AIエージェントを使い始めるには: 初心者向けガイド

AIエージェントについてはさまざまな話題がありますが、細かい事はさておき、まず自分のエージェントを作ってみたいという方もいらっしゃることと思います。 AIエージェントを使い始めることは見かけよりも簡単ですが、エンタープライズのプロセスでAIエージェントを活用する場合は、まず知っておくべきことがたくさんあります。

この初心者向けガイドでは、AIエージェントの内容説明と、企業のワークフローに最適な形で適用する方法についての概要を提供しますので、安心してエージェントを使い始めることができます。

AIエージェントの基本的な事項がまだよくわからないという場合は、本ブログシリーズの最初の記事「AIエージェントとは何か（およびAIエージェントが話題になっている理由）」をご覧ください。こちらの記事では、AIエージェントが企業をどのように変革できるかを深く理解する前に知っておくべき基本的な概念を取り上げています。

AIエージェントのメリットは、今や企業の手の届くところにあります。

AIエージェントの概念は、AI技術が相互に関連しながら進歩することで、長い年月をかけて成熟してきました。しかし、企業の自動化においてAIエージェントが求められるツールとなった転機は、生成AI、特に強力な大規模言語モデル（LLM）の急速な進化でした。 AIエージェントは、新しく強力なデザインパターンです。AIを使用してあらゆる企業における自動化の可能性を拡大することができます。

生成AIを活用することで、AIエージェントは、業界を問わず企業が変革目標を実現し、プロセスを再構築するための必須の要素となりつつあります。 AIエージェントを使用すると、組織は自動化のメリットと生成AIの知能を組み合わせて、重要なプロセスを高速化し、ヒューマンエラーを減らし、運用効率を向上させ、必要に応じてプロセスの容量を拡大することができます。

たとえばAIエージェントは、専門家レベルのパーソナライズされたサポートを数分で提供し、顧客体験を向上させることができます。実際にAIエージェントは、カスタマーサービスアプリケーションにおいて、解決までの時間を最大で50%高速化させています。

利用を開始するには、

まず、達成したい目標は何でしょうか。

AIエージェントは特定の目標を目指して構築します。これは他のエージェント、自動化ステップ、人間との相互作用を含むエンドツーエンドのプロセスの一部として編成された場合に最も効果を発揮します。 AIエージェントを組み込むことで変革できるビジネスプロセスの例をいくつか考えてみましょう。

サービス業務

サービスの効果を高める: サービスプロセスにAIエージェントを統合して、作業の優先順位付け、製品知識の提供、返品リクエストの処理などを実行できます。

営業・販売

既存の顧客に対するアップセルの機会を特定します。 AIエージェントをお客様のジャーニーに統合することで、パーソナライズされた製品を推薦し、クロスセルやアップセルの機会を向上させることができます。

IT 部門

サービスデスクからの応答を高速化する: カスタマーサービスと同様、サービスデスクサポートのフローにも、顧客からの情報要求の迅速な解決や、アプリケーションやアクセスの更新のためにエージェントを統合することができます。

財務・会計

会計照合の高速化: AI エージェントを作成して、各部門の取引をリアルタイムで正確に記録します。また、標準化や集中管理もできます。

医療

医師の過重労働を軽減する: 医師の管理業務の負担を軽減するため、AIエージェントを活用して、文書化プロセスなどの定型的でありながら複雑な仕事を支援します。

AIエージェントは、文書のレビュー、情報の検索、アラートの発信やシステムの更新といったフォローアップアクションの決定など、通常は人間の作業を必要とする認識タスクの自動化を可能にします。

今日のAIエージェントの活用方法

AIをアクションと組み合わせると、AIエージェントはインテリジェントオートメーションと統合される場面で有効に活用できます。この技術は、AIエージェントをより広範囲にわたるプロセス自動化の一部として組み込み、調整を行うことで真価を発揮します。ナレッジベースの情報検索や、製品の返品開始前の情報分析などの特定のタスクを完了するといった細かい手順をAIエージェントに任せることで自動化を完成できます。

AIエージェントには、明確で範囲の限られた目標を与えることが効果的です。AIの価値を活用しながら挙動と出力の安全を充分に確保し、ビジネスプロセスのリスクを最小限に抑えることができます。たとえば顧客対応を分類し、情報提供などのリスクの低いリクエストをAIエージェントが担当して、人間のアクションや承認が要求されるより複雑で対応の難しいリクエストは人間に任せるといったソリューションを構築できます。

AIエージェントのワークフローを理解する

AIエージェントは、いくつかの重要な段階に分割可能な、構造化されたワークフローに従います。各ステップを見ていきましょう。

1. 取り込み

AIエージェントは、プロセスの上流手順からの入力、システムからのイベント、直接のプロンプトなどの他のユーザー入力から作業を開始します。この初期手順では、認識されたデータを統合して目標を設定し、達成すべきことを理解するための明確な目的を定義する基盤を構築します。

2. 理解

入力を取得すると、AIエージェントが情報を処理します。検索拡張生成（RAG）などの技術を使用して、意思決定を支援するために関連するデータを検索します。この作業でエージェントは十分な情報を得て、適切に対応することができます。

3. 次の手順の計画

関連情報を入手したエージェントは、ベストな行動方針を決定します。対応を進めるか、ワークフロー内で追加の手順を計画することができます。

4. アクション

通常は、続いてアクションが実行されます。エージェントはAPIやUIアクションを活用した自動化などのツールを使用できます。複雑なワークフローを解決可能なエージェントを構築するには、このような企業のエンタープライズ環境全体で相互作用するツール類へのアクセスが必要です。

5. 評価と検証

多くの場合、エージェントは作業完了前に評価の手順を経由します。この手順で、実行内容が定義された目標を満たしているかどうかを確認し、満たしていない場合はプロセスを再度繰り返すべきか、追加の説明を人間に求めるべきかを判断できます。

エージェントの実行の入力、出力、中間の手順を記録することで、エージェントは戦略や行動を調整し、効率、効果、全体的なパフォーマンスを向上させることができます。

例: カスタマーサポートにおけるAIエージェント

カスタマーサポートにおけるAIエージェントを例に取ると、ワークフローは次のようになるでしょう。

顧客からの問い合わせを受け取り、リクエストの種類や顧客の感情などの関連する情報を分析し、理解します。
会社のシステムにおける関連する知識、問い合わせデータ、注文追跡や製品の在庫を特定します。
問い合わせの種類と関連情報に基づき、適切な次の手順を選択します。
顧客にフォローアップの質問や情報を提供するか、必要に応じて問い合わせを転送し、人間が対応します。
元のリクエストの文脈を応答と照らし合わせて確認し、目標を達成するために追加の作業が必要かどうかを判定します。

AIエージェントがサービス運用を最適化する方法の全体的な説明については、サービス運用のAIエージェントガイドをご覧ください。

AIエージェントの構成について

企業の運用においてAIエージェントの可能性を活用するために、AIエージェントを構成し、その機能を駆動する主要な要素を詳しく見てみましょう。

エンジン: LLM/生成AIモデル

AIエージェントの中核にはエンジンがあります。通常は大規模言語モデル（LLM）などの高度な言語モデルや生成AIモデルが含まれています。これらのエンジンは、AIエージェントが非構造化コンテンツを理解し、人間が話すようなテキストを生成して、複雑な情報を処理し自然言語で対話することを可能にします。コスト、出力の精度、AIエージェントの全体的なパフォーマンスに影響するため、基盤モデルの選択は重要です。

プロンプト: AIスキル

AIスキルでは、具体的に定義されたガイドラインに従って特定のタスクを完了するために最適化されたプロンプト（テンプレート）を活用します。たとえばプロンプトは、入力リクエストが組織内の特定の専門家グループに作業をエスカレーションするポリシーガイドラインを満たしているかどうかの判断に使用される場合があります。

データ: 入力+コンテキスト

AIエージェントは、ユーザーからの入力、外部データソース、モデルの応答を形成するコンテキスト情報を含む、受け取ったデータとアクセスできるデータを使用します。利用可能なすべてのデータを分析し理解することで、AIエージェントは関連性が高く高精度な応答ができるようになります。 RAGはエージェントでよく使用される手法です。これは、モデルへの入力を補強して最も関連性の高い結果を得るための強力な検索機能を提供するためです。同時に、AIエージェントが受け取る情報と使用するアクセスに関しては、データプライバシーという重要な要素を考慮する必要があります。ワークフローに機密情報が含まれる場合、匿名化とデータマスキングの処理手順が重要になります。

アクション: ツールアクセス+API

AIエージェントのアクションコンポーネントには、タスクを実行し、コマンドを実行するためのツール、API、アクセスポイントが含まれています。このような機能に幅を持たせることが、AIエージェントの全体的な性能を推進する重要な要素になります。これは、企業全体で広範囲にわたる機能に接続できなければ、エージェントは単純な情報タスクにしか使われないようになってしまうためです。ただし、企業でAIエージェントを使用する場合は、エージェントを堅牢なセキュリティフレームワークの中に設定し、アクセス管理と保護の体制を確立して、エージェントのアクションをコンプライアンスの規定と企業の標準内に収める必要があります。

人間の協力とガバナンス

出力の品質を確保し、AIエージェントの整合性と信頼性を維持するためには、人間が介在し支援、承認、監視を行う機構を組み込む必要があります。 AIモデルの相互作用を監視し、責任ある使用とパフォーマンスを確保するためには、強固なガバナンスの実践と可視性も必要です。

データサイエンティストやプロの開発者ではないという場合も、ご心配は無用です。

カスタムAIエージェントは、ますますすばやく簡単に作成できるようになっています。データサイエンスや開発者の専門知識は不要です。 LLMやAIエージェントの出始めの頃は、コードで直接構築するしかありませんでした。また、多くのコンポーネントは、関数呼び出しやRAGなどを新規に開発する必要がありました。モデルも予測などの性能が低いため、エージェントの挙動も不安定で、予測も難しくなっていました。

しかしながら、現在ではノーコードツールにより状況が急速に変化しています。ビジネスユーザーは、事前構築されたモデルコネクタ、ネイティブRAG、組み込みの安全ガードレール、エージェントと簡単に対話できる標準UI要素を備えたツールを使用してエージェントを作成できるようになりました。

ここでも強調していますが、AIエージェントは、チームとして協力し、連携してエンドツーエンドのビジネスプロセス全体を自動化することでより効果を発揮します。高度なAIと自動化エンタープライズシステムでは、AIエージェントの調整がすでに可能になっています。顧客体験の改善など、企業が達成を目指す重要な成果を支える、エージェントを使用した複雑な自動化への道は開かれているのです。