エージェントの台頭でAIが主導権を握る？

AIは私たちの働き方を根本的にどう変えるのか？という疑問は、何年もの間、役員室や技術会議で持ち続けてきた。

私たちは、AIシステムの基本的な限界、すなわち主導権を握ることができないという問題に取り組んできた。エージェント型AIは、外部ツールを使って計画を立て、推論し、行動することができるため、この状況を変えることができる。

クエリに応答するだけでなく、主体的に問題を特定し、解決策を策定し、行動するAIシステムを初めて目にすることになる。これはAI能力の単なる漸進的向上ではなく、AIシステムがどのように動作し、どのように世界と相互作用するかというパラダイムシフトなのだ。

エージェント型AIは、目の前の問題を理解し、コンテキストを収集し、外部ツールを使って必要な情報を調べ、LLMを活用して「エージェンシー（代理人）」として行動する。

予期せぬ天候の混乱に直面している物流会社を想像してみてほしい。従来のAIシステムでは、気象データを分析し、推奨を行うだけだ。エージェント型AIはその推論能力を使って、天候がオペレーションにどのような影響を与えるかを理解し、行動計画を立て、外部ツールを使って通知やアラートを発する。

ジェネレーティブAIの時代からエージェンティックAIへの移行に伴い、このブログでは以下のことを探る：

• エージェント型AIとは何か、どのように進化してきたか
• 企業にとって重要な理由
• 潜在的なリスクとセキュリティ上の懸念
• 企業がAgentic AIの旅を始めるには

AIの進化：知覚AIからエージェントAIへ

知覚AIモデルと分類される初期のAIモデルは、周囲の世界を理解・解釈し、特定の狭いタスクを得意としていた。

例えば、センチメント分析モデルは、製品やサービスに対する顧客のセンチメントを判断することができ、画像分類システムは猫と犬を区別することができる。しかし、これらのシステムは単一タスクのアプローチによって制限されていました。

次に、AIシステムが知覚だけでなく生成もできるようになった生成の時代がやってきた。これは単純に分類から生成に移行するということではなく、認識タスクから生成タスクへの移行を可能にする、注意能力を内蔵したトランスフォーマーアーキテクチャを含む根本的な転換を意味した。

今、私たちはエージェント型AIの出現を目の当たりにしている。これは単なる知覚能力と生成能力の組み合わせ以上のものである。先に述べたように、エージェント型AIツールは、推論、計画、相互作用の能力によって、以前のモデルとは一線を画している。

次に来るものは何か？

エンボディドAI - 実世界における物理的存在とエージェンシーを組み合わせたシステム。しかし、これは単に完全な自律性（人間の知性にとってさえ問題のある概念）ではなく、むしろ物理的現実にAIのエージェンシーを根付かせることを意味する。

進行が厳密には直線的ではないことに注意する必要がある。それぞれの段階は、前の段階の能力を基礎とし、強化するものであり、世界を理解し、創造し、推論し、行動する能力においてますます洗練されたAIシステムを生み出す。さらに、新しいAIシステムから学んだことは、既存のAIシステムを可能にし、改善する。

エージェント型AIとは？

エージェント型AIは、独自に推論し、計画を立て、行動を起こすことができるため、人間の指導を最小限に抑えながらタスクを完了することができる。REACT（推論と行動）と呼ばれるプロセスを活用し、実行すべき行動を論理的に決定し、外部ツールを使って実行する。

マルチモーダルモデルにより、AIはテキスト、画像、データなど様々な入力タイプを扱うことができ、これらのモダリティ間でどのように関連し、反応するかを理解することができる。AIは、それぞれの能力をいつ、どのように活用するのが最適かを自律的に判断することができる。

定義されたパラメーター内で動作する一方で、目標を達成する方法を選択し、新しい状況に適応し、中間目標を設定することもできる。エージェント型AIは、人間のような問題解決を模倣する認知アーキテクチャの上に構築されている。そのコア・コンポーネントは以下の通り：

• 記憶（短期および長期）：過去の相互作用を追跡し、関連するコンテキストを保持する。
• 推論と計画のフレームワーク：REACTやリフレクション・ベース学習のような手法を用いて意思決定を改善する。
• AI生成モデル：AIの「脳」として機能し、コミュニケーションや複雑な推論を可能にする。
• 目標指向：事前に定義された目的を持って動作し、目的にかなった行動を保証する。
• 外部ツールへのアクセス：ウェブ検索、ライブデータの取得、企業システムとの統合が可能。ウェブ検索やコード・インタープリターなどがある。業界では、これらのツールと言語モデルの統合方法の標準化に取り組んでいる。MCPはこの標準化を達成するためにAnthropicと提携している。

企業にとってのメリットは？

エージェントAIは、エージェントスクリプトを通じて毎回手作業で書かれていたビジネスロジックを自動化します。エージェントのようなアーキテクチャーで面倒で煩雑な作業を自動化することで、企業は効率性と生産性を大幅に向上させることができる。

マネジャーがチーム全体を定期的に評価することを想像してみてほしい。エージェント型AIはこの複雑なビジネスプロセスを自動化し、効率を大幅に改善することができる。これにより、プロセスの正確性が向上し、マネージャーは戦略的なタスクに集中できる時間が増えます。

企業におけるAgentic AIの範囲を理解するために、2つのユースケースを詳しく見てみましょう。

カスタマーサービス・エージェント従来のAIチャットボットとは異なり、Agentic AIは反応するだけでなく、潜在的な顧客サービスの問題を自律的に特定し、プロアクティブに対処します。その方法はこうだ：

• AIエージェントが顧客からの問い合わせを分析します。
• 次に、関連するデータ（購入履歴、過去のサポートチケット、製品の使用状況）を取得します。
• 問題がエスカレートする前に、AIが潜在的な問題を予測します。
• AIは自律的にアクションを実行し、解決策を提案し、返金を処理し、必要に応じてケースをエスカレーションします。

生成型AIチャットボットとは異なり、エージェント型AIは質問に答えるだけでなく、考え、計画し、解決します。

ナレッジエージェント：エージェント型AIは、企業のナレッジを整理、検索、キュレーションすることで、ナレッジ・マネジメントを自律的に変革することができます。その方法は以下の通りです：

• プロアクティブにドキュメントを分類し、知識のギャップを検出します。
• 従業員の情報ニーズを予測し、文脈に応じた洞察を提供します。
• ユーザーの行動に基づいて、パーソナライズされた学習パスを作成します。
• 部門横断的な知識を結び付け、コラボレーションの機会を特定します。

知識を構造化し、洗練させ、動的に適用することで、学習と成長を促進します。

AIの自律性に潜むリスク：人間中心のアプローチが重要な理由

エージェント型AIは、複雑でコモディティ化したタスクを自動化し、人間の能力を強化し、専門的で戦略的な業務により集中できるようにすることで、SaaSモデルとソフトウェア開発に大きな影響を与えるだろう。

しかし、主導権は依然として人間が握っている。より高い自律性には、より高いリスクが伴う。LLMはエージェント型AIの中核として機能するため、幻覚や敵対的攻撃に弱く、システム全体が同様の脅威にさらされる可能性がある。敵対的な攻撃は、AIの多段階推論の弱点を狙い、入力解釈、中間ステップ、最終出力を操作して動作を危険にさらす。

このような複雑さは、人間の価値観とのズレに関する懸念を高める。AIの目標が人間の利益と衝突し、有害な結果を招く可能性がある。また、AIが予測不可能な行動をとったり、不可逆的な行動をとったりして、コントロールを失うリスクもある。こうしたリスクを軽減するために、企業はエージェント型AIの開発において人間優先のアプローチを取る必要がある。

エージェント型AIを始めるには？

エージェント型AIの経済的優位性が期待されることから、Open AI、マイクロソフト、グーグル、メタ、オラクル、セールスフォースなどの企業が多額の投資を行っている。

しかし、期待や話題性とは裏腹に、エージェント工学はまだ発展途上であることを忘れてはならない。ハイパースケーラがオープンソースモデルを開発している今、企業にとっては、関連する用途を特定し、必要な技術インフラを構築する良い機会だ。

AgenticのAIインフラを構築する場合、健全なエンジニアリング原則を使用してエージェントを構築することが重要です。その他の要因としては、適切なプラットフォームを決定すること、エージェント型AIとジェネレーティブAIの間で努力と投資のバランスをとることなどが挙げられます。

ナガロは、健全なエンジニアリングの原則と経験を活用して、適切なエージェントを構築するお手伝いをします。我々は、企業の効率性を引き出すAgentic AIの能力を確信しており、そのために多額の投資を行っています。現在、その真の可能性を活用するために、多くのプラットフォームをAgenticアーキテクチャに移行しています。

Agentic AIインフラストラクチャの構築をお考えなら、私たちにお任せください。ぜひご相談ください！