https://venturebeat.com/ai/agentic-ai-a-deep-dive-into-the-future-of-automation/venturebeat.com
生成AIを超えて
AIの最も大きな変革の可能性は、常に自律性の可能性であり、人間の監視なしに自らインテリジェントに行動できるシステムを作り出すことです。しかし、このような「エージェント型AI」は、これまでほとんどの企業ユースケースでは手の届かない存在でした。
AIエージェントに特化したコンサルティング会社であるRed Dragon AIのCEO、Sam Witteveen氏によると、今後1年半の間に、業界全体にわたって、2つの関連するトレンドが、何が可能かについての我々の認識を変えるでしょう：
AI時代の組織の準備：テクノロジーから変革へ
- あらゆるものにエージェントを: AIエージェントは、多くの使い慣れたソフトウェアツールやサービスの代替品として利用できるようになり、ユーザーは特別なインターフェースやコードを使用する代わりに、自然言語でエージェントと対話できるようになります。
- エージェントのためのビルディングブロック： カスタムAIエージェントを構築するための新世代のツールやフレームワークが登場し、企業は業務のさまざまな側面でAI主導の戦略を開発できるようになります。
この記事は、業界を問わず企業にとってAI導入の次の進化段階となることが期待されるエージェント型AIについて、複数の記事で深く掘り下げたものの第1部です。今後数週間にわたり、このシリーズでは、サイバーセキュリティ、IT管理、事業運営、営業、マーケティングなど、未来の組織がどのように機能するかについて、Agentic AIが与える影響の全容を探っていきます。また、進化し続ける倫理的・規制的な状況についても解説します。
ChatGPTが登場して以来、さまざまな業界の企業が、画像生成から顧客サービス・ボットの強化まで、生成AIを自社製品に組み込もうと躍起になっています。コンテンツ・マーケティングからソフトウェア開発、脅威検出まで、さまざまな分野で企業がこれらの製品を採用しており、 Google Cloudの調査によると、70％の企業が少なくとも1つのユースケースでROIを確認しています。この影響は、ソリューションが成熟するにつれて大きくなるでしょう。最近のマッキンゼーのレポートによると、生成AIテクノロジーは、ビジネス部門全体で2.6兆ドルから4.4兆ドルの価値を付加し、全従業員が必要とする総作業量を50%から70%削減するとのことです。
しかし、魅惑的なビジュアルや人間のようなテキストを作成する以上のことを約束する革新の別の波が地平線上にあります。エージェント型AIは、自律的にイベントを監視し、意思決定を行い、実際の行動を起こすことができるアプリケーションの登場により、企業の機能の中核に革命を起こす準備が整っています。今こそ、これまでのヘッドラインを席巻してきたチャットボットやコンテンツジェネレーターの先を見据える時です。サイバーセキュリティの脅威をリアルタイムで管理する組み込みエージェントから、超パーソナライズされたキャンペーンを自律的に生成するマーケティングAIまで、Agentic AIは技術的な進歩だけでなく、企業や社会に大きな影響を与える真のパラダイムシフトです。
エージェント型AIの定義：古典的な自動化と融合した生成AI
エージェント型AIは、古典的な自動化と最新の大規模言語モデル（LLM）のパワーを組み合わせたもので、LLMを使用して人間の意思決定、分析、創造的なコンテンツをシミュレートします。行動できる自動化システムのアイデアは新しいものではなく、寒すぎたり暑すぎたりしたときに暖房やエアコンをオン・オフできる古典的なサーモスタットも、単純な「スマート」オートメーションの一種です。
現代のITオートメーションは、Docker、Kubernetes、Terraformのような自己監視、自己修復、自動スケーリングのテクノロジーによって革命的に変化しました。これらのシステムは、IT運用の作業を大幅に簡素化します。オペレータがシステムの望ましい最終状態を（コードで）宣言すると、自動的に現実と希望が一致します。 どんなに強力でも、この種の古典的な自動化には、コードを使用してツールを構成し、操作する専門のエンジニアが必要です。エンジニアは、起こりうる状況を予測し、必要となるロジックやAPIコールをキャプチャするスクリプトを書かなければなりません。エージェントAIは、2つの根本的な方法でこれらの制限を超越します： 第一に、訓練されたコーダーにアクセスが制限される代わりに、言語を使用できる人なら誰でもシステムと対話することができます。第二に、静的なスクリプトは、固有の状況に合わせてLLMが生成するコード・オン・デマンドに置き換えられます。
この新しいパラダイムでは、インテリジェントなAIエージェントは、言語で記述するだけで、大まかな目的や成功基準を割り当てることができます。そして、これらのエージェントは、なすべきことを評価し、これまでに達成したことを検証し、最終目的に向けて次のステップを決定するというサイクルを繰り返すことができます。 AIエージェントはまた、外部ツールやAPIと相互作用し、外部ソースからデータを照会し、実世界のアクションをトリガーすることができます。このデモのように、単に近くのピザ・レストランを見つけるだけでなく、実際に注文することもできます。
例えば金融サービスでは、AIエージェントが市場を継続的に監視し、リアルタイムの分析に基づいて自動的に取引を実行したり、投資戦略を調整したりすることができます。これらのシステムは、人間よりもはるかに多くのデータを処理することができ、効率性の向上、リスクの低減、意思決定の改善など、ビジネスの運営を可能にする可能性があります。
一般的に、エージェント型AIシステムを定義する一連の特性は以下のとおりです：
生成： 最新のエージェント型AIシステムは、LLMの分析能力と創造力を活用します。しかし、単純なAIアプリとは異なり、単に生成されたテキストを結果としてユーザーに返すだけではありません。その代わりに、生成された出力を複雑なワークフロー内の中間ステップとして使用し、人間の思考の役割を模倣することができます。
ツールの呼び出し： エージェントシステムでは、AIは特定のツールやAPIを呼び出すことができ、LLMによって生成された推論に従ってデータを照会し、イベントをトリガーします。
発見： エージェントシステムは、様々なツールやデータストリームから実世界のデータにアクセスすることができ、学習データの制限を回避することができます。さらに、検索支援型生成（RAG）のように人間が提供する入力に制限されるのではなく、LLMの生成を利用して必要なデータを決定し、それを求めることができます。例えば、サプライチェーンのロジスティクスを維持することを任務とするAIエージェントは、天候データAPIやサプライヤーの在庫データベースに対する独自のクエリを作成し、不足を予測して可能な解決策を決定するかもしれません。
実行： エージェントは、人間の介入なしに、外部システムとのやり取りやプロセスのトリガーなど、実世界でのアクションを実行できます。AIエージェントは、人間に電子メールやその他の通信を送信したり、発注書や資金移動を送信したり、安全なシステムへのアクセスを許可または取り消したり、APIに接続可能なあらゆるアクションを取ることができます。
自律性（自己促通）： 単純なチャットボットがプロンプトに応答するように、特定の時間に特定のことを行うようにトリガーされる必要はありません。その代わり、一度アクティブになると、適切なタイミングで行動するよう監視することができ、人間はこのような「見て待つ」労働から解放されます。行動、評価、計画のサイクルを繰り返し、絶えず「自己プロンプト」を出しながら、望ましい最終状態に向かって進むことができます。
計画： エージェントシステムは、全体的な目標を追求するために、一連の下位タスクを生成し、優先順位を付け、管理することができます。
構成： エージェント型システムは、複数のコンポーネント（クエリ、スクリプト、サブルーチン、APIやリモート関数の呼び出しなど）を、まとまりのあるアクションやレスポンスに組み立てることができます。従来のオートメーションにおけるスクリプトとは異なり、AIエージェントは、利用可能なリソースをどのように組み合わせるかを推論するためにLLMを使用して、特定の問題に対する独自のソリューションを構成します。これには、オンデマンドでAIエージェントを作成するか、サービスの境界を越えて通信することで、他のAIエージェントに作業を委任することも含まれます。
メモリ： エージェントシステムは、独自の内部知識表現を構築して維持することができ、発見によって抽出された情報や以前のアクションの出力を蓄積して利用することができます。この能力により、エージェントはより自律的に機能することができます。例えば、小売サイトのパーソナルショッパーエージェントは、チャットでのやり取りや購買行動から抽出されたユーザーに関するテーマや事実の特異なリストを保持し、会話と推奨の両方をカスタマイズするために使用することができます。
振り返り： エージェントシステムは、低品質の結果を提供するのではなく、生成したソリューションを評価し、必要に応じて再試行することができます。例えば、多段階の検索支援プロセスを通じてユーザーカスタマイズされたキャンペーンコピーを生成するマーケティングエージェントは、ユーザーの評価と批判的なフィードバックを予測する評価者AIにすべてのドキュメントを提出し、顧客が可能な限り最良の結果にのみ遭遇することを保証するかもしれません。
企業の変革
エージェント型AIの持つ意味は非常に大きく、複雑かつダイナミックです。あらゆる分野の組織は、適応するための準備をしなければなりません。
AIエージェントはまだ開発途上であり、技術が成熟するにつれて課題に直面します。その中核はLLMに依存しており、LLMはまだ幻覚を見やすい。例えば、エージェントが特定のリンクをウェブ検索した場合、少し間違ったバックリンクをもたらすかもしれません。そして、LLMはそれをどう扱っていいかわからなくなり、無限ループに陥るかもしれません。しかし同時に、開発者はこれらのエージェントの実験や改良に集まっています。やがて、エンジニアがエージェントのコンポーネントを組み合わせて堅牢なシステムを構築することを学ぶにつれて、スマートな設計が普及していくでしょう。
特に人気のある主なエージェントフレームワークは3つあります： Langraph、Autogen、CrewAIです。Langraph、Autogen、CrewAIです。あるレビューによると、それぞれ長所と短所があるものの、ほぼ同等であるとのことです。今後数週間にわたり、この連載では様々な業界における使用事例を検討し、既製のAIエージェントの主要な製品をレビューし、また企業がこれらのDIYツールやフレームワークを使って現在構築しているプロジェクトの種類を検討します。
ここでは、エージェント型AIがすでにどのような影響を及ぼしているか、いくつかの例を紹介します：
1. セールス：次世代のリード管理
エージェント型AIは、パイプライン全体を自動化することで営業プロセスに革命をもたらし、企業はかつてないほどリード管理を拡大することができます。Conversicaや Relevance AIのようなツールは、潜在的なリードに自律的に関与し、それらを修飾し、セールスファネルを通して見込み客を育成するAIを搭載したアシスタントをすでに提供しています。例えばConversicaは、AIを活用したRevenue Digital Assistantsを使用して、会話を開始し、問い合わせに答え、EメールやSMSでフォローアップのスケジュールを設定します。これらのアシスタントは、タイムリーでパーソナライズされたインタラクションを確保することで、企業が適格な販売機会を最大5倍増加させ、リードをないがしろにしないようにします。
同様に、Relevance AIはAI営業開発担当者（SDR）のようなAIエージェントを提供し、リードの認定やフォローアップのような反復作業を自動化します。これらのAIエージェントはリードの行動をリアルタイムで分析し、スコアリングして優先順位を付け、人間の営業担当者が価値の高い機会に集中できるようにします。
AIエージェントが日常的な顧客エンゲージメントを処理する間、人間の担当者は価値の高い見込み客に時間を集中させることができます。実際、ガートナーのレポートによると、2025年までにB2Bの営業組織の75%が、ルーチン・タスクを自動化し、全体的な生産性を向上させるために、AIを活用したエージェントでチームを増強する予定です。
2. マーケティング：大規模なハイパー・パーソナライズド・ショッピング
エージェント型AIは、NetcoreのCo-Marketer AIやSalesforceのAgentforceのようなツールが主導する、企業が顧客とのやり取りをパーソナライズする方法を変革しています。Co-Marketer AIは、リアルタイムのデータに基づいてパーソナライズされた動的なコンテンツを提供することで、Eメール、WhatsApp、SMSなどの複数のチャネルでブランドはユーザーをエンゲージすることができます。このAI主導のプラットフォームは、ユーザーの行動から継続的に学習し、ブランドは個々のカスタマージャーニーに適応した関連性の高いレコメンデーションやオファーを提供できるようになり、エンゲージメントとコンバージョンを大幅に向上させます。
セールスフォースのAgentforceは、AIエージェントを使用して、パーソナライズされたマーケティングキャンペーンを自律的に作成し、最適化します。これらのエージェントは、過去の購入履歴や閲覧履歴などの顧客データを分析し、カスタマイズされたキャンペーンやオファーを大規模に生成します。このようなプロセスを自動化することで、企業はより高度な戦略に集中することができ、同時に顧客はあらゆるタッチポイントで高度にパーソナライズされた関連性の高いコンテンツを受け取ることができるため、顧客との関係が深まり、収益が増加します。
両プラットフォームは、顧客エンゲージメントを新たな高みへと引き上げる、超パーソナライズされたスケーラブルなマーケティング・ソリューションを提供するエージェント型AIの力を示しています。
3. サイバーセキュリティ：リアルタイム防御
サイバーセキュリティは、エージェント型AIの最も明白なアプリケーションの1つであり、そこではスピードと正確さが最も重要です。この分野では、Darktraceや Vectra AIなどの企業が、ネットワーク・トラフィックを継続的に監視し、脅威を特定し、自律的に対応を開始するAI駆動型エージェントを開発しています。
Vectra AIは、AI駆動型エージェントを使用して、クラウド、データセンター、企業ネットワーク全体のセキュリティ・インシデントを自律的に検出し、対応します。Vectraのエージェントは、ネットワークトラフィックを継続的に監視し、正当な動作のパターンを学習することで、攻撃のシグナルとなり得る異常をより的確に特定します。潜在的な脅威が検出されると、AIエージェントは、侵害されたネットワーク・セグメントの隔離、悪意のあるトラフィックのブロック、影響を受けたシステムの隔離など、自律的に対応を開始します。
エージェント型AIへの移行により、セキュリティ・チームは人間の介入なしにリアルタイムで脅威を処理し、より効果的に運用できるようになります。この常時稼働型の自律的な防御は、サイバー攻撃による侵害を防止し、被害を最小限に抑える鍵となり、企業はデジタル化が進む世界で安全に事業を展開できるようになります。
4. インフラとITの運用：プロアクティブな管理
ITインフラストラクチャの管理には、従来、かなりの量の手作業による監視、設定、常時監視が必要でした。しかし、 Qoveryのようなプラットフォームの台頭により、IT運用の未来はますます自律的になり、エージェント型AIを活用して企業のインフラ管理方法を変革しています。
Qoveryのプラットフォームは、 エージェント型AIがIT運用をどのように再構築できるかを垣間見せてくれます。クラウドにおけるアプリケーションの展開を自動化するために設計されたQoveryのエージェントは、環境の設定、スケーリングの管理、自己修復システムによる稼働時間の確保などのタスクを実行します。
これは、KubernetesやTerraformのような従来のIT自動化ツールの単なる延長ではありません。例えば、アプリケーションのニーズを予測し、環境を動的に調整し、リソースを再割り当てすることでコストを最適化することもできます。
AIエージェントはユーザーのコマンドを自然言語で解釈するため、企業がIT管理の専門知識を維持する必要性を低減します。Qoveryは、自社のプラットフォームが「DevOps採用の必要性を排除する」と主張しています。
次の課題は？
AIエージェントは、より高い効率性、敏捷性、そしてスピードで事業を運営する力を企業に与えることができます。このテクノロジーはまだ黎明期にありますが、より堅牢な製品が利用できるようになるにつれて、そしてこれは非常に急速に起こると予想されるにつれて、その採用のためのビジネスケースは大きくなるでしょう。
しかし、エージェント型AIの導入には、綿密な設計が必要です。ある業務には特化したAIエージェントを作成し、別の業務には適切なAI対応ツールを選択する必要があります。自社で開発するにしても、サードパーティのエージェント型AIを導入するにしても、企業はこの新しいテクノロジーの誇大広告と現実、約束と危険を理解する必要があります。
このシリーズでは、企業がどのようにこのようなシステムを構築できるのか、どのようなツールやプラットフォームを利用できるのか、そしてエージェント型AIの台頭から最も恩恵を受けると思われる業界について探っていきます。エージェント型AIがマーケティング、営業、サイバーセキュリティ、カスタマーサービス、事業運営をどのように再構築しつつあるのかを詳しく見ていきます。また、新たな規制の状況や、AIガバナンスの健全な原則を活用することで、ユーザーやパートナーの信頼を維持しながら、どのような道を切り開くことができるのかについても探っていきます。AI主導型ビジネスの未来にご期待ください。
