マイクロサービスからAIエージェントまで：アプリケーション・アーキテクチャーの進化
The DX Leaders
「The DX Leaders」は日本語でお届けするニュースレターです。AI活用のグローバル・トレンドや日本の市場動向を踏まえたDX、生成AIの最新情報を毎月お届けします。
アプリケーション アーキテクチャの歴史を振り返ると、よりインテリジェントなコンポーネントに分解されるという一貫したパターンが見られます。
1990年代: モノリシックアプリケーション
単一コードベース システムがエンタープライズ コンピューティングを支配し、重大な運用上の課題を生み出しました。
2000年代初頭: サービス指向アーキテクチャ (SOA)
SOA は、アプリケーションをビジネスに合わせたサービスに分解することで、モノリシックな制限に対処しました。
2010年代:マイクロサービス
マイクロサービスアーキテクチャは、アプリケーションをより小さく、独立してデプロイ可能なユニットに分割しました。
IBMお客様事例
お客様のビジネス課題（顧客満足度の向上、営業力強化、コスト削減、業務改善、セキュリティー強化、システム運用管理の改善、グローバル展開、社会貢献など）を解決した多岐にわたる事例のご紹介です。
従来の決済処理マイクロサービスでは、検証、処理、エラー状態、統合を処理するために何千行ものコードが必要です。対照的に、高性能AIエージェントは、クリティカルパス用にプリコンパイルされたコンポーネントと、複雑な意思決定のための機能を組み合わせます。このハイブリッドアプローチは、性能の信頼性と適応型インテリジェンスの両方を確保するのに役立ちます。
たとえば、Ahead-of-Time (AOT) コンパイルを使用したC#でのセマンティック カーネル エージェントの実装は、実稼働エージェント システムが、価値のある推論機能を追加しながら、パフォーマンスにおいて従来のマイクロサービスと同等またはそれを超えることができることを示しています。
マイクロサービスに基盤となるオーケストレーション・プラットフォームが必要なのと同様に、AIエージェントにも特殊なエージェントフレームワークが必要です。Semantic KernelやLangChain Enterpriseなどの最新ソリューションは、エンタープライズ・グレードの性能でエージェント調整に必要なインフラストラクチャーを提供します。
これらのフレームワークは、期待されるエンタープライズ・グレードの性能標準を維持しながら、従来のサービス・オーケストレーションを超えた機能を提供します。
- ハイパフォーマンス基盤: エージェント型フレームワークは、予測可能な低遅延実行を実現するAOTコンパイルを備えたコンパイル言語で構築されています。
- メモリ効率の高い設計: エージェント型フレームワークは、リソースの消費を最小限に抑えるため、高スループットのシステム向けに最適化されています。
- セマンティックプロセッシング: エージェントはタスクの複雑さに基づいて計算リソースを割り当てます。
- エンタープライズ統合：エージェント型フレームワークは、強力な契約強制機能を備えた既存システムへの型安全なコネクタを提供します。
- ハイブリッドプランニング：エージェント型フレームワークのクリティカルパスはコンパイルされた論理を用い、複雑なシナリオでは推論にAIが使われます。
エージェント型アーキテクチャーへの移行により、次のような目に見えるメリットがもたらされます。
- インテリジェンスを備えたパフォーマンス: 適切に設計されたAIエージェントが優れたパフォーマンスを提供します。コンパイルされたエージェントは、従来のマイクロサービスよりも高いスループットを達成し、複雑な不正アクセス検知のための推論を追加することができます。
- エンタープライズ・グレードの信頼性：エージェント型フレームワークにより、堅牢な統合が可能になります。サプライチェーン・システムは、何千ものトランザクションを処理し、データの不整合をスムーズに処理できます。
- 優れたエラー処理： AIエージェントは、復旧パスと推論を組み合わせます。注文処理システムは、最適化されたエラー処理パスと新たな障害の推論を通じて高可用性を維持します。
- 将来を見据えたアーキテクチャ: 組織は今日メリットを得ながら、将来に向けた準備を整えることができます。推論レイヤーを備えたコンパイルされたエージェントは現在のパフォーマンスを最適化し、将来のAI進歩への道を開きます。
組織は、企業基準を維持しつつAIの利点を活用する実践的な実装戦略を必要としています。
- パフォーマンスプロファイリング: パフォーマンス上重要な処理経路と、推論機能の恩恵を受ける可能性のある複雑な意思決定ポイントの両方を有するマイクロサービスを特定します。
- アーキテクチャ設計：エッジケースを処理する推論コンポーネントからクリティカルなパス（コンパイルコードで実装）を分離するエージェント設計を作成します。
- フレームワークの選択: パフォーマンス ベンチマーク、既存システムとの言語互換性、コンパイル オプションに基づいてエージェント フレームワークを評価します。
- チームの強化：従来のソフトウェア開発の専門知識とAIエンジニアリングスキルを組み合わせたエンジニアリングチームを構築します。
- 体系的なデプロイメント: 推論機能と並行して厳密なパフォーマンス ベンチマークを実装およびテストします。
パフォーマンスを優先したアプローチを実施することで、組織は戦略的なAI機能を構築しながら、運用上のメリットを達成することができます。
評価フレームワーク
評価は、次のような複数の側面にわたってエージェントの行動を評価するために設計された特殊なテスト・スイートです。
- 機能評価:入出力アサーションを通じてコアビジネス能力を検証します。
- 推論評価: 意思決定の質と問題解決のアプローチを評価します。
- 行動評価: 組織のガイドラインおよび倫理基準との整合性をテストします。
- パフォーマンス評価: 応答時間、スループット、および参考情報の使用量を測定します。
- 敵対的評価: エッジケースと潜在的な障害モードでエージェントを試します。
一部のクラウド、データ、AIプロバイダーの内部データでは、エージェント・システムの多次元評価を実装した後、運用インシデントが大幅に減少したことが示されています。
評価主導型開発の実装
成熟した評価主導型開発プロセスには、次の主要な要素が含まれます。
まず、あらゆる側面にわたって期待を定義することから始めます。各エージェントに対して、以下を実施してください。
開発ライフサイクル全体を通じて評価を実行する自動化されたパイプラインを構築します。
静的なテストケースを超え、動的に生成されるシナリオを活用しましょう：
スタンフォード人間中心AI研究所（HAI）による2024年の研究により、包括的な評価フレームワーク エクスペリエンスを利用している企業は、開発サイクルが 65% 短縮され、本番ロールバックが 42% 減少していることがわかりました。
お客様事例：金融サービスにおける導入
上位10に入る世界的な銀行は、カスタマー・サービス・エージェント向けに評価主導の開発を導入し、素晴らしい成果を上げました。
彼らのアプローチは、機能検証のための自動テストスイート、複雑な意思決定シナリオに対するアセスメント、重要なやり取りに対する専門家のレビューという3層の評価フレームワークを中心としていました。
このフレームワークによって、従来のテストでは見逃してしまう微妙な問題が明らかになりました。たとえば、エージェントはポリシーに従ってローン申請を正しく承認しましたが、境界線上のケースで意図せずバイアスを強化する推論を使用しました。これは、デプロイメント前の推論評価によって特定された問題です。
経済的課題
効果的な最適化アプローチ
先進的な組織では、これらのコストを管理するための体系的なアプローチを開発しています。
JPMorgan Chaseは、 トランザクションの 89% を確定的パスで処理するハイブリッドアーキテクチャにより、推論コストを 67% 削減しました。これにより、LLM のリソースは複雑なシナリオに充てることができました。
2. 効率化のためのプロンプトエンジニアリングのチューニング
マッキンゼーの2024年AI経済報告書は、これらのストラテジーのうち3つ以上を実施することで、システムの機能を維持または向上させながら、AIの運用コストを平均62%削減できると述べています。
マイクロサービスとエージェント・アーキテクチャーの違いを説明するために、金融サービス取引プラットフォームを考えてみましょう。
- アカウントサービスは顧客情報と残高を管理
- 取引サービスは明示的なリクエストに基づいて注文を実行
- 市場データサービスは、問い合わせ時に価格を提供
- 通知サービスは、事前に定義されたイベントの後にアラートを送信
- リスク管理サービスはルールベースのチェックを適用
顧客が取引を行うと、システムは事前に決められたパスをたどり、各ステップは明示的にトリガーされたときに実行される
- ポートフォリオ・エージェントが保有保有額を継続的に監視し、リバランスの機会を提案
- 取引実行エージェントが市場の状況に基づいて最適なタイミングを選択
- リスクアセスメントエージェントが市場の変動を積極的に評価
- コミュニケーション・エージェントが設定済みチャネルを通じて関連情報を提供
実際には、エージェントの導入は根本的に異なる顧客体験を生み出します。市場の変動性が高まると、リスクアセスメントエージェントは取引制限を自律的に調整し、ポートフォリオに通知する場合があります。ポートフォリオは、顧客の保有資産の潜在的な脆弱性を分析します。システムは、明示的にコード化されたものを超えたインテリジェンスを発揮します。
モノリスからサービス、マイクロサービス、エージェントへの進歩は、明確な歴史的パターンに従っています。進化するごとに、インテリジェンスと自律性が向上し、より細分化されたコンポーネントが導入されました。
エージェント アーキテクチャを大規模に実装する組織は、アプリケーション ポートフォリオ全体で一貫した品質、コスト効率、ガバナンスを達成するために、プラットフォーム・エンジニアリングの原則を採用する必要があります。
先進的な組織は、内部開発者プラットフォーム（IDP）を使用してエージェントの導入を加速させています。
Gartner の 2024 年プラットフォーム・エンジニアリング レポートは、成熟したプラットフォーム アプローチにより、新しいエージェント機能の市場投入までの時間が 3.2 倍短縮され、開発者の満足度が 76% 向上したと述べています。
組織は現在、適切なユースケースにエージェント アーキテクチャを導入する先導役となるか、早期に優位性を獲得した競合他社に追随するかという選択に直面しています。証拠は、プラットフォーム駆動型アプローチを導入する先駆者が、開発速度、システムの柔軟性、機能において大きな競争優位性を得ていることを示唆しています。