メインコンテンツまでスキップ

AIエージェントとは？

AIエージェントは、生成AIを活用して、一定の自律性とエージェンシー（主体性）をもってタスクを実行するソフトウェアシステムです。​
Squid AIは、組み込みのretrieval-augmented generation（RAG）エンジンと、お好みのLLMを用いて既存のシステムやデータを接続し、ビジネスに特化したAIエージェントとワークフローを作成できるようにします。​

AIエージェントを理解する​

AIエージェントにおける「エージェント」という言葉は、**agency（主体性）**という概念—ユーザーや組織に代わって行動したり意思決定したりする能力—を指し、AIエージェントを従来のソフトウェア、ツール、分析システムと区別します。これらとは異なり、AIエージェントは意思決定を行い、行動を起こし、さまざまな企業コンテキストにおいてインテリジェントな解決策を提供できます。

AIエージェントは以下の特性を備えて動作します：

  • 目的志向の知能 - 特定のビジネス目標に向けて動作する
  • コンテキスト認識 - ビジネス環境の中でデータを理解する
  • アクション実行能力 - 情報提供にとどまらず、操作を実行する
  • 学習と適応 - 時間とともにパフォーマンスを向上させる

生成AIがAIエージェントを可能にする仕組み​

AIエージェントが比較的最近になって発展してきた理由が気になるかもしれません。要因はいくつもありますが、生成AIは、以前は大規模に行うのが非常に難しかった（あるいは不可能だった）2つの重要な能力を解放します：

  • 会話言語（人と話すような言葉）でAI技術とやり取りできるようになり、AIがはるかに身近になりました。

  • 大量の非構造化データ（ドキュメント、テキスト、マルチメディア）から洞察を得られるようになります。以前は、非構造化データを構造化形式（データベース、テーブルなど）に無理やり落とし込む必要がありました。

要するに、AIエージェントは、私たちが自然に行っているのと同じように、データ、システム、人を理解し、相互作用できる状態により近づいたのです。

LLMとAIエージェントの比較​

Large Language Models（LLM）とAIエージェントの違いを理解することで、企業コンテキストにおいてエージェントがどこでどのように価値を提供するかが明確になります。

Large Language Models：能力と制約​

Large Language Modelsは強力な自然言語処理能力を提供しますが、企業向けアプリケーションではいくつかの制約があります：

  • コンテキストの制約：LLMは一般的なデータで学習されており、追加のカスタマイズなしでは特定の業務コンテキストや業界固有の知識を欠く
  • データアクセスの制約：標準的なLLMは企業データソースに直接アクセスしたり、リアルタイム情報を取得したりできない
  • 構造化データの取り扱い：LLMは主に自然言語向けに設計されており、複雑な構造化データを正確に処理する能力は限定的
  • システム統合：LLMは追加のインフラやオーケストレーションなしに、既存の企業ワークフローやシステムへネイティブに接続できない
  • セキュリティとガバナンス：ベースとなるLLM実装には、通常、企業レベルのセキュリティ制御や監査機能が欠けている

AIエージェントがLLMの能力を拡張する方法​

AIエージェントは、LLMの基盤の上に重要な企業向け機能を追加します：

  • ビジネスコンテキスト統合：エージェントはドメイン固有の知識や社内情報で構成できる
  • データ接続性：エージェントは、構造化・非構造化を問わず複数のデータソース（データベース、API、ドキュメント、ファイル、SaaS）への接続を取り込む
  • クロスシステム機能：適切に設計されたエージェントは、企業システム全体を横断して包括的な可視化とアクションを実現する
  • セキュリティとガバナンス：企業向けAIエージェントには、適切なセキュリティ制御、権限、アクセス制御、監査証跡が含まれる
  • アクション能力：LLMは主にテキスト生成（または個々のユーザーの代わりに限定的なアクション）に留まるのに対し、エージェントは部門・システム・組織をまたいでアクションやワークフローを開始できる

AIエージェントのスペクトラム​

市場全体で「AIエージェント」の標準的な定義はまだ存在しませんが、私たちは以下の能力と自律性のスペクトラムが有用なフレームワークであると考えています：

LevelCategoryDescriptionKey Characteristics
L0No AI Automation現状 - 基本的または既存のツールを用いた既存プロセスまたは手動プロセス理解と行動を完全に人手に依存；自動化なし
L1Assisted Workブレインストーミング、文章作成、検索を支援する生成AIコンテキストが限定的、または公開データのみで学習したチャットボットが多い
L2Augmented Enterprise企業の業務コンテキストで行動し、問題を解決し、解決策を提案するUIの有無にかかわらず、360°ビューのためにシステム横断で動作する
L3Autonomous Enterprise人の監督が最小限、あるいは不要な状態で独立して運用するまだ発展途上だが、企業全体AIの将来像を示す

現在、多くの組織はL2のAugmented Enterpriseエージェントに注力しています。これらは、人間を関与させたまま（humans in the loop）APIや関数を呼び出し、独自データへアクセスし、アクションを実行できることで大きな運用価値を提供します。

企業向けAIエージェントの種類​

AIエージェントを3つの異なるカテゴリに分けることは、理解する上で効果的だと私たちは考えています。Knowledge agentsはチームを拡張し、system agentsはシステムを拡張し、data agentsは知識とプロダクトを拡張します。

多くの企業では、現実の状況やユースケースに対応するために、2つ以上を組み合わせて1つのソリューションにする必要があります。

Knowledge Agents​

  • 目的：生産性を高めることでチームを拡張する
  • 機能：組織全体の関連データやシステムへアクセスし、洞察の提供、質問への回答、コンテンツ生成、情報アクセスの簡素化を行う
  • ユースケース例：ライブの顧客通話中に営業担当者のために製品ドキュメント、価格、競合インテリジェンスへ即時アクセスできるSales enablement AI agents

System Agents​

  • 目的：システム間を接続してプロセスやワークフローを自動化し、システムを拡張する
  • 機能：ポリシーで学習されたエージェントは、分断されたシステムを接続し、手動ワークフローを自動化することもできる
  • ユースケース例：請求書の特定の明細が正確で、会社の請求ポリシーに準拠していることを検証することで、請求書エラーを減らすコンプライアンスエージェント。必要に応じて、エラーやポリシー違反のフラグ付け、または人の承認のための是正提案の生成が可能

Data Agents​

  • 目的：データをアクセス可能にすることで、知識とプロダクトを拡張する
  • 機能：生データから直接インサイトを抽出し、リッチなデータ可視化を作成し、データに対する自然言語でのインタラクションを可能にする
  • ユースケース例：顧客満足を高め、収益機会を開く機能として、プロダクト内に組み込まれたEmbedded analyticsや自然言語クエリ機能

AIエージェントのユースケースを考え始める方法​

新しい技術の導入は気後れするものですが、適切なマインドセットが役立ちます。AIエージェントの旅を始めるための考え方は次のとおりです。

高価値のユースケースを特定する​

明確なROIが見込める領域に注力しましょう。反復的で手作業の社内プロセス、2つの異なるシステムが接する地点で両方の情報が必要になる場面、または複数のシステムやデータソースから情報が必要になるその他のシナリオを探してください。

スコープを限定する​

高価値のユースケースを特定したら、通常は社内チームを対象に、小さく自己完結した部分から始めてください。そうすることで、低リスクでAIエージェントを試せ（顧客向けや外部向けユースケースと比べて）、価値検証までのスピードも上げられます。

置き換えではなく拡張から始める​

役割を完全に自動化しようとするのではなく、人間の能力を強化します。完全自律エージェントの話題は注目を集めますが、現在のAIエージェントは労働力を拡張するのが最も得意で、完全自律で動かすよりもはるかに低リスクで生産性向上を実現できます。

低いディスラプション（混乱）を前提に設計する​

既存の技術エコシステムやワークフローの中でエージェントがどのように動けるかを構想し、ディスラプションや新しいツール学習の必要性を最小化しましょう。

セキュリティとガバナンスを最初から優先する​

AIエージェントを誰が使うのか、どのリソースにアクセスできるのか、そしてエージェントがどのように応答すべきかを、最初の段階から考え始めてください。

AIエージェントが成功すると、最初に起きるのは「他の人にも共有したい」というニーズです。そして、どの企業向けソフトウェアにも求められるのと同様のセキュリティ、ガバナンス、コンプライアンス要件が、AIエージェントにも適用されます。

適切なガバナンスと統合のもとでAIエージェントを戦略的に実装することで、組織は大幅な業務改善、コスト削減、競争優位性を実現できます。

さらに詳しく​

どこから始めればよいかわからないですか？ Squid AIは、さまざまなユースケースに対応する多くの強力な機能を提供しています。

  • AIエージェントをすぐに立ち上げたいですか？ AI Agent Studio を使えば、コードを書かずにエージェントを作成できます。

  • 高度にカスタマイズされたAIエージェントのワークフローを構築したいですか？ Squidの SDKs を使ってカスタムエージェントを作成するか、ハンズオンで学べる AI tutorial をご覧ください。

  • ユースケースに適した独自アプリケーションを作成したいですか？ fullstack development docs を読むか、fullstack tutorials に進んでカスタムfullstackアプリケーションを作成してください。

  • 質問がありますか？ ぜひお問い合わせください！開始のサポートを喜んで行います。