エージェント型AIのための信頼できるデータ基盤の構築

コミュニケーションにおいて、文脈は重要な役割を果たします。発言は文脈から切り離されると、本来の意図とは正反対の意味に受け取られることがあります。文脈のない場面で誰かに会うと、その人だと気づけないこともあります。文脈は人間関係をつなぎ合わせ、社会的なやり取りの中に意味を見いだすための接着剤です。

AIエージェントも同じです。文脈があるからこそ、エージェントは曖昧さを取り除き、たとえばApple（テクノロジー企業）、Apple（レコードレーベル）、apple（果物）を区別できます。

この曖昧さの解消が重要なのは、企業向けAIが瞬時に意思決定し、取引の検知や与信の承認、アラートの発動を行うためです。エージェントがワークフローに関わるエンティティを理解できなければ、処理自体は続けるでしょう。しかし、間違いを犯すことはまず間違いありません。

一部の推計によると、一般的な大企業は今年末までに最大1,600のエージェントを利用するとされており、こうした誤りは急速に拡大するでしょう。

デジタルアイデンティティの解決に伴う複雑さ

エージェント型AIへの期待が高まるのは当然ですが、エージェントがデータセット内のエンティティを正しく理解できるようになるまでは、砂上の楼閣を築く危険があります。

これは簡単に解決できる問題ではありません。たとえば、1人の顧客が、企業内のさまざまなデータベースに異なる表記で登録されていることがあります（J. Bloggs、Jane Bloggs、Bloggsなど）。同様に、1つの企業体が、複数の子会社でそれぞれ別個の企業として扱われている場合もあります。一見異なるこれらのエンティティが、実際には同一のプロフィールに関連していると、エージェントはどうすれば判断できるのでしょうか。

現状では、判断できないことが少なくありません。これは、エージェントの構築方法に起因します。エージェントの本質は、入力を受け取り、出力を返すシステムです。では、エージェントに与えるデータ量は、具体的にどれくらいが適切なのでしょうか。調査によると、コンテキストウィンドウが長すぎると、エージェントは幻覚を起こすことが分かっています。反対に、データが少なすぎると、エージェントは自信を持って判断を下し、不正確な情報に基づいて行動してしまいます。企業は、システムが必要とする以上でも以下でもない、適切な量のコンテキストを提供するという、微妙なバランスを取る必要があります。

データ統合が鍵

データ量は課題の一部にすぎません。企業はデータの品質と統合についても考慮する必要があります。データ同士の連携が不十分だと、コンテキストの質も低下します。エージェントが意思決定に必要とするデータが、分断された複数のデータベース、アプリ、事業部門に散在していると、幻覚が生じることがあります。業務上のコンテキストの約80～90％は、サイロ化された非構造化ファイルに存在し、相互に接続されていないシステムに散在しています。こうした情報にアクセスできなければ、AIの出力は不完全な前提に基づくことになります。

こうした問題があるにもかかわらず、AIエージェントの導入は急速に進んでいます。エージェントが正確な判断を下し、適切に行動するとビジネスリーダーが信頼できなければ、本来必要となる以上に人間による監督に投資しなければなりません。期待していた自律性と高い効率性を備えたエージェントを活用する代わりに、企業には、常に人が付き添わなければならない信頼性の低いツールが残されることになります。もう1つの選択肢は、ビジネスリスクとコンプライアンス部門および法務部門の業務負担を増大させることです。

コンテキストデータ基盤の構築

では、何をすべきでしょうか。重要なのは、正確で検証済みのデータ基盤をエージェントに提供することです。この基盤は、社内外のソースに分散したデータを統合し、構造化データと非構造化データの両方に一貫したガバナンスを適用します。さらに、データにコンテキストを加えることで、AIに与えるデータが孤立した記録ではなく、現実世界の関係性を反映するようにします。これにより、エージェントは人物とその別名を関連付けたり、子会社とその親会社を結び付けたりできます。

コンテキスト基盤を整備すれば、AI主導の業務運用は正確で説明可能になり、確信を持った意思決定を支えられるようになります。企業はエージェントに付き添う必要がなくなり、エージェントを信頼できるため、過剰な監督を必要とせずに、エージェント型自動化のメリットを最大限に享受できます。

技術的には、コンテキストは2つの機能によって実現されます。1つ目はエンティティ解決です。これは、さまざまなシステムやデータ形式に分散している記録の中から、同一のエンティティに関係するものを結び付けます。こうした記録は、人、組織、資産を一元的かつ信頼性の高い形で把握できるように統合されます。データ品質を損ない、AIの誤った出力につながることの多い、重複や曖昧さも解消されます。

2つ目の機能はナレッジグラフです。ナレッジグラフは、顧客とアカウントのつながり、取引と行動の関係、ネットワーク全体にリスクがどう波及するかなど、エンティティ間の関係をモデル化してコンテキストを加えます。エンティティ解決と組み合わせることで、ナレッジグラフは現実世界におけるデータの姿を正確に描き出し、AIエージェントが大規模に成果を上げるために必要な基盤を提供します。

エージェント型AIにとどまらないメリット

もちろん、企業内でデータを利用するのはAIエージェントだけではありません。コンテキストデータ基盤があれば、現場スタッフ、コンプライアンスチーム、ビジネスアナリスト、人事チームをはじめ、ほかのすべてのデータ利用者も、統合され正確な全体像を同じように把握できます。

その結果、顧客体験の向上にもつながります。たとえば、企業が同じ顧客について複数のプロフィールを管理していると、異なるチームから何度も連絡してしまうことがあります。こうした経験は、控えめに言っても顧客に不満を抱かせかねません。コンテキストを活用したデータは、顧客をより包括的に理解し、適切に対応できるようにすることで、顧客体験を高めます。これは最終的に、より人間を中心に据えたアプローチであり、企業の時間とコストの節約にもつながります。

AIの信頼性を保つ

ガートナーは企業向けアプリの40%に今年、特定のタスクに特化したAIエージェントが搭載されると予測している。これは2025年の5%未満からの増加となる。エージェント型AIの時代が到来している。

しかし、エージェント型AIのワークフローに投資するすべての組織が、その恩恵を等しく受けられるわけではありません。統合され、豊富なコンテキストを備えたデータ基盤を整えて準備を進めた組織は、AIの出力を信頼し、迅速に規模を拡大できるでしょう。それ以外の組織は、新しいシステムの監視に時間と労力を浪費することになります。したがって、成功の鍵は、初日からエージェント型AIの技術スタックに常に更新されるコンテキストレイヤーを組み込むことにあります。