NVIDIA対談：ジェンスン・フアン氏が語る「エンタープライズ・スーパーエージェント」とAIハーネスへの転換
2026年7月10日 - NVIDIAとLangChainによるエンタープライズAIエージェントに関する対談
はじめに
ハリソン：ジェンスンとこうして対談できることを嬉しく思います。この1年、特にここ数ヶ月でAIとエージェント技術は飛躍的な進歩を遂げました。性能向上は目覚ましいものがありますが、同時に、モデルやシステムにおけるオープン性、制御、そして信頼性の重要性がかつてないほど高まっています。
NVIDIAがオープンなエージェント・エコシステムに投資する理由
ジェンスン：まず質問に答える前に、君のこれまでの取り組みを称賛したい。AI業界で15年働いてきた我々にとっても、過去6ヶ月はすべてを変えるほどのインパクトがありました。大規模言語モデル（LLM）の進化、スケーリング、ブレークスルー、オムニモデルやマルチモーダル技術といったあらゆる要素が、この半年で結実し、ようやくAIが「実用的なツール」となりました。AIが有用なものになれば、世界中のあらゆる企業がそれを求めて動き出します。そこで重要になるのが「どうやって実現するか」であり、LangChainの出番です。君は以前から、LLMは不可欠な基盤技術であるものの、それを実用的な製品にするには「ハーネス（Harness）」で囲い込む必要があるというビジョンを掲げていた。それこそが鍵なのです。
ハリソン：まさにその通りです。
ジェンスン：かつて我々は、LLMをプロンプト可能なAPIに変えるためにLangChainを使い、RAG（検索拡張生成）を構築し、ステップバイステップで現在のエージェントへと進化させてきました。この6ヶ月の最大のブレークスルーは、情報や知識に基づき、ツールを使って検索を行い、メモリを管理し、セーフガードを備え、タスクが完了するまで試行錯誤できる「エージェント型システム」の登場です。モデル自体の能力が臨界点に達したことで、すべてが一つに繋がりました。Claude Codeがエージェント型システムに対する想像力をかき立て、OpenClawや君たちが取り組んだDeep Agentsも大きな役割を果たしました。我々自身もそれを活用しており、すべてが融合して今のエージェント型システムが誕生したのです。
ジェンスン（続き）：我々がオープンシステムに注力し続けてきた理由は、AIが極めて根源的な技術だからです。様々なユースケースに適用されて初めて真の価値が生まれます。言語や認知能力といった最初のユースケースはもちろん重要ですが、科学者やデジタル生物学者、デザイナー、ロボット工学者、学生、研究者、そしてエンタープライズITの現場で、AIエージェントがドメイン特有の問題を解決する世界を我々は想像しています。専門的なドメイン知識をAIに埋め込む必要がある場合や、AIを「フライホイール（弾み車）」として活用し、使うほどに賢く、有用になる「スーパーエージェント」へと進化させる場合など、AIは人間のように時を経て学習していくのです。
ハリソン：時を経て学習する、ですね。
ジェンスン：AnthropicやOpenAI、Googleが取り組んでいる基盤モデルは素晴らしいものです。しかし、人々が構築したいのは専門特化型や独自ドメインに最適化されたAIであり、我々はその世界を実現したいと考えています。
エージェント型システムをいかに専門特化させるか
ハリソン：専門特化という点について掘り下げさせてください。システムを専門化させるには、モデルそのものに注力すべきでしょうか、それともハーネスや外部コンテキストに注力すべきでしょうか？
ジェンスン：専門化の第一歩は、十分な知能を持つモデルを確保することです。だからこそ我々はNemotronを開発し、君がNemotron Coalitionの創設メンバーであることを嬉しく思っている。Nemotron Ultraは素晴らしいモデルですが、LangChainフレームワークという「ハーネス」で囲い込み、ドメイン特有の情報に基づかせることで、真に強力なモデルへと進化します。優秀な人材も、重要な情報にアクセスできて初めて真価を発揮するのと同じです。LangChainのハーネス内でモデルをポストトレーニング（事後学習）し、ハーネスを使いこなせるように最適化することこそが重要です。
ハリソン：そのタスクで何をさせたいか、という点ですね。
ジェンスン：その通り。今こそ、我々自身で構築し、適用し、時間をかけて改善していけるオープンなハーネスシステムが必要なのです。
ハリソン：モデルが「十分な性能」に達したという点に同意します。フロンティアモデルなら1年前、オープンウェイトモデルでも半年前にその閾値を超えたと感じています。
ジェンスン：同感です。
Deep AgentsにおけるNemotron 3 Ultraのフロンティア級性能
ハリソン：Nemotron 3 Ultraについてですが、Deep Agentsで最高のパフォーマンスを発揮できるよう、モデルに合わせてハーネスを微調整しました。モデルごとに最適なプロンプトやツールが異なるからです。その結果、内部ベンチマークで86%というスコアを達成しました。
ジェンスン：素晴らしい。
ハリソン：比較対象として、Claude Opusが87%、DeepSeekやMinimaxの一部モデルが82〜83%です。オープンウェイトモデルがフロンティア級の性能に達しつつあることが分かります。
ジェンスン：誇らしい限りです。本当に信じられないほどの成果です。
ハリソン：さらに重要なのは、Opusの10分の1のコストで実現できるという点です。オープンウェイトモデルは性能とコストのバランスを最適化し始めています。このコスト構造の変化が、開発者にどのような影響を与えるとお考えですか？
コストが開発者に与える影響
ジェンスン：コスト効率の高い知能には、二つの大きなメリットがあります。第一に、コストが安ければ人々はより多くのAIを使うようになること。第二に、エージェントが安価であれば、より広範な探索空間を試行錯誤でき、結果としてより良い回答が得られることです。Nemotronは計算効率が非常に高いため、高速に思考し、より多くの選択肢を探索できます。これは人間が素早く考え、試行錯誤を繰り返すことで最善の答えに辿り着くのと同じです。
ジェンスン（続き）：LangChainフレームワークとDeep Agents内のNemotron 3 Ultraは、高速かつ効率的にイテレーションを回せるため、より質の高い回答を導き出せます。モデルそのものをフロンティア級に近づけただけでなく、周囲の環境を調整することでフロンティア級の能力を引き出せたことは大きな成果です。人間の場合も同じで、優秀な人材を採用するだけでなく、ツールや情報、そして最大限の能力を発揮できる環境を提供することが重要です。LangChainの役割はまさにそこにあります。
ハリソン：コストと速度が改善されれば、より多くの知能を活用できるという点には強く同意します。AI先行型で考えてきましたが、知能やトークンに対する需要がこれほどまでに巨大であることは過小評価していました。フロンティアモデルとオープンソースモデル、それぞれをどのように使い分けるべきでしょうか？
フロンティアモデルとオープンモデルの使い分け
ジェンスン：フロンティアモデルは常に進化しており、今後も驚異的な性能向上を続けるでしょう。スケーリング則は健在であり、メモリ管理やRAG、ナレッジグラフ技術なども急速に進歩しています。私の仕事の進め方としては、まずはフロンティアモデルから着手します。
ハリソン：なるほど。
ジェンスン：理由は単純で、有用だからです。多少コストはかかっても、作業を完了させるまでの時間が圧倒的に早いからです。
専門特化型スーパー・サブエージェントの構築
ジェンスン：しかし、時間が経つにつれて、特定のスキルに特化した「サブエージェント」を追加したくなります。例えば、サプライチェーンの最適化やチップ設計のフロアプラン最適化といった、極めて難易度の高い問題です。汎用AIに任せるだけでは不十分なケースでは、Deep AgentsとNemotron 3を組み合わせ、専門ツールに接続した「スーパー・サブエージェント」を構築します。このエージェントは旅行予約などではなく、サプライチェーン最適化という一つの任務のために存在します。こうしたケースでは、LangChainとNemotron 3 Ultraを使い、独自の知識とスキルを接続し、専門チームがそれを洗練させていくのです。
ジェンスン（続き）：企業とは、こうした独自のワークフローの集合体です。LangChainとDeep Agents、そしてNemotron 3を組み合わせることで、企業は必要な制御能力と効率的なツールへのアクセスを手に入れる。これこそが未来です。
企業へのアドバイス：専門化のタイミング
ハリソン：フロンティアモデルから始めて専門化へ移行する際、企業はどのタイミングで専門化を検討すべきでしょうか？
ジェンスン：「十分な性能」に達した瞬間です。まずはClaude CodeやCodexなどを使い倒すべきです。多くの業務ではそれで十分かもしれません。しかし、企業が専門家を雇い、コンサルタントを使い、外部ツールをライセンスするのと同様に、AIにおいても「自社の宝」となるような特化型スーパーエージェントを構築する時代が必ず来ます。
ハリソン：コンサルタントを招く際、組織の文脈やツールへのアクセス権を教え込む必要があるのと同じですね。AI導入が進むにつれ、信頼性、安全性、ガバナンスを確保するためのシステム構築が不可欠になります。今日の企業は「ビジネスプロセス」の上に成り立っていますが、今後はどう変わるでしょうか？
ビジネスプロセスから「ハーネス」主導の企業へ
ジェンスン：将来、企業の基盤はビジネスプロセスから「ハーネス」に変わるでしょう。LangChainが企業のオペレーティングシステムとなり、各部署が専門的なハーネスを構築する。そのハーネス内のワークフローが自律的かつエージェント的になり、効率性が飛躍的に向上するはずです。
ハリソン：ハーネス、モデル、そして周囲のコンテキストという構成要素は、それぞれ異なるタイミングで最適化できますね。
ジェンスン：その通りです。
ハリソン：Nemotron 3での取り組みは、プロンプトやツールの変更といったハーネス周りの高いROIを示す好例でした。次はNemotronのポストトレーニングを試す予定です。時間はかかりますが、システム全体の能力の天井を押し上げると確信しています。
ジェンスン：それは素晴らしいブレークスルーです。ハーネスが構築され、ビジネスプロセスの一部として成功した後、さらにAIモデル自体をチューニングして進化させる。これはかつて存在しなかった能力であり、企業の業務プロセスを劇的に変えるフライホイールとなるでしょう。
オープンスタックが企業を強化する理由
ハリソン：多くの企業が、オープンなエコシステム上での構築を求めています。自社の知識やプロセスを扱う以上、完全な制御権を持つことが最優先事項だからです。オープンスタックが企業のAI活用をどのように強化するとお考えですか？
ジェンスン：すべての企業は、専門的な知的財産（IP）の上に成り立っています。企業にとっての知能とは、その会社のアイデンティティそのものです。それを外部に依存し続けることは考えられません。もちろん、コーディングやライティングといった汎用的なスキルはクラウド上の基盤モデルに任せれば良い。しかし、その上で自社の専門知識を適用する際には、オープンなツールが必要です。自動化された知能を自社のあらゆる側面に組み込むことこそが、企業を強くするのです。
ハリソン：完全に同意します。しかし、その統合を実現するのは依然として困難です。
Deep Agents + OpenShellブループリントの発表
ハリソン：そこで本日、Deep AgentsとOpenShellを統合した「NemoClaw」ブループリントを発表します。これにより、企業はセキュアでオープンなランタイムであるOpenShell上で、Nemotron 3 Ultraを搭載したDeep Agentsを実行できるようになります。
ジェンスン：素晴らしい。ドメイン特有のプロプライエタリなスーパーエージェントを構築するために必要な、すべてのコンポーネントとツール、ハーネス、そしてブループリントが揃ったことになります。
ハリソン：なぜこれほどまでにブループリントへの投資を重視されるのですか？
ジェンスン：AIやエージェント型システムの構築は複雑で、技術的ハードルが高いからです。LLM、ツール、ナレッジグラフ、メモリ、ガードレール、ファインチューニング、そしてハーネスに対するポストトレーニングなど、多くのピースを組み合わせる必要があります。
ランタイム、セキュリティ、アクセス制御
ジェンスン：さらに重要なのがランタイムです。構築後も、セキュアでプライベートな環境（サンドボックス）で実行し、IT部門がアクセス制御を行えるようにしなければなりません。
ハリソン：企業内での導入において、セキュリティやアクセス制御が最大の障壁でしょうか？
ジェンスン：セキュリティとアクセス制御を解決しなければ、導入は不可能です。新入社員をオンボーディングし、権限を与えるのと同じです。全ての社員に全てのファイルへのアクセス権を与えないように、AIエージェントにも役割に応じた権限、ツール、情報へのアクセス権を付与する必要があります。我々は、AIのための「人事システム」を構築しているのです。
エージェントを擬人化すべきか
ハリソン：哲学的な質問ですが、エージェントを擬人化する議論がよくあります。しかしエージェントは人間ではありません。擬人化の適切なレベルはどこにあるのでしょうか？
ジェンスン：エージェントは電子であり、生物ではありません。意識もなければ、目覚めてもいない。掃除機や食洗機のような「ツール」です。かつて食洗機が登場したとき、人々は魔法のように感じたでしょうが、結局はただの機械です。我々は現在、AIに人間的な特性を付与しすぎている傾向があります。仕組みを理解し、改善し、修正できるからこそ、我々はそれを制御できているのです。その認識を保つべきです。
AIが雇用を増やす理由
ジェンスン：一方で、AIの活用が進むほど、より多くの人材が必要になることも事実です。エージェント型システムという新しいスキルが必要だからです。私のソフトウェアエンジニアたちは、Pythonコードを書くよりも、エージェントを構築することを好んでいます。彼らはコーディングという「タイピング」作業から解放され、ガードレールやベンチマーク、評価指標を設計する「システムエンジニア」へと進化しています。AIを世界に浸透させるための仕事は山ほどあり、雇用を創出しているのです。
ハリソン：評価指標（evals）の重要性には同感です。専門家がフィードバックを行い、退屈な作業を自動化し、人間はより創造的で知的な活動に専念する。これが理想的な姿ですね。
ジェンスン：その通り。医師であれデザイナーであれ、誰もがエージェントを構築し、これまで不可能だったことを成し遂げようとしています。そこには想像力と創造性が必要です。
ハリソン：既存業務の自動化だけでなく、これまでできなかったことを可能にするという視点が重要ですね。
ジェンスン：野心こそが、それを後押しします。
エージェントスタックの欠けているピース
ハリソン：最後に、エージェントスタックにおける「欠けているピース」は何だとお考えですか？
ジェンスン：今日発表した内容こそが、その答えです。世界クラスのLLM、Nemotron 3 Ultraに最適化されたLangChain Deep Agents、導入を容易にするブループリント、そしてセキュアなOpenShellランタイム。これらすべてが揃った今、世界中の開発者が、クラウドやオンプレミスを問わず、独自のスーパーエージェントを構築できます。DGX Sparkからクラウドまで、どこでも実行可能です。もはや、取り組まない言い訳は存在しません。
ハリソン：素晴らしい締めくくりですね。ジェンスン、対談ありがとうございました。本当にモチベーションが上がりました。
ジェンスン：こちらこそ。素晴らしい仕事だ。君たちを誇りに思うよ。