この革新的なテクノロジーで、新たな可能性を引き出してください。
エージェント型人工知能（AI）は、ビジネスの自動化とインテリジェンスにおける次のフロンティアです。明示的な指示と常時監視を必要とする前世代のAIシステムとは異なり、エージェント型AIは複雑なワークフローをナビゲートし、よりスマートな意思決定を行い、人間の監視を最小限に抑えてアクションを実行することができます。
大企業のIT専門家にとって、この強力なテクノロジーを戦略的に導入する方法を理解することは、業界の革新をリードするか、後塵を拝するかの分かれ目となる。
このガイドは、Agentic AIを組織に統合する際に、機会を特定し、適切なプラットフォームを選択し、セキュリティとガバナンスを確保するためのハイレベルなロードマップを提供します。概念実証から本番稼動まで、インテリジェントな自動化を実現するための青写真です。さっそくご覧ください！
企業におけるエージェント型AIの理解
エージェントAIは、自律的に行動する高レベルの推論AIシステムである。文脈や目的に基づいて問題を分析し、最適な解決策を立案・実行する。
エージェント型AIの主な特徴は以下の通りである：
- 自律性：常に人間の監視なしにタスクを実行すること。
- 適応性：状況の変化や新しい情報に応じて行動を調整すること。
- 複雑な推論：多段階の問題を高い精度で処理する。
- 学習能力：各業務サイクルを通じて、各インタラクションからのフィードバックに基づき、パフォーマンスを継続的に改善する。
- ゴール志向：特定のクエリに応答する単純なAIとは異なり、エージェント型システムは、発見した適切な経路を通じて、定義されたビジネス成果を達成することに重点を置く。
では、エージェント型AIは従来のAIや生成型AIとどう違うのだろうか？
従来のAIは、あらかじめ定義されたルールを使って反復作業を自動化する。言い換えれば、決定論的なシステムは、プロセスが明確に定義された場所で繁栄する。しかし、この決定論的性質は硬直性をもたらし、新しい状況に適応したり、複雑な文脈で微妙な判断を下すことを不可能にする。
同様に、ジェネレーティブAI（GenAI）は、コンテンツ作成と応答生成能力に優れているが、ビジネス目標を積極的に追求するのではなく、特定のプロンプトに応答するだけである。真にエージェント的なシステムに特徴的な自律的な目標追求行動が欠けている。
言い方を変えれば、エージェント型AIはAI能力の次のレベルに相当する。
実際のアプリケーションは、これらのシステムの価値を実証している。
例えば、こうだ：
- テスラのFSD v12ソフトウェアは、自動運転のためにエージェント型AIを使用しており、車両が交通、曲がり角、障害物を自律的に処理し、人間のドライバーのように学習し適応することを可能にしている。
- Microsoft Copilotはエージェント型AI機能を備えており、組織のデータを連携させ、ワークフローを自動化することで、企業が特定の、多くの場合複雑なタスクを実行できるようにする。これらのエージェントは、データ入力、スケジューリング、レポート作成などの定型的な作業から、営業パイプライン管理、調査、分析などの高度な作業まで処理できる。企業は、Microsoft Copilot Studioのノーコード／ローコード環境を使用して、事前に作成されたエージェントを使用したり、他社が作成したエージェントを導入したり、独自のビジネスニーズに合わせたカスタムエージェントを構築したりできます。
- アーンスト・アンド・ヤングによると、多くの企業がエージェント型AIをサプライチェーンの最適化、ルートや在庫レベルの管理、物流効率の改善にも活用しているという。
業界を問わず、エージェント型AIの活躍の場はあるだろう。
適切なビジネスチャンスを見極める
反復可能で意思決定が多いプロセスは、エージェント型AIの恩恵を最も受けやすい。そのため、これらのプロセスを特定することから始めよう。例えば、どのようなワークフローが頻繁に発生するが、ルールベースの自動化が苦戦するほどの変動性があるか？複数の要素を同時に評価し、より微妙な意思決定を必要とするものは何か？
エージェント型AIが解決に役立つペインポイントを特定したら、次は投資収益率（ROI）を検討する番だ。
- 特定のソリューションの導入にかかる費用は？
- 運営を維持するための継続的な経費は？
- チェンジ・マネジメントの必要性とは？
- メリット（生産性の向上、効率化、コスト削減など）は投資を正当化するものか？
ビジネス利害関係者を最初から関与させることは、イニシアチブを組織の広範な戦略目標に合致させる最善の方法です。現在のプロセスをエンドツーエンドでマッピングし、エージェント型AIによる強化の機会を特定し、優先順位をつけるために協力する。また、成功とはどのようなものか、どのような指標を用いるかを明確にする。同時に、エージェント型AIの能力と限界について、全員が同じ見解を持つようにする。
技術基盤を整える
AIの導入を成功させるためには、強固なデータインフラと熟慮された統合アプローチが必要である。
まずはここからだ：
- データソースを棚卸しし、品質と完全性を評価し、クリーンアップし、タイムリーなアクセスのための戦略的パイプラインを確立する。
- エージェントシステムが既存のエンタープライズアプリケーション、データリポジトリ、その他のシステムと相互作用できる統合アーキテクチャを構築する。
- エッジコンピューティングを活用して、エージェント型AIの低遅延データ処理と分析要件をサポートする。
- セキュリティ、ガバナンス、コンプライアンスを初日からソリューションに組み込むことができます。
- エージェントシステムが自律的に行える行動と、人間の判断が必要な行動の境界を明確に定義し、意図しない結果を防ぐために適切なガードレールを設定する。さらに、すべての意思決定と行動は、その背後にある理由を理解するのに十分な文脈とともに記録されなければならない。
Azure OpenAIとMicrosoft Copilot Studioは、エージェント型AIの構築とデプロイに最適なプラットフォームだ。
Azure OpenAIは、GPT-4のような最先端のモデルへのREST APIアクセスを提供し、エージェントAI機能をビジネスニーズに合わせて微調整することができます。Microsoft Azure上に構築されたこのサービスは、スケーラブルな展開、統合されたセキュリティ機能、業界標準への準拠など、Azureのクラウドインフラストラクチャのメリットを享受できます。
Microsoft Copilot Studioは、モデルを簡単に構築、カスタマイズ、展開するためのオーケストレーションレイヤーとローコード環境を提供します。あらかじめ組み込まれたプラグインやカスタムプラグインを介してさまざまなデータソースに接続し、洗練されたエージェントワークフローを作成できるため、制御性が向上します。
マイクロソフトのAIポートフォリオの詳細については、詳細ブログをお読みください。
エージェント・ソリューションの構築と拡張
小さく始める：パイロット・プログラムと低リスクの実験
エージェント型AIを企業に導入する際には、慎重なアプローチが不可欠である。まずは、厳密な概念実証から始めましょう。エージェント型AIのプロトタイプをサンドボックス環境でテストし、最初は限られたユーザーグループや重要でないビジネスプロセスに導入する。
フィードバック・ループ、ヒューマン・イン・ザ・ループ・デザイン、イテレーション
システムに接する人間の監督者やエンドユーザーからフィードバックを収集する仕組みと、モデルの再教育、ルールの改良、アーキテクチャの調整など、フィードバックをシステムの改善に反映させるプロセスを確立する。A/Bテストを使用して、実施前に提案された変更を評価する。
拡大戦略とエンタープライズ・アーキテクチャとの整合性
期待通りの結果が得られたら、いよいよ全社的な導入に踏み切りますが、これも段階的なアプローチで徐々に実行する必要があります。エージェント型AIソリューションが企業アーキテクチャとシームレスに統合され、将来のニーズに対応できる十分な拡張性があることを確認する。ハイブリッド・クラウド・インフラは、成長に必要な余地を提供することができる。
次世代の仕事に向けたITの準備
エージェント型AIが企業のオペレーションを変革するにつれ、IT部門はガバナンス体制があらゆる基盤をカバーし続けるようにしなければならない。当初は、スキルのギャップが生じる可能性が高い。IT部門の役割は、誰もが自律型システムとともに働くことを理解し、迅速に適応できるように包括的なトレーニングを提供することで、組織の変更管理プロセスをリードすることである：それが未来なのだから。
NRIは、マイクロソフトのプラットフォームの利点を活用することで、お客様の企業におけるエージェント型AIの運用を支援します。AIの成熟度に関わらず、新しい世界で成功するための最適な道筋を描きます。
話しましょう！カスタムAIアセスメントを予約し、情報を入手してコントロールしながら前進しましょう。
