企業の経営幹部に自社のAIエージェントについて説明を求めると、おそらく次のような明確な答えが返ってくるでしょう。「ドキュメントを要約します」や「一次サポートのチケットを処理します」といった具合です。しかし、そのエージェントがどのように管理、測定、または修正されているかを尋ねると、沈黙されることがよくあります。その沈黙こそが、現在のエージェント型AIの現状を物語っています。
私は、世界をリードする企業のデータおよびAIリーダーと、パイロット版ではなく本番環境へのエージェントの展開について定期的に話し合っています。先行している組織を分けているのは、より優れたモデルやより大きな予算ではありません。むしろ、エージェントをエンジニアリングすべきプロンプトとして扱うのをやめ、果たすべき役割として扱い始めているのです。
プロンプトはタスクを記述し、職務記述書は役割を記述する
プロンプトは、特定の瞬間に何をすべきかをエージェントに指示します。職務記述書はさらに踏み込みます。この役割には何が必要か、組織にどのように適合するか、そしてその出力に対して誰が責任を負うのかを定義します。
多くの企業は、この職務記述書のステップを飛ばしています。エージェント型AIに関連する最大の懸念事項の1つは、人間の監視を維持し、不正なアクションを防ぐことです。そこで次のような疑問が生じます。誰がエージェントを管理し、誰がその管理者にその方法を訓練したのでしょうか。
私が話をしたリーダーたちは、以下の3つの慎重なステップを中心にエージェントプログラムを構築しています。それぞれのステップは、組織が新入社員を採用する際に踏むステップに対応しています。
慎重な採用
エージェントのロジックを1行でも書く前に、どのタスクが自動化に値するかを検討してください。ある音楽テクノロジー企業では、ワークフローを監査して、最も反復的で大量の作業を見つけることを意味しました。この組織では現在、音楽検出エージェントが、人間のチームでは維持できない規模でAI生成トラックを分類しています。
あるグローバルな自動車製造企業では、各事業部門のAIリードが構造化されたアイデア創出を通じてユースケースを収集し、構築を開始する前に優先順位付けフレームワークにかけています。ある経営幹部は次のように述べています。「エージェントの作成が非常に簡単になったため、チームはまずそれを行います。プロセスはありますか。ステージゲートはありますか。メトリクスはありますか。ほとんどの組織はまだその段階に達していません。」
設計は優先順位付けと同じくらい重要です。従業員と同様に、エージェントも孤立して機能するわけではなく、信頼は最初から始まります。あるデジタルマーケティングエージェンシーでは現在、ソリューションアーキテクトの役割がAIチームとビジネスユニットの間に配置され、エージェントがプロセスに後付けされた孤立したツールとしてではなく、実際の目標に結びついた管理されたワークフローとして立ち上げられるようにしています。
ハンドブックの準備
職務記述書が内定通知書だとすれば、データは従業員ハンドブックです。正確で多様かつ最新のエンタープライズデータにアクセスできないエージェントは、オンボーディングを受けていない従業員と同じです。しかし、データの準備状況は依然としてエンタープライズAI導入の最大の障壁となっています。Snowflakeの独自の調査では、65%の企業がAIデータのサイロ化を解消することは困難または非常に困難であると回答し、62%がそもそもデータをAI-readyにするための準備についても同様に回答しています。
解決策は、データを増やすことではありません。構造化データです。「人々はデータ構造の重要性を過小評価しがちです」と、あるデジタルマーケティングエージェンシーのリーダーは述べています。「彼らはエージェントがすべてをこなせると想定しています。しかし、モデルはそのようには機能しません。モデルは都合の良いものだけを選びます。効果的なエージェントには、非常に厳選されたオンボーディングが必要です。」
あるエネルギーソリューション企業は、修理エンジニアリング用のエージェントを構築する際にその教訓を学びました。「エージェントの構築には約20分しかかかりません」と、あるリーダーは述べています。「しかし、分散したソースからデータを収集し、必要な埋め込みを構築するためのエンジニアリングの労力には、数週間かかります。」エージェントの質は、与えられたハンドブックの質に依存します。
積極的な管理
採用とオンボーディングは簡単な部分です。エージェントの管理は人の管理とはまったく異なるため、管理こそがプログラムが破綻する可能性のある部分です。しかし、それには同じくらいの厳密さが求められます。
あるヘルスケアテクノロジー企業のグローバルデータおよびAIの責任者は、この移行を監督する人間のための3つの新たな役割について説明しています。プロセスとそれを実行するエージェントを構築するデザイナー、実行を監視し出力を検証するコントローラー、そしてリスクの高いプロセスにおいてエージェントの作業を独立して保証するオーディターです。「タスク自体を行うことは、ますますオプション、あるいは趣味にさえなるかもしれません」と彼女は私に語りました。「しかし、人間のアカウンタビリティが消えることはありません。人々は、自らの設計に組み込まれた決定、エージェントに与えられた自律性、そしてそれらのエージェントが生み出す結果に対して責任を持ち続けなければなりません。」そのアカウンタビリティは、想定するのではなく、測定されなければなりません。
あるグローバルな自動車製造企業では、展開前に5ラウンドにわたって170の質問で研修生エージェントをテストし、単に人間に近づくのではなく、人間を上回るというシンプルな基準を設けています。ある音楽テクノロジー企業の運用チームは、出荷前にすべてのエージェントの出力に対して最終的な人間のチェックを行っています。そして、私がインタビューしたすべてのリーダーは、エージェントの行動に対して最終的に誰が責任を負うのかという質問に対して、同じ答えを返しました。人間です。
その答えこそが重要なポイントです。従業員と新しいエージェントの同僚との間に信頼を築くには時間がかかります。あるリーダーは、エージェントの構築に4週間、実際の導入に至るまでに8〜9か月かかると見積もっています。信頼は反復を通じて獲得されるものだからです。立ち上げ時に宣言されるものではありません。
次の組織図にはAIマネージャーが含まれる
エージェントを大規模に展開するすべての部門内で、AIマネージャーという新しい役割が台頭しています。「次の段階は、複数のAIエージェントを管理することです」と、ある音楽テクノロジー企業のリーダーは私に語りました。「今やあなたはマネージャーであり、これらのAIを管理してより効率的にすることになります。」
エージェントの導入を最も迅速に進めている組織は、エージェントの所属先を明確にし、エージェントが依存するデータについて慎重に検討し、誰がその作業をチェックするかについて厳格です。テクノロジーは、ほとんどの管理構造よりも早く準備が整っています。「エージェントがいる」ことと「エージェントを効果的に雇用している」ことのギャップは、テクノロジーのギャップではありません。それは管理のギャップです。そのギャップを埋めるには、姿勢のシンプルな転換から始まります。プロンプトをやめ、雇用を始めましょう。
グローバルな情報サービスプロバイダーが、175年にわたる法律および税務の専門知識についてエージェントの労働力をどのように訓練しているかなど、ここで言及した各会話の詳細については、完全版のeBook『エージェントを効果的に雇用する：エージェント型エンタープライズに向けたデータエグゼクティブのブループリント』で詳しく説明しています。
