AIで構造を解き明かし世界の見方を変えていく
機能紹介：AIエージェント作成
KnowledgeLMなら、統計力学から量子重力まで横断する理論物理AIを、
エンジニア不要・対話だけで3分以内に作成・共有できる。
管理者は全コストと権限を一元統制しながら、現場の知的生産性は止まらない。
ある日の午後、DX推進室の田中さん（仮名）は頭を抱えていた。
社内の新人研修用に「物理学の基礎」を教えられる教材を作りたい。でも、担当者に専門知識はない。外部講師に頼めばコストがかかる。社内を探しても「統計力学と量子力学を横断して説明できる人材」など見つかるはずがない。
「こういうとき、ChatGPTに聞けばいいのでは？」
そう思った瞬間、隣の情シス責任者の声が頭をよぎった。「社外のAIに社内情報を入力するのは困る。ルールを作ってからにしてほしい」——。
あなたも、このジレンマに覚えがないだろうか。
同僚に勧められ、田中さんはKnowledgeLMを開いた。
左サイドのメニューから「AIエージェント」を選ぶ。一覧にカード形式で並ぶエージェントたち。その中に、一枚のカードが目に留まった。
「統計力学・宇宙論・量子力学に潜む確率の秘密」
用途説明にはこう書かれていた。「統計力学・量子力学・宇宙論・情報理論を横断する理論物理の専門AIです。初学者向けの直感的な比喩から、大学院レベルの数式・厳密議論まで対応」。
田中さんはカードを選択した。新しい会話が始まった。
▶️ 実際の会話シーン
田中さんが最初に打ち込んだのは、シンプルな一言だった。
田中さん：宇宙を支配する数式を教えて
AIエージェントの返答は、予想を超えていた。
AIエージェント：
素晴らしい問いです。でも、いきなり核心を突かせてください——この問いには罠があります。
「宇宙を支配する一つの数式」を期待していませんか？ 実は物理学者の多くは、それを探しながらも「まだ見つかっていない」と正直に告白します。だから今日は、現時点で人類が手にしている”最も宇宙の根源に近い”数式たちを、私の専門である「面積と情報」という糸で串刺しにしてお見せします。
——まず、候補となる4つの「支配方程式」があります。
数式 何を支配するか 確信度 アインシュタイン方程式 時空の曲がり方（重力） 確立済み 標準模型のラグランジアン 素粒子と3つの力 確立済み シュレディンガー方程式 量子の確率的振る舞い 確立済み S = A/4 ブラックホールの情報量 確立済み（だが意味は謎） 最初の3つは教科書に載っています。でも私が今日あなたに本当に届けたいのは4番目です。
田中さんはここで気づいた。このAIは、「答え」を渡す前に「問いの深さ」を教えてくれる。
読み進めると、AIは「情報は体積ではなく面積に書き込まれる」というホログラフィック原理を、Mermaid図を使って段階的に可視化し始めた。
AIエージェント（続き）：
「4升目で1ビット」を数字で殴られる体験——
天体 質量 地平面半径 情報量（ビット） 太陽質量ブラックホール \(2\times10^{30}\) kg 約3 km \(\sim 1.5\times10^{77}\) ビット 観測可能な宇宙の地平面 — — \(\sim 10^{122}\) ビット（情報の天井） 地球上の全データセンターを合わせても\(10^{22}\) ビット程度ですから、太陽BH一個に人類の全データの \(10^{55}\) 倍が入る。
そして、ここが本当の衝撃です。
あなたの体（表面積 約2 m²）の全情報は、原理的にはあなたを包む2次元の表面に符号化できます。
$$\frac{2 \text{ m}^2}{4\ell_p^2 \ln 2} \approx 2.7 \times 10^{69} \text{ ビット}$$
3次元のあなたは、2次元の境界に書かれた情報の”投影”として記述できる。
田中さんは思わず声を出した。「これ、研修教材に使えるじゃないか」。
専門家を呼ばなくていい。外部AIに社内情報を貼り付けなくていい。KnowledgeLMの組織内に、すでにこの知性が「配備」されていた。
田中さんの次の疑問は、「このエージェント、どうやって作ったんだろう」だった。
左上の「新規作成」ボタンを押すと、AIエージェント作成ダイアログが開いた。
▶️ AIエージェント作成シーン
入力欄に「はじまりの言葉（目的・期待）」というフィールドがあった。
田中さんはここに、自分が担当する研修テーマを書いた。「新入社員が生産管理の基礎を直感的に理解できるエージェントを作りたい」。
「はじまりの言葉から役割記述を生成」ボタンを押すと、AIが自動で役割記述の草案を生成した。田中さんは軽く修正して「保存」を押した。
3分かかっていなかった。
次に「役割記述から用途説明を生成」ボタンを押すと、エージェント一覧のカードに表示される説明文まで自動生成された。スコープを「グループ公開」に設定し、自分のチームと共有した。
エンジニアに頼んでいない。プロンプトを一から書いていない。AIとの対話だけで、「自分の仕事専用のAI相棒」が完成した。
「でも、誰でも好き勝手にエージェントを作れるのでは？」
情シス責任者が懸念を持つのは当然だ。だが、KnowledgeLMの設計はここが根本的に違う。
管理者は「権限」画面で、各ユーザーに「エージェント作成可能」「ファイルアップロード可能」「公開可能」の3フラグを個別に設定できる。利用できる生成AIモデルも権限に紐づけて制限できる。
スコープも3段階だ。「プライベート（自分だけ）」「グループ公開（チーム内）」「組織内公開（全社）」——誰にどこまで見せるかを、作成者が明示的に選ぶ。
統計情報画面では、誰がどのモデルをいくら使ったかを時間単位・日単位・月単位でリアルタイムに把握できる。コストの天井も見える。
統制が強いほど、活用も広がる。現場は止まらない。
この言葉が、絵空事でないことが分かるだろう。
権限管理は3フラグ（作成可能／アップロード可能／公開可能）で個別制御できる。統計情報画面でトークン消費量・概算コストをリアルタイムで把握でき、「誰が何をいくら使ったか」が完全に見える。シャドーAIのリスクを排除しながら、正規のAI環境を組織全体に展開できる。
専門知識がなくても、AIとの対話だけでチーム専用のエージェントが作れる。作成から共有まで最短3分。「次のアポまでに提案書を強化したい」という現場のリアルな速度感に対応できる唯一の設計だ。
エージェントはスコープで段階的に展開できるため、小さく始めて組織全体に広げる「全社展開シナリオ」が描きやすい。競合他社がすでにAIで業務を回し始めているいま、乗り遅れを取り戻す最短経路がここにある。
「宇宙を支配する数式を教えて」——その一言から始まった会話が、\(10^{122}\) ビットという宇宙の情報の天井まで展開した。
それを可能にしたのは、理論物理の専門家でも、エンジニアでもない。
KnowledgeLMに配備された一つのAIエージェントだ。
そして今日から、あなたの組織でも「現場が自分で作れる専門AI」が動き始める。
管理者は統制を保ちながら、現場は止まらない。 これが、KnowledgeLMの本質だ。
