John Forrester, MightyBotのCEO＆共同創設者 John Forrester MightyBotのCEO＆共同創設者

企業がAgentic AIについて間違っていること

Agentic AIは2025年の企業テクノロジーの中で最も話題になっているものの1つですが、実際の導入はまだ少ないです。アナリストによると、数千のツールが「エージェント」としてマーケティングされているものの、ほとんどが真の自律性を欠いているということです。ガートナーのレビューによると、約3,000のエージェント・オファリングの中で、たった4%のみが真正のエージェント的行動を示しており、残りの多数は単なるチャットボットまたはスクリプト化された自動化であったということです。この「エージェント・ウォッシング」により、企業はRPA、ワークフロー自動化、または企業向けChatGPTアクセスを真のエージェント・システムと間違えることがあります。誤解: RPA、ChatGPTライセンス、そしてヒープRPA vs. Agentic AI:従来のRPAツールは静的な、事前に定義された指示に従います。一方、Agentic AIはコンテキストに基づいてアクションを計画し、利用可能なツール、API、データ・ソースを使用します。IDCやその他の業界研究によると、RPAは固定ルールを実行しますが、エージェントは動的に適応します。チャットボットとスクリーン・スクラピングを組み合わせた「インテリジェント・オートメーション」と呼ばれるワークフローは、エージェント・システムと間違われることがあります。ChatGPTライセンス vs. AI導入:企業は、ChatGPT EnterpriseまたはCopilotのシートを購入することで「AIを導入した」と考えることがあります。実際には、これは従業員にチャット・インターフェースを提供するだけです。Menlo Venturesによると、10%未満の企業が一般的なチャット・ツールを超えてAIを導入しています。チャットボット・インターフェースは、目標指向のエージェントとは根本的に異なります。ベンダーの過大な約束:スタートアップやコンサルティング会社は、ビジネス・プロセスのすべての解決策として「エージェント」を広告しています。調査によると、88%の幹部がエージェント・AIの取り組みを資金提供していますが、2%未満のプロジェクトが生産スケールに達しています。ガートナーによると、2027年までに現在のエージェント・AIイニシアチブの40%以上が、パフォーマンスの低さまたは不明確な要件により中止される予定です。Agentic AIの実際Agentic AIには、ほぼ自律的な意思決定が含まれます。真のエージェントは、目標を受け取り、情報とツールにアクセスし、目標を達成するために必要なステップを決定します。刚性のワークフローとは異なり、エージェントは新しい変数が現れたときにピボットできます。モダン・フレームワークは、エコシステムがどのように進化しているかを示しています。LangChainのLangGraphは、エージェントのための生産準備済みのランタイムを提供します。DeepLearning.AIのDSPyは、プラン、ワーカー、ツールのプリミティブを提供します。IBMのcrewAIやMicrosoftのAutoGenなどの新興プラットフォームは、マルチ・エージェント・オーケストレーションの成長を強調しています。これらのツールはまだ初期段階ですが、ほとんどの企業はそれらを効果的に操作するために必要な内部の専門知識を欠いています。規制された業界での機会規制された業界、たとえば金融、保険、ヘルスケアは、エージェント・オートメーションの強い候補者です。これらの業界は、構造化されたポリシー、文書化、監査証跡に依存しており、ルールに基づくエージェントにとって理想的な環境を作り出します。金融:AIとエージェント・オートメーション・ツールは、銀行でコンプライアンス、オンボーディング、KYC/AMLワークフローをストリームライン化するために使用されています。ドキュメントの自動検証、リスクと制裁スクリーニングの実行、人間によるレビューのためのケースのフラグ付けなどです。SS&C Blue Prismによると、これによりオンボーディングの時間が大幅に短縮できます。たとえば、ある銀行では、口座開設から取引までの時間が49%短縮されました。2025年のTemenosの調査によると、36%の銀行がすでにGenAIを導入または導入中であり、39%の銀行が評価中です。2025年のEY-Parthenonの調査によると、61%のGenAIを使用する銀行がすでに顕著な利益を得ていると報告しています。業界レベルの分析によると、AIベースのオートメーションは、コンプライアンス、運用、リスク管理機能で30〜50%の生産性向上をもたらす可能性があります。保険:クレーム処理、保険の承認、詐欺検出は、エージェント・システムに適しています。クレーム・エージェントは、文書を読み取り、ポリシー詳細を取得し、要件を検証し、次のステップを提案できます。BCGの調査によると、早期の採用者は、約40%のクレーム処理が速まったと報告しています。規制such as NAICのAIガイドラインにより、保険会社は、エージェントの運用ロジックにルールを直接組み込むことができます。2025年のMenlo Venturesの分析によると、92%の米国のヘルスケア保険会社が、コンプライアンス・テスト、バイアス・チェック、監査タスクにAIを使用しています。ヘルスケア:ヘルスケア組織は、エージェントを使用して、臨床文書化、トライアージュ、スケジューリング、初期分析を支援しています。Kaiser Permanenteは、Menlo Venturesによると、40の病院で生成AIを導入し、行政負担を軽減しました。Mayo Clinicは、AIをバックアップした自動化戦略に10億ドル以上を投資しています。厳格なコンプライアンス要件により、より安全で監査可能なエージェント・システムが作成されることがあります。これらの業界では、保険の承認ガイドライン、信用ポリシー、臨床プロトコルなどの明確なルールが、エージェントの行動を形作るガードレールとしてエンコードできます。技術的およびガバナンス上の課題企業は、エージェント・システムを実装する際にいくつかの障害に直面します。データと統合の複雑さ:エージェントは、API、文書、データベース、リアルタイム情報にアクセスする必要があります。チームは、大量の構造化されていないデータをインデックス化し、モデル・コンテキスト・プロトコル・サーバーを構成し、ツール・インターフェースを構築する必要があります。これらのタスクは、現在のITスキルセットを超えることがあります。ツールの断片化:標準的なエージェント・フレームワークはありません。LangGraph、DSPy、AutoGenなどのツールは、セキュリティ、柔軟性、成熟度に関するトレードオフを持っています。多くの企業は、コンサルティング会社または「エージェント・イン・ア・ボックス」ベンダーに頼りますが、脆弱または不完全なソリューションを受け取ることがあります。評価と観察可能性:エージェントの精度、安全性、ドリフトを測定するには、評価パイプライン、シナリオ・テスト、リアルタイム・モニタリングが必要です。これらのシステムがないと、エージェントは、検出されずに間違った決定を下すことがあります。セキュリティと新たなリスク:エージェントの自律性は、新たなリスクをもたらします。BCGの分析によると、連鎖するエラー、エージェント間のなりすましリスク、ツール・コール・シーケンスの脆弱性が特に金融やヘルスケアなどの業界で懸念されます。ここでは、データの公開または決定のエラーが重大な結果をもたらす可能性があります。スキル・ギャップ:ほとんどの企業エンジニアは、APIやデータベースについて理解していますが、エージェント・ループ、プロンプト・エンジニアリング、またはツール・チェイニングについての経験が不足しています。ガートナーによると、エージェント・イニシアチブを資金提供する多くの幹部が、真のエージェントとは何であるかを完全に理解していないため、成功率が低くなります。エンタープライズ向けAIエージェントの構築専門家は、特にハイステークスの環境で、エージェント・ワークフローを構築する組織に対して、いくつかのベスト・プラクティスを推奨しています。セキュア・バイ・デザイン・アーキテクチャ:自律性の制限、権限、監査証跡を最初から定義します。必要なアクセスのみを許可し、システムにログとファイル・セーフを組み込みます。BCGは、ガバナンスをコア・アーキテクチャに設計することを強調しています。ポリシー・ドリブン・プラットフォーム:既存のシステムと統合し、ランタイム時にルールを適用するプラットフォームを使用します。ポリシー・エンジンは、ツール・コールを企業の標準に対して検証し、実行前に繰り返し、監査可能な行動を保証します。ヒューマン・イン・ザ・ループ・モニタリング:重要なステップには、特に規制されたプロセスでは、人間によるレビューを含める必要があります。ダッシュボードとアラートにより、チームはエージェントのアクションをリアルタイムで監視し、アノマリーを迅速にエスカレートできます。堅牢なテストとフィードバック:企業は、導入前にサンドボックス・シミュレーション、バックテスト、シナリオ・ストレス・テストを実行する必要があります。継続的な評価により、ドリフト、エラー、コンプライアンスの逸脱を検出できます。エージェントをソフトウェア・コンポーネントとして扱い、CI/CDパイプラインを使用すると、信頼性が向上します。フレームワークは、メモリ、認証、監査可能性に関する機能とともに進化を続けています。長期的には、企業は、目標とポリシーを定義し、システムがプロンプティング、データ・アクセス、コンプライアンス・ワークフローを管理する統一されたプラットフォームを望んでいます。結論Agentic AIには、規制された業界の複雑なワークフローを変革する潜在力があります。真の成功を収めるには、セキュアなアーキテクチャ、ポリシー・ドリブンのガバナンス、ヒューマン・オーバーサイト、徹底的なテストが必要です。エージェント・AIをコア・ソフトウェア・機能として扱う企業は、意味のある価値を獲得するでしょう。一方、ヒープに頼る企業は、停滞したパイロット・プロジェクトと無駄な投資のリスクがあります。industries. 真の成功を収めるには、セキュアなアーキテクチャ、ポリシー・ドリブンのガバナンス、ヒューマン・オーバーサイト、徹底的なテストが必要です。エージェント・AIをコア・ソフトウェア・機能として扱う企業は、意味のある価値を獲得するでしょう。一方、ヒープに頼る企業は、停滞したパイロット・プロジェクトと無駄な投資のリスクがあります。