ThinkingAIは10月20日、ソウル市江南区の繊維センターで「ThinkingAI Summit Seoul（TAS）2026」を開催し、ゲーム、金融、教育など各分野におけるAIエージェント活用事例を紹介した。モデルが変わっても企業が蓄積してきたデータや業務知識を継続的に活用できる設計と、分析から実行、検証までをつなぐ運用手法を打ち出した。

イベントのテーマは「Agentic Growth」。データから変化を捉え、要因を分析し、その結果を次のアクションに反映する一連の流れを、具体的な導入事例とともに示した。

ソ・グァンドク ThinkingAI韓国支社長は、「人が担うのは方向性の提示と承認であり、実行はエージェントが担う時代になった」と述べた。そのうえで、データの意味や業務ごとの権限・責任をあらかじめ定義し、AIが承認された範囲内で稼働できるようにする設計が不可欠だと強調した。

また、AIモデルが変わっても、企業が積み上げてきたデータと業務知識は継続して活用できなければならないと指摘。AIによる分析を製品改善や顧客対応につなげ、実際の事業成果に結び付けられるよう支援していく考えを示した。

会場では、こうした業務フローを支える「エージェンティックエンジン」の活用方法も紹介した。イ・スンジュ ThinkingAIセールスディレクターは、顧客分析からキャンペーン設計、人による承認を経た実行、結果確認までを単一のソリューションで一気通貫でつなぐ仕組みを説明した。

健康機能食品の自社モール「Honestree」の事例では、広告、行動、注文データを顧客単位で統合し、再アプローチ対象と除外対象を切り分けたという。イ氏は「LLMそのものは使いやすくなったが、LLMが仕事を進められる構造は人が作り、維持しなければならない」と語った。

企業事例のセッションでは、分析結果を実際の業務アクションにどう落とし込むかに焦点が当てられた。

Class101の製品戦略チームでリードを務めるハ・ギルウ氏は、AIが企画書や議論内容、コードまで参照して実験を分析することで、コアインサイトの獲得にかかる時間を3日から1日に短縮できたと明らかにした。

あわせて、顧客が購入や決済をためらう要因を解釈し、その後の対応につなげた事例も紹介した。実験で得られた知見を次の実行工程にどう反映するかを説明し、「実験結果の方向性が曖昧だと、AIはその曖昧さを悪い方向に加速させる」と指摘。チーム単位で検証基準を持つ重要性を訴えた。

Underdogsは、6人の開発チームがプラットフォームに蓄積されたデータをAIで分析し、ユーザー離脱への対応に生かした事例を共有した。カン・ミンソク共同創業者は、ゲーム内の戦闘で発生する損失とユーザー離脱の関係を分析・検証し、戦死した兵士が復帰するコンテンツを企画したと説明した。

カン氏は、「ユーザーが攻撃を受けた時点から改善案の企画確定まで3日かかったが、開発はエージェントが担い、人は確認とサービス反映のみを担当した」と述べた。担当者の離職でノウハウが失われやすい一方、自社ではその知見をエージェントの知識として残せるため、継続的に活用できたとも話した。

AI導入によって変わったゲーム開発の協業プロセスも議題に上った。

イ・スンヒョン Bluehole Studio Seedディレクターは、ゲームデザイナーがAIを使ってプレイ可能な成果物を先に作成し、チームで共同レビューすることで、文書だけで企画意図を伝える際に生じる解釈のずれを大幅に減らせたと説明した。

新規武器1つを追加するまでの所要時間は20日から1日に短縮されたといい、「遅いのは制作速度ではなく、理解と協議を進めるためのコミュニケーション時間だ」と述べた。

AIに委ねる業務が増えるほど、結果を検証する基準の重要性も増す。ソ・ドンジンNext証券AIデータプラットフォームチーム長は、データプラットフォーム構築にあたり、依頼の意図や判断理由を記録して次の作業に引き継ぎ、ルール違反となる変更は自動検査で排除した経験を紹介した。

ソ氏は「AIをどれだけ多く使うかより、何をAIに任せ、その結果にどこまで責任を持てるかが重要だ」と語った。

組織運営をテーマにした対談には、チョン・ジュニョンOneStoreゲーム事業TF本部長と、「Builder Josh」のキム・スングォンJoshua&Company代表が登壇した。チョン氏は、作成エージェントと検証エージェントを分け、承認とフィードバックを次の業務に反映する運用方法を紹介した。

キム氏は、6人の組織で11のエージェントが反復業務を担い、各メンバーが事業ごとの損益と実行に責任を持つ体制を共有した。チョン氏は「任せるのは業務そのものではなく、基準だ」と述べた。