ビジネスでAIエージェントを拡張する方法

ビジネス・リーダーと会うと、エージェント型AIが組織のために何ができるのか、そのポテンシャルへの大きな期待を感じます。また、ビジネス・リーダーはエージェント型AIをどのようにして効果的かつ効率的にデプロイするか、という課題に答える必要もあります。

IBM Institute for Business Valueの新しい調査では、ビジネスリーダーの賛同と関心が示されており、調査対象者の86％が、2027年までにAIエージェントによってワークフローとオートメーションがより効果的になると予想しています。

従来のAIやオートメーション・ツールは、便利ではあるものの、生産性の向上はまだ限定的であり、基盤となるプロセスを大きく変革しているわけではありません。エージェント型AIを使用することで、より大規模で戦略的なビジネス成果を推進し、組織の生産性と効率を高めることができます。

重要なのは、AIが何をすべきかを指示するだけではなく、AIが実行し始めることです。AI アシスタントを超えて、人間の監督下でプロセスを実行および適応できるAIエージェントで可能な範囲を拡大する必要があります。この変化には、仕事の進め方を実際に再構築し、ビジネスリーダーが真に望む価値を解き放つ必要があります。

IBM Institute for Business Valueによると、調査対象となった経営幹部の76%がすでに、AIエージェントを通じてインテリジェントなワークフローに対するオートメーションを可能にする概念実証を運用・提供していると回答しています。

私が担当したクライアントはすべて、エージェント型AIへの深い理解、エージェント型AIの拡張に関する信頼できる視点と経験を求めています。それも当然です。エージェント型AI には、ビジネスを変革する大きな期待と大きな可能性がありますが、それに伴って技術的な要求と組織内の文化の変化も必要になります。

自分の経験から、私は「どのように」（How）がクライアントや組織にとって重要な焦点になっていることを学びました。コスト削減、効率、生産性において信じられないほどの成果を挙げる方法を熱心に求めています。このテクノロジーを統合し、優れた成果につなげる方法に関する私の見解を以下にまとめました。

エージェント型AIが活躍している具体的な分野には、カスタマー・サービス、調達、財務、そしてITプロセス全体などがありますが、特にカスタマー・サービスに大きなチャンスがあります。

実際、当社はエージェント・アプローチに軸足を移すことで、従来のチャットボットやオートメーションを使用していたコンタクト・センターを変革しました。私たちのエージェントによる会話体験アプローチでは、チャットボットのような単一のスクリプト化されたアシスタントではなく、より広範かつ複雑な範囲の顧客からの問い合わせに対応できるAIエージェントの連携チームを導入しています。これにより、コンプライアンスと一貫性を推進するための定義済みのガードレールを基盤として運用しながら、大幅な効率化を実現できます。

エージェント型AIが従来のチャットボットよりも優れているのは、総合的に動作する能力がある点です。スクリプトに従うだけでなく、アクションを動的に調整し、例外に適応し、継続的に学習することができます。エージェントは固定された順序で動作するわけではありません。相互に、そして人間と協力して、複雑なタスクをリアルタイムで解決する最も効率的な方法を選ぶことができます。

組織がソリューションを拡張し、成果の向上を実現するには、エージェント型AIを効果的かつ効率的に導入するために取るべき先行対策や準備があります。

まず、ビジネスでの機会を特定することです。たとえば、調達機能をより効率的にして、エージェント・ソリューションを実装したいとします。IBMは、エージェント・ソリューションが付加価値を提供し、プロセスまたはワークフローを強化するかどうかをクライアントが正式に評価するための方法論を開発しました。

当社のエージェント型AI準備状況評価アプローチは、以下に基づいています。

• プロセス・マイニングとLLMを利用したプロセス分析の組み合わせによって実行されるアセスメント
• エージェント型AIと自律的トランスフォーメーションに最適なビジネス・プロセスを特定する設計
• AIを使用してプロセスをどの程度再設計できるかを評価する5つの柱

「方法」の後半では、基盤となるエンタープライズ・アーキテクチャーの機能を考慮し、アーキテクチャーをどのように進化させる必要があるかを特定します。これは、従来の統合レイヤーを超えて思考し、自律的なAI駆動型ワークフローのために設計された最新のアーキテクチャを確立することを意味するかもしれません。必要な機能には、次のようなものがあります。

• マルチエージェント・オーケストレーションとイベント駆動型の統合
• エージェント・カタログとライフサイクル管理の一元化
• エージェント・メモリと長期的なコンテキストの保管
• モジュール式のAI対応データ製品
• AIエージェントに合わせたガバナンス、オブザーバビリティー、セキュリティー・レイヤーのカスタマイズ

データはAIのデプロイメントを成功させる上で依然として中核を成しており、開始時の会話のクリティカルな部分を占めます。私たちのIBMにおける見解は、このエージェント型AIのアプリケーションは、エクスペリエンス、プロセス、データを組み合わせた場合にのみ価値を実現できると言うことです。

構造化データと非構造化データの管理、データ品質の確保、データ・プライバシーの保護は継続的な課題です。しかし、適切なストラテジーがあれば、企業はAIの力を活用してトランスフォーメーションと将来の成長を推進することができます。

AIトランスフォーメーションに向けて企業の準備を進める際に考慮すべき課題は主に3つあります。

• データへのアクセス： 2022年には、企業が生成するデータ*の90%が非構造化データになると推定されています。組織は、データがどこにあってもアクセスできるようにして、ユースケースに合わせて統合する必要があります。
• リアルタイム分析とAIのための高品質でインテリジェントなデータ：AIの能力はインプットしたデータによって決まります。自社のAIモデルで使うほど、そのデータを信頼できるでしょうか。データは十分な品質でしょうか。また、データの品質を客観的にどのように評価していますか。AIをデプロイする前に、これらの質問に答える必要があります。
• データ・セキュリティー： オンプレミスかマルチクラウドかにかかわらず、データ・セキュリティーはランドスケープ全体に拡張する必要があります。データがどこで使われているのか、また構造化データか非構造化データかに関係なく、すべてのデータを考慮してください。

クライアントが考慮すべきもう１つの重要な要素は、強力なチェンジ・マネジメントです。具体的には、日常業務の一部としてAIを導入する必要がある人々を考慮する必要があります。

具体的な例としては、 人事トランスフォーメーションの観点 が挙げられます。これは、人の役割を再考し、AI が最も価値を発揮できる領域を検討する必要があるユースケースです。人事部門のクライアントの多くは、役割の再考が必要な従業員のスキルアップと再教育について考察しています。

変更管理は、AIトランスフォーメーションに不可欠な要素である必要があります。これは単に技術的な実装を行っているだけではありません。これは総合的なプロセスであり、顧客がテクノロジー、プロセス、人材など、ビジネスを円滑に進めるためのエコシステム全体を考慮する必要があります。

エージェント型AIを導入したこの変化は、単なる従業員や職務の再設定ではありません。例えばIBMでは、プロセスを再考し、AIを統合してシームレスな最適化を実現できるワークフローを作成することで変革を実現し、35億ドル相当の生産性向上を実現できました。

当社には、エージェント型AIをビジネスに導入するための適切なストラテジーと方法についてお客様にアドバイスするためのツールと専門知識があります。

「どのように（How)」が決まり、クライアントがエージェント型AIを成功させるために何が必要なのかを理解したら、次のプロセスはエージェント型AIをビジネスに統合することです。

1. エージェント型AIのための再設計 ：エージェント型AIでは、作業の設計と実行の方法を変革する必要があります。
   プロのヒント：エージェントと合わせてワークフローを再考しましょう。日常業務をAIに委任し、監督、エスカレーション、付加価値のある判断における人間の役割を強化します。
2. 拡張性の確保：複数のシステムや機能をまたいでエージェントを拡張するには 堅牢なオーケストレーションが必要です。
   プロのヒント：エージェントが複数のプラットフォームに渡って安全に作業し、タスクを調整し、プロセスの境界を尊重し、レイヤーを制御することを可能にする、強力なエージェント・オーケストレーションのレイヤーを実装しましょう。
3. データの準備 ：エージェントは、焦点を絞った実用的で高品質のデータにアクセスする必要があります。
   プロのヒント： エージェントがリアルタイムかつコンテキストに沿って行動するために必要な、構造化されたインプットを確実に取得できるよう、キュレーションとガバナンスが行き届いた、API経由でアクセス可能なユースケース固有のデータ製品を構築しましょう。
4. パフォーマンスの最適化 ：速度、信頼性、コストのバランスを取ることが、規模の拡大には不可欠です。
   プロのヒント：エージェントのタスクを、複雑さとコストに基づいて適切なLLMやツールにルーティングするためのプラットフォームを整備しましょう。キャッシュ、スマート・フォールバック・モデル、使用量制御を使用してROIを最大化しましょう。
5. 信頼性のテスト ：導入前に、エージェントの公平性と説明可能性を監視する必要があります。
   ヒント：エージェントの評価をAgentOpsのライフサイクルに組み込みましょう。デプロイメント前と本番環境での継続的な精度、バイアス、堅牢性、倫理的コンプライアンスのテストを自動化しましょう。
6. ガバナンスの確立 ：信頼できるAIの稼働には、運用管理と可視性が不可欠です。
   プロのヒント：オブザーバビリティー、人間参加型のコントロール、KPI追跡、監査証跡を含むガバナンス・フレームワークを作成して、エージェントの行動とビジネスへの影響を監視しましょう。
7. 迅速な導入を推進 ：価値を迅速に実現し、勢いをつけます。
   プロのヒント：すぐに効果が発揮される、価値の高い、範囲の狭いユースケースから始めましょう。再使用可能なエージェント・テンプレートとモジュール式アーキテクチャーを使用して、機能間で水平方向に拡張します。
8. ビジネス価値の追跡 ：インパクトは目に見えて測定可能でなければなりません。
   プロのヒント：ワークフローの統合性、人間への引き継ぎ率、ビジネス成果の向上などのKPIを定義します。これらを使用して、イテレーション、普及、エグゼクティブの賛同へとつなげましょう。

エージェント型AI をビジネスに統合する場合、次の 3 つの推奨事項があります。

• プロセスの再構築： 失敗したプロセスを修正するだけではありません。拡張アプローチを使って全面的に再考してください。
• 考察する： ユーザー・エクスペリエンス、プロセス・オーケストレーション、必要なデータ製品を含む、エンドツーエンドのビジネス・プロセス全体を考慮しましょう。提供しようとしている全体的なエクスペリエンスについて考察しましょう。

スケーラビリティに備える： 当初からの堅牢なガバナンスと、現在および将来にわたって使用できる高品質のデータから始めて、迅速に拡張できるようにAIアーキテクチャーを設計します。

エージェント型AIはすでに企業のイノベーションの中心にあります。従来のSaaSプラットフォームは、エージェント・アプリが複数のシステム間でAIエージェントをソース、呼び出し、Orchestrate®し、完全なワークフローを実行できるマーケットプレイスの中に進化しています。

企業は、厳格なタスクを実行するためにモノリシックなアプリケーションに依存するのではなく、作業を動的に調整し、コンテキストに適応し、手動介入の必要性を軽減するマルチエージェント・システムをデプロイし始めています。

このトランスフォーメーションは、自律性、スピード、継続的な最適化のために作られた、デジタルオペレーションの新しいアーキテクチャの始まりです。

* DCホワイトペーパー：The untapped value of unstructured data