マルチエージェント LLM により AI モデルが複雑なタスクをより効果的に解決できるようになる方法

現在、ほとんどの組織は、大規模言語モデル (LLM) を活用し、概念実証と人工知能 (AI) エージェントを実装して、ビジネス プロセス内のコストを最適化し、新しい創造的なユーザー エクスペリエンスを提供したいと考えています。ただし、これらの実装の大部分は「1 回限り」です。その結果、企業はこれらのユース ケースの多くで投資収益率 (ROI) を実現するのに苦労しています。

ジェネレーティブ AI (GenAI) は、副操縦士のようなソフトウェアを超える可能性を秘めています。これらのソリューションは、単に分野の専門家 (SME) にガイダンスや支援を提供するだけでなく、SME のアクターとなり、自律的にアクションを実行することができます。GenAI ソリューションがこのレベルに到達するには、組織はソリューションに、追加の知識とメモリ、計画と再計画の機能、および他のエージェントと連携してアクションを実行する機能を提供する必要があります。

単一のモデルは、いくつかのシナリオでは副操縦士として適していますが、エージェントアーキテクチャは、LLMがビジネスプロセス自動化のアクティブなコンポーネントになるための扉を開きます。そのため、企業は、 LLMベースのマルチエージェント（LLM-MA）システム 複雑なビジネスプロセスを合理化し、ROI を向上させます。

LLM-MA システムとは何ですか?

では、LLM-MA システムとは何でしょうか? 簡単に言うと、AI テクノロジーのこの新しいパラダイムは、孤立したエンティティではなく、複雑な課題を解決するために連携して機能する AI エージェントのエコシステムを表します。

人間同士の信頼できる意思決定には専門化が必要であるのと同様に、意思決定は幅広いコンテキスト内で行われるべきです。LLM-MA システムは、複数の専門エージェントが相互作用して共通の目標を達成することで、人間のグループが享受するのと同じ「集合知」を構築します。言い換えれば、企業がさまざまな分野のさまざまな専門家を集めて 1 つの問題を解決するのと同じように、LLM-MA システムも機能します。

ビジネス上の要求は、1人のLLMでは手に負えないほど多すぎます。しかし、1人のLLMがすべての負担を担うのではなく、独自のスキルと知識を持つ専門エージェントに能力を分散させることで、これらのエージェントはより効率的かつ効果的にタスクを完了できます。マルチエージェントLLMは、相互検証を通じて互いの作業を「チェック」することもできます。 「幻覚」を減らす 生産性と精度を最大限に高めます。

特に、LLM-MA システムは、分割統治法を使用して、複雑な AI 搭載システムの他の側面をより細かく制御します。具体的には、特定のデータセットへの微調整の改善、説明可能性、ガバナンス、セキュリティ、信頼性を向上させる方法の選択 (プレトランスフォーマー AI を含む)、複雑なソリューションの一部としての非 AI ツールの使用などです。この分割統治アプローチでは、エージェントがアクションを実行し、他のエージェントやデータからフィードバックを受け取ることで、時間の経過とともに実行戦略を採用できるようになります。

LLM-MAシステムの機会と使用例

LLM-MA システムは、構造化ドキュメントと非構造化ドキュメントを検索し、データ モデルを照会するコードを生成し、その他のコンテンツ生成を実行することで、ビジネス プロセスを効果的に自動化できます。企業は、ソフトウェア開発、ハードウェア シミュレーション、ゲーム開発 (特にワールド開発)、科学的および製薬的発見、資本管理プロセス、金融および取引経済など、さまざまなユース ケースで LLM-MA システムを使用できます。

LLM-MA システムの注目すべきアプリケーションの 1 つは、コール/サービス センターの自動化です。この例では、定義済みのワークフローと手順を利用するモデルとその他のプログラム アクターの組み合わせにより、エンド ユーザーとのやり取りを自動化し、テキスト、音声、またはビデオを介してリクエストのトリアージを実行できます。さらに、これらのシステムは、パーソナライゼーション データを使用して手順と SME の知識を活用し、検索拡張生成 (RAG) タイプと非 LLM エージェントを呼び出すことで、最適な解決パスをナビゲートできます。

短期的には、このシステムは完全に自動化されることはありません。間違いは起こるでしょうし、人間が介入する必要があります。AI は、たとえば責任ある AI の懸念事項に対して自由な会話をテストする複雑さのため、人間のような体験を再現する準備ができていません。ただし、AI は何千もの過去のサポート チケットとフィードバック ループをトレーニングして、コール/サービス センターの運用の重要な部分を自動化し、効率を高め、チケット解決のダウンタイムを減らし、顧客満足度を高めることができます。

マルチエージェント LLM のもう 1 つの強力なアプリケーションは、リアルタイムの会話のための人間と AI のコラボレーション インターフェイスを作成し、これまでは不可能だったタスクを解決することです。 会話型群知能 たとえば、CSI は、何千人もの人々がリアルタイムで会話できるようにする方法です。具体的には、CSI では、小グループが互いに対話しながら、同時に異なるエージェント グループが会話のスレッドを要約できます。その後、より大規模な人々の間でコンテンツの伝播を促進し、前例のない規模で人間の調整を可能にします。

LLM-MA システムのセキュリティ、責任ある AI、その他の課題

LLM-MA システムには刺激的なチャンスがあるにもかかわらず、エージェントの数とアクション スペースのサイズが増加するにつれて、このアプローチにはいくつかの課題が生じます。たとえば、企業は単純な幻覚の問題に対処する必要があり、これには人間が関与する必要があります。エージェント システム、特に自動医薬品発見などの潜在的に重大な影響を与えるシステムについては、指定された当事者が責任を負う必要があります。

また、データ バイアスの問題もあり、それが雪だるま式にインタラクション バイアスに発展する可能性があります。同様に、数百のエージェントを実行する将来の LLM-MA システムでは、他の LLM の欠点、データ、機械学習操作を考慮しながら、より複雑なアーキテクチャが必要になります。

さらに、組織はセキュリティ上の懸念に対処し、責任ある AI (RAI) の実践を推進する必要があります。LLM とエージェントが増えると、あらゆる AI 脅威に対する攻撃対象領域が拡大します。企業は、セキュリティや RAI 要素を含む従来の LLM リスクをより詳細に制御するために、LLM-MA システムのさまざまな部分を専門のアクターに分解する必要があります。

さらに、ソリューションが複雑になるにつれて、AI ガバナンス フレームワークも複雑になり、AI 製品が信頼できる (堅牢で、説明責任があり、監視され、説明可能である)、常駐している (安全で、セキュリティが確保され、プライベートで、効果的である)、責任がある (公平で、倫理的で、包括的で、持続可能で、目的がある) ことを保証する必要があります。複雑さが増すと規制も厳しくなるため、セキュリティと RAI を最初からすべてのビジネス ケースとソリューション設計の一部にすること、継続的なポリシーの更新、企業のトレーニングと教育、TEVV (テスト、評価、検証、妥当性確認) 戦略がさらに重要になります。

LLM-MA システムから最大限の価値を引き出す: データの考慮事項

企業が LLM-MA システムから最大限の価値を引き出すには、LLM 自体が一般的なドメイン知識しか持っていないことを認識する必要があります。ただし、LLM は、通常、差別化されたデータ資産、企業ドキュメント、SME の知識、および公開データ ソースから取得した情報で構成されるエンタープライズ ドメイン知識を利用することで、価値を生み出す AI 製品になることができます。

企業は、データがレポート作成をサポートするデータ中心から、データソースを組み合わせて AI がエンタープライズ エコシステム内で役割を果たす AI 中心へと移行する必要があります。そのため、企業が高品質のデータ資産をキュレートおよび管理する能力は、これらの新しいデータ タイプにも拡張される必要があります。同様に、組織はデータとインサイトの消費アプローチを最新化し、運用モデルを変更し、データ、AI、RAI を統合するガバナンスを導入する必要があります。

ツールの観点から見ると、GenAI はデータに関する追加の支援を提供できます。特に、GenAI ツールはオントロジーの生成、メタデータの作成、データ信号の抽出、複雑なデータ スキーマの理解、データ移行の自動化、データ変換を実行できます。また、GenAI はデータ品質の向上や、ガバナンス スペシャリスト、副操縦士、半自律エージェントとしての使用にも使用できます。すでに多くの組織が、データとの対話機能に見られるように、GenAI を使用してデータの民主化を支援しています。

急速な変化の時代における継続的な導入

LLM は、それ自体では価値を追加したり、プラスの ROI を達成したりすることはできませんが、ビジネス成果重視のアプリケーションの一部として役立ちます。課題は、LLM の技術的機能がある程度知られていた過去とは異なり、今日では新しい機能が毎週、時には毎日登場し、新しいビジネス チャンスをサポートしていることです。この急速な変化に加えて、規制とコンプライアンスの状況は絶えず進化しており、迅速に適応する能力が成功の鍵となっています。

こうした新たな機会を活用するために必要な柔軟性を実現するには、企業がサイロからコラボレーションへと考え方を転換し、堅牢なデータ管理と責任あるイノベーションを実装しながら、テクノロジー、プロセス、人材全体にわたって最高レベルの適応性を促進する必要があります。最終的には、こうした新しいパラダイムを採用する企業が、デジタル変革の次の波をリードすることになります。