マルチエージェントLLMが複雑なタスクをより効果的に解決できるようにする

現在、多くの組織は、大規模な言語モデル（LLM）と人工知能（AI）エージェントを利用して、ビジネスプロセスにおけるコストを最適化し、新しい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。しかし、これらの実装のほとんどは「一時的な」ものです。結果として、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。

生成的なAI（GenAI）は、コピロットのようなソフトウェアを超えて機能します。主題の専門家にガイダンスと支援を提供するだけでなく、これらのソリューションは、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、企業は追加の知識とメモリ、計画と再計画の能力、他のエージェントと協力してアクションを実行する能力を提供する必要があります。

単一のモデルは一部のシナリオでは適切ですが、コピロットとして機能します。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可能性を示唆しています。したがって、企業は、複雑なビジネスプロセスを合理化し、ROIを改善するために、LLMベースのマルチエージェント（LLM-MA）システムを利用することを検討する必要があります。

LLM-MAシステムとは何か

LLM-MAシステムとは、単独のエンティティではなく、複雑な課題を解決するために協調して機能するAIエージェントのエコシステムを表す、新しいAI技術のパラダイムです。

決定は、信頼性の高い意思決定を行うために人間が専門知識を必要とするのと同様に、幅広いコンテキストで行われる必要があります。LLM-MAシステムは、複数の専門エージェントが共同で作業して共通の目標を達成することで、人間が持つ「集団的知性」を構築します。つまり、企業が複数の分野の専門家を集めて問題を解決するのと同様に、LLM-MAシステムも同様に機能します。

単一のLLMではビジネスの要求に対応することはできません。しかし、専門エージェントに機能と知識を分配することで、タスクをより効率的に実行できます。マルチエージェントLLMは、相互の作業を確認することで、最大の生産性と精度を実現できます。

特に、LLM-MAシステムは、他の複雑なAIエンパワードシステムの側面に対するより洗練された制御を取得するために、分割と征服の方法を使用します。エージェントは、他のエージェントとデータからフィードバックを受けながら、アクションを実行し、時間の経過とともに実行戦略を採用します。

LLM-MAシステムの機会とユースケース

LLM-MAシステムは、構造化されたドキュメントと非構造化されたドキュメントの検索、データモデルへのコードの生成、コンテンツの生成など、ビジネスプロセスを自動化できます。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、科学的および医薬品の発見、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システムを利用できます。

LLM-MAシステムの注目すべき応用例の1つは、コールセンター/サービスセンターの自動化です。この例では、事前定義されたワークフローと手順を使用するモデルとプログラムアクターの組み合わせで、エンドユーザー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。また、これらのシステムは、手順と専門知識の知識を使用して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ません。ミスが発生し、ループ内に人間が必要になります。AIは、責任あるAIに関する懸念など、フリーフロー会話をテストする複雑さのために、人間のようなエクスペリエンスを複製する準備ができていません。しかし、AIは、歴史的なサポートチケットとフィードバックループから学習して、コール/サービスセンターの作業の大部分を自動化し、効率性を高め、チケット解決時間を短縮し、顧客満足度を向上させることができます。

マルチエージェントLLMのもう1つの強力な応用例は、リアルタイム会話を可能にする人間とAIのコラボレーションインターフェイスを作成することです。会話スワームインテリジェンス（CSI）などの方法は、1000人規模の会話を可能にします。具体的には、CSIは、小さなグループがリアルタイムで会話できるようにし、同時に異なるグループのエージェントが会話スレッドを要約し、コンテンツを大規模な人々のグループに伝播させ、前例のないスケール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、他の課題

LLM-MAシステムの魅力的な機会があるにもかかわらず、いくつかの課題が生じます。たとえば、企業は、単純な妄想を解決する必要があります。これには、人間の介入が必要です。特に、重大な影響を与える可能性のあるエージェントシステムの場合、責任者が必要です。また、データバイアスが発生する可能性があり、相互作用バイアスに雪崩する可能性があります。

さらに、企業はセキュリティの懸念と責任あるAI（RAI）の実践を解決する必要があります。LLMとエージェントの数が増えるにつれて、すべてのAI脅威に対する攻撃面が増大します。企業は、セキュリティとRAIの要素を含む従来のLLMリスクに対するより厳格な管理を提供するために、LLM-MAシステムのさまざまな部分を専門化されたアクターに分解する必要があります。

また、AIガバナンスフレームワークは、AI製品が信頼性が高く（頑健で、説明可能で、監視可能で、説明可能である）、居住可能で（安全で、セキュアで、プライベートで、有効である）、責任がある（公平で、倫理的で、包括的で、持続可能で、目的のある）ことを保証するために、複雑さとともに進化する必要があります。複雑さの増大は、セキュリティとRAIがビジネスケースとソリューションの設計の最初から、継続的なポリシー更新、企業トレーニングと教育、テスト、評価、検証、バリデーション戦略の一部であることをさらに重要にします。

LLM-MAシステムの全価値を抽出する：データの考慮

企業がLLM-MAシステムの全価値を抽出するには、LLMは一般的なドメイン知識のみを持っていることを認識する必要があります。ただし、LLMは、企業のドメイン知識、つまり、差別化されたデータアセット、企業ドキュメント、専門知識、公開データソースからの情報に依存することで、価値のあるAI製品になる可能性があります。

企業は、データがレポートをサポートするための中心であるのではなく、AIをエンタープライズエコシステム内でアクターとしてエンパワーメントするためにデータソースが結合する、データ中心からAI中心へのシフトを実行する必要があります。したがって、企業は、高品質のデータアセットのキュレーションと管理能力を新しいデータタイプに拡張し、データと洞察の消費アプローチを最新化し、データ、AI、RAIを統一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、GenAIはデータに関して追加の支援を提供できます。特に、GenAIツールは、オントロジーを生成し、メタデータを作成し、データシグナルを抽出して複雑なデータスキーマを理解し、データ移行を自動化し、データ変換を実行できます。GenAIは、データ品質を向上させ、ガバナンススペシャリストまたはセミオートノマスエージェントとしても機能できます。すでに、多くの組織は、データを民主化するために、たとえば「データと話す」機能を使用しています。

急速な変化の時代における継続的な採用

LLMは、単独では価値を追加したり、ROIを達成したりしません。ビジネス成果に焦点を当てたアプリケーションの一部としてのみ機能します。課題は、過去と比較して、LLMの技術的能力が多少知られていたのに対し、今日、新しい機能が毎週、時には毎日登場し、新しいビジネス機会をサポートしていることです。また、規制とコンプライアンスの環境も急速に変化しており、成功するために適応性が不可欠です。

これらの新しい機会を利用するために必要な柔軟性は、企業がシロからコラボレーションへのマインドセットシフトを遂行することを必要とします。テクノロジー、プロセス、人々の最高レベルの適応性を促進し、堅牢なデータ管理と責任あるイノベーションを実装します。最終的に、これらの新しいパラダイムを受け入れる企業が、次のデジタル変革の波をリードすることになります。企業は、シロからコラボレーションへのマインドセットシフトを遂行し、テクノロジー、プロセス、人々の最高レベルの適応性を促進し、堅牢なデータ管理と責任あるイノベーションを実装することで、次のデジタル変革の波をリードすることになります。