ハン・ジンスクは、ジェンペクトのチーフストラテジー、コーポレート開発、エージェンティクAI担当オフィサーであり、同社のエージェンティクAIのビジョンを定義、推進、実行する役割を担っている。ジェンペクトに入社する前は、McKinsey、AIG、Accentureでエグゼクティブ役職を務めた。
企業テクノロジーにおける最も難しい課題の1つは、AIシステムのセキュリティを確保することです。而且、その重要性は今後さらに高まっています。ガートナーによると、2026年には、企業ソフトウェアアプリケーションの40％が、タスク固有のAIエージェントを備えたAIを含むことになります。これは、現在の5％から大幅に増加します。同様に、IDCによると、2028年までに、IT製品およびサービスとのやり取りの45％が、エージェントを主なインターフェイスとして使用することになります。AIの導入競争は、多くの組織のAIシステムの実際の動作を理解するペースを上回っています。而且、この急速な導入により、モデル汚染、データ漏洩、バイアス、ホールルシネーションなどのリスクへのさらされる可能性も高まります。このギャップを埋めるために、企業には新しい透明性の層が必要です。つまり、AI部品表（AI BOM）です。ソフトウェア部品表と同様に、AI BOMは、企業のテクノロジースタック内の各AIモデルまたはソリューションに含まれるものの包括的なリストです。これらは、企業全体にわたって透明性を構築し、ビジネス条件の変化に合わせて監査および適応を容易にします。企業がAIに頼ることでワークフローを自動化し、決定を下すようになるにつれ、AI BOMは、責任ある、セキュアで、監査可能なAI運用の基盤を提供します。AI部品表：戦略的企業課題AIは、実験的なパイロットプロジェクトから、ミッションクリティカルな企業プラットフォームへと急速に進化しています。同時に、これらのシステムの複雑さとリスクプロファイルも大幅に増加しています。従来の、より構造化された自動化は、論理的、ルールベースで、体系的です。一方、エージェント自動化には、認知が必要です。AIエージェントが、創造性、意思決定、経験からの学習を必要とするタスクを増やしている間、自動化の潜在的な範囲は大幅に拡大します。同時に、従来のソフトウェアとは異なり、AIシステムは、UI、API、ゲートウェイ、モデル、データセット、プロンプト、機能、ベクターデータベース、ライブラリ、ハードウェアアクセラレータなどの複数の相互依存コンポーネントから構成されています。AIイニシアチブを責任を持ってスケールで推進するには、企業がAIシステムの構成要素と、それぞれのユニークなコンポーネントの変化を時間の経過とともに理解することが重要です。AI BOMは、正確な透明性を提供します。これは、AIライフサイクル全体にわたって、すべてのコンポーネント、依存関係、相互作用をキャプチャする構造化されたインベントリです。モデルとデータセットを超えて、効果的なAI BOMには、AIアプリケーションを動かすフルエコシステムの詳細が含まれます： ユーザーインターフェース（UI）：チャットスクリーン、ポータル、ダッシュボード、コントロールパネルなど、人間がAIとやり取りする場所。 APIおよび統合：REST、GraphQL、ウェブフック、システムコネクタなど、AIが企業アプリケーションとやり取りできるようにするもの。 ランタイムおよびホスティング環境：AIがデプロイされる場所（Docker、Kubernetes、AWS Bedrock、Azure OpenAI、オンプレミス）と、使用されるコンピューティングリソース（CPU、GPU、メモリ）。 実行フレームワークおよびオーケストレーション：LangChain、Semantic Kernel、Autogen、NVIDIA NeMo、CrewAIなどのツールが、プロンプト、フロー、ツールの呼び出し、エージェントの動作を管理します。 セキュリティおよびガバナンス層：IAMロール、トークン制御、暗号化、ログ、監査、使用ポリシーなど。 観察可能性および監視：コスト、レイテンシ、ドリフト、パフォーマンス、使用状況、リスク追跡など、時間の経過とともに追跡します。 これらの要素は、完全で動的なマップを形成し、あなたのAIシステムが何を含むかだけでなく、どこから来たか、どのように動作するか、誰が使用するか、どこで実行されるか、どのように管理されるかも明らかにします。つまり、AI BOMは、技術文書として始まり、ビジネス保証および規制文書として成長する、単一の真実源となります。自動化されたAI BOMは、エンジニアリング資産だけでなく、規制要件、セキュリティフレームワーク、企業信頼ビルダーとなります。すべてのモデル、データセット、ツール、依存関係への完全な透明性を提供し、正確な構成と環境スナップショットを介して再現性を可能にし、モデル起源、バージョン、意思決定パスをトレースすることで、ガバナンスと説明責任を確立します。また、入力、依存関係、モデルアーティファクト全体の脆弱性を特定することでセキュリティを強化し、説明可能性、公平性、リスク管理を文書化することで、グローバル規制コンプライアンスフレームワークをサポートします。さらに、システム変更、パフォーマンスドリフト、モデル動作の不変のエンドツーエンドレコードを維持することで、監査可能性を高めます。AI BOMライフサイクルへの企業アプローチ：静的インベントリから生きたガバナンスシステムへ多くのAI BOMフレームワークは、モデルとデータセットの文書化に狭い焦点を当てています。しかし、エージェントAI時代の先進的な企業には、AI BOMが静的コンプライアンス文書ではなく、生きた、運用的、継続的に管理されるデジタル資産である必要があります。而且、最も効果的な組織は、AI BOMがAIエコシステムとともに進化するようにします。このアプローチは、戦略、エンジニアリング、ガバナンス、リスク管理を包含し、技術的には完全で、組織的には行動可能です。成熟した、企業グレードのAI BOMライフサイクルには、5つのコアステージが含まれます： 発見および定義：モデル、データセット、ツール、プロンプト、API、インフラストラクチャ資産、実行環境など、すべてのAIコンポーネントを特定および分類します。可視性、スコープ、所有権の境界を確立します。 ガバナンスおよび標準化：メタデータ形式、バージョニング構造、文書化標準、所有権ロールを定義します。ガバナンス、コンプライアンス、セキュリティ要件と一致した中央のAI...
過去10年間で、2つの並行した旅がエンタープライズの変革を形作るために登場しました：プロセスの旅とデータの旅。プロセスの旅、または仕事がどのように行われるか、はリーンシグマシックスからロボティックプロセスオートメーション（RPA）やデジタルワークフローまで進化しました。すべては効率、構造、スケールの追求のためにです。他方、データの旅、または決定がどのように下されるか、は伝統的なビジネスインテリジェンスからマシンラーニングパワーの予測インテリジェンス、そして現在のジェネレーティブAI（gen AI）まで進化しました。両方のパスは強力ですが、真のブレークスルーは両方が収束するときに起こります。アジェンティクAIにようこそ。アジェンティクAIは、エージェントがデータを理解するだけでなく、システムとワークフロー内で行動する方法を知ることができる地点です。データ駆動型のオートメーションを実現するために、エージェントはシステムとワークフロー内で行動することができます。調査によると、96%のエンタープライズITリーダーは、来年12ヶ月以内にエージェントの使用を増やす予定です。しかし、組織がアジェンティクAIイニシアチブを拡大しようとするとき、どこから始めて、どう始めるかを特定するのに苦労することがよくあります。テクニカルリーダーがアジェンティクAIを活用しようとする場合、アジェンティクワークフローを決定と実行の融合として考える必要があります。分析インテリジェンスをワークフローに直接埋め込むことで、効率性を高めることができます。エンタープライズ全体のインテリジェンスレイヤーが達成されるまで、自律エージェントは知識と行動の間のループを閉じることができません。アジェンティクAIの定義：アジェンティクエンタープライズとは多くの組織は、アジェンティクAIの旅を開始する前に、アジェンティクAIとは何かを理解していません。アジェンティクAIについて考えるには、忙しい国際空港を想像してください。飛行機はそれぞれタスクを与えられたAIエージェントです。彼らは目標を知り、独立して行動し、目的地に向かって飛び立つので、空港は完全に機能します。しかし、空港の運営が成功するのは、個々の飛行機の動きではなく、空港全体の目標です。空港の運営は、空中管制官がスムーズに運営するために、飛行機の離着陸を調整し、地上管制を指示し、すべてを最も効果的な方法で調整します。各飛行機は独立して存在しますが、すべての離着陸を調整することで空港は安全性と効率性で成功します。アジェンティクエンタープライズは、単純な反射エージェント、または基本的なボットを実装するのではなく、複雑な多段階のタスクを独立して処理するように設計された知能エージェントのネットワークを調整するエンタープライズです。彼らは事前に定義されたルールを超えて、戦略的な目標に沿った決定を下し、時間の経過とともに適応し、改善します。エンタープライズの学習を次のレベルに引き上げます。これは、アジェンティクAIをジェネレーティブAIから区別することにもなります。ジェネレーティブAIはプロンプトに応じますが、アジェンティクAIは目標を達成するために自律的に行動し、進むにつれて学習し、適応します。これらのマルチエージェントシステムは、さまざまなエンタープライズアプリケーションに接続し、戦略的な先見性で運営し、意思決定を支援し、プロセスを自動化し、組織全体で価値を提供します。これは旅であることを覚えておくことが重要です。各エージェントには、処理できる独自の成熟度と複雑さがあります。アジェンティクエンタープライズになるには、エージェントのエコシステムを包括的に設計し、調整し、継続的に進化させる必要があります。明確な目標、知的フィードバックループ、そしてターゲット結果に応じて専門家が埋め込まれている必要があります。アジェンティクAIのユースケースの特定：価値を生み出すことの重要性アジェンティクAIのユースケースは、ユースケースの選択が不十分なことが多く、失敗します。実際、ガートナーは、2027年末までに40%以上のアジェンティクAIプロジェクトがキャンセルされることを予測しています。これらのプロジェクトは技術が失敗したことによってキャンセルされるのではなく、エンタープライズが適切なユースケースを選択しなかったことによってキャンセルされることになります。そのような運命を避けるために、組織は、価値の向上と成果物の到達速度を評価することで、アジェンティクAIが最大の影響を与える可能性のある場所を特定する必要があります。価値の側面では、エンタープライズは、どのドメインが最も顧客の痛み点を持っているか、そして最も影響力のあるドメインはどれかを最初に検討する必要があります。次に、プロセスの範囲と需要を考慮する必要があります。ヒント：アジェンティクAIは、高度に複雑なプロセス、ワークフロー、戦略的動的意思決定の必要性がある領域で、より具体的な利点を提供します。成長の可能性が高く、需要とボリュームの変化に適応し、拡大できる領域でアジェンティクAIを実装することは、軽視すべきではありません。価値と同等に重要なのは、データの可用性、品質、ガバナンスを調べることで、価値の到達速度を評価することです。簡単に言えば、より良いデータはより良いAIのパフォーマンスにつながります。アジェンティクAIを活性化する場所に関係なく、安全なガードレールを提供することは重要です。特に機密データが関与する場合、有効に実施するには、潜在的な規制の制限を考慮する必要があります。これは、コーナーカットを許可される領域ではありません。人間がループ内にあるシステムから始めることは、AIエージェントの自律性にエンタープライズがより自信を持つことができるように、責任ある実施を保証するのに役立ちます。アジェンティクAIテクノロジースタックの構築：目的の成果を達成する方法アジェンティクAIを採用する準備ができた組織は、スケーラビリティ、柔軟性、セキュリティを実現するために、適切なテクノロジーインフラストラクチャを構築する必要があります。開始するには、エンタープライズリーダーは、構造化されたデータと非構造化されたデータの両方が同じシステム内に統合されていることを確認する必要があります。データの基盤は、有効で持続可能なアジェンティクAIの採用のために不可欠です。このステップは、タスクとドメインに特化した言語モデルを構築することも重要です。データの基盤が設定され、言語モデルが確立されると、エンタープライズは、AIプラットフォーム、ツール、サービスを利用して、AIエージェントの採用とモジュール性を加速する必要があります。制御された環境でのパイロットプロジェクトから始めて、エンタープライズは、特定のタスクを実行し、ビジネス成果物を提供するエージェントをトレーニングし、展開することができます。人間の監視と、ビジネスKPIに一致するコントロールレイヤーを介したパフォーマンスの継続的な監視を確実に実施します。先導するアジェンティクAIは、ビジネスが運営される方法に根本的な変化を表します。勝者として現れるエンタープライズは、それを機会として、基盤からビジネスモデルの再検討とビジネス慣行の再構築を行うものになります。鍵は、賢く実験し、反復し、意図的に構築し、パートナーシップを結び、そして自信を持って拡大することです。アジェンティクAIは、ビジネスが運営される方法に根本的な変化を表します。勝者として現れるエンタープライズは、それを機会として、基盤からビジネスモデルの再検討とビジネス慣行の再構築を行うものになります。鍵は、賢く実験し、反復し、意図的に構築し、パートナーシップを結び、そして自信を持って拡大することです。
