エージェント型AI（Agentic AI）への転換：静的な製品からダイナミックなシステムへ
本ブログはグローバルで公開された「The agentic AI shift: From static products to dynamic systems」の抄訳版です。
エージェント（Agents）が普及し始めています。そして、それらはソフトウェアチームが何十年も頼りにしてきた「製品」とは何かという考え方を含め、多くの前提に異議を唱えています。
映画『インターステラー』には、登場人物たちが水に覆われた辺境の惑星にいるシーンがあります。遠くに見える山脈のようなものが、実は彼らの頭上にそびえ立つ巨大な波であることが判明します。AIについても、これと非常に似た感覚を抱いています。巨大な波が何年にもわたって水平線上で勢いを増していました。
生成AIとVibe Codingは、設計と開発のあり方を既に変化させました。今、もう一つの大きな地殻変動が進行中です。それがエージェント型AI（Agentic AI）です。
問題は、この波が「いつ」来るかではなく、「既に」来ているということです。問題は、それが企業が知っていると思っていた環境をどのように再構築するかということです。DataRobotの製品設計チームの視点から見ると、これらの変化は、設計の実行方法だけでなく、製品が何であるか、そしてどのように構築されるかについての長年の前提を再構築しています。
エージェント型AIが生成AIと異なる点
予測AIや生成AIとは異なり、エージェントは自律的です。エージェントは、人間が頻繁に指示（プロンプト）を与えなくても、意思決定を行い、行動を起こし、新しい情報に適応します。この自律性は強力ですが、ほとんどの企業が頼りにしている決定論的な基盤（インフラストラクチャ）と衝突します。
決定論的なシステムは、同じ入力に対して毎回同じ出力を出すことを期待します。一方、エージェントは確率的であり、同じ入力が異なる経路、意思決定、または結果を引き起こす可能性があります。この不一致は、統制（ガバナンス）、監視（モニタリング）、および信頼に関する新たな課題を生み出します。
これらは単なる机上の懸念ではなく、既に企業環境で現実の課題として現れています。
企業がエージェント型AIシステムを安全に、かつ大規模に実行できるようにするため、DataRobotはNVIDIAと共同でエージェントワークフォースプラットフォームを開発し、彼らのAI Factory設計を基盤としています。並行して、我々はSAP環境に直接組み込まれたビジネスエージェントも共同開発しました。
これらの取り組みが一体となって、組織がエージェントを安全に、大規模に、そして既存のシステム内で稼働（運用）させることを可能にします。
パイロット段階から本格的な稼働への移行
企業は、実験段階からビジネスインパクトを生み出すまでのギャップに引き続き苦労しています。MITの調査によると、最近、生成AIのパイロットプロジェクトの95%が測定可能な結果を出すのに失敗しており、多くの場合、チームがPoCを超えて規模を拡大しようとすると停滞します。
実験から本番環境への移行には、大きな技術的な複雑さが伴います。DataRobotは、顧客がすべてをゼロから構築することを期待するのではなく、アプローチを変更しました。
食べ物に例えると、コンポーネントやフレームワークのような「生」の材料が詰まった倉庫（ストック）を顧客に渡す代わりに、今や「ミールキット」に近いものを提供します。それは、すでに骨組み（ひな形）が組み込まれたエージェントとアプリケーションのテンプレートであり、本番環境で動作することが証明されたレシピと準備された構成要素を備えています。
これらのテンプレートは、一般的な企業でのユースケース全体で最善の開発手法（ベストプラクティス）を体系化（コード化）します。AI開発者は、テンプレートを複製（クローン）した後、プラットフォームを使用するか、API経由で使い慣れたツールで構成要素を交換または拡張することができます。
その効果は、本格稼働に適したダッシュボードとアプリケーションが、数か月ではなく数日で完成することです。
AI開発者のプラットフォーム利用方法の変化
この手法は、AI開発者がプラットフォームを操作する方法も再構築しています。最大の障害の一つは、エージェントやモデルを利用する利用者向け画面（フロントエンドのインターフェース）を作成することです。例えば、需要予測、コンテンツ生成、知識の検索、またはデータ探索のためのアプリケーションです。
専用の開発チームを持つ大企業はこれに対処できます。しかし、小規模な組織はITチームやAIの専門家に頼ることが多く、アプリケーション開発は彼らの中心となるスキルではありません。
その隔たりを埋めるため、DataRobotはカスタマイズ可能なリファレンスアプリケーションをたたき台として提供しています。デフォルトのアプリケーションは、利用場面が密接に一致する場合にうまく機能しますが、より複雑な、または独自の要件に合わせて変更するのが難しい場合があります。
AI開発者は、Streamlitのようなオープンソースのフレームワークに頼ることがありますが、それらは規模の拡大（スケール）、安全性（セキュリティ）、およびユーザーエクスペリエンスに関する企業の要件を満たせないことがよくあります。
これに対処するため、DataRobotは、エージェントを使ってダイナミックなアプリケーションを生成する手法を探求しています。例えば、エージェントを使用してダイナミックなアプリケーションを生成するサプライチェーンダッシュボードなどです。これらのダッシュボードには、特定の顧客のニーズに合わせて調整された豊富な可視化と高度な操作画面の構成要素が含まれ、エージェントワークフォースが裏側（バックエンド）で動作しています。
その結果、構築が速くなるだけでなく、高度なアプリケーション開発スキルを持たない開発者でも作成できる操作画面が実現します。しかも、規模の拡大、安全性、および利用者体験に関する企業の標準を満たしています。
エージェント駆動型のダッシュボードは、企業レベルの設計をどのチームにも利用可能にします。
統制と自動化のバランス
エージェント型AIは、AutoMLの時代から馴染みのある矛盾を提起します。自動化が仕事の「興味深い」部分を処理するとき、AI開発者は疎外感を感じることがあります。それが退屈な部分に対処するとき、計り知れない価値を解き放ちます。
DataRobotは、この緊張関係を以前に経験しています。AutoMLの時代には、アルゴリズムの選択と特徴量の設計を自動化することで利用を広げましたが、経験豊富な開発者は楽しみが奪われたと感じました。
その教訓は、自動化は、退屈な作業を取り除くことで専門知識を加速させ、ビジネスロジックと作業の流れ（ワークフロー）の設計に対する開発者の統制を維持するときに成功する、というものです。
この経験が、我々がエージェント型AIに取り組む方法を形作っています。自動化は専門知識を置き換えるのではなく、加速させるべきです。
実行における統制
自律システムへの移行は、「エージェントにどれだけの統制を委譲し、利用者がどれだけを保持すべきか」という根本的な問いを投げかけます。製品レベルでは、これは2つの層で機能します。
- AI開発者が作業の流れを作成・管理するために使うための基盤（インフラ）。
- 人々がそれらを利用するために使用する利用者向けアプリケーション（フロントエンドアプリ）
実際、多くの顧客はこの2つの層を同時に構築しています。人がプラットフォームの骨組み（ひな形）を設定する一方で、生成エージェントがその上にReactベースのアプリケーションを組み立てるのです。
利用者ごとの異なる期待
この緊張関係は、グループごとに異なる形で現れます。
- アプリケーション開発者は抽象化の層に慣れていますが、必要に応じて不具合を修正し、拡張することを期待しています。
- データサイエンティストは透明性と介入を望んでいます。
- 企業のITチームは安全性、規模の拡大、および既存の基盤と連携するシステムを望んでいます。
- 事業の担当者（ビジネスユーザー）はただ結果を望んでいます。
今、ここに新しい利用者の種類が現れました。エージェント自身です。
エージェントはAPIや作業の流れにおける共同作業者として機能し、フィードバック、エラー処理、および情報のやり取りがどのように設計されるかを再考する必要が生じます。4種類の利用者（開発者、データサイエンティスト、事業の担当者、そして今やエージェント）のすべてを設計することは、統制と利用者体験の標準が人間と機械の両方に役立つことを意味します。
現実と危険性
これらは試作品ではなく、既に企業顧客にサービスを提供している本格稼働のアプリケーションです。高度なアプリケーション開発スキルを持たない可能性のある開発者が、複雑な作業の流れ、可視化、およびビジネスロジックを処理する顧客向けのソフトウェアを作成できるようになりました。
エージェントはReactの構成要素、画面の配置、および柔軟な設計を管理しながら、開発者は専門分野のロジックと利用者の作業の流れに集中します。
同様の傾向が組織全体で見られます。現場チームや他の非デザイナーがV0のようなツールでデモや試作品を構築している一方、デザイナーは本格稼働のコードに貢献し始めています。この敷居の低さ（民主化）は、構築できる人を広げますが、新しい課題も提起します。
誰でも本格稼働のソフトウェアを出荷できる今、企業は品質、規模の拡大、利用者体験、ブランドの整合性、およびアクセシビリティを守るための新しい仕組みを必要とします。従来の確認の工程（チェックポイントベースのレビュー）では追いつけません。品質管理システム自体が、新しい開発速度に合わせて規模を拡大する必要があります。
製品だけでなく、システムを設計する
エージェント型AIは、製品がどのように構築されるかを変えるだけでなく、「製品」が何であるかを変えます。幅広い利用場面のために設計された静的なツールの代わりに、企業は必要に応じて特定の状況のための特定の解決策を生み出す適応性の高いシステムを作り出すことができます。
これは、製品と設計チームの役割を変化させます。単一の製品を提供する代わりに、彼らはエージェントが利用者の経験を生み出すために使用するシステム、制約、および設計標準を設計する建築家になります。
規模を拡大しながら品質を保つために、より多くのチームとエージェントがアプリケーションを生成するにつれて、設計負債が積み重なるのを防ぐ必要があります。
DataRobotでは、設計システムが機械が読み取れる情報（成果物）に変換されています。これには、Figmaの指針、構成要素の仕様、およびマークダウンで示された操作の原則が含まれます。
設計標準を早い段階で組み込むことで、エージェントは革新を遅らせる手動の確認を減らしながら、一貫性があり、アクセシブルで、ブランドに合った操作画面を生成できます。
利用者としてのエージェントの設計
もう一つの転換は、エージェント自身が今や利用者であることです。エージェントは人間よりも直接的に基盤、API、および作業の流れと連携します。これは、フィードバック、エラーハンドリング、および共同作業の設計に影響を与えます。将来を見据えた基盤は、人間とコンピューターのやり取りだけでなく、人間とエージェントの共同作業のためにも最適化されるでしょう。
設計責任者への教訓
境界線が曖昧になる中で、一つの真実が残ります。難しい問題は依然として難しいということです。エージェント型AIはこれらの課題を消し去るのではなく、より緊急のものにします。そして、設計の品質の重要性を高めます。誰でもアプリケーションを立ち上げることができる時、利用者体験、品質、統制、およびブランドの整合性が真の差別化の要因となります。
永続的な難しい問題:
- 状況を理解する: 満たされていないニーズのうち、本当に解決されているものは何ですか？
- 制約に合わせて設計する: 既存の基盤構造（アーキテクチャ）で機能しますか？
- 技術を価値に結びつける: これは事業にとって重要な問題に対処していますか？
- 製品だけでなく、システムを構築する: 良い利用者体験が生み出されるための基盤、制約、および状況を作ることに焦点を当てます。
- 判断を下す: AIを速度と実行力に使用しますが、何が正しいかを決定するために人間の専門知識と判断に頼ります。
この波を乗りこなす
『インターステラー』のように、かつては遠くの山々のように見えたものは、実は巨大な波です。エージェント型AIはもはや遠い未来ではなく、すぐそこに来ています。それを活用する方法を習得した企業は、この波に乗るだけでなく、次に何が来るかを形作るでしょう。
企業がAIの試験的な取り組みから本格稼働に適したエージェント型システムに移行するために、エージェントワークフォースプラットフォームとDataRobotがどのように支援しているか、詳しく知ってください。