AIエージェントに「仕事の勘」を覚えさせる — 60億円を調達したNeoCognitionの狙い

今のAIエージェントには、ひとつ決定的に欠けているものがある。

学習能力だ。正確に言えば「経験から学ぶ能力」。ChatGPTもClaude Codeも、どれだけ優秀でも、昨日やった作業を今日の判断に活かすことはできない。毎回ゼロから始まる。人間の新入社員が1ヶ月で覚えるルーティンを、AIエージェントは100回繰り返しても覚えない。

この問題に正面から挑もうとしている研究所が、2026年4月21日にステルスモードから姿を現した。

NeoCognition。シードラウンドで4,000万ドル（約60億円）を調達。Cambium CapitalとWalden Catalyst Venturesが共同リードし、IntelのCEO Lip-Bu Tanや、Databricks共同創業者のIon Stoicaもエンジェルとして参加している。

「仕事のワールドモデル」という発想

NeoCognitionのアプローチは、CEOのYu Su（オハイオ州立大学でAIエージェント研究室を率いる教授）が「Specialized Intelligence（専門知性）」と呼ぶものに基づいている。

彼の主張はこうだ。人間の知能の本質は汎用性ではなく、「専門化する能力」にある。新入社員は最初こそ何もわからないが、仕事の構造、ワークフロー、暗黙のルールを学び、やがてその領域のエキスパートになる。NeoCognitionが作ろうとしているのは、まさにこのプロセスをAIで再現するシステムだ。

Su氏の言葉を借りれば、「人間の知性の真の力は、継続的に学び、専門化する能力にある。我々のアプローチは、人間が職場でミクロな世界のモデルを構築することで専門性を獲得するプロセスを再現するものだ」。

これを「World Model of Work（仕事のワールドモデル）」と呼んでいる。エージェントが業務環境の構造・制約・パターンを学習し、その領域の専門家になっていくという考え方だ。

今のAIエージェントと何が違うのか

現状のAIエージェント開発には、大きく分けて2つのアプローチがある。

ひとつは汎用型。Claude CodeやDevinのように、あらゆるタスクをこなせることを目指す。汎用性は高いが、特定のドメインに最適化されていない。

もうひとつは垂直型。特定の業種や業務に特化したエージェントをゼロから作り込む。精度は高いが、新しいドメインに展開するたびにゼロから構築し直す必要がある。

NeoCognitionが狙っているのは、その中間だ。最初は汎用的なエージェントとして動き始め、業務の中で自律的に学習し、時間とともに特定ドメインの専門家に変わっていく。カスタムエンジニアリング不要で、使い込むほど賢くなるエージェント。

これが実現すれば、たとえばSaaS企業が自社プロダクトにNeoCognitionのエージェントを組み込み、顧客ごとの業務パターンを学習する「AI同僚」を提供するといったシナリオが考えられる。営業支援ツールに入れれば、使い込むほどそのチームの商談パターンを覚えるエージェントになる。

チームの構成が面白い

NeoCognitionの創業チームは3人。Yu Su、Xiang Deng、Yu Guの3名で、いずれもAIエージェント研究のバックグラウンドを持つ。社員は約15名で、その大半が博士号保持者だという。

正直、15人のチームで60億円のシードは破格だ。1人あたり4億円の資金が付いている計算になる。それだけ投資家がこの技術テーマに強い確信を持っているということだろう。IntelのCEOとDatabricksの共同創業者がエンジェルで入っているあたりも、インフラ寄りの技術に対する期待の高さを感じる。

正直、まだわからないことが多い

率直に言って、NeoCognitionの現時点での情報はかなり限られている。ステルスから出てきたばかりで、具体的なプロダクトのデモも公開されていない。「仕事のワールドモデル」というコンセプトは魅力的だが、実際にどこまで機能するかは未知数だ。

気になる点もある。

「経験から学ぶエージェント」は、言い換えれば「業務データを大量に食わせる必要がある」ということだ。エンタープライズ向けということは、顧客企業の業務データをどう安全に扱うかが最大のハードルになるだろう。また、「学習するほど賢くなる」エージェントは、誤った学習をしたときの修正コストも大きい。

ただ、問題の設定は正しいと思う。今のAIエージェントが「毎回リセットされる優秀なインターン」だとすれば、NeoCognitionが目指すのは「経験を積んで成長する社員」だ。そのギャップを埋められるなら、エンタープライズAIの世界は大きく変わる可能性がある。

プロダクトが出てくるのを待って、改めて検証したい。