AI エージェントがスーパー ボウルの視聴者を 1 つの高 IQ チームに変えた — これを企業で想像してみてください

平均的なフォーチュン 1000 企業には 30,000 人以上の従業員がおり、エンジニアリング、セールス、マーケティングのチームは数百人のメンバーから構成されています。政府、科学、防衛組織にも同様に大規模なチームが存在します。それでも、研究によると、生産的なリアルタイム会話に最適なサイズは次のとおりです。 4人から7人くらいしかいない。

理由は簡単です。グループが大きくなるにつれて、各人が 話す機会が減る そして、返答までにさらに長く待たなければならず、自分たちの意見が十分に考慮されていないという不満が増大します。これは、グループが直接コラボレーションする場合でも、ビデオや電話会議で共同作業する場合でも、テキスト チャットで共同作業する場合でも当てはまります (これにより、ユーザーはメッセージの滞りに埋もれ、参加が減り、熟考が損なわれます)。

簡単に言えば、 生産的なチームの会話 スケーリングしないでください。

では、大規模なチームがあり、その知識、知恵、洞察力、専門知識を活用したい場合はどうすればよいでしょうか?多くの組織にとって、唯一の選択肢は世論調査、アンケート、またはインタビューに頼ることです。これにより、個人の視点に関するデータが収集されますが、プロセスが終了すると誰も「意見を聞いてくれた」とは感じられず、最適な解決策が見つかることはほとんどありません。

世論調査、アンケート、インタビューは審議手段ではないからです。チームメンバーが問題を議論し、理由と根拠を示し、議論と反論を提示し、最終的に熟議のメリットに基づいて解決策に収束するため、ギブアンドテイクはありません。調査では人々が過度に単純化されたものとして扱われる データポイント、対話型の会話では人々を次のように扱います。 思慮深い データプロセッサ。この違いは深いです。

私はこの問題を 10 年以上研究してきましたが、ロックを解除する最善の方法は次のとおりであると確信しています。 真の集合知 大規模なチームの対話は、大規模な本物のリアルタイム会話を通じて行われます。私が話しているのは、多数の人々が一緒にブレインストーミング、優先順位付け、予測を行い、最終的には知識、知恵、洞察を組み合わせて真に活用するソリューションに収束する、思慮深いディスカッションについてです。

しかし、会話を拡大することは不可能ですよね?

間違いです。ここ数年、新しい通信テクノロジーが登場し、 ハイパーチャットAI、が登場しました。これにより、大規模な分散チームが生産的なディスカッションを行うことができ、問題について議論し、アイデアをブレインストーミングし、代替案の優先順位を付け、議論と反論を提供し、解決策を効率的に考え出すことができます。

大規模な自然システムからインスピレーションを得た Hyperchat AI は、次の生物学的原理を組み合わせています。 群れのインテリジェンス AI エージェントの新たな力を利用して。これは、ネットワーク化された大規模なグループを、相互に接続された一連の小さなサブグループに分割することで機能します。各サブグループは、テキスト、音声、またはビデオによる思慮深いリアルタイムの会話に適したサイズになっています。魔法の要素は、「会話サロゲート」と呼ばれる AI エージェントの群れであり、各ローカル ディスカッションに参加し、すべてのサブグループを 1 つの一貫した審議に結び付けるよう努めます。

Hyperchat AI を使用すると、潜在的にあらゆる規模のグループが問題について議論できます。 アイデアをブレインストーミングする、オプションに優先順位を付け、 結果の予測 リアルタイムで問題を解決します。そしてそれはうまくいきます。研究によると、大規模なチームがこの方法で会話すると、よりスマートで、より速く、より正確なソリューションに収束することがわかっています。私が個人的に関与したある研究では、ハイパーチャット AI によって接続されたグループが存在しました。 彼らの集合的なIQを増幅させた 97 パーセンタイルまで。

で 別の研究カーネギー メロン大学と共同で実施された調査では、Hyperchat AI テクノロジを使用して会話を行っている 75 人のグループは、Microsoft Teams、Google Meet、Slack などの従来のコミュニケーション構造と比較して、より協力的で生産的で、話を聞いてくれていると感じたと回答しました。彼らも感じました より大きな賛同 浮かび上がった解決策へ。

楽しくタイムリーな形式で Hyperchat AI の長所をテストするために、私は Unanimous AI (Hyperchat AI を使用するプラットフォームである Thinkscape の開発者) の研究チームに、今週日曜日にスーパー ボウルを観戦した一般の 100 人を集めて討論するよう依頼しました。 スーパーボウルのどの広告が最も効果的でしたか、またその理由は何ですか?

これが社会的にそれほど重要な問題ではないことは承知していますが、スーパー ボウルは、スポーツの見世物と広告の両方の点で、世界で最も注目されるイベントの 1 つです。今年、30秒スポットの費用は800万ドルから1,000万ドルで、制作費は含まれていません。これほどの投資レベルでは、どのブランドも目立つことを目指していますが、それを達成できるのはほんのわずかです。

そこで、私たちは無作為に選ばれた 110 人の一般の人々 (彼らの唯一の資格はスーパーボウルを見たということだけです) を集め、広告について話し合って議論するよう依頼しました。ゲーム中に 66 のユニークな広告が実行されました。そのうちのどれかが他のものよりも際立って目立っていましたか?もしそうであれば、 なぜ そんなに効果的でしたか？

110 人の参加者は、それぞれ 4 ～ 5 人の人間と 1 人の AI エージェントからなる 24 のサブグループに分けられました。各エージェントは、サブグループを観察し、重要な洞察をリアルタイムで特定し、 それらの洞察を AI エージェントと共有する 他のサブグループでは。エージェントはこれらの外部の洞察を受け取ると、ローカルでの会話に参加し、グループのメンバーとしてその洞察を表現しました。このプロセスでは、すべての審議が 1 つのリアルタイムの会話に織り込まれ、シームレスに流れ、一斉に収束します。

全体として、110 人の人間の参加者が検討対象として 54 の異なる広告を提案し、わずか 10 分間の緊密なディスカッションで決定的な答えに到達しました。そして、AI エージェントは 24 件のローカル討論会すべてのダイナミクスを追跡していたため、会話が終了した瞬間に、システムは全人口にわたる会話サポートに基づいて 54 件すべての広告の順序付きリストを生成しました。

審議参加者によって特定されたトップ 10 は次のとおりです。

ご覧のとおり、コーラのシロクマを使用したペプシの広告は、その夜の中で大差を付けて最も効果的であることがわかりました。実際、Thinkscape システムは、これがランダムに選択された消費者の母集団にとって統計的に有意な結果であると報告しました (p

さらに、システムは、すべてのサブグループで現れる理由と、それらの理由に対する反応 (他の人の意見を揺るがしたか、反論を引き起こしたか、またはその両方) を自動的に追跡します。これにより、システムは作成されたすべての広告について熟考した概要を即座に作成し、グループが各広告をそのように閲覧した理由を評価できるようになります。

Polar Bear の広告に関して即座に生成された推論は次のとおりです。:

「私たちの集団的見解は、2026年のスーパーボウル広告で最も効果的だったのは、ペプシ・ポーラーベアーズのスポットだということです。私たちは、そのユーモア、シロクマの巧みな使い方、コカ・コーラへのジャブ、記憶に残りやすいこと、ノスタルジックな要素、幅広い訴求力、製品への焦点、そして会話を引き起こす能力により、この広告が効果的であると感じました。私たちの中には、確執に焦点を当てていると批判する人もいましたが、大多数は、古典的なスーパーボウル広告の本質をうまく捉えていると感じていました。」

記録のために言っておきますが、Unanimous AI のチームは、このリアルタイム集合体に次の質問を検討するよう依頼しました。 スーパーボウルの広告のうち最も効果が低かったのはどれですか?またその理由は何ですか? 10 分間の審議後にシステムが報告した内容は次のとおりです。

「私たちの総合的な見解は、2026年のスーパーボウルで最悪の広告はCoinbaseのスポットだったということです。メッセージがわかりにくく、製品を効果的に説明できていないなど、明瞭さに欠けていることがわかりました。さらに、この広告は迷惑で不快で労力が足りないと多くの人が感じ、製品の宣伝もほとんどなく、Coinbaseのサービスから切り離されていました。全体として、信頼を築くことができず、多くの視聴者を不快にさせました。」 注: この広告の選択は統計的に有意な結果でした (p

繰り返しますが、これは一般の人々を惹きつけるための単なる楽しい例であり、重大な重要性を伴う大規模な審議ではありませんでした。そうは言っても、大手金融機関のアナリストからエネルギー省の科学者まで、大規模なグループがこのテクノロジーを使用して重要な問題について議論しているのを私は観察してきました。そして、いずれの場合も、グループはスピード、精度、賛同を高めて収束しているようです。

Hyperchat AI に関する学術研究の概要については、以下をご覧ください。 この最近の論文。

ルイス ローゼンバーグはスタンフォード大学で博士号を取得し、カリフォルニア州立大学 (カリフォルニア州ポリ校) の教授を務め、人間とコンピューターの相互作用、AI、集合知に関する研究で 300 件を超える特許を取得しています。

VentureBeat コミュニティへようこそ!

当社のゲスト投稿プログラムでは、技術専門家が洞察を共有し、AI、データ インフラストラクチャ、サイバーセキュリティ、およびエンタープライズの未来を形成するその他の最先端のテクノロジについて、中立かつ権利を持たない詳細な情報を提供します。

続きを読む ゲスト投稿プログラムから — チェックしてください ガイドライン あなた自身の記事を寄稿することに興味があるなら!