この記事のポイント
- TravelTech Show 2026で、欧州鉄道予約大手TrainlineのCTO Mike Hyde氏とAnthropicのエンタープライズGTMリードHarry Herbert氏が、エージェンティックAIを拡大する企業に必要な「基礎体力（fundamentals）」を議論しました
- Hyde氏の核心は「600人のエンジニアが突然3,000人になり、しかも新しい2,400人は信頼できない」というメンタルモデル。プロセス・設計・ガバナンス・セキュリティ・財務統制という基礎は、モデルの進化より変化が遅く、だからこそ最新モデルを採用し続けるための土台になります
- 旅行・予約事業者にとっては、ツール配布による10〜20%の生産性向上の先にある「タスク・職務全体の自動化」へ移行するための、セキュリティ設計・トークン予算・評価プロセスの具体的な参照点になります
TravelTech Show 2026で語られた「エージェンティックAI時代の基礎体力」
Trainline has partnered with Anthropic to implement AI internally and in customer-facing applications. At the recent TravelTech Show, Trainline CTO Mike Hyde shared his experience so far.
www.phocuswire.comロンドンで開催されたTravelTech Show 2026のセッションで、欧州最大級の鉄道・バス予約プラットフォームTrainlineのCTO Mike Hyde氏と、AnthropicのエンタープライズGTM（go-to-market）リードHarry Herbert氏が登壇し、エージェンティックAIをスケールさせる旅行企業に何が必要かを議論しました。TrainlineはAnthropicと提携し、社内業務と顧客向けアプリケーションの双方でAIを実装している当事者です。
セッションを貫くキーワードは「基礎体力（fundamentals）」でした。セキュリティ、データ、財務統制。派手さのないこれらの要素こそが、AIの規模拡大で最初に問われるというのがHyde氏の主張です。Hyde氏は2021年にTrainlineへ加わり、Meta、Skype、Microsoftでデータ組織を率いた経歴を持ちます。2025年4月にはChief Data OfficerからCTOへ昇格し、テクノロジーとデータの両組織を統括してAI・機械学習をプラットフォームの中核に据える役割を担っています。エージェント導入を「これから」ではなく「18ヶ月やってきた」立場からの発言である点が、この議論の重みを支えています。
「信頼できない3,000人のエンジニア」というメンタルモデル
議論の出発点として、Hyde氏はひとつの思考実験を提示しました。Trainlineのエンジニアは現在およそ600人。そこにエージェンティックAIという労働力が加わり、実質的に3,000人規模になったと想像してみる。ただし増えた分の大半はAIエージェントです。
違いは、突然3,000人のエンジニアを抱えることになったのに、我々のシステムはすべて600人を支える前提で設計されていて、しかもその3,000人は元の600人より信頼できないという点です。彼らが四六時中正しいことをすると想定はできません。では、全員を信頼できない3,000人超の会社を運営するには、どんなセキュリティシステムが必要でしょうか。
この問いをHyde氏は「Trainlineが解こうとしているメンタルモデル」と呼び、多くの企業にとっても出発点になると述べています。「今の5倍の規模になり、そこに非常に信頼度の低い従業員が大量に加わったら、あなたは何をするか」という問いの立て方です。
視点の転換がここにあります。エージェント導入の議論は「どのモデルが賢いか」「どのツールが便利か」に流れがちですが、Hyde氏は問題を組織のセキュリティ設計の問題として定式化しました。人間のエンジニアなら採用審査、権限管理、コードレビュー、監査という多層の統制が長年かけて整備されています。エージェントという「新入社員」が数千人規模で一気に入社するとき、同じ水準の統制を、人間向けとは別のかたちで作り直す必要がある。600人前提のシステムのまま労働力だけを5倍にすれば、破綻するのは自明です。
しかもエージェントは、優秀な瞬間と信頼できない瞬間が混在します。だからこそ「正しく振る舞うことを前提にしない」設計、つまりゼロトラストに近い発想が、エージェンティックな労働力の管理では標準になっていくというのがこのメンタルモデルの含意です。
基礎体力の5要素と、トークン予算という新しい財務規律
では基礎体力とは具体的に何か。Hyde氏が挙げたのはプロセス、設計、ガバナンス、セキュリティ、財務統制の5つです。急速に変化する状況を乗り切る助けになるのもこれらの基礎だと述べたうえで、Hyde氏はこう続けました。「これらは派手でも見出しになるものでもない。しかし、最新のモデルが何であれそれを採用できるようにする土台だ。基礎はモデルほど速くは変わらない」。
モデルは数ヶ月単位で世代交代します。特定モデルへの最適化に投資しても、その資産は次の世代で目減りします。一方でガバナンスやセキュリティの設計は、どのモデルに乗り換えても持ち越せる。変化の速いレイヤーではなく、変化の遅いレイヤーに投資するという、技術戦略の古典的な原則をエージェント時代に適用した整理だと言えます。
5要素の中でも具体的だったのが財務統制、すなわちAIのコストとトークンの管理です。Hyde氏は、コンピュートのコストを業界全体がこれから見極める必要があるとしたうえで、Trainlineの実務を明かしました。エンジニア個人ごとにトークンの予算を割り当てる仕組みを使い始めており、さらにトークン消費が大きいと分かっているプロジェクトには特別予算を付ける。「高くつくかもしれないが、新しいものを作っているのだから、それだけの価値がある場合もある」という判断です。
クラウドコストの管理がFinOpsという規律に発展したように、エージェントのトークン消費にも同じ規律が要る。個人予算と例外的なプロジェクト予算の二階建てというTrainlineの運用は、その最初期の実例として参考になります。
ツール配布からトップダウン自動化へ──Trainlineの18ヶ月
Trainlineの社内AI導入はおよそ18ヶ月に及びますが、Hyde氏によれば直近3〜4ヶ月で「変曲点」を迎えました。初期のアプローチは、ツールを配布して何が起きるかを見るというもので、多くの企業のAIジャーニーの出発点と同じです。この段階で得られた生産性向上は10〜20%でした。
転機はその先にあります。「AIを展開するだけでは足りない。一歩引いて、将来どう働くのかというレベルから、もっと根本的に考え直す必要があると気づく地点に到達する」とHyde氏は述べました。現在のTrainlineはトップダウンの視点に切り替え、誰かの作業を1〜2時間短縮するのではなく、タスクや職務の全体をエージェンティックなステップの連鎖で置き換える自動化の構築に取り組んでいます。
| 第1期（〜直近3、4ヶ月前） | 第2期（変曲点以降） | |
|---|---|---|
| アプローチ | ツールを配布して様子を見るボトムアップ | 経営主導のトップダウン自動化 |
| 自動化の単位 | 個人の作業時間を1〜2時間短縮 | タスク・職務全体をエージェンティックなステップの連鎖で代替 |
| 成果 | 生産性10〜20%向上 | 働き方そのものの再設計（進行中） |
| 問い | 「どのツールを使うか」 | 「将来どう働くか」 |
AIの影響が現れている領域として、Hyde氏は3つを挙げています。自社データを使った、より知的な顧客向けプロダクトの構築。人々が旅行を検索・発見する行動の変化を理解し適応すること。そして社内オペレーションの変革です。顧客向けでは、TrainlineはすでにUKアプリに払い戻し処理などを自律的に実行するエージェント型の「Trainline Assistant」を展開しており、Hyde氏は「アシスタントは常に学習しており、それを支えるエージェンティックAIシステムを拡張し続けている」と語っています。
Anthropicが見る成功企業の共通項
顧客側の温度感を、Herbert氏はベンダーの立場から補足しました。8ヶ月前には、企業がばらばらのツールを試し、従業員が個人のChatGPTライセンスを職場で使うという光景が普通でした。それが今は「AIをワークフローにどう組み込むべきか、ROIを得るのに本当に適したツールはどれか」を組織として問う段階に移っています。
成功している企業の共通項についてのHerbert氏の整理は明快です。「最も成功している企業には、トップダウンのビジョンと権限がある。そしてボトムアップからユースケースが見つかる。導入の方法と理由についてのリーダーシップが必要で、同時に現場からは多くのユースケースが浮かび上がってくる」。どちらか一方ではなく、トップダウンの意思とボトムアップの発見の組み合わせが要るという指摘で、これはTrainlineがたどった軌跡とも重なります。
Herbert氏はもうひとつ、新機能が自社のユースケースと顧客に本当に適合しているかを判断するためのプロセスと評価（evals）の実践を整備することの重要性を強調しました。モデルの出力を体系的に評価する仕組みがなければ、導入の成否を判断する基準そのものが存在しないことになります。顧客企業のAI理解度には濃淡があり、すでに技術の限界を押し広げている企業もあれば、始め方を模索している企業もある。それでも「多くのクライアントにとっての『Eureka』モーメントは、自社のデータと自社のシステムでAIが動くのを見たときに訪れる」とHerbert氏は述べています。汎用デモではなく自社文脈での動作確認が、組織を動かす転換点になるという観察です。
旅行・予約事業者への示唆
同じTravelTech Showでは、Travelport CTOのAndrew Jordan氏が、旅行流通が決定論的から確率論的へ移行する中で「発見やインスピレーションの領域と、お金を渡す確定の領域の間には明確な線があり、そこでは『ほぼ正しい』では許されない」と指摘しています。予約と決済を扱う旅行・予約事業は、エージェントの誤りがそのまま金銭事故になる業種です。Hyde氏の「低信頼の労働力」モデルとJordan氏の「確定領域の精度要求」は、同じ問題を社内と顧客接点の両側から照らしています。
ここから引き出せる実務上の示唆は3つあります。第一に、エージェント導入をツール選定ではなく組織のセキュリティ・ガバナンス設計の問題として扱うこと。権限、監査、統制を「信頼できない大量の新戦力」前提で作り直す作業が本体です。第二に、トークンコストを予算として管理する規律を早期に入れること。個人予算と特別予算というTrainlineの二階建ては、明日から真似できる運用です。第三に、10〜20%の生産性向上で満足せず、その先のタスク・職務単位の自動化を見据えて評価プロセスを整えること。変曲点は、ツールを配ってから一定の助走期間を経て訪れるというのがTrainlineの経験則です。
まとめ
エージェンティックAIの議論が「何ができるか」から「どう運営するか」へ移っていることを、Trainlineの18ヶ月は示しています。信頼できない3,000人のエンジニアという問いは、旅行業に限らず、エージェントを本格導入するあらゆる企業が遅かれ早かれ向き合う問いです。モデルは変わり続けます。変わらないのは、プロセス、設計、ガバナンス、セキュリティ、財務統制という基礎体力が土台になるという事実のほうです。
