Levelpath、Rangerを導入し、調達ワークフローをエンドツーエンドで実行

LevelpathはRangerを発表しました。この自律型調達プラットフォームは、企業の購買をAI支援の管理からエンドツーエンドの実行へと移行させることを目的としています。9月30日に発表されたRangerは、自然言語または音声でのリクエストを受け付け、サプライヤーの選定、契約のレビュー、ベンダーのオンボーディング、サードパーティリスクの評価、請求書の照合と承認に必要な作業を調整します。

この違いは重要です。ほとんどの調達コパイロットは契約を要約したり、質問票を作成したり、ポリシーに関する質問に答えたりできますが、従業員はそれらの出力をプロセスに結びつける必要があります。Rangerはその結合組織として設計されています。そのエージェントは調達、財務、法務、セキュリティ、ITシステムにまたがる複数のステップを計画・実行し、人間の判断が必要な決定をエスカレーションします。

プロンプトから統制されたプロセスへ

プラットフォームの中心にあるのはRanger Studioで、自然言語環境において調達チームがエージェントやワークフローを記述し、遵守すべきポリシーを指定し、人が介入すべき箇所を決定します。同社によれば、ユーザーはデータに基づく質問に対するアシスタント、定型作業向けのタスクエージェント、複数ステップのプロセス向けのワークフローエージェント、契約更新やサプライヤーの健全性といった責任を監視する継続エージェントを展開できるとのことです。

Rangerは5つの自律ワークフロー、すなわち調達、契約レビュー、サプライヤーオンボーディング、サードパーティリスク保護、請求書の照合と承認を搭載しています。これらは個別の機能ではありません。Levelpathの共有調達データモデル上で動作し、事前構築された統合とAPIを通じてERP、契約ライフサイクル管理、財務、コラボレーション、その他のエンタープライズシステムと接続します。

このアーキテクチャはLevelpathのHyperbridge推論エンジン上に構築されており、サプライヤー、契約、調達、支出のコンテキストを共通レイヤーに統合します。同社はHyperbridgeを大規模言語モデルとエンタープライズデータ、ワークフローロジックを組み合わせたものと説明しており、エージェントがリクエスト背後のコンテキストを基に推論できるようにし、各文書やシステムを個別のやり取りとして扱うのを防ぎます。

このデータ基盤は重要な技術要件です。最近のUnite.AIのインタビューにおいて、Levelpathの共同創業者兼CEOであるAlex Yakubovichは、サプライヤー、契約、調達情報が分散したままではエージェントは信頼性を持って行動できないと主張しました。Rangerの提案は、統合されたモデルが専門エージェントに十分なコンテキストを提供し、単に回答を返すだけでなくワークフローを進めることができるというものです。

実務における自律調達の姿

調達イベントにおいて、Rangerは短いリクエストを質問票、価格シート、スコアカード、サプライヤー固有のプロセスを備えた構造化されたRFPに変換できます。回答を分析し、スコアリングの根拠を説明し、受賞を推奨しますが、最終的な選定は権限を持つ担当者に委ねられます。過去の価格情報、サプライヤーの実績、交渉条件も分析に活用できます。

契約管理はより能動的なパターンを加えます。Rangerは通知期間を算出し、契約が期限切れになる前に更新レビューを開始し、更新、再交渉、終了、または何もしないかを推奨できます。Contract Discovery機能により、チームは最大10,000件の契約に対して1つの質問を投げかけ、基礎文書の証拠にリンクした回答を得られます。この引用層は法務や調達業務において重要で、出典が追跡できない妥当な回答だけでは不十分です。

買掛金管理において、プラットフォームは請求書をサプライヤー記録、購買注文、契約、受領データと照合します。重複や価格・数量の不一致、異常金額、限度に近づく購買注文を特定できます。クリーンで低額の請求書は自動的に支払いへ進められ、例外は書面による理由と監査証跡を添えて担当者に回されます。

AI Front Doorは共通インターフェースを提供します。従業員はチャット、見積もり、音声指示で購買リクエストを開始できます。Rangerはリクエストを事前入力し、従業員の役割に基づくガイダンスを適用し、ポリシーと閾値に従って法務、セキュリティ、財務、リスクチームへ作業を振り分けます。自然言語ダッシュボードも同様に、支出、サプライヤー、パフォーマンスに関する質問をチャート、比較、KPIに変換します。

厳格な境界を持つ自律性

今回のリリースで最も重要な点はガバナンス設計かもしれません。各エージェントは個別のステップで有効化または無効化でき、ポリシー、承認閾値、プレイブック、トーン、組織ルールによって制約されます。Levelpathによれば、エージェントの変更はリリース前にバージョン管理された評価シナリオと本番会話でテストされます。

さらに重要なのは、権限付与が助言的ではなく構造的になることです。承認エージェントは条件を満たすリクエストを承認できても、拒否することは技術的に制限され、すべての拒否は人に委ねられます。Rangerは監査記録において自動化されたアクションと人間の決定を区別し、古い情報や不完全な情報に基づく行動を防ぐよう設計されています。

これらのコントロールは、より広範な企業リスクに対処します。自律エージェントが増殖するにつれ、企業はどのシステムが意思決定を行い、どの証拠を使用し、どの権限を行使したかを把握する必要があります。Unite.AIが最近 シャドーエージェントの台頭 で検討したように、エージェントが機能間で相互にトリガーできるとガバナンス問題はさらに困難になります。Ranger の限定された権限、評価、証拠、明示的エスカレーションのモデルは、その自律性を運用上の責任あるものにしようとする試みです。

調達のための新しい運用モデル

Levelpathは、Rangerが現在利用可能であり、既存顧客には追加費用なしで提供されると述べています。新規顧客は概念実証または価値実証から開始できます。同社は、American Airlines、CBRE、Amgen、New York Life、Levi Strauss & Co.、Western Unionを、同技術を使用している組織として挙げています。

今回のリリースでは、Ranger Academyも導入されます。これは、調達専門家を「エージェント運用マネージャー」として育成し、ポリシーの定義、エージェントの調整、成果の所有を行う一連のワークショップです。この役割は、製品の本当の導入課題がどこにあるかを示しています。自律的なワークフローは調達の専門知識をなくすわけではなく、ポリシー設計、例外処理、サプライヤー戦略、エージェント監督へと変換します。

Rangerは、エンタープライズAIがコンテンツ生成から行動の調整へと移行する中で登場します。調達は、乱雑な文書、高い取引量、部門横断的な承認、規制上の義務、サプライヤーとの関係、直接的な財務影響が組み合わさるため、顕著なテストとなります。Levelpathがエージェントを検証可能な境界内に保ちつつ、企業が依然として依存する分散したシステムを統合できれば、Rangerは調達を統治されたエージェントAIが実際に機能する最も明確な実例の一つにすることができるでしょう。