有価証券報告書を自分で探したことのある人なら、EDINETの検索に手を焼いた記憶があるはずです。会社名を入れても目当ての書類にたどり着けない、期間や書類別の指定が思うように効かない——金融庁が運営するこの開示システムは、データの宝庫でありながら、検索の使い勝手で長く利用者を悩ませてきました。

その不満に、AIの側から答える動きが出てきました。EDINETの開示データを整え直して提供する独立系サービス〈EDINET DB〉が、自社のデータをMCPという規格でAIに直接つなぐためのガイドを公開したのです。「ROEの高い割安銘柄を条件で絞り込む」「ある企業の直近五期の売上推移を取り出す」——こうした、これまで検索画面と格闘して組み立てていた作業を、AIに話しかけるだけで返してもらえる。EDINETを人間が探す時代から、AIに探させる時代へ、という転換です。

小さな機能追加に見えて、この動きはソフトウェアという産業の地図そのものに触れています。AIがデータベースを直接たたけるようになると、私たちと道具の関係は根こそぎ変わる。そして、つなぐほど賢くなるはずのAIが、つなぎすぎたとたんに鈍り始める——その逆説のなかに、これからの勝負どころが隠れています。

※MCP＝Model Context Protocol。AIエージェントが外部のデータやツールに接続するための共通規格。2024年11月にAnthropicが提唱し、その後OpenAIやGoogle、Microsoftも採用して事実上の標準になった。

※API＝Application Programming Interface。ソフト同士が機能やデータをやり取りするための窓口。

※CLI＝Command Line Interface。文字コマンドでソフトを操作する方式。

AIが画面を飲み込む日 Executive Summary（情報図解）

「画面」を覚える時代の終わり

私たちは長らく、ソフトごとに別々の操作を覚えてきました。会計ソフトにはこの画面、顧客管理にはあの画面、財務データの検索にはまた別の画面。それぞれにログインの作法があり、ボタンの位置があり、独自の用語がありました。ソフトを使いこなすとは、画面の地理に習熟することでもあったのです。

ところが、AIエージェントがAPIやMCPを装備すると、この前提が崩れます。

人間はもう、個々のソフトの画面を気にする必要がありません。AIに「直近五期のこの会社の利益率の推移を教えて」と話しかければ、AIが裏側で適切なデータベースに接続し、必要な機能を呼び出し、結果を返してくれます。画面という中間層が、対話の背後に隠れていくのです。

この変化を、ひとつの言葉で捉えるなら「ユニバーサルUI」です。AIチャットの一枚の画面が、あらゆるソフトへの共通の入口になる。利用者の側から見れば、覚えるべき操作は「言葉で頼む」という一種類だけになります。

冒頭で触れた金融データベースのMCP対応は、この流れの具体的な一例です。これまでなら専用サイトにログインし、検索条件を画面で組み立てていた財務開示データへの問い合わせが、AIとの対話のなかに溶け込みます。データそのものは金融庁のEDINETに由来する開示情報ですが、それを束ねて整え、AIが扱いやすい形で差し出す独立系サービスが、入口の役割を担っているわけです。

※EDINET＝金融庁が運営する、上場企業などの有価証券報告書等の電子開示システム。本稿で触れたデータベースは、そのEDINETの開示情報を加工・提供する独立した第三者サービスであり、金融庁やEDINETの公式サービスではない。

この延長線上に何があるかを突き詰めると、ひとつの像が浮かびます。かつてスマートフォンの世界で「スーパーアプリ」という概念が語られました。一つのアプリの中に、決済も、チャットも、配車も、買い物も収まる構想です。AIエージェントは、それをさらに推し進めた姿に見えます。

つまり、AIエージェントが事実上のOS（基本ソフト）になる、という見立てです。

個々のアプリが土俵だった時代から、アプリを呼び出す側のAIが土俵になる時代へ。私たちが向き合う相手が、アプリの集合から、それらを束ねる一人の「執事」へと移っていく。この構図の転換こそが、本稿の出発点です。

※OS＝Operating System。ハードウェアやアプリを束ねて動かす基盤となるソフト。WindowsやスマートフォンのiOS/Androidが代表例。

SaaSは死ぬのか、増幅されるのか

入口がAIに移ると、真っ先に揺らぐのが「画面を売る」という商売の前提です。これが、業界で「SaaSの死」と呼ばれて議論されているテーマです。

論点を公平に整理します。「SaaSの死」という言葉は、しばしば誇張されて受け取られます。クラウド型のソフトが消える、という意味ではありません。揺らぐのは、ソフトを「画面つきの製品」として売り、利用者数に応じて課金する、という旧来のモデルの中心的な地位です。

なぜ揺らぐのか。AIエージェントが目的を受け取り、必要なシステムを自動で束ねて動かすようになると、個々の画面や手作業の連携が要らなくなる場面が増えるからです。「来期の販売予測を作って経営層に共有しておいて」と頼めば、AIが複数のシステムを横断して段取りを組む。このとき、それぞれのソフトが誇ってきた使いやすい画面は、出番を失います。価値の源泉が、画面の良し悪しから、その裏で動く機能とデータの質へと移るのです。

ここで、安易な悲観に傾く前に、反対側の力も見ておく必要があります。MCPは、SaaSにとって脅威であると同時に、増幅装置でもあるからです。

MCPはしばしば「AIのUSB-C」と呼ばれます。これまでなら、AIと各ソフトをつなぐには、組み合わせの数だけ専用の接続を作る必要がありました。MCPという共通規格は、その手間を一度の実装に集約します。つまり、自社のソフトをMCPに対応させれば、世界中のAIエージェントから呼び出される側に回れる。画面を入口にしていた頃には届かなかった利用シーンに、機能を差し出せるようになるのです。

実際、MCPを「翻訳層」として位置づける見方が広がっています。AIに自社システムへ直接触らせるのではなく、AIからの要求を管理された窓口で受け止め、データの提供や操作の実行を標準化された形でさばく。こうすれば、会話型の入口という潮流を受け入れながら、自社の中核システムの統制は手放さずに済みます。

ここに、ビジネスの本質に通じる教訓が見えます。

技術の地殻変動が起きるとき、ある資産は脅かされ、同じ資産が別の文脈では武器に変わる。両者を分けるのは、自分の価値の源泉がどこにあるかを正しく見定められるかどうかです。画面の美しさだけで勝負していた事業は削られ、機能とデータに固有の価値を持つ事業は、入口がAIに移っても呼び出され続ける。むしろ、より多くのAIから呼び出されることで、これまで届かなかった需要をつかむ可能性すらあります。

もう一点、見落とせない事実があります。世の中のソフトのUI/UXには、AIにとって扱いにくいものが、実はかなり多いという現実です。人間の目と手を前提に設計された画面は、AIエージェントが機械的に操作するには冗長で、判断に迷う要素に満ちています。これは裏を返せば、AIエージェントが使うことを前提とした、新しいUI/UXの設計という領域が、これから大きく開けるということです。人間が見る画面と、AIが叩く窓口は、別々の思想で設計されるべき時代に入りつつあります。

つなぐほど賢くなる、という半分の真実

ここまでの流れは、ひとつの楽観に行き着きそうに見えます。AIエージェントは、つなぐ先が増えるほど、より豊かな分析と出力ができるようになる——確かに、この方向性は本質的に正しい。

財務データに加えて、社内の販売実績や、業界のニュース、過去の議事録までAIがつなげられれば、答えの解像度は上がります。API、MCP、CLIという「装備」が、今後もソフトウェア連携のメインストリームであり続けることは、まず間違いありません。冒頭の金融データベースのMCP対応も、この大きな流れの一滴です。

しかし、この「つなぐほど良い」という直感は、半分しか正しくありません。残りの半分に、本稿の核心があります。

つなぐ先を増やしすぎると、AIの精度はかえって落ちるのです。

理由はAIの仕組みにあります。AIエージェントは、利用できるツールの一覧を、判断の材料としていったん頭の中（コンテクスト）に読み込みます。ところが、ツールの説明文は意外なほどかさばります。ある分析では、二十八個の項目を持つツール一つで約千六百トークン、三十七個のツールをつなぐと六千トークンを超える、と報告されています。読み込む情報が膨らむほど、AIの注意は薄まり、判断は鈍ります。

※トークン＝AIが文章を処理する際の最小単位。おおむね単語や文字の断片に相当し、AIが一度に扱える量（コンテクスト）には上限がある。

問題は分量だけではありません。似たような働きのツールが何十個も並ぶと、AIはどれを呼ぶべきか迷い、存在しないツール名を作り出したり、別のツールの引数を取り違えたりし始めます。これは「コンテクスト汚染」、あるいは「コンテクスト混乱」と呼ばれる現象です。無関係で重複した、ときに矛盾する情報が頭の中に溜まり、AIの推論を曇らせるのです。百を超えるツールをつないだ環境では、この種の取り違えが目立って増えると報告されています。

数字は、この問題の深刻さを物語ります。Anthropicの技術記事によれば、ツールの定義や中間結果をそのままAIに読ませる従来のやり方では、ある作業に十五万トークンを要したものが、必要な定義だけをその都度読み込む設計に変えると二千トークンで済んだといいます。実に九十八・七パーセントの削減です。同じ作業でも、何をどう読ませるかの設計次第で、かかる負荷とコストが桁違いに変わるわけです。

ここから導かれる結論は明快です。「つなげばつなぐほど良い」という素朴な礼賛は、危うい。価値が高まるのは、つないだ先を無造作に全部読ませたときではなく、その瞬間に必要なものだけを、整えて差し出せたときなのです。

コンテクスト設計という新しい職能

つなぐ力が当たり前になった世界では、競争の焦点は「何をつなぐか」から「何をつながないか」へと移ります。これが、コンテクスト設計と呼ばれる領域です。

実務での解き方は、すでに形を見せ始めています。たとえば、ある決済プラットフォームの三十を超えるAPIと二百以上の窓口を、AIには三つの層——探索、計画、実行——だけを見せる形に整理した事例があります。深さを失わずに、AIが一度に向き合う選択肢を絞り込む。この「絞り込みの設計」こそが、AI活用の成否を分ける要になりつつあります。

立ち止まって考えると、この構図はビジネスの古い知恵と響き合います。

優れた経営は、できることを全部やることではなく、やらないことを決めることだ、としばしば言われます。情報も同じです。手元に集められる材料が無限に近づいたとき、価値を生むのは収集量ではなく、捨てる判断の質に移ります。AIに何でもつなげる時代だからこそ、何を見せ、何を見せないかを設計できる人と組織が、抜きん出ます。

専門家を一人雇う場面を想像すると分かりやすいかもしれません。優秀な助言者ほど、机の上に資料を山積みにはしません。その案件にいま効く数枚だけを手元に置き、残りは引き出しにしまっておく。AIエージェントに求められているのも、まさにこの引き出しの設計です。つなぐ先は引き出しの中に控えさせ、必要な瞬間にだけ取り出す。先ほどの三層構造も、この発想の技術的な表現にほかなりません。

冒頭の金融データベースのMCP対応に、この視点で立ち返ってみます。

このサービスが提供するのは、十五ほどの整理されたツール群です。企業の基本情報、財務の時系列、ランキング、条件での絞り込み。雑多な窓口を無造作にぶちまけるのではなく、用途ごとに役割が切り分けられている。これは、AIエージェントが扱いやすいように、つなぐ先の側があらかじめ整えておくという発想の現れです。つなぐ側の設計だけでなく、つながれる側の設計もまた、コンテクストの質を左右する。両者がかみ合ったとき、財務開示というかたい一次情報が、ようやくAIの推論に素直に乗るのです。

※一次情報＝報道や解説などの加工を経ていない、出所そのものの情報。財務開示でいえば、企業が自ら提出した有価証券報告書などの原典がこれにあたる。

結びに代えて — 装備の時代の作法

ここまでの議論を、一本の線で結びます。

AIエージェントがAPIやMCPやCLIを装備することで、人間はソフトの画面から解放され、チャットという万能の入口を手にしつつあります。その先には、AIエージェントがOSのように振る舞う世界が見えています。この潮流のなかで、画面だけを売ってきたソフトの前提は揺らぎ、しかし機能とデータに固有の価値を持つサービスは、むしろAIに呼び出されることで力を増します。

そして最後に残るのが、つなぎすぎの罠です。つなぐ力が万人のものになったとき、差をつけるのは、つなぐ量ではなく、捨てる設計の質になります。

私たちが身につけるべき作法は、それほど目新しいものではないのかもしれません。情報を浴びるほど賢くなるわけではない。要るものを見極め、要らないものを置いてくる。AIという強力な装備を手にしたいまだからこそ、この古典的な節度が、これまで以上にものを言います。万能の入口を得た先で問われるのは、入口の広さではなく、そこに何を通すかという判断なのです。

参考文献