何が起きたか
創業7年のSkan AIが水曜日、6,300万ドルのシリーズCを発表しました。共同リードはCathay InnovationとDell Technologies Capital、Citi Ventures、Bloomberg Beta、State Farm Ventures、Wipro Venturesが参加しています。累計調達額は約1億2,000万ドルです。
同時に発表されたのが、Skan AI BlueprintとSkan AI Agentsの一般提供開始です。既存のSkan AI Intelligenceと合わせ、業務プロセスの「発見・モデル化・自動化」を一本の線でつなぐプラットフォームという位置づけになります。
なぜ重要か：エージェントが失敗する原因の再定義
CEO兼共同創業者のAvinash Misra氏（共同創業者はManish Garg氏）の主張は明快です。モデルは十分に賢い、足りないのは投入先の業務についての正確な像である、と。業務手順書やSOPは、実際の仕事の進み方とは違う——この差分こそがエージェント失敗の温床だという整理です。
傍証として引かれるのが、AIエージェントを本番稼働させている企業は8％にすぎず、初期実装の95％は全面的な再設計を要するというGartnerの調査、そして昨年Fortuneが報じたMITのレポート（生成AIの企業パイロットの約95％が測定可能なリターンを出せなかった）です。Misra氏はこれを「より良いドライバーを作ることに皆が夢中だが、より大きな機会はより良いナビゲーションシステムを作ることにある」と表現しています。
プロセスマイニングとの違い：「確定状態の間」を取りに行く
Skanは従業員のデスクトップに観察技術を配置し、表計算・CRM・メールクライアント・メインフレームをまたいで仕事がどう流れるかを見て、背後の業務プロセスのモデルへ抽象化します。
ここでCelonisなどのプロセスマイニング勢と明確に線を引きます。バックエンドのシステムログは定義上「確定した状態」しか捉えられない。仕事とは確定状態と確定状態の“間”で起きているものであり、AIの観点で関心のある対象の80％はシステムとシステムの間に横たわる、という主張です。40年前のメインフレームと20年分のUI設計が積み重なった現場ほど、この“間”は厚くなります。
Misra氏は「難しいのは画面の観察ではなく、画面に映るものからの抽象化＝意図の抽出だ」とも述べています。技術的な重心はキャプチャではなく解釈側にある、という自己定義です。
監視への懸念にどう答えているか
デスクトップ観察は、当然ながら従業員監視の問題と隣り合わせです。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の懸念を受けて縮小したと報じています。
Skanのアーキテクチャは、当時AXA Mexicoの最高変革責任者だったDelphine Icart氏からの「素晴らしいアイデアだが、あなたたちは着地前に死んでいる（dead on arrival）」——オペレーターのプライバシーと画面上のデータ主権を侵している——という指摘を受けて形作られたといいます。
結果として採られたのが、個人を特定せず集約する設計です。数百人規模の統計的パターンを浮かび上がらせる、対象アプリケーションとURLを限定するオプトイン型のスコープ設定、データは企業のファイアウォールの外に出さず、三層アーキテクチャで匿名化されたメタデータのみをクラウドへ送る。Misra氏は欧州の労使協議会（works council）の承認を得た導入実績を、この設計が持ちこたえた証拠として挙げています。ただし同氏は、この技術によって一部のプロセスで人員削減に至った顧客がいることも認めています。
数字をどう読むか
累計5億ドル超の顧客価値という数字については、Misra氏自身が「特定された・見込まれる削減額であり、回収のロードマップ上にあるもの。銀行残高として実現した削減ではない」と説明しています。ここは読み手側で割り引く必要があります。
一方、個別事例はより具体的です。米大手銀行では1,500人の財務プロフェッショナルにわたる1,120万回のコンテキストスイッチを観測し、3,700万ドル相当の業務摩擦を特定。観測結果をエージェントが実行できる文脈に変換した結果、取引あたりコストが32％減、スループットが41％増、年換算1,800万ドルの削減に至ったとしています。ある銀行のマネーロンダリング対策業務では、案件の60％をAIエージェントが処理し、精度は人間を上回るとされます。保険では中核の保険金支払プロセスでおよそ25％の生産性向上が典型で、ある顧客は査定担当を増やさずに1年で案件量を倍にしたといいます。
公開可能な顧客としては、従業員福利厚生の大手Unum（売上138億ドル）と英国の施設管理企業Mitieが挙げられています。Mitieの最高技術・デジタル責任者Cijo Joseph氏は「前例のない業務可視性が、我々のAI変革を劇的に加速させた」とコメントしています。収益は非開示ながら、前年比300％超の成長が2年連続、ネット・ダラー・リテンションは約150％、米国の上位10行のうち7行とFortune 50の4分の1が顧客だとしています。
設計思想：記録再生ではなく「業務という言語」
Misra氏はSkanのアプローチをOpenAIに擬えます。世界中のテキストをTransformerに投入して意味理解が創発したように、業務プロセスの実行を一つの言語として扱い、モデルに経路の分布全体を学ばせたうえで制約をかける。UiPathなどの競合が採る記録再生（record and play）とは根本的に違う、という主張です。
興味深いのは「最長経路が最良の経路かもしれない、なぜならそのほうがコンプライアンスに適合しているから」という一言です。効率だけを最適化対象にしない設計思想が、統制の効いた金融業務に受け入れられた理由を示唆します。実際、ある大手銀行ではSkanのテレメトリが600ページの統制インベントリと実行中の案件を継続的に突き合わせ、必要な統制手続きが欠けた案件にエージェントがアラートを出しています。
💼 事業会社視点：これは自社にどう効くか
日本企業にとっての本丸は、AIエージェントの導入が進まない理由を「モデル選定」や「PoCの作り方」に求めてきた診断そのものの見直しです。Gartnerの本番稼働8％、MITのパイロット失敗約95％という数字は、多くの日本企業の現場感と一致するはずです。Skanの主張が正しければ、原因は業務が文書化されていないこと——SOPと実態の乖離——にあります。
特に効くのは、Excel・基幹システム・メール・場合によっては旧世代のメインフレームをまたいで人が“つなぎ”をしている業種です。損保・生保の査定、銀行の事務センター、そして日本の商社・製造業のバックオフィス。ここでは実行知が個人の手順に埋まっており、システムログを掘っても出てきません。Skanが「80％はシステムの間にある」と言うのは、まさにこの領域です。
受託開発・SIerにとっては、業務調査工程の価値が問われます。ヒアリングとAs-Is作成に人月を積む方式は、観測データを持つ側と競合します。逆に言えば、観測ツールの導入と、そこから得た文脈をエージェント実行可能な形に落とす設計は、新しい上流商材になり得ます。
SaaS・ECの事業責任者は、自社プロダクトの外で顧客が何をしているかを可視化する発想として読むべきです。ログは自社画面の中しか写しません。
打ち手は三つ。第一に、自社のSOPと実態の乖離を一プロセスだけ実測してみること。第二に、導入検討時は労使への説明設計を技術選定と同時に始めること（Metaの事例と欧州労使協議会の対比が示す通り、ここで死ぬ）。第三に、ベンダーが提示する「削減額」が見込みか実現かを必ず切り分けること。Skan自身が5億ドルを「見込み」と認めています。