詳細を読む
米VentureBeatは2026年10月6日、企業AIエージェントが業務用語を理解するための文脈源について、VB Pulseの8月調査を報じました。回答企業の67％が統制されたセマンティック層を運用・試行・構築中だった一方、それをエージェントの主要な文脈源とした割合は13％にとどまり、文書検索や業務システムへの直接照会が先行しています。
主要な文脈源は、文書検索が32％、SQL・API・MCPサーバーなどを使う直接照会が21％、大量の文書や記録をモデルに渡す長文脈読み込みが19％でした。セマンティック層は6月の21％、7月の19％、8月の13％と低下しており、整備が進んでもエージェントがそこを参照するとは限りません。
文脈の欠落や不整合に起因する「確信を伴う誤答」を過去6カ月に経験した割合は、8月で64％でした。セマンティック層の運用・試行・構築企業では78％、評価中または導入予定なしの企業では37％でしたが、調査は因果関係を特定していません。正しい定義があるため誤答を検出しやすい可能性と、問題を経験した企業ほど同層を構築した可能性の両方があります。
製品の設計は分かれています。OpenAIのData agentはSnowflake、Databricks、BigQueryなどへ直接接続し、SlackやBIダッシュボード、ファイルの文脈を都度まとめますが、永続的な文脈層は作りません。Keewanoは取り込み時に文脈を付加し、Snowflakeはアクセス制御と事前の文脈準備を組み合わせています。
企業が確認すべきは、セマンティック層の有無だけでなく、エージェントが実際に何を読み、業務定義とアクセス制御をどこで付与するかです。直接照会や長文脈読み込みにも統制された意味を組み込めますが、調査は各社が実施しているかを明らかにしていません。経営者や開発責任者には、導入率だけでなく、文脈の経路と誤答の検出方法まで設計する視点が重要です。