エージェント型AIアーキテクチャの理解

要約

エージェント型アーキテクチャとは、1つまたは複数のAIエージェントが自律的に動作できるようにする、AIシステム向けの構造設計およびフレームワークです。

• 単純で直線的な応答を提供する非エージェント型システムとは異なり、エージェント型アーキテクチャは、エージェントが新しい情報に適応し、結果から学習できる、動的かつマルチステップのプロセスをサポートします。
• アーキテクチャは、単一エージェントシステムから複雑なマルチエージェントパターンまで多岐にわたり、ワークフロー自動化、顧客サービス、およびエンタープライズインテリジェンスなどのユースケースを変革するために適用されています。

エージェント型アーキテクチャの主要概念

いくつかの中核概念が、エージェント型アーキテクチャを定義し、より単純なAIモデルとの差別化要因となっています。

• 自律性：エージェントは、各ステップごとに継続的な人間の入力を必要とすることなく、高い独立性を持って動作し、意思決定を行うことができます。
• 適応性：このシステムは、新しい情報や変化する環境条件に応じて、リアルタイムで動作や戦略を調整できるよう設計されています。
• 目標指向型：このアーキテクチャは、特定の目標を追求するために構築されています。すべての計画とアクションは、単に命令を実行するのではなく、定義された最終目標の達成に向けて調整されます。
• 感知・計画・実行サイクル：これは、エージェントの基本的な運用ループです。エージェントは環境を感知（senses）し、戦略を策定（plans）したうえで、その戦略を実行（acts）します。

エージェント型システムの中核的な要素

エージェント型アーキテクチャは通常、自律的なアクションを可能にするために連携して動作する、複数の統合レイヤーまたはコンポーネントで構成されます。

認識レイヤー

これは、エージェントがその環境を「感知」する仕組みです。これは、API、ユーザークエリ、または文書データなど、さまざまな入力を通じて情報を収集する役割を担います。

推論および計画レイヤー

このレイヤーは、認識レイヤーによって収集された情報を処理し、大規模言語モデル（LLM）を使用して、セマンティクス、意味、コンテキスト、および目標を理解します。この機能により、エージェントは自律的に推論し、複雑な問題を分解して戦略的計画を作成できます。

事前にプログラムされたルールに制限されていた初期のAIエージェントとは異なり、LLMを活用したエージェントは、自身のアクションを振り返ることもできます。アクションレイヤーから得られる結果やフィードバックを分析することで、エージェントはパフォーマンスを改善し、軌道修正を行い、より良い成果を達成するために戦略を適応させることができます。

アクションレイヤー

これは、エージェントが世界に対して「アクションを実行」する仕組みです。エージェントは、ツールの使用、API呼び出し、テキスト生成、または他システムとの連携を通じて、計画を実行します。

メモリ

このコンポーネントにより、エージェントは情報を効率的に保管および取得できます。

短期記憶は、実行中に必要な集中状態を維持しながら、当面のタスクに関するデータを管理します。長期記憶は、ユーザー設定を抽出および記憶し、過去の経験を要約することで、時間の経過とともにコンテキストを構築します。これにより、エージェントは現在のコンテキストに関連する履歴を取得できるようになり、新たな問題を適切に解決するために役立つポジティブバイアスを生成します。

エージェント型アーキテクチャの仕組み：感知・計画・実行サイクル

エージェント型システムの運用フローは、感知、計画、および実行を繰り返す反復サイクルに従います。

感知

このプロセスは、エージェントが環境からデータを収集するところから始まります。例えば、カスタマーサービスエージェントは、非構造化テキストを含むサポートチケットを受け取ります。

>続きを読む | 非構造化データ管理：ビジネス価値の解放

計画

エージェントは、その推論レイヤーを使用してチケットを分析し、解決に向けた戦略を策定します。定義が明確な問題の場合、これは、製品の問題を特定してからナレッジベースを検索するといった、一連のサブタスクを含む完全な実行計画の作成を伴う場合があります。

あるいは、より高い自律性と柔軟性を実現するために、エージェントは、次に取るべき最善の単一アクションの判断のみに集中する場合もあります。そのステップを実行した後、エージェントは結果を感知し、受け取った新しい情報に基づいてアプローチを適応させながら、計画を再評価します。

実行

次に、エージェントはツールを使用して計画を実行します。このプロセスは、多くの場合、モデルコンテキストプロトコル（MCP）のような最新フレームワークによって制御されます。これにより、エージェントは適切なツールを選択し、コマンドを正しく構造化できるようになります。例えば、エージェントはデータベースAPIを呼び出してナレッジベースを検索し、その後、テキスト生成機能を使用して返信ドラフトを作成する場合があります。

振り返りと反復改善

サイクルは、アクションで終わるわけではありません。エージェントは、その結果を振り返ることができます。ナレッジベース検索で結果が返されなかった場合、エージェントは、例えばクエリを書き換えたり、人間へエスカレーションする判断を行ったりすることで、計画を適応させることができます。この反復ループこそが、このアーキテクチャを真にエージェント型たらしめている要素です。

エージェント型アーキテクチャと非エージェント型アーキテクチャ：静的応答から動的アクションへ

エージェント型システムと非エージェント型システムの違いは、その基本設計と機能にあります。非エージェント型アーキテクチャは、入力をLLMへ渡し、静的な出力を生成する、線形の「シングルショット」プロセスを可能にします。これは、既知かつ明確に定義されたタスクには適していますが、各ステップごとに再度プロンプトを与えなければ、マルチステップアクションを実行することはできません。

主な制限は、自律性の欠如にあります。フィードバックループを設計して、より複雑なワークフローを構築することは可能ですが、それによって実現されるのは高度なプロセスであり、自律的な存在ではありません。このシステムには、適応性や柔軟性を持つ主体性が欠けており、そのパフォーマンスは常に、元々どのようにプロセスが設計されたかによって制限されます。

対照的に、エージェント型アーキテクチャは、自律的なプロセスをサポートします。エージェントは、複雑な目標を達成するために、単一のリクエスト内で複数の意思決定を行い、さまざまなツールを使用し、自己修正を行うことができます。これにより、ワークフロー自動化や対話型問題解決のような動的タスクに不可欠な存在となります。

> 続きを読む｜AIエージェント vs AIアシスタント vs エージェント型AI

一般的なエージェント型アーキテクチャの種類

エージェント型アーキテクチャの複雑さと設計は、実行する必要があるタスクによって異なります。

単一エージェントシステムとマルチエージェントシステム

単一エージェントアーキテクチャは、1つの自律型エージェントが集中型の意思決定を行う構成であり、集中的かつ自己完結型の問題に最適です。

マルチエージェントアーキテクチャでは、複数のエージェントが協力して問題を解決します。これは、多様な専門知識を必要とする複雑な課題に適しています。

>続きを読む | AIエージェントの可能性を理解する

マルチエージェントアーキテクチャパターン

垂直型（階層型）アーキテクチャ：「リーダー」エージェントが、専門的な「ワーカー」エージェントを監督し、サブタスクを委任します。これは、明確な責任分担を伴う順次ワークフローに適しています。 

水平型（協調型）アーキテクチャ：エージェントが対等な立場で動作し、情報共有や意思決定を共同で行う分散型モデルです。これは、ブレインストーミングや複雑な問題解決に適しています。

ハイブリッドアーキテクチャ：このモデルは、垂直構造と水平構造の両方を組み合わせることで、構造化された監督機能と創造的柔軟性のバランスを実現します。

効果的なエージェント型アーキテクチャの設計

堅牢なエージェントアーキテクチャを構築するには、いくつかの重要な設計原則を慎重に検討する必要があります。

意思決定ロジックを決定する

エージェントに、単純なルールベースロジック、LLMによる確率的推論、または時間の経過とともに改善するための強化学習のいずれが必要かを判断します。 

メモリ要件を定義してください

エージェントを、トランザクションタスク向けのステートレス構成にするか、あるいは短期状態または長期データベースを使用して過去のやり取りを記憶する必要があるかを判断します。

ツール統合を計画する

固定されたツールセットを使用するのか、あるいはタスクに応じて動的にツールを選択する機能を持たせるのかなど、エージェントが外部世界とどのように連携するかを定義します。

ソリューション空間を管理する

複雑なタスクに対しては、ドメイン固有のルールまたはヒューリスティクスを使用してエージェントを導き、非効率なループに陥ることを防ぎます。

> 続きを読む | エージェント型自動化とは？

人による監督を確立する

効果的なエージェントアーキテクチャを設計するには、エージェントの自律性と人間の監督のバランスを取ることが必要です。

高リスクまたは機密性の高いタスクについては、処理を進める前に、人間がエージェントの計画を承認するチェックポイントを組み込むことができます。低リスクプロセスについては、エージェントに完全な自律性を付与できます。また、ハイブリッドアプローチも可能です。これは、エージェントが独立して動作しつつ、結果に対する信頼度が一定のしきい値を下回った場合に、人によるレビューへエスカレーションする方式です。

エージェント型アーキテクチャのユースケース

エージェント型アーキテクチャは、現実世界のビジネス課題を解決し、自動化とインテリジェンスにおける新たな機会を引き出すために導入されています。

複雑なワークフロー自動化

これらのシステムは、請求書承認や従業員オンボーディングなどのマルチステップのビジネスプロセスを自動化できます。そこでは、エージェントがHRIS、ERP、および電子メールなどの複数システムと連携する必要があります。

高度なカスタマーサービス

エージェント型システムは、最初の問い合わせ内容の理解から、ナレッジベース検索、注文システムとの連携、および完全な要約を添えた人間のエージェントへのエスカレーションに至るまで、顧客課題全体に対応できます。

エンタープライズインテリジェンスおよびリサーチ

エージェントは、社内データベースや外部ソースを精査し、情報を統合し、トレンドを特定し、詳細なレポートを生成することで、高度なリサーチタスクを実行できます。

自律型IT運用

サイバーセキュリティエージェントは、ネットワークトラフィックを監視し、脅威を検出し、サーバー隔離のような緩和戦略を計画して実行するとともに、監査証跡のために自身のアクションを記録できます。

Hylandのアプローチは、複雑なコンテンツベースの問題解決に重点を置いています。成功するためには、エージェントは、契約書、レポート、および顧客電子メールなど、大量の構造化情報および非構造化情報をナビゲートし、理解する必要があります。このコンテンツをビジネスコンテキスト全体の中で理解することが、エージェントによる最適な意思決定を可能にします。

HylandとAIエージェント

ソリューンハイライト：Hyland Enterprise Agent Mesh

Enterprise Agent Meshは、Hyland Content Innovation Cloud™に組み込まれた新しいテクノロジーです。これは、Hyland、パートナー、および顧客が、マルチエージェントネットワークを構築および導入するためのフレームワークを提供します。これらのネットワークは、バックグラウンドプロセス自動化とユーザーインタラクションおよびコラボレーションを組み合わせることで、複雑なユースケースに対応できます。

このネットワークの基盤となるのが、Hyland Enterprise Context Engineです。これは、組織運営に対する統合された動的視点を提供する、新しい市場投入ソリューションです。これは、ERPやCRMなどのシステム間で、コンテンツ、プロセス、人、およびアプリケーションをシームレスに結び付けることで、エンタープライズ活動の生きた記録として機能します。

Enterprise Agent MeshとEnterprise Context Engineを組み合わせることで、組織は組織的知識を保持し、拡張できるようになります。その知識は、人間からのフィードバックを通じて継続的に洗練され、エンタープライズ全体をよりインテリジェントにする強力な人間＋AIコラボレーションを促進します。

Hyland Agent Builderによるエージェント型アーキテクチャの構築

Agent Builderを使用することで、最新の自動化を推進する強力なエージェント型アーキテクチャを設計、導入、および管理するための中核ツールを利用できます。Agent Builderにより、組織は、複雑なタスクを自動化するエンタープライズグレードのAIエージェント（エンタープライズエージェント）を設計および管理できます。これらのエンタープライズエージェントは、Hyland Automate、Hyland ECM製品、およびその他のサードパーティツール内のワークフローへ組み込むことができます。

ポイントアンドクリック方式のソリューションビルダーにより、開発者だけでなく業務プロセス担当者も、エージェントを構築および導入でき、イノベーションを加速できます。ユーザーは、エージェントの目標を定義し、ナレッジリソースを提供し、実行可能なアクションを指定することができ、これにより、カスタムの単一エージェントシステムおよびマルチエージェントシステムを直接作成できます。このプラットフォームは、包括的なエージェントライフサイクル管理も提供しており、ユーザーは、進化するビジネスニーズに対応するために、エージェントのバージョン管理、テスト、監視、および継続的改善を行うことができます。