エージェントはAIワークフローを最適化するのに役立っているが、人間の要素はROIに不可欠である

AIの景観は根本的に変化しました。最大の価値をAIから抽出するのに苦労してきた組織は、エージェントに積極的に取り組み、より効果的なアプローチを講じています。以前は、主な相互作用モデルは反応的で、クラウド中心であり、ユーザーがモデルをプロンプトする必要がありました。しかし、機械が賢くなるにつれて、人間の介入が必要なくなるエージェントモデルが登場し、インテリジェントなシステムが複雑なタスクを自発的に実行できるようになりました。

しかし、エージェントベースのAIは従来の、狭い範囲のAIシステムから離れたものではありますが、機会を最適化するには、労働者を増強することであり、労働者を置き換えることではありません。

エージェントは、複数のステップの目標を理解するように設計されています。計画とアクションのシーケンス化、および目標を達成するために複数のリソースと相互作用することができます。たとえば、AIエージェントはあなたの好み、財務の制約、優先順位を学習し、その情報を使用して独立して購入を交渉することができます。このシナリオは現在、進化する機能がエンタープライズと消費者向けAIの考え方を変えているのを実証しています。

しかし、実用的、安全、有用であるためには、エージェントの基盤となるワークフローは、リアルタイムのインテリジェンスによって情報を得る必要があります。このタイプの洞察は、Hybrid AIアーキテクチャの基盤を必要とします。デバイス、エッジ、クラウド間でワークロードを戦略的に分配するエコシステムであり、知識労働者チームによって管理されます。

Hybrid AIが必須である理由

エージェントベースのAIはコンテキストに依存しています。これは、機密性の高い個人または組織のデータを含むことが多いため、クラウドには合法的なプライバシーのリスクが存在します。ただし、Hybrid AIは、データ処理と意思決定をローカルで信頼できるデバイスまたはセキュアな環境に保持します。AIは、データが存在する場所で動作し、露出を減らし、データ主権の規制と一致しています。

別の重要な要件は、プライバシー問題と密接に関連しているパーソナライゼーションです。購入エージェントの前の例では、ユーザーの好みと制約は重要です。これらは、個人を特定できる情報 (PII) を含むことが多く、プライベートでなければなりません。したがって、このコンテキストをローカルに保存して使用することで、ユーザーのプライバシーを保護します。

エージェントベースのAIの成功には、即時の意思決定が必要です。つまり、データがネットワークを越えて移動する時間はありません。交渉、リアルタイムのセンサー データへの対応、ダイナミック ワークフローの管理には、即時性が必要です。遅延や、より悪い場合は、断続的な断続は重大な影響を及ぼす可能性があります。Hybrid AIは、低遅延のオンデバイス計算を可能にし、エクスペリエンスをスムーズに保ち、リアルタイムで維持します。

Hybrid AIは、クラウド処理の必要性も排除します。これは、リソースを大量に消費し、コストがかかります。代わりに、ローカル コンピューティングを使用してルーティン タスクを実行し、クラウドをより重いデータ プルまたは計算に予約するワークロード オーケストレーションをサポートします。

最後に、Hybrid AIは、クラウドへのアクセスが再開されるまで、エージェントがオフラインまたは低接続性のシナリオで機能し続けることを可能にします。ローカライズされたインテリジェンスとクラウドのスケーリング機能の組み合わせが、エージェントベースのAIエクスペリエンスを可能にします。

実装の課題に対処する

エージェントベースのAIの出現以前から、組織はAI投資からの明確なROIを得るのに苦労していました。エージェントはすぐに解決策ではありませんが、断片的なタスクではなく、ホリスティックなワークフローに適用された場合、前向きな道筋を提供します。エンドツーエンドの運用を管理するエージェントは、より目立つ帰結と影響をもたらします。

しかし、有意義なROIは、重要な採用の障壁が解消された場合にのみ可能です。

• 予測可能性と倫理は、AIエージェントにとって非常に重要です。憲章AIなどのガバナンス プラットフォームと技術の採用が大幅に増加しています。これらの措置により、人間の価値観との一致が保証され、監督が行われます。
• 複雑さの軽減と信頼性の向上も、成功した展開の重要な要素です。エージェントを使用して複数のステップのタスクを管理することは複雑です。ただし、モデル トレーニングとパフォーマンスの進歩により、ベスト プラクティスが登場し、パフォーマンスはより一貫性のあるものになりました。これらの開発フレームワークにより、チームは、展開が容易で、予測可能なロバストなエージェント ベースのシステムを構築できます。
• ツールやAPIとのセキュアな統合も、重要な考慮事項です。エージェントは、さまざまなデータ ソースやアプリケーションにアクセスする必要があります。業界は、セキュアな相互作用のためのプロトコルと規格を構築しています。機密性の高いコンピューティング技術により、ランタイム中の機密性の高いデータも保護されます。

ツールはセキュアであるだけでなく、信頼性も必要です。エージェント ベースの AI は、外部ソフトウェアとのリアルタイムの相互作用に依存します。基礎モデルにおける高度な関数呼び出し機能と相互運用性フレームワークにより、この統合が簡素化されます。たとえば、モデル コンテキスト プロトコル (MCP) は、セキュアで複数のステップのワークフローをサポートし、エージェントをより有能で予測可能にします。

現実化する

エージェントベースのAIは、目標がダイナミックで、分散され、リソースを大量に消費する場合に最も輝きます。これは、チームの能力を超えてスケーラブルですが、最も効果的であるためには、チームの知恵が必要です。

自律エージェントは、サプライ チェーンを管理して、在庫と出荷データをリアルタイムで分析することで、物流の混乱を回避するのに役立ちます。エッジ デバイスで動作し、クラウドの中央計画システムと連携して、ルーティング戦略を更新して、データを最新のままにし、セキュアに保ちます。

エージェントは、工業用ワークステーションに組み込まれて、センサー データを監視し、メンテナンス プロトコルをトリガーするか、予備部品の注文を調整することで、運用の回復力とコストのかかるダウンタイムを削減するのに役立ちます。

オンデバイス エージェントを搭載した AI PC は、ワークフローを管理し、会議の概要をまとめ、コンテンツを起草し、エンタープライズ システムとやり取りすることができます。個人情報を危険にさらすことなく、プライベート データを危険にさらすことなくです。

これらのユース ケースのすべてにおいて、重要な共通点は、知識労働者の監督です。エージェントに供給されるデータが正確でクリーンであることを保証します。

より自律的な将来を築く

現在エージェントを実装し、エージェントの管理スキルを身につけた企業は、競合他社よりも先んじています。エージェントベースのAIは、AIツインなどの進歩が予想される将来の基盤です。しかし、その基盤にはHybrid AIが必要です。これは、真正に自律的で、有用で、安全なAIシステムを提供するための重要なステップです。リアルワールドの条件下で動作するシステムです。