ロボットを超越し、AIエージェントが次なる企業自動化の波を牽引する
TechFlow厳選深潮セレクト
ロボットを超越し、AIエージェントが次なる企業自動化の波を牽引する
AIエージェントが企業においてどのように活用され、企業の自動化の新時代を推進するかについて考察する。
Web3業界の深掘り報道に専念し潮流を洞察著者：JP Sanday, Steve Sloane, Naomi Pilosof Ionita, Derek Xiao
翻訳：TechFlow
経済におけるすべての仕事は、人間と機械が共同で遂行するタスクの集合体として捉えることができる。長年にわたり、ソフトウェアはますます多くのタスクを担うようになってきたが、今日に至るまで、依然としてほとんどのビジネスプロセスは人間が主導している。どの業務分野においても、人的コストはソフトウェア支出を大きく上回っている。
AIエージェントは、この労働のバランスを決定的に変える可能性を秘めている。過去のソフトウェアが主に低レベルで順次的かつ機械的に実行可能なタスクを扱っていたのに対し、新しい認知アーキテクチャにより、エージェントは動的にエンドツーエンドのプロセスを自動化できるようになった。これは単に読み書きができるAIではなく、アプリケーションのロジックフローを判断し、ユーザーに代わって行動を起こすAIである。
これらは、現在の企業における大規模言語モデル（LLM）最大のチャンスである。別の記事では、こうした新たな「エージェント」の定義や、その実現を可能にするデザインパターンについて議論した。ここでは、企業での応用方法について探り、企業自動化の新時代への道筋を明らかにする。
ロボティック・プロセス・オートメーション（RPA）の再来か？
この話がどこかで聞いたことがあると感じるのは当然だ。過去10年間、UiPathやZapierのような企業が、「ロボットによる自動化」という名の下に類似のビジョンを推進してきたからである。
市場に最初に登場したのはUiPathだ。このロボティック・プロセス・オートメーション（RPA）の大手企業は、画面スクレイピングとGUI自動化を通じて「ロボット」がユーザー操作を記録し、文書情報の抽出、フォルダ移動、フォーム入力、データベース更新などの順次的ステップを模倣してプロセスを自動化することをコア事業としている。
その後、ZapierのようなiPaaSプロバイダーが登場し、生産性向上のためのよりライトウェイトな「API自動化」アプローチを採用した。このプラットフォームは、事前に構築されたAPI統合とwebhookを通じて、より安定した自動化を提供する。ただし、この方法はWebアプリケーションの自動化に範囲が限定される一方、UiPathはAPI非対応のソフトウェアを含むさまざまなソフトウェア間の自動化を可能にしている。
UiPathとZapierは、部門や業界固有のソフトウェアシステム内外の長尾プロセス課題を解決できる、組み合わせ可能でルールベースの横断的自動化プラットフォームに対する需要があることを証明した。しかし、企業がロボットによる自動化を拡大するにつれ、従来のアーキテクチャの能力と、それが約束する自律性との間にギャップが生じ始めた。特に以下の点で顕著である。
-
（依然として）大量の人手と手作業が必要。ロボットや自動化についての議論は多いが、自動化の構築と維持管理のプロセスは非常に面倒くさいままだ。実際、UiPathが1ドル稼ぐごとに、EYのような導入・コンサルティングパートナーに7ドルが流れている。これにより、展開と維持管理のサイクルは長く高価なものになっている。
-
UI自動化は脆弱であり、API連携は限られている。ソフトウェアのUIが変更されると、UI自動化はしばしば停止してしまう。一方、APIはより安定しているが、接続数が少なく、特にレガシーやオンプレミスのソフトウェアに対しては統合が難しい。
-
非構造化データの処理が困難。企業データの80％を占める非構造化および半構造化データだが、順次的な自動化ではこれを賢く処理するのはほとんど不可能である。HyperscienceやOcrolusのようなインテリジェント・ドキュメント・プロセッシング（IDP）ソリューションは進展を見せているが、単純な「抽出と変換」用途でも、エッジケースや例外処理で苦戦している。
さらに、伝統的なRPAおよびiPaaSソリューションは、大規模言語モデル（LLM）を統合しようとしても、依然として決定論的アーキテクチャに制限されている。現在、UiPathのAIソリューションAutopilotやZapierのAI Actionsは、LLMをサブエージェント設計パターンにのみ使用しており、例えば(1) テキストからアクションへの変換、または(2) セマンティック検索、要約、一時的な生成用のノードといった用途に限られている。
これらのAI機能は確かに強力だ。これにより、IT部門ではなくビジネス部門が自動化ルールを掌握できるようになり、OCRではなくビジュアルTransformerによってより強力なオブジェクト検出・認識が可能になり、RAGを通じた堅牢なデータ抽出・変換も実現している。しかし、次に議論するような、LLMがプロセス自動化においてより変革的なユースケースを実現するには至っていない。
AIエージェントの意思決定エンジンとしての役割
エージェントは本質的に大きく異なる。これらはアプリケーションの制御フローの中心に位置する意思決定エンジンであり、今日のRPAロボットのハードコードされたロジックや、生成AI革命第一波を定義したRAGアプリケーションとは明確に対照的である。エージェントは初めて、適応性、多段階操作、複雑な推論、そして強力な例外処理を実現した。
その影響力を説明するために、請求書の消込み処理の例を見てみよう。以下は、新しい請求書PDFを会社の元帳とマッチングさせるプロセスの簡略化されたフローチャートである（RPA用に実装エンジニアが行う視覚的モデリングと同様）。
明らかに、ワークフローの複雑さは急速に増大し、最初の3つの意思決定セットですべての関連するエッジケースや例外をカバーすることはほぼ不可能である。通常、このワークフローを機械的に実行するRPAロボットはエラーを起こし、部分的にしかマッチしない項目や不足している項目を人間に報告する――これが、なぜ多くの企業が今なお毎月数百人の従業員を雇ってこの高度に人手を要するプロセスを実行しているのかを説明してくれるかもしれない。
しかし、同じワークフローにエージェントを適用すると、はるかに高いパフォーマンスを発揮でき、以下のような機能を実現できる。
-
新しい環境への適応。エージェントは新しいデータソース、請求書フォーマット、命名規則、勘定番号、さらには基本的な推論とビジネスコンテキストに基づいたポリシー変更にも、再プログラミングなし、あるいは明示的なSOP（標準作業手順）に依存せずに、賢く対応できる。
-
多段階操作のサポート。請求額が一致しない場合、エージェントはサプライヤーの最新メールをスキャンして価格変更通知を探るなど、多段階の調査を行うことができる。
-
複雑な推論能力。例えば、ある企業が海外サプライヤーからの請求書を自社の帳簿と消込み処理する必要があるとする。このプロセスには、請求書通貨、帳簿通貨、取引日、為替変動、国境を越える手数料、銀行手数料など、さまざまな要因が関与する。これらすべてを取得・計算して支払いの消込みを完了しなければならない。このような知的な操作はエージェントが処理できるが、RPAロボットはおそらくこれを人間にエスカレーションするだけだろう。
-
不確実性の処理。エージェントは、合計注文金額の一致や過去の請求書のタイミング・頻度といったコンテキストヒントを利用して、個々の項目の丸め誤差や読み取り不能な数字に対応できる。
AIエージェント市場の現状
エージェントはもはやSFの概念ではない。この分野はまだ発展途上にあるが、スタートアップからフォーチュン500企業まで、すでに大規模にこれらのシステムを購入・利用している。
現在のエージェント市場の地勢は、以下の2つの主要な次元で示すことができる。
-
ドメイン特化性：医療などの垂直領域やカスタマーサポートなどの部門向けに設計された高度に専門化されたエージェントと、広範で汎用的な能力を持つ水平型エージェントプラットフォームを含む。
-
大規模言語モデルの自律性：言語モデルがアプリケーションのロジックを独立して計画・指導できる程度を示す。
この2つの要素が、以下に示すAIエージェント市場マップの2軸を構成している。
市場マップの右上に位置する、最も汎用的で拡張性のあるエージェントには以下のようなものがある。
-
エンタープライズエージェント。拡張可能なエージェントプラットフォームにより、企業は自然言語によるSOPや新入社員向けマニュアルのようなルールを使って、複数の機能やワークフローにまたがるエージェントを構築・管理できる。こうしたプラットフォームは、各ビジネスユニットに個別のソリューションを提供するよりも、幅広い適用可能なエージェント能力を持つ集中型のIT調達担当者にとって特に魅力的である。たとえば、Sema4の請求書消込みエージェントのコア処理能力は、財務、調達、運用におけるさまざまなデータ検証タスクに応用できる。
とはいえ、多くのエンタープライズエージェントは「レール上のエージェント」アーキテクチャを採用しており、各新しいプロセスにおいて、あらかじめ定義された一連の操作、ビジネスコンテキスト、保護措置に基づいてエージェントを構築する必要がある。異なるワークフロー間で一部のデータインフラを共有できるものの、これらのプラットフォームの汎用性はむしろ蓄積されたユースケースによるものであり、人間のような真の汎用性ではない。そのため、この分野の一部の企業は、より大きな製品・市場適合性を得るために特定分野に特化し始めている（例：Brevianはカスタマーサポートとセキュリティに、Emaは営業とサポートに特化）。
-
ブラウザエージェント。MultiOn、Induced および TwinなどのWebエージェントは、広範かつ一般化可能なもう一つのタイプのエージェントを代表する。これらは多くが「汎用AIエージェント」設計を採用し、さまざまなソフトウェアインターフェースとその基盤となるコードベース上で学習したビジュアルTransformerモデルを利用している。これにより、エージェントはウェブコンポーネントとその機能・相互作用を「理解」し、ウェブブラウジング、ビジュアルUI操作、テキスト入力の自動化を実現できる。
しかし、これらのエージェントは汎用性を高めても、一貫性を犠牲にしがちである。現在、ほとんどのエージェントはシンプルな生産性やECアプリケーションを対象としており、エンタープライズレベルの信頼性を実現するのは難しい。より限定された問題空間や適切なデータ、保護措置が欠如しているため、信頼性の高いブラウザエージェントは、複雑なアクションと観測空間の管理、複数ページ間でのコンテキスト保持、多様なWebインターフェースの解釈といった重要な課題を克服しなければならない。
-
AI支援サービス。企業のエージェントに対するニーズは、現時点で顧客自身がエージェントを構築する能力を上回っている。特に「レール上のエージェント」設計は、実用的に機能させるために広範なデータインフラと保護措置を必要とする。ここでDistylやAgneticのような企業が役割を果たしており、「AI版Palantir」のようなプリエンジニアリングサービスを提供することで空白を埋めている。PalantirのFoundryと同様に、これらの企業は異なる顧客間でモジュール式のシステムインフラを再利用しながら、徐々にプラットフォームとサービスの比率を再調整していく。
しかし、すべてのエージェントが横断的・一般化を目指しているわけではない。問題の種類を限定することで信頼性を高める、特定ドメイン・特定ワークフローのエージェントがますます登場している。
-
垂直領域エージェント。垂直領域エージェントの最も有望な機会は、現在人間が標準作業手順書（SOP）やルールマニュアルに従って行っている手動の、手続き駆動型プロセスにある。多くの企業はすでにこれらの機能をBPO（ビジネスプロセスアウトソーシング）企業や請負業者に外注している。こうしたタスクは、ルールベースの自動化にとっては複雑すぎるが、内部の知識労働者を投入するほど挑戦的または差別化されていない。主なカテゴリには、カスタマーサポート、採用、コードレビュー、テスト、保守などの特定のソフトウェア開発タスク、冷電話営業、セキュリティオペレーションなどが含まれる。
-
AIアシスタント。エージェントの焦点を狭めるもう一つの方法は、ドメイン特化ではなくタスク特化によって行う。AIアシスタントは、エンタープライズや垂直領域エージェントのように複雑なエンドツーエンドプロセスを担当するのではなく、より単純で生産性重視のタスクを実行する。一般的な基本タスクには、簡単なWeb調査、知識抽出、要約、一時的なタスク向けの非構造化データ変換（チャットPDFの処理やGongのトランスクリプトから機能要求を抽出するなど）が含まれる。
最後に、注意すべき点として、それ自体はエージェントではないが、予算面でエージェントソリューションと競合し、時には同じワークフローに参加する広範な生成AIソリューションもある。これらは主にRAGアーキテクチャに基づき、アプリケーションの制御フロー内に存在しないため、エージェントのような人間の推論を完全に模倣することはできない。しかし、その能力は依然としてサービス自動化を大幅に向上させることができ、企業にコントロール権を提供する。
-
垂直領域AI。セマンティック検索と非構造化データ変換は、垂直領域のワークフローにおける強力な基盤機能である。たとえば、医療AI自動化プラットフォームのTennrは、ファックス、PDF、電話など混乱したソースから非構造化データを抽出し、クリニックのEHRシステムに入力することで、紹介処理プロセスを円滑にし、従業員の手動データ入力の必要性を減らしている。工業AIも同様のアプローチで、メーカーの見積もりプロセスを自動化している。
-
RAG as a Service。DanswerやGradientのようなRAG as a Service企業は、垂直領域のセマンティック検索・非構造化データ変換企業の横断的対応物であり、顧客がPDFなどの非構造化データソースをクエリし、データを抽出してより構造化されたデータベースや記録システムに登録できるようにしている。
-
エンタープライズ検索。Glean 、 Perplexity および Sana は、関連文書を索引付け・検索することを目的としたセマンティッククエリを提供し、組織内の知識をより良く管理し、企業内のデータサイロを打破する。
企業自動化の未来
生成AIの第二波は、読む・書くだけでなく、人間の思考と行動を代替できるエージェントによって定義される。これらのアーキテクチャが成熟するにつれ、エージェントはサービス業界を掌握する強力な触媒となるだろう。Menloでは、まさにその未来を築いているチームとの出会いを楽しみにしている。もしエージェント分野で開発を行っているなら、ぜひお話を聞かせていただきたい。
JP Sanday ([email protected])
Steve Sloane ([email protected])
Naomi Ionita ([email protected])
Derek Xiao ([email protected])
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
@MenloVentures
