めて稀である。AI製品は通常、大量のコンテキスト設定やシナリオ調整が必要であり、すぐに使える状態にするのは難しい。Viktorが自己増殖的な普及を実現できた中核的理由は、設定のハードルを最小限にまで引き下げたことにある。
従来のSaaSのシート単位の課金モデルは、企業が調達時に「遊休資産の無駄」を懸念する原因となっていた。100アカウント購入しても、高頻度で使用するのは20人だけで、残りの80アカウントは埋没費用となる。Viktorはクレジットまたはタスク消費ベースの課金を志向しており、このモデルはAIがタスクを実行する実際のロジックにより適合している。企業はもはや「AIを使用する可能性のある従業員数」に対して支払うのではなく、「AIが実際に完了した作業量」に対して支払うのである。
この課金方式は企業の調達における試行錯誤のコストを下げ、部門レベルの主管や現場の従業員でさえ、クレジットカードや無料クレジットを使って直接試用を開始できるようにし、煩雑なIT調達承認プロセスを迂回する。このビジネスモデルが成立したことは、一つの判断を裏付けている。すなわち、エンタープライズAI製品の中核的な参入障壁は、販売チャネルのカバレッジ能力にあるのではなく、製品自体が極めて短い体験サイクルの中でその価値を証明できるかどうかにある。
Viktorが提供する100ドルの無料クレジットと、クレジットカード登録不要の戦略は、まさにこの「価値検証」サイクルを最大化するためのものである。従業員が、Viktorに@するだけで、本来なら数時間かかる照合作業が完了することに気づけば、製品の自己増殖的な普及は自然に発生する。公開報道によると、Viktorは最近、DN Capital主導で7500万ドルのシリーズA資金調達を完了しており、これは資本市場がそのPLGモデルを評価していることを側面から示している。ただし、2000万ドルARRの具体的な計算基準は公式には詳細に公開されておらず、クレジット消費、アクション課金、または混合モデルで換算されているのかは、外部からは不明である。この不透明な課金方式は、初期段階では試用のハードルを下げるのに役立つが、企業が大規模に調達する際には、ROI計算の障害となる可能性がある。
プロンプトの壁を平らにし、「草案作成と待機」から「エンドツーエンドの成果物納品」へ
Viktorがゼロ設定での自己増殖を実現できた鍵は、そのインタラクションパラダイムの次元削減にある。従来のAIツールの使用効果は、ユーザーのプロンプト作成能力に大きく依存していた。OmniToolsの記事『3年間観察して、私はすべての人のAI使用レベルを10段階に分けた』では、この現象を詳細に分析している。構造化されたプロンプトからエージェントスキルのパッケージ化に至るまで、AI使用者のレベルは複数の階層に分けられ、プロンプトエンジニアリングは見えないハードルとなっている。
企業の実際の現場において、このハードルは特に致命的である。財務担当者、人事担当者、運営主管には、AIと複雑な「プロンプトゲーム」を行う方法を学ぶ時間も義務もない。AIの使用効果が従業員のプロンプト作成能力に依存するのであれば、AIは永遠に少数のギークのための効率化ツールに留まり、企業の汎用インフラにはなり得ない。
Viktorのポジショニングは「Tier 3 AI Coworker」であり、単純なCopilotではない。本来のCopilotのロジックは「草案を作成し、人間が完了するのを待つ」ことであり、文書の要約やメールの草案作成は得意だが、最後のステップでは人間の介入が必要となる。例えば、顧客フォローアップメールをCopilotに書かせた場合、作成後、それをメールクライアントにコピーし、受信者を手動で入力して送信する必要がある。Viktorのロジックは「エンドツーエンドで実行し、成果物を納品する」ことである。ユーザーは自然言語で目標を記述するだけで、エージェントのランタイムが自律的に実行ステップを決定し、必要なツールを呼び出してクローズドループを完了する。同じ顧客フォローアップでも、Viktorはメールシステムに直接接続し、顧客情報を自動入力して送信し、さらには顧客の返信に基づいて自動的に次のリマインダーを設定することもできる。
このメカニズムは、プロンプトエンジニアリングがもたらすレベル間の障壁を直接的に取り除く。AIの使用効果は、もはや従業員のプロンプト作成スキルに依存せず、ビジネス目標の明確さに依存するようになる。このインタラクション方式は、AIを「補助ツール」から「実行者」へと押し上げ、非技術者でも摩擦なくAIの恩恵を享受できるようにする。
しかし、これはViktorに理解のズレのリスクが全くないことを意味するわけではない。ユーザーが曖昧な自然言語で目標を記述した場合、AIのランタイム自律的意思決定メカニズムが、ユーザーの期待と一致しない実行パスを生成する可能性がある。例えば、ユーザーが「販売パイプラインを整理して」と言った場合、Viktorは長期間フォローアップされていない商談を自動的に「失注」とマークするかもしれないが、これは企業の販売プロセスにおいてはより複雑な承認が必要となる場合がある。ゼロハードルは使用の敷居を下げるが、ビジネス目標の記述の正確性に対してより高い要求を突きつけることにもなる。
深夜の自動照合とクロスツールでのPPT生成、AIはいかにして「プロセス層」へと沈殿するか
@メンションが人間の指示への受動的な応答であるとすれば、Viktorの自動トリガーメカニズムはAI社員の主体性を示しており、これも従来のチャットボットとの差別化における中核的特徴である。Viktorの公式発表によると、同製品は人間の@を必要としない自動トリガーシナリオをサポートしており、例えば、深夜の決算・照合とエラーのマーキング、応募者の選別と面接電話の予約、6つのサイロ化されたツールを横断した取締役会向けPPTの生成、午前5時の定常運用作業の実行などが可能である。
これらのシナリオは重要なトレンドを明らかにしている。それは、AIが「会話層」から企業の「プロセス層」へと沈み込みつつあるということだ。OmniToolsの記事『日次アクティブユーザー数が業界2位の3～4倍に急増、Tencent WorkBuddyはオフィスエージェントのどの裂け目を切り開いたのか？』では、オフィスエージェントが非開発者層にどのようにサービスを提供するかが探求された。ViktorであれWorkBuddyであれ、その中核ロジックは、本来複数のシステムや複数の人手を要する固定プロセスを、AIが自動実行可能なアトミックタスクへとカプセル化することにある。
財務照合を例にとると、従来のプロセスでは、財務担当者はStripeから支払いデータをエクスポートし、Xeroから帳簿データをエクスポートし、ExcelでVLOOKUPを用いて比較し、差異項目を見つけ出して手動でマークする必要があった。このプロセスは退屈で時間がかかり、通常、財務担当者の2時間を費やす。Viktorはマネージド認証を通じて3200以上のツールに接続しており、システム時刻が深夜の設定ノードに達すると、Viktorは自動的にStripeとXeroにログインし、当日のデータを取得し、比較ロジックを実行し、エラー項目をマークしたレポートを財務チャンネルに送信する。プロセス全体に人的介入は不要で、公式発表によると所要時間はわずか6分である。
もう一つの例は、クロスツールでの取締役会向けPPTの生成である。経営幹部は、販売データ、製品の進捗状況、市場フィードバックを含むレポートを必要とする。従来の方法では、アシスタントはCRM、プロジェクト管理ツール、カスタマーサービスシステムをそれぞれ開き、データをコピーし、グラフを作成し、最後にPPTに貼り付ける必要があった。Viktorは午前5時にこの一連の動作を自動実行し、会話ウィンドウに完全なPPTファイルを直接出力することができる。
この自動トリガー能力を支えているのは、Viktorの組織レベルの記憶とコンテキスト認識メカニズムである。第三者評価によると、Viktorは永続的な記憶を備えている。財務担当者がUTMフォーマットや照合ルールに関するViktorの誤りを一度修正すれば、Viktorはそれを永続的に記憶し、その後のすべての関連タスクでそのルールを自動的に適用する。さらにはチャンネルの会話履歴を読み取り、過去の意思決定理由を自発的に説明することもできる。
このメカニズムにより、Viktorは単にタスクを実行するツールではなく、企業のベストプラクティスやビジネスルールを蓄積した「プロセス層」となる。これにより、人的なリマインダー、引き継ぎ、「感情管理」の摩擦コストが低減される。ベテラン社員が退職し、新入社員が入社しても、Viktorの記憶にあるルールとプロセスは依然として存在し、業務実行の継続性を保証する。
SlackからTeamsへ、PLGモデルはいかにして企業コンプライアンスの深海を越えるか
ViktorのMicrosoft Teamsへの接続は、その商業化プロセスにおける重要な一歩である。Slackは柔軟性と開発者への優しさで知られ、リーンなチームや最前線の企業にとっての「実験場」であるが、Microsoft Teamsこそが、より完全な部門構造、承認チェーン、組織図を持ち、「真の大規模組織」が存在する場所である。公式データによると、Teamsには3.2億人のユーザーがいる。ViktorのTeamsへの参入は、AI社員が「ギークのおもちゃ」から正式に「企業の中核的調達視野」へと入ったことを示している。
しかしながら、SlackからTeamsへの移行は、単純なプラットフォーム移行ではなく、PLGモデルがコンプライアンスの深海へと足を踏み入れる始まりである。Slackでは、ユーザーは数秒でアプリのインストールと認証を完了でき、この極めて低い摩擦がViktorのバイラル拡散の基盤となっていた。しかしTeamsでは、この数秒のインストールは、長いIT管理者の承認待ち行列、セキュリティレビュー（SOC 2コンプライアンス要件など）、アプリケーションガバナンスポリシーに置き換えられる。
大企業のIT部門は、データの読み書き権限を持つあらゆるサードパーティアプリケーションに対して高度な警戒心を持っている。Viktorはエンドツーエンドのタスク実行を実現するために、CRM、財務システム、さらにはコードリポジトリへの読み書き権限を取得する必要がある。この高い権限は、企業の調達サイクルを迂回できないことを意味する。ViktorがSlackで検証した「ボトムアップ」のPLG伝播経路は、TeamsではIT部門の「トップダウン」管理によって遮断される可能性がある。
この課題に対応するため、ViktorはTeams側でも100ドルの無料クレジットトライアルを開放し、クレジットカードの登録も不要としている。これは典型的な「楔（くさび）」戦略であり、IT部門がまだ気づいていないうちに、まず現場の従業員に製品価値を体験させ、内部からの声を高め、その後にIT部門にコンプライアンス承認を迫ることを狙っている。しかし、この戦略がTeamsエコシステムでどれほどの効果を上げられるかは、まだ観察が必要である。何しろ、エンタープライズレベルの調達決定は、製品体験だけでなく、コンプライアンスリスクとデータ資産の安全性に依存するからだ。
全自動実行の代償：ブラックボックスリスクと信頼のゲーム
Viktorが描く「ゼロハードル」と「全自動実行」のビジョンは、間違いなく企業の運営効率の痛点を突いている。しかし、実際の展開において、このモデルは無視できない信頼危機とブラックボックスリスクに直面している。
広範なカバレッジとエンドツーエンドの成果物納品を実現するために、Viktorは各ステップのきめ細かい制御を犠牲にしている。従来のワークフロー自動化ツール（n8nやZapierなど）は設定が煩雑であるものの、各ステップのデータフローとロジックの分岐は可視化されており、運用担当者はエラーを明確に特定できる。一方、Viktorのランタイム自律的意思決定メカニズムは、実行プロセスをある程度「ブラックボックス」化する。AIがCRMや財務システムへの「読み書き権限」を持つ場合、一度のモデルの幻覚や自然言語指示の誤解釈が、誤ったデータを本番システムに書き込み、データ汚染や業務中断を引き起こす可能性がある。
企業の調達意思決定者が最も懸念するのは、しばしば「誤操作」リスクである。AI社員がHubSpotの顧客情報を自動更新したり、Xeroで請求書を作成したりできる場合、厳格なユーザーごとの権限設定（Per-user permissions）や監査ログ（Audit logs）がなければ、一度の誤った実行がデータのロールバックと復旧に多大な人的労力を要する可能性がある。例えば、Viktorが販売パイプラインの自動整理中に、誤って高価値の商談群を「失注」とマークした場合、営業チームは重要な顧客リードを失う可能性があり、しかもその誤りが発覚するのは数日後かもしれない。
これらのリスクを防ぐために、企業は実際の使用において「承認優先のデフォルト設定」を有効にせざるを得なくなることが多い。これは、Viktorが重要な書き込み操作を実行する前に、人間の確認を待たなければならないことを意味する。この妥協はリスクを低減するものの、「全自動・無人化」のビジョンを崩し、人間の介入ステップを再導入することになる。「効率向上」と「誤操作の惨事」の間でいかにバランスを取るかは、すべてのAI社員製品が答えなければならない問題である。
Viktorの自動トリガーメカニズムは、新たな管理上の課題ももたらす。AIがイベントや時間に基づいて自律的にタスクを実行できるようになると、企業はAIの行動が常にビジネスルールとコンプライアンス要件に準拠していることを保証するための、全く新しい監視体制を構築する必要がある。厳格な権限管理、詳細な監査ログ、そして説明可能な意思決定パスは、AI社員が大規模に展開されるための前提条件である。これらの問題が適切に解決されなければ、AI社員は永遠に部門レベルの周辺的なシナリオに留まり続け、企業の中核業務フローに真に入り込むことはできないだろう。
SlackからTeamsへと至る中で、Viktorはエンタープライズ市場におけるゼロ摩擦インタラクションの魅力を実証すると同時に、大規模組織におけるPLGモデルのコンプライアンス上の抵抗も浮き彫りにした。AI社員が真に企業のインフラとなるには、より賢いモデルやより低いインタラクションの敷居だけでなく、企業の信頼を勝ち取るためのガバナンス枠組みが不可欠だ。効率と安全性のバランスが徐々に取れるようになって初めて、企業の自動化オフィスの臨界点が本当に訪れるだろう。
