自己変革できない業界に挑む、AI中心の企業づくり

既存のローカリゼーション企業には資本があっても、革新する自由がありません。私たちは、製品だけでなく事業運営全体にAIとエージェントを組み込み、Glossiaをゼロから設計しています。

大規模言語モデル(LLM)とエージェントは、あらゆるものを変革しています。ソフトウェアで何ができるかだけでなく、そのソフトウェアを生み出す企業のあり方も変えています。Glossia は、コンテンツをあらゆる言語に届ける方法を根本から見直す、世代に一度の機会だと捉えています。しかし、優れた製品アイデアだけでは不十分であることも理解しています。意義ある成果を上げるには、十分な速さで動ける組織が必要です。

この記事では、その後者について説明します。

イノベーターのジレンマがリアルタイムで進行している

ローカライゼーション業界は規模が大きく、潤沢な資金を有しています。Smartling、Phrase、Crowdin、Lokalise などの企業は、長年にわたってツールやサービスを構築してきました。顧客、収益、確立されたワークフローがあり、製品の販売とサポートに精通したチームも存在します。

それでは、なぜ 2 人だけのチームが挑戦するのでしょうか。

その理由は、Clayton Christensen が The Innovator's Dilemma で説明した現象にあります。既存企業が破壊的イノベーションを採用できないのは、リソースが不足しているからではありません。既存のビジネスモデル、顧客の期待、組織構造が、その採用を妨げるからです。

これらの企業は、翻訳メモリ、単語単位の料金体系、人間の翻訳者を中心としたワークフローを基盤として製品を構築してきました。その顧客も、これらの構成要素を前提とした考え方やプロセスを構築しています。基盤を変えることは、既存顧客との約束を覆し、チームを再教育し、収益モデルを再検討することを意味します。最善の意図と投資に十分な資本があったとしても、組織の慣性は極めて大きなものです。

新しいアイデアを受け入れるには、イノベーションを実行する能力と、従業員の強い関与が必要です。しかし、それ以上に難しいのは、既存顧客にも変化を受け入れてもらうことです。そして、その顧客は旧来のモデルにすでに投資しています。

私たちは、ここに機会があると考えています。リソースが少ないにもかかわらずではなく、少ないからこそ生まれる機会です。守るべきレガシーも、維持すべきワークフローも、移行させるべき顧客もありません。すべてをゼロから設計できます。

Note

イノベーターのジレンマは、技術の問題ではありません。インセンティブの問題です。既存企業は現在の顧客が求めるものに合わせて最適化するため、根本的に異なるものを追求することがほぼ不可能になります。

周辺ではなく中心に人工知能を置く

多くの企業は、既存のプロセスに人工知能(AI)を追加する形で導入します。ある場所にはチャットボットを、別の場所には提案エンジンを追加します。私たちは反対の方向に進みます。初日から会社全体を人工知能中心に設計します。

つまり、人工知能は製品の一機能ではありません。製品の構築、販売、サポート、運営の方法そのものを形作ります。私たちが下すすべての意思決定は、「これはエージェントに任せられるか」という問いから始まります。

製品自体が、利用者のターミナル上で動作するエージェントです。ソースファイルを読み取り、翻訳を生成し、継続的インテグレーション(CI)チェックを実行し、出力が合格するまで反復します。利用者が目にするのは、この部分です。しかし、その背後では、同じ考え方に基づいて事業を運営しています。

2 人のチーム、組織運営のオーバーヘッドはゼロ

私たちは、意図的にチームを可能な限り小さく保っています。現在は 2 人だけです。可能な限り長く、2 人または 3 人の体制を維持することを目標としています。

これは、費用を節約するためではありません。もちろん、費用面での効果はあります。目的は、利用者に価値をもたらさない作業を一つのカテゴリーごと排除することです。

人が増えるほど、より多くの調整が必要になります。信頼の仕組み、権限モデル、承認フローを構築する必要があります。対立を管理し、優先事項を調整し、会議を設定します。これらすべてに創造的なエネルギーが費やされ、製品の構築ではなく、人間の組織を維持するために使われます。

2 人であれば、そのすべてを省略できます。互いを全面的に信頼しています。2 人ともすべてにアクセスできます。オーバーヘッドも、社内政治も、プロセス自体を目的としたプロセスもありません。

この体制を規模の拡大に対応させるため、その他のすべてをエージェントに委任しています。

Discord、人工知能エージェント、単一のコマンドライン

少し変わって聞こえるかもしれませんが、私たちの主要なビジネスインターフェースはDiscordサーバーです。

そこには、OpenAIを活用し、事業運営に必要なすべてのツールへアクセスできるAIエージェントが接続されています。ウェブダッシュボード、分析プラットフォーム、管理パネルを行き来する代わりに、私たちはエージェントと対話します。テキストとボイスが操作の基本単位です。

エージェントを通じて、私たちはどちらも次のことを実行できます。

  • マーケティングおよびプロダクト分析のデータを照会する
  • 本番サーバーを調査する
  • 市場調査を実施する
  • 顧客からのフィードバックを収集する
  • ウェブ閲覧を通じて競合分析を実施する
  • コンテンツの草案を作成し、コピーをレビューして公開する

これらを行うために、一方が他方へ依存することはありません。エージェントは、私たちのアプリケーションプログラミングインターフェース、データベース、監視ツールへアクセスできます。ウェブを閲覧し、ドキュメントを読み、情報を統合できます。必要なのは、Discordサーバー、OpenAIインスタンス、大規模言語モデルのキーです。これが会社のオペレーティングシステムです。

Tip

小規模なチームを構築し、調整に伴う負担を減らしたい場合は、テキストとボイスを事業運営の主要なインターフェースにすることを検討してください。チャットチャンネル内の共有エージェントは、多数のダッシュボードを置き換え、ほとんどの社内ツールを不要にできます。

意図的な技術選定

私たちは技術スタックを慎重に選定しています。これは、開発速度と運用コストに直接影響するためです。

エージェント(コマンドラインインターフェース): Goを選びました。ユーザー側に実行時の依存関係を必要とせず、複数のプラットフォーム向けに単一の移植可能なバイナリとしてコンパイルできます。

サーバー: ElixirErlangのランタイムを選びました。Elixirの関数型言語としての性質は、エージェント型ワークロードに非常に適しています。Erlang仮想マシンは、並行処理と耐障害性において実績があります。さらに、AIエージェントは稼働中のErlangシステムを内部調査し、何が起きているかを把握して知見を収集し、本番環境の問題を修正することさえできます。

インフラストラクチャ: すべてを単一の仮想専用サーバー上で稼働させています。Glossiaの本番サーバーだけではなく、周辺サービスもすべて含まれます。データベースにはPostgreSQL、プライバシーに配慮した分析にはPlausible、テレメトリーと可観測性にはGrafanaを使用しています。すべて、各要素の配置先を記述したバージョン管理下のインフラストラクチャ定義からデプロイされます。

これにより、コストを極めて低く抑えられます。サードパーティーのクラウドサービス、マネージドデータベース、サービスとしてのプラットフォームを提供する事業者には依存していません。外部依存はいくつかありますが、自社で再現するには長期間を要し、費用に合理性があるものに限定しています。

複数のサーバーへ拡張する時期が来たら、このモデルを発展させます。しかし、この構成で非常に長い期間にわたって運用できると考えています。そして今は、規模を大きくすることよりも、迅速に進めることが重要です。

Important

エンジニアが早い段階で導入しがちな技術的複雑性を、私たちは意図的に避けています。Kubernetes、マイクロサービス、複数リージョンへのデプロイなどです。現段階ではどれも必要なく、導入すればすべて開発速度の低下につながります。

この運用方法が可能にすること

この方法で会社を運営する目的は、効率化だけではありません。提供できるものと、学習できる速度そのものが変わります。

ユーザーにとって低価格です。 ローカライゼーション業界では、複雑な料金体系、単語単位の料金、法人向け営業プロセスによって、ツールを利用しにくいものにしてきました。翻訳ワークフローに調達手続き、料金交渉、プロジェクトマネージャーが必要であれば、ほとんどの小規模チームは英語版だけをリリースすることになります。運用コストをほぼゼロに抑えることで、誰もが実際に利用できるものを提供できます。

イノベーションの加速。 私たちは多くのアイデアを探求したいと考えています。エージェントのための新しいインターフェース、より効果的なフィードバックループ、言語専門家をワークフローに組み込む新しい方法などです。従来型の企業であれば、人員を増やし、チーム間で調整し、ロードマップのレビュー日程を設定する必要があります。私たちは、まず試します。アイデアがデプロイ済みの実験になるまでの期間は、四半期単位ではなく時間単位です。

構築するものだけでなく、働き方にも問いを立てる

私たちは、従来のやり方に固執していません。エージェントがコードの大半を書く状況で、コードレビューとは何を意味するのか。人間が2人しかいない場合に、どのように協働するのか。エージェントが稼働中のシステムを調査できる場合に、どのようにバグを修正するのか。私たちは、こうした点を積極的に問い直しています。

私たちは間違いを犯します。これからも間違いはなくなりません。しかし、事業の設計と運営の方法について柔軟な姿勢を保つことで、製品に影響を与えるアイデアを発見し続けています。私たちの運営方法と、私たちが構築するものは別々ではありません。それらは同じものです。

McKinseyは最近、人工知能エージェントが企業運営の主要な担い手となる新しい運営モデルを「エージェント型組織」と表現しました。私たちは、それをモデルだとは考えていません。それが、私たちの通常の働き方だからです。

私たちの賭け

適切なツールと考え方を備え、組織的なしがらみを持たない2人のチームなら、数百人の従業員と数百万規模の資金を持つ企業よりも速く前進できる。私たちは、そう確信しています。あらゆる面で上回るという意味ではありません。重要なのは、本質的に優れたローカライゼーション体験を提供することです。

業界は、自らを根本から再構築できません。私たちには、それができます。

始める準備はできましたか?

コードをリリースするのと同じ確信を持ってコンテンツをリリースしているチームに参加しましょう。

お問い合わせ