AIモデルとプラットフォーム
Appian、AIエージェントの制御機能を拡充し、Ask Appianを発表

要点Appianはエージェントを決定論的プロセスの中に配置し、ルールが予測可能な作業を処理し、エージェントが判断を処理します。
もっと見る
- Appianはエージェントを決定論的プロセスの中に配置し、ルールが予測可能な作業を処理し、エージェントが判断を処理します。
- Raiffeisenは、エージェントとルールのハイブリッドアプローチにより、テストでトークン消費量と処理時間が80%削減されたと報告しました。
- Appianのコントロールプレーンは、同社のプラットフォーム外で構築されたエージェントに対するクロスプラットフォームの追跡と測定を依然として欠いています。
Appianは2026年11月17日、ロンドンで開催されたAppian Europeで、プロセス単位の監視と成果測定のためのツールを備えたAIエージェントのコントロールプレーンを拡充し、Ask Appianを発表した。発表によると、Raiffeisen Bank Internationalは、エージェントとルールを組み合わせたハイブリッド方式により、テストでトークン消費量と処理時間を80%削減した。
このコントロールプレーンは、Appian製およびサードパーティ製のエージェントを一元的な管理画面に登録し、稼働状況とコストを監視するとともに、使用可能なモデルを制限し、ポリシーへの準拠状況を追跡してアラートを生成するよう設計されている。最適化レイヤーでは、評価を通じて精度を追跡し、エージェントを、処理した案件やプロセスの各ステップに関連付ける。案件あたりのコストや処理サイクル時間など、ビジネスの重要業績評価指標(KPI)が運用状況を把握するための背景情報となる。
Ask Appianは、平易な言葉で作業を依頼するための独立したインターフェースだ。Appianのデータファブリックを通じて接続されたシステムから関連情報を取得し、エージェントに作業を割り当ててタスクを完了するよう設計されている。その目的は、情報を集めて依頼を完了するために、従業員が基盤となる複数のアプリケーションを行き来する手間を省くことだ。
決定論的なプロセスのステップとしてのエージェント
Appianのアプローチでは、決定論的なビジネスプロセスの中にエージェントを配置する。プロセスが実行順序を制御し、各ステップをエージェント、人、システム、またはルールに割り当てる。予測可能な作業はルールが処理し、判断が必要なステップでは、エージェントにガードレールと共有コンテキストを与える。エージェントが失敗したり停止されたりした場合、案件を継続できるよう、タスクを人、ルール、または別のエージェントに引き継ぐことができる。
Appianの製品管理担当エグゼクティブバイスプレジデントであるSanat Joshiは、権限、ガードレール、モデルへのアクセスを定めても、エージェントが有益な仕事をしているかどうかは判断できないと述べた。「Appianはビジネスプロセスを中心に据えています」と語り、各エージェントがビジネスの成果にどのような影響を与えるかに同社が注力していると説明した。
2026年11月16日のAppianのブログ記事では、このトレードオフについて説明している。プロセス主導のステップは一貫性があり、繰り返し実行でき、監査も可能だ。一方、エージェント主導のステップは、範囲が定まらない作業に対応できるものの、コストと遅延が増え、結果も案件ごとに異なる可能性がある。例として、融資審査を行うエージェントが負債の計算を決定論的な数式に任せ、最終判断は融資担当者が下すケースが挙げられている。
現在の連携機能と今後予定されている測定機能
Appianのコントロールプレーンのドキュメントでは、現在利用できる機能と今後追加される機能を区別している。サードパーティ製エージェントは、Appian内に移行させることなく、MCPまたは直接連携を通じて、Appianのプロセスのステップとして利用できる。A2Aプロトコルへの対応、サードパーティ製エージェントを含むレジストリ、Appian外で稼働するエージェントのトレーシングは、今後追加される予定だ。
測定機能にも同様の境界がある。Appian製エージェントは、すでにプロセスKPIに基づいて測定されている。ドキュメントによると、案件あたりおよびステップあたりのAppian製・サードパーティ製エージェントの推定コスト、手作業との導入前後の比較、エージェントの改善に関する推奨事項は、今後提供される予定だ。
制御、オーケストレーション、プロセスインテリジェンスなど、コントロールプレーンの多くの機能はすでに利用できる。また、顧客は早期導入プログラムに参加し、一般提供に先立って機能を利用することもできる。Appianは、追加機能の提供を2026年中に開始すると述べたが、予定されている機能や時期は変更される可能性があり、購入の判断は一般提供済みの機能に基づいて行うべきだ。
Raiffeisenによるエージェントとルールのテスト
Raiffeisen Bank Internationalは、Appianを使って支払いに関する問い合わせを自動化することを目指している。同社のスマートオートメーション責任者であるClaus Mitterlehnerによると、チームは当初、大半のタスクをAIエージェントに任せていた。「テストの後、チームは方針を変え、予測可能なステップを決定論的な自動化に移し、判断が必要なステップにはエージェントを残しました」と同氏は語った。
これが、コントロールプレーンのより広範な最適化サイクルだ。評価とプロセスKPIによってエージェントの実績を把握し、繰り返し発生するエージェントのステップを、決定論的なワークフローやビジネスルールに置き換えられる。目指すのは、予測可能な作業の実行ではなく、判断を要する作業にエージェントの利用コストを集中させるプロセスだ。
AppianとHarvard Business Review Analytic Servicesによる調査のランディングページによると、回答者の92%が、エージェントを安全かつ効果的に使うにはルールベースのガードレールが必要だと答えた一方、そうしたルールを導入済みだったのは48%だった。この調査では、AIに関する意思決定者を対象に、システムの近代化とワークフローへの統合について調べた。
したがって、コントロールプレーンのビジネス上の価値は、エージェントをポリシーの範囲内にとどめることだけでは決まらない。プロセスのデータから、エージェントがコスト、速度、精度をどこで改善するのか、また、繰り返し発生する作業をどこでルール化すべきかを示せるかどうかが、実用性を測る指標となる。Raiffeisenが報告したテストは具体例を示している。今後予定されている、プラットフォームを横断するレジストリ、トレーシング、測定の各機能によって、Appianが他社で構築されたエージェントにもこの分析をどれほど一貫して広げられるかが明らかになる。












