エージェント型AIの実践：リアルタイムが不可欠な理由

Shawn McAllister 0:05 こんにちは、皆さん。世界中からご参加いただいている皆様、おはようございます、こんにちは、こんばんは。エージェント型AIの実践：リアルタイムが交渉の余地なく必要な理由へようこそ。私の名前はショーン・マカリスターです。Solaceのチーフ・テクノロジー・オフィサーを務めています。このトピックについて皆さんとお話しし、交流できることを大変嬉しく思っております。そして、フォレスターのプリンシパル・アナリスト、ローワン・カランにもご参加いただいており、非常に嬉しく思います。ローワン、よろしくお願いします。

Rowan Curran 0:35 ありがとうございます。ご一緒できて大変嬉しいです。

Shawn McAllister 0:39 素晴らしいですね。ご参加の皆様、本日お話しする内容についてご説明します。ローワンは、AIシステムとユースケース、その進化、テクノロジーについての豊富な経験をご紹介してくれます。ローワンはエンタープライズにおけるAIに非常に注力して取り組んでいるからです。その後、エージェント型AIにおけるSolaceの役割、私たちがSolace Agent Meshと呼んでいるものについてお話しし、最後にQ&Aセッションに移ります。

Shawn McAllister 1:09 質問と回答は最後にまとめてお答えします。ただし、プレゼンテーション中にご質問がある場合は、Q&Aボックスに入力していただければ、ローワンと私の両方で最後にできる限りお答えします。それでは、ローワンにお渡しします。

Rowan Curran 1:29 ありがとうございます。始めましょう。ショーンが述べたように、エージェント型AIの世界の現状と将来ビジョンについてご説明し、現在見られているユースケース、それらのユースケースがどのように進化すると予想されるか、そしてエンタープライズ全体にスケールアップしていく上での課題と機会についてお話しします。最初のスライドでお分かりのように、これはソフトウェア開発とエンタープライズのビジネスプロセス全体における大きな革命だと多くの人々に認識されていますが、実際にはより進化的な側面があります。

Rowan Curran 2:12 この必要性は、過去数年間でこの分野がどれほど急速に進歩したかによって少し歪められています。ちょうど約3年前、ChatGPTへの注目の爆発を通じて、大規模言語モデルが主流に登場しました。そのため、エンタープライズは突然この素晴らしい「箱の中の頭脳」を求めましたが、それだけではAIに期待するビジネス価値を提供するには不十分でした。そして、この箱の中の頭脳を持つだけから、すべてのエンタープライズシステムに接続しようとすることへと急速に移行しました。

Rowan Curran 2:43 そこで、検索拡張生成（RAG）や、大規模言語モデルと知識を結びつける他の方法が登場しました。しかし、それでも人々が求める本当の成果と変革を実現するには不十分であることが証明されています。そのため今日、エージェント型AIとエージェント型アーキテクチャ全体の登場が見られ始めています。プロセス管理、知識検索などの点で非常に興味深い変化が生じており、知識検索の側面については、以前は「エンタープライズ向けのGoogleが必要だ」と常に言われていたものが、今では「エンタープライズ向けのChatGPTが必要だ」と言われるようになりました。

Rowan Curran 3:22 そしてますます「それに何かをやらせろ」という声が聞かれるようになっています。エンドユーザー側、コンシューマー側でも、このようなツールやアプリケーションへの真の関心が見られています。ビジネスとしてこれらの機能を構築・購入することを考える際に重要なのは、モデル自体だけではないということです。もっと重要なコンポーネントが多く関わっています。これはまた、この分野に対する認識を少し調整する必要があることにもつながります。左側には、今日AIエージェントとして描かれている多くの機能が見られます。

Rowan Curran 3:55 スタンドアローンの大規模言語モデル、予測スコアリングモデル、機械学習、さらには厳格なルールベースの自動化でさえ、今日では一部の人々によってエージェントと呼ばれています。しかし、それは意思決定と実行プロセスの一部としてファウンデーションモデルを活用することで提供されている自律性、柔軟性、能力のレベルを本当に提供しているわけではありません。しかし、これらすべてを認識することが重要です。

Rowan Curran 4:27 既存のツールは、これらのより広範なエージェント型システムの基礎的なコンポーネントになり、すでになりつつあります。エージェント型システムがどのように動作しているかについてより良いコンテキストを提供するために、検索拡張生成や予測分析などが必要であり、実際に必要とされています。

Rowan Curran 4:43 しかし、この進化を経てエージェント型AIの右上の領域に移行するにつれて、私たちが「エージェントっぽい」と呼ぶ中間の移行的な空間が存在することになります。エージェントっぽい機能とは、ある程度の自己反映や自律性を持ちながらも、限られた行動を自分で取ることはできるものの、包括的なエンドツーエンドのワークフロー実行は提供しないものです。例えば、このような教育システムが使い始めたケースがあります。

Rowan Curran 5:16 知識検索エージェントが、学生、保護者、その他の関係者からの大量のコミュニケーションを取り込み、配布するために使用されました。言語ファウンデーションモデルやその他のツールを使用してリクエストをエージェント型で振り分けることで、以前は不可能だったレートで自動応答やトリアージ応答を実行できるようになりました。また、CSLブラッドバンクのようなケースもあり、リスク低減に関する意思決定管理を支援しています。

Rowan Curran 5:55 病原体と献血者への血液配布に関するリスク管理です。これは検索拡張生成とビジネスルール、専門知識を活用したエージェント型ユースケースであり、リスク文書をより迅速に処理し、このユースケースで年間5000万ドルの節約が見込まれています。

Rowan Curran 6:21 少し引いて、今日エージェント型AIがどのように使用されているかを見てみると、価値を提供している5つの主要な領域が見えてきます。まずサービスとサポートから始めましょう。この領域では、エージェント型サービスの登場が見られています。これは通常、以前よりも少し高度なチャットボットとして捉えられており、大規模な企業情報やドキュメントライブラリにアクセスでき、顧客のニーズにより効果的に対応できます。通常、これらは以下の形態をとります。

Rowan Curran 6:55 情報提供チャットボットや簡単なリクエストの解決支援ですが、増加しており、その後は人間のエージェントに引き継ぐか、他のチャネルに渡します。しかし、あなたの代わりにトランザクションを実行するなどのアクションも取れるサービス・サポートエージェントの登場が見られ始めています。最近、あるエージェントが紹介されました。

Rowan Curran 7:22 West MonroeまたはWest Elmがこれを行っていたと思います。また、オペレーション・イネーブルメント・エージェントもあります。これらはエンタープライズ全体で導入されているエージェント型オペレーション機能であり、今日エンタープライズレベルで見られる多くのエージェント機能です。エンタープライズのITプロセスとポリシーにアクセスできるチャットボットの使用から、ユーザーのリクエストを自然言語で他のチャットインターフェースに自動的に処理できるプロビジョニングシステムまで、様々なものが含まれます。

Rowan Curran 7:57 電子メールを通じて、必要な回答や要求された仮想マシンなどのプロビジョニング環境を提供できます。最高レベルでは、パスワードロックアウト時にマシンへのリモートアクセスを許可してロックを解除するなど、以前は人間だけに行わせたいことをこれらのオペレーション・エージェントに十分信頼して任せる人々も見られています。プロセスサポートエージェントとエージェント型ワークフローの登場も見られています。今はこれについてあまり詳しく話したくありません。

Rowan Curran 8:31 後でもう少し詳しく見ていきます。しかし、ここで重要なのは、今日登場しているエージェントのプロセスサポート側では、エンドツーエンド全体を引き継いでいるわけではないということです。

Rowan Curran 8:44 エンタープライズにおける意図されたワークフロー全体はどこにあるのでしょうか。単一のエージェントや単一の自律的なエージェントセットが作業を受け渡しするのではなく、エンタープライズがワークフロー全体を通じてサポートされているのが実際に見られています。また、多くのソフトウェア開発サポートエージェントの登場も見られています。従来のバイブコーディングやスペックコーディング機能から、テストケースの作成・実行やアプリケーション自体の監視をサポートするエージェントまで、様々なものがあります。

Rowan Curran 9:18 そして最後に、様々なエンタープライズデータセット内での自然言語によるクエリと回答によって提供される洞察の領域があります。これは実際、生成AI空間とエージェント型空間の両方でここ数年間は比較的初期段階の領域でした。しかし、注目度と有効性の両面で成長し続けています。2026年を通じて予想される大きなトレンドの1つは、より大きな統合です。

Rowan Curran 9:51 これらのユースケース全体を見ると、プロセスを改善しようとしている一部のレスポンスや場面は、いわゆる遅いバックエンドの状況のように見えるかもしれませんが、そのほとんどは何らかのリアルタイムデータの状態管理などを中心に展開しています。

Rowan Curran 10:17 リアルタイムで高速に物事を処理するための適切に構築された構造です。これらの新興のエージェント型アーキテクチャで考慮すべき重要な点の1つは、エージェント内のメモリに正確に相当するものが必要ない場合がある理由です。顧客と従業員のコンテキスト、および以前と将来のニーズを理解するために、状態を維持する必要があります。新興のエージェント型アプリケーションで人々が実際に情報フローを処理する方法を見ると、いくつかの異なるアプローチが見られています。

Rowan Curran 10:50 ここでは各エントリについて詳しく説明しませんが、今日見られるほとんどのアプローチは比較的線形でわかりやすいフローであることを指摘したいと思います。リフレクションとウェブアクセスのアプローチで見られるように、意思決定の方法にはいくつかの分岐があります。セマンティックルーティングを行う場合、リクエストを分解して適切な場所に送るために、複数の異なるツールやデータソースの中から選択します。動的分解では、ユーザーのリクエストを理解しようとしてさらにそれを行います。

Rowan Curran 11:24 必要となるすべての異なるデータソース、ツール、実行機能に分割します。しかし従来と言うか、失礼、今日のエージェント型AIでは、今日見られるほとんどのユースケースは、これらの異なる処理パターンの1つを通じて非常に直線的なフローを行うのが典型的であり、特定のタスクに関して複雑な再帰的な多重ループフローを行うことは通常ありません。非常に直接的であり、リスクプロファイルに応じて決定された各段階での重要な人間の介入ポイントを含んでいます。

Rowan Curran 12:01 この分野を見る際に、エージェントも異なる速度で価値を持って登場していることを理解することが重要だと思います。以前に5つの異なる領域を見ましたが、少し引いて考えてみましょう。先ほど話した5つのエージェントは、エンタープライズとエンドユーザーに価値を提供していると見られる分析、サービス・サポートエージェント、プロセス・開発エージェントという最初の3つのカテゴリに実際に該当します。次の数年間で、近い将来に登場するとは見ていないのは、このような複雑なものです。

Rowan Curran 12:34 右端にある複雑な自律的組織管理エージェント、および消費者擁護エージェントです。消費者擁護エージェントとは、今日のGeminiやChatGPT、Copilot、Perplexity、Claudeなどのようなものと考えることができます。今日、これらのエージェントが消費者に代わってより多くの信頼と能力を持ち始めるまさに転換点にいます。これらのタイムラインは2〜5年ですが、消費者側からエージェント型決済の登場が見られ始めているため、次の数ヶ月で加速する可能性があります。

Rowan Curran 13:16 エンタープライズで今日人々がエージェントを活用する方法と、それがワークフローやライフサイクルと実際にどのように相互作用するかについて以前述べたポイントに戻ります。ここでマーケティングワークフローの簡単な例を使います。今日、透明性、信頼、エージェントがライフサイクル全体またはビジネスプロセス全体にわたってどのように実行されるかを理解する能力に関して課題を抱えている人々が見られています。

Rowan Curran 13:50 それが効果的にガバナンスされる方法で行われているか。エージェント型AIを特定のプロセスポイントで使用して、人間の意思決定を強化したり、そのステップの速度や精度を向上させたりしている人々が見られています。この例では、特定の顧客セットをターゲットとしてビジネス目標を構築しようとする場合があります。競合他社に対してディープリサーチツールを使用してその市場機会を確立するかもしれません。そしてその情報を人間として受け取り、使用するかもしれません。

Rowan Curran 14:24 自然言語を使用して既存の顧客情報、CRM、その他のシステムに対してクエリを実行し、その市場機会に関する洞察と戦略の構築方法を生成します。その情報を再び人間として受け取るか、あるいはファイルとして別のエージェントに渡します。ブランドセーフでブランドに沿ったイメージを作成するために生成AIモデルを使用します。そして、生成AIかどうかに関わらずエージェント型であるクリエイティブチームの自動化ツールを使用して、最もパフォーマンスの良いチャネルをテストして選択します。最後に、何かを活用します。

Rowan Curran 15:04 キャンペーンが開始された後、それを監視したりダッシュボードを構築したりして最適化を推奨するエージェントです。これが、エージェント型AIが今日形成されていると予想される、または実際に見られている方法です。今、登場しつつあるのは、完全なワークフローのエージェント型オーケストレーションを構築しようとする試みです。先ほど見たフロー全体を実行する単一のプロンプト（おそらく1文ではなく数文）を持つことができますが、各ステップでの人間の介入なしに実行されます。オーケストレーターが必要になります。

Rowan Curran 15:37 意思決定を行い、キャンペーンブリーフエージェント、クリエイティブエージェント、マーテックエージェントに送ってコンテンツを構築し、最終的に以前と同じ方法でそのキャンペーンフロー全体の出力を起動・監視します。このためには、これらの異なるエージェント間でステートフルなシステムを構築し直すことが非常に重要であり、内部ストレージとフロー上の各サブエージェントへのより良いコンテキストの提供が必要です。また、全体的なブランドイメージ、顧客とのブランドについての話し方のアラインメント、その他の高レベルの企業コンテンツを理解するために、より良いエンタープライズ知識ストアを構築することも必要です。

Rowan Curran 16:29 来年、その翌年、さらにその翌年のために構築し始めているクールなエージェントを見越して将来を見据えるにあたり、非常に重要な点の1つを忘れないでください。検索と検索は検索と取得は、これらすべてのエージェント型システムがどのように機能し、どのようにうまく機能するかの中核的なコンポーネントです。エージェントの最初の1年、おそらく18ヶ月で見られたことの1つは、多くの人々がこれらを構築し始めたということです。プランナー・オーケストレーターの外で考えて、ある種の静的な標準データソースとコンテキストを取得しようとしていました。

Rowan Curran 17:02 いくつかのツール、サービス、ワークフローを持ち、正確で有用なエンタープライズタスクを実行する本当に良いエージェントを構築できると思っていました。しかし人々が発見したのは、エージェントが必要とするデータへのアクセスをどのように設計するか、そしてデータ戦略をどのように実際に構築するかについて本当に意図的な戦略がない限り、そのエージェントに正確な情報を提供することに本当に苦労し、そのため正確で有用で価値ある動作を得ることに本当の問題を抱えることになるということです。したがって、検索と取得を重要視することが不可欠です。

Rowan Curran 17:36 短期的にも長期的にもエージェント型AIの成功を推進する基礎的な層として。これには、語彙とキーワード検索などの従来のものに加えて、新興のベクトル検索機能、さらにはより構造化されたクエリ、分析、予測スコアリングが含まれます。

Rowan Curran 17:53 これは過去に技術革命があるたびに繰り返し言われてきたことだと思います。15年間、データを整理する必要があると言われてきました。しかし、エージェント型空間とAI全体にとって、これは本当に、まあまあ使えるかもしれないツールを持つことと、特定のエンタープライズのニーズに対して正確であり、コンプライアンスと必要な規則性で必要なプロセスを実行できるものを持つことの違いを生み出します。また、より持続可能なアプローチの構築にも役立ちます。

Rowan Curran 18:27 AIのために作成しているデータに関するデータ取り込みと管理プロセスの良いセットがある場合、データ生成とキュレーションの良いフライホイールを作り始めることができます。これにより、将来に向けて過去20〜30年間にデータに関して構築してきた技術的負債を本質的に削減できます。

Rowan Curran 18:50 残りの数分で、もう少しいくつかの点に触れたいと思います。まず、AIのROI期待値を適切に集中させる必要があります。これは、重要なことに集中することと、将来やってくるかもしれないことに焦点を広げることの両方を意味します。今日のほとんどのエージェント型AIと生成AIの実装は、個人のタスクを通じた個人の自動化と、先ほど見たエンドツーエンドのワークフローの拡張に本当に焦点を当てています。

Rowan Curran 19:20 しかし、個人を支援し、人々の効率化を支援し始める際に心に留めておくべき重要なことは、もし法務チームが新しい契約を35件多く処理できるようにするとしたら、それが何を意味するかを考えることです。

Rowan Curran 19:34 やり取りするかもしれないベンダーのために、調達チームにとってそれは何を意味するでしょうか？あるいはクリエイティブチームが潜在的なクライアントに対して突然20%多くのブリーフを作成できるとしたら、それはクライアントとのボリュームをトリアージして管理する方法にとって何を意味するでしょうか？これらのことを考慮することで、ビジネスモデルを再発明する破壊的な機会について本当に考え始めることができます。これが目指すべき方向です。最後の数分で、エージェント型プラットフォームの側面に触れたいと思います。これは多くの人々が大きな課題を抱えている領域だと思います。

Rowan Curran 20:06 その一部は、エージェント型プラットフォームが今日非常に多くの形態をとっているが、多くの場合不完全であるという事実から来ています。非常に特定の特殊なユースケースに対してAIエージェントの迅速な採用を提供するエージェント型アプリケーションプラットフォームが見られています。しかし、非常に断片化され分断された環境、サイロ化されたデータサービスを作り出す可能性という課題、さらにより複雑で包括的なエンタープライズワークフローを理解しないという課題があります。

Rowan Curran 20:37 また、適応されたプロセスオーケストレーションプラットフォームもあります。これらは、非常に深い技術レベルまですべてのエンタープライズデータ、インタラクション、ワークフローを統合できる人々です。これらの人々はこれらのエージェント型オーケストレーションプラットフォームでアジェンダ空間に参入しましたが、エージェント型AIやアプリケーション開発を構築しようとしている特定の領域のコアデータの所有権や専門知識を持っていない場合があります。また、カスタマー（プラットフォーム）もあります。

Rowan Curran 21:08 マジックプラットフォームとフレームワークです。これらは非常に良い柔軟性とカスタマイズを提供できますが、エージェント型AIの世界で良いものがどのようなものかを理解するためにエンドユーザー、開発者、構築者に本当に依存しています。これはまだ解明されている最中です。エージェント型ソフトウェア開発に関するベストプラクティスはまだ検討中です。最後に、過去には幅広いデータサイエンス、機械学習プラットフォームを提供し、ますますより多くのエージェント機能を提供してリンクするAIデータプラットフォームがあります。

Rowan Curran 21:40 これらの洞察フローをアクションにリンクします。ただし、これらの人々はプロセス管理の知識や、異なるエンタープライズシステム間のいくつかの相互接続についてあまり知識を持っていない場合があります。ご覧のように、エージェント型AI空間、エージェント型AIプラットフォームプロバイダー空間には多くの異なるプレーヤーがいます。これらはわずか4つのサブセグメントですが、おそらくさらに多くに細分化できます。買い手としての課題の1つは、多くの人々がここで機能を提供できるが、彼らがどこで輝いているかを理解することが重要であることを認識することです。

Rowan Curran 22:10 本当に輝いている場所。これはマルチエージェントシステムについて考え始めるとさらに重要になります。これは、必要なすべてのサブコンポーネントについて考え始めた時のこれらのプラットフォームの複雑さを示す図です。左側には単一エージェントシステムがあり、ツールの使用、エージェント開発、推論領域でどのように機能するかがわかります。非常に多くの異なるコンポーネントがあります。そして、これはパフォーマンスとコストの可観測性やガバナンス面での監視とログに関するすべてのニーズを考慮していません。マルチエージェントシステムに到達するためには、次のようなことを考慮し始める必要があります。

Rowan Curran 22:41 エージェント間通信、その通信の検証、セキュリティとアクセス制御、エージェント識別とログのパーミッションなどです。これらすべての異なるコンポーネントは、今日のエンタープライズでようやく解明されつつあります。実際、ほとんどのマルチエージェントシステムは、以前述べたような複雑なスウォームのようなインタラクションではなく、より線形なエージェント型フローになる傾向があります。

Rowan Curran 23:09 エージェント型アプリケーションは、高レベルの精度と正確さ、適切なコントロール、テストと評価を達成するために本当に必要です。今年初めの調査では、説明可能性、データガバナンス、セキュリティ、ガードレールがエージェント型AIの採用に関する課題の主な理由であることがわかりました。説明可能性は、これらのツールが動作する方法から考慮すべき信頼空間でのほぼすべてを包含していると思います。

Rowan Curran 23:39 ファウンデーションモデルを使用して非常に不透明に動作します。これを避けるために特別に設計・アーキテクチャされていない限りです。今日見られるのは、セキュリティとテストの欠如がエージェント型アプリケーションの複雑さへの障壁になっているということです。特に、コアエンタープライズのエージェント型アプリケーションとその外部パートナーアプリケーション間の信頼、認証、インタラクションについて考え始めると。この複雑さは、多くの新しい機能があるという事実から来ています。

Rowan Curran 24:10 ファウンデーションモデルのテスト自体から生じる課題です。コアのGeminiやGPT-3、Qwen、Llamaなどを評価することから、検索拡張生成とCopilotテストへと進み、そこでは回答の有効性、適切な情報を取得したかどうかなどを確認し始めます。そして今、エージェント型テストの世界では、タスク実行の精度を理解する方法、適切なツールが呼び出されているかどうかなど、非常に多くの要素とコンポーネントがあります。

Rowan Curran 24:41 そのすべてが、増加する自動化、振る舞い駆動開発、継続的インテグレーションと継続的開発パイプライン、そして開発プロセスでテストを左にシフトする必要性を推進しています。加えて、開発者がこれらすべての新しいニーズを満たそうとするにつれて、従来のソフトウェア開発には存在しない新たな障害モードのカテゴリも登場しています。モデルレベルの障害があります。コアモデル自体に振る舞いの問題、システム的な障害が発生する可能性があります。

Rowan Curran 25:11 実行計画とエコシステムレベルの障害もあります。マルチエージェントオーケストレーションについて話していたことに戻りますが、サードパーティエージェントとインタラクションする場合、精度と正確さのためだけでなく、セキュリティの問題やエージェントフィッシングやその他の新興の課題を避けるために、データ、アイデンティティ、実際のエージェントインタラクションを検証する必要があります。エージェント型システム全体を開発するにあたり、エージェントが達成しようとしていることについて非常に明確な目標に集中することが本当に重要です。

Rowan Curran 25:42 しかし、そのエージェント型ユースケースに関する具体的な成果にそれを本当に分解することも必要です。そして、それらの振る舞いがどのように現れると予想するか、そこから引き出せるシグナルについても。それらを引き出す方法は、大規模言語モデルジャッジを使用するか、多くの人間のテスターと評価者を通じてです。

ここで最後に触れたいのは、マルチエージェント通信の拡張、つまり相互運用性の問題です。過去ほぼ1年間、マルチエージェントシステムを柔軟に、効果的に、容易にコミュニケーションさせる方法について多くの議論がありました。多くの異なる標準化の試みが登場していますが、現時点では、モデルコンテキストプロトコル（MCP）とAプロトコルが登場しつつあります。

Rowan Curran 26:29 人々がエージェント型AIシステムを構築する方法として最も一般的に採用・評価されているアプローチとして。1年未満のものが確実に業界標準であると言うのは非常に難しいです。しかしこの時点では、モデルコンテキストプロトコルはプロトコルと共に、ほぼ唯一の選択肢だと言えるかもしれません。ただし現時点では、どうなるかは非常に不明確です。

Rowan Curran 27:00 異なる目的のためのいくつかの異なる標準が生まれるか、1つのコア標準が生まれるかです。セキュリティと評価の側面、および対処が必要な他の側面の統合に関する真の課題があります。ただし、エージェントを通じてコマースを実行しやすくするために、決済プロトコルなどの統合を通じてこれへのアプローチが始まっています。

Rowan Curran 27:24 これらすべてを踏まえて、実際にエージェントをどのように前進させるのでしょうか。これについていくつかのアドバイスをお伝えします。まず、多面的な戦略的アプローチを取ることです。私が話していたさまざまなユースケースにわたるさまざまな種類のエージェントを見て、組織で役立つかもしれないさまざまな種類のものを検討してください。ユースケースとプラットフォームのために構築してください。低コストのユースケースだけに集中するのではなく、より包括的なポートフォリオ駆動のアプローチを構築する方法を検討し、段階的なリスクを管理してください。

Rowan Curran 27:54 ユースケースの複雑さです。最初から最も大きく複雑なエージェントを構築しようとしないでください。徐々に積み上げてください。適切なメトリクス、または少なくとも何らかのメトリクスに集中してください。多くの人々がただ「生産性」と言っているのを見ますが、それは測定が難しいです。そして、変更管理と教育のための既存の構造が整っていることを確認してください。これは採用と実行に非常に重要です。また、私たち全員がこのエージェント型の世界を一緒に解明しているため、共に学習するのにも役立ちます。これはまだ世界中の誰にとっても新しいものです。私たちはまだこの最初の数年にいます。そして、あまり早く遠くに手を伸ばしすぎないでください。やるべきことがたくさんあります。それでは、ありがとうございました。ショーンに戻します。

Shawn McAllister 28:33 ありがとうございます、ローワン。多くの良い情報がありましたね。まとめの質問を1つ挟ませてください。データの必要性やプロセスへの関与などについて話されましたが、エージェント型システムがリアルタイムである必要性と、エージェント型システムから得られる価値の様々な側面について全体的に話していただけますか？

Rowan Curran 29:00 そうですね。リアルタイムの側面を見ると、単純なバッチや一晩のプロセスよりもはるかに高い応答速度を必要とするエンタープライズユースケースが多数あります。エージェント型の世界を見ると、どのようにして目的の結果を得るかに多くの焦点が当たっていたと思います。

Rowan Curran 29:21 どれだけ時間がかかっても欲しい回答。しかし、より効率的で、よりターゲットを絞った正確なエージェントへの関心が高まっています。バックエンドでドキュメント処理をすべて行い、コンテンツの複雑な理解を行い、そこからデータセットを構築するエージェントが欲しいと言う人々が本当に増えています。そして、実際の呼び出しが入ってくるたびに非常に迅速にリアルタイムで実行する必要があります。

Rowan Curran 29:54 以前は、数分や数時間待てるという多くのユースケースがあったと思います。しかし今、最初に述べた例のように顧客と実際のことを行うエージェント、または従業員がより効果的に仕事をするのをリアルタイムで支援するエージェントを実際に持ちたいと言う人々が増えています。それを超えて、リアルタイムデータが必要になっています。以前は、最初はウェブをクエリしたり静的なエンタープライズデータセットをクエリするだけでした。今では需要が増加しています。

Rowan Curran 30:24 エンドユーザーからは、株式取引所やその他のサードパーティのリアルタイムデータセットに接続して、エージェントが行動する瞬間に特定の正確なコンテキストを提供できるかという要求が来ています。

Shawn McAllister 30:37 そうですね、そうですね。完全にそうとは言えませんが。特殊なことを行うために必要な特化型エージェントについて触れましたね。マルチエージェントシステムについて、今後しばらくの間、エンタープライズ全体か部門ローカルかを問わず、その必要性についてどのようにお考えですか？

Rowan Curran 30:56 素晴らしい質問だと思います。多くの人々がマルチエージェントシステムを考えるとき、エンタープライズ全体を運営するエージェントの束を持つことを考えます。それは素晴らしいことで、クールですよね。しかし実際にマルチエージェント空間で登場しているのは、特定のユースケースと特定の成果に対してはるかにしっかりとターゲットを絞っているということです。マルチエージェント空間で実際に見られるのは、いくつかの種類の存在です。

Rowan Curran 31:25 タスクのサブコンポーネントを実行しているアトミックエージェントがあり、それらはメタエージェントによってオーケストレーションされて全体的なフローを進めています。または、人間からエージェントへとエージェントへと渡されるマルチエージェントオーケストレーションタスクです。あるいは、1つのエージェントから出力された人間生成の出力として別のサードパーティエージェントに渡されるデータセットのより標準的な引き渡しです。これは調査の大きな領域の1つであり、人々が今本当に取り組み始めている潜在的な価値です。重要な質問の1つは、組織内でマルチエージェントオペレーションをどのように機能させるか、または、B to B組織との関係です。

Rowan Curran 32:17 ソフトウェアプロバイダーなどです。しかし、ブランドとして、同じクライアントとやり取りするブランドパートナーがいて、エンドユーザーをサポートするためにそのパートナーとエージェント型インタラクションを持ちたい場合を考えることも重要です。例えば、フライト、ホテル、ディナーとショーが必要な旅行を計画している場合、それらのベンダーやブランドのエージェントがすべてインタラクションして、より魅力的な体験を提供し、スティッキネスを高めたりコストを削減したりすることが非常に価値あることになるでしょう。

Shawn McAllister 30:37
そうですね。ある意味でAPIの進化のように聞こえますね。内部でAPIを使用し、それからB to Bに使用するなど、どんどん広がっていきます。

Rowan Curran 33:06 この質問は非常に興味深いと思います。MCPは2024年末頃に登場し、約1年が経ちました。これは、多くの人々がエージェントのコアとして大規模言語モデルや他のタイプのファウンデーションモデルだけに焦点を当て始め、それが全てであるかのように考えていたことに類似しています。今ではますますツールコール自体にルールとガードレールが追加されています。

Rowan Curran 33:37 より従来的なAPI呼び出しのように、これらのツールの一部を非常に正確で直接的なものにしたいというアプローチを取る人が増えています。そして、より柔軟で意思決定能力を持つMCPサーバーのようなもので適切に対処されるものもあります。これは、ユースケースだけでなく、そのユースケースのどのステップかによって、柔軟性とコントロールの両方が必要であることを人々が認識しているという、この分野での興味深い成熟だと思います。

Shawn McAllister 34:03 100%、100%。では、素晴らしいプレゼンテーションをありがとうございました。皆さん、この分野でのSolaceの役割についてお話しします。皆さんがご自身のビジネス生活で、またはローワンの話から感じ取っていただけたと思いますが、AIはすべての人の働き方を変えています。コパイロットのように何かとチャットしながら仕事を手助けしてもらう形、またはエグゼクティブアシスタントのようなことをするAIアシスタント、そして自律的なワーカーまで、様々な形が見られます。

Shawn McAllister 34:38
人間がループに入っているか、最終的にはそうでない可能性もありますが、物事を行い行動を取ることになります。エンタープライズ内で人々が採用する様々なユースケースを見ると、ローワンの5つの主要な領域をいくつかにグループ化できます。その1つが会話型分析であり、ローワンが企業向けのChatGPTを望む人々について話していたように、単一のインターフェースで会話的にITに質問できます。

Shawn McAllister 35:09 それらのシステムについて何も知らなくても、バックグラウンドで複数のシステムを使ってあなたのために物事を行います。自然言語でインタラクションするだけです。そして、エンタープライズ内で何かが発生し、ローワンが話したエージェント型ワークフローがトリガーされるイベントトリガーアシスタンス、そして完全なエージェント型自動化まで進みます。

Shawn McAllister 35:28 様々なお客様と一緒に取り組む機会をいただいてきました。JDE Petsはその1つで、アンドレアが今年1月のユーザーグループで、彼らのエンタープライズにおけるSolace Agent Meshの採用について話してくれました。彼らは素晴らしいストーリーを持っています。数年前にイベントドリブンアーキテクチャが受注管理システムを支えるようにしたので、様々なシステムが関与しています。

Shawn McAllister 35:59 受注管理に関わるシステムがイベントドリブンな方法でインタラクションしていました。「私の注文はどこにありますか？」という問題にエージェント型AIを適用したい場合、注文処理、配送、フルフィルメントに関わる多くのシステムがバックグラウンドにあるため、非常に簡単になりました。注文処理に関連する主要なイベントを活用してSolace Agent Meshベースのエージェント型システムに提供し、Agent Meshが

Shawn McAllister 36:30 バックエンドシステムとインタラクションして、この注文に正確に何が起こったかを非常に簡単に見つけられるようになりました。これには、エンタープライズからのリアルタイムデータへのアクセス、複数のバックエンドシステムへのアクセス、そして何が起こったかを理解するためのユーザーからの非常に動的なクエリが必要です。これが私たちが関与してきた主要なユースケースの1つです。

Shawn McAllister 36:53 エンタープライズにおけるエージェント型AIの採用を考えると、ローワンが話していたように、さまざまな目的のために、異なる人々、異なる専門家によって、おそらく異なるテクノロジーでも構築された非常に多くのエージェントが存在するという問題があります。SalesforceのAgentforce、SAPのJoule、またはAmazon Bedrock agent coreを使用して独自に構築する場合があります。それらはA to Aを通じてインタラクションし、エンタープライズ全体に分散されます。

Shawn McAllister 37:23 エンタープライズのさまざまな場所に。そして、これらのエージェントへのアクセスをどのように提供し、それらが協力して大きな問題を解決できるようにオーケストレーションする方法を自問することになります。エージェントだけでなく、アプリケーションとそれらのアプリケーションが利用可能にするデータへのアクセスをどのように保護するのか？デプロイメントをどのようにスケールさせるか？エンタープライズ内のこれらの多くのエージェントをどのように取り込み、もちろん、企業の信頼性、ガバナンス、応答性の懸念を満たし、本番環境で実際に使用し、エンタープライズで頼ることができるようにするにはどうすればよいか。

Shawn McAllister 38:11 エージェントについて話すとき、エージェントとはファウンデーションモデル、通常は大規模言語モデル、あるいはニーズに焦点を当てた小型言語モデルを使用するソフトウェアであることを理解する必要があります。しかし、それらはスマートなデジタルアシスタントのようなもので、技術的な部分は言語モデルを使用するソフトウェアです。あなたが与えるパーソナリティに基づいて特定の方法で推論できるジュニアアシスタントとして考えるべきです。そしてマルチエージェントは

Shawn McAllister 38:41 システムは、スポーツチームのように、また皆さんが働く部門や組織のように、一緒に働き、協力し、それぞれの特殊なスキルを活かして大きな問題を解決すれば、より大きなことを達成できます。

Shawn McAllister 38:59 このようなマルチエージェントシステムについて考えるとき、これらの使用は部門内から始まり、エンタープライズ全体に広がっていくことがあります。ソフトウェアの観点から、ソフトウェアアプリケーションの進化を振り返ると、以前はスケールしない大きなモノリシックアプリケーションがあり、進化できず、アジャイルではありませんでした。それらはマイクロサービスになりました。

Shawn McAllister 39:29 最初はRESTを使用してインタラクションされていました。様々な理由でそれがうまくいかないことがわかりました。そのため、イベントドリブンのマイクロサービスに進化しました。エージェント型でも同じことが起こっていることがわかり、それを加速して早くやるべきです。現在、人々は特定のことをするために単一のエージェントを構築しています。それは素晴らしいです。A to AとエージェントAIエージェント間のプロトコルについても触れましたが、エージェント型のマルチエージェントの調整とコミュニケーションは必要です。

Shawn McAllister 40:05 なぜそうなのか？これらは単一目的で、インタラクションが必要な異なる人々によって構築された異なるテクノロジーであることに戻ると、マイクロサービスに非常によく似ています。ただし、これらにはLLMまたは何らかのエージェント型の頭脳があります。マイクロサービスが純粋にRESTfulまたは同期的な方法でインタラクションすると、この密結合が堅牢性、スケーラビリティ、バースト処理、リアルタイム応答性に関して様々な問題を引き起こすことがわかりました。そのため、人々はイベントドリブンのマイクロサービスをこれらの多くの問題の解決策として採用しました。

Shawn McAllister 40:46 Solace Platformをご存知の方には、エージェント型の世界でのSolaceの観点から、過去に集中してきたのはアプリケーションにリアルタイムデータをもたらすこと、アプリケーションがどこにあっても、データがどこにあっても、エンタープライズ全体の接続性を提供することであり、これらすべてをリアルタイムで行うことです。

Shawn McAllister 41:13 エンタープライズ全体のすべてを接続することを話しています。クラウド上のオンプレミスのアプリケーション、店舗や工場、IoTデバイス、そして今ますますエージェントも含まれます。これをAgent Meshと呼ぶプラットフォームへの追加で行っています。Agent Meshは、Solace Event Brokerを囲むエージェント型でイベントドリブンなソフトウェアマイクロサービスのセットです。

Shawn McAllister 41:42 少し説明しましょう。システムの中心にはもちろん、これらすべての様々なコンポーネント間の通信を提供するEvent Brokerがあります。

Shawn McAllister 41:51 Solace Agent Meshへのアクセス方法は、ゲートウェイと呼ばれるものを通じてです。様々な種類のゲートウェイ、異なるテクノロジーと異なる目的があります。人間がAgent Meshとインタラクションするには、Teamsゲートウェイ、Slack、ブラウザを使用してエージェント型システムと会話型インターフェースを持つことができます。また、API呼び出しを行うこともできます。もちろん、システム内のイベントを消費させることもできます。これについてお話しします。

Shawn McAllister 42:23 本日お話しする主要な領域は、エンタープライズ内のイベントに対するエージェント型レスポンスです。ゲートウェイレベルでA to Aサポートをリリース予定です。Agent Mesh内の他の場所にもそれがあり、後でお話しします。Event Meshイベントメッシュへのアクセスには異なるテクノロジー、異なる目的があります。例えば、サポートチーム用のTeamsゲートウェイ、セールスチーム用、セールスエグゼクティブ用など、それぞれが異なるアクセス権を持ちます。

Shawn McAllister 42:54 システムや異なる目的のために。これらのゲートウェイがユーザーに提供するものをカスタマイズします。

Shawn McAllister 43:02 人間、イベント、またはAPI呼び出しを通じてゲートウェイにリクエストを送ると、Event Brokerを通じてイベントが発生します。そして最初に、オーケストレーターエージェントという特別なエージェントに送られます。オーケストレーターエージェントはLLMと連携して、ユーザーからの外部リクエストとこのリクエストに関するコンテキストを受け取ります。例えば「私は親切なサポートアシスタントです。このユーザーの入力リクエストを手伝ってください」というコンテキストです。

Shawn McAllister 43:33 オーケストレーターに送られ、オーケストレーターをチームのコーチ、部門のマネージャーとして考えると、その外部リクエストを実行するステップに分解し、何をすべきかを知っています。Agent Meshに知られているエージェントに基づいて、それらのエージェントの一部はSolace Agent Mesh内で作成・設定されたネイティブエージェントである場合があります。しかし以前のスライドで述べたように、外部で構築されたエージェントがある場合もあります。

Shawn McAllister 44:03 Agent Meshの外部で構築されたエージェントです。AWS Bedrock agent coreからのものやSalesforceエージェントなど、例えばA to Aを通じてオーケストレーションシステムで利用可能にします。

Shawn McAllister 44:18 オーケストレーターは利用可能なすべての異なるエージェントとそれらのスキルと能力を知っています。それが、オーケストレーターが外部リクエストを受け取り、より大きなタスクを達成するためにどのエージェントでどのステップを実行するかを動的に把握できる方法です。次のスライドでその仕組みについてお話しします。これはすべて完全にイベントドリブンです。全体的なコミュニケーションの面で多くの利点があります。もちろん、Agent Mesh内では、小型でも大型でも好きな言語モデルを持ち込み、異なる機能に専念させることができます。

Shawn McAllister 44:55 異なる機能に言語モデルを割り当て、複数のエージェントで再利用されます。これにより、実験して新しいエージェントを導入し、バージョンをアップグレードし、それらのエージェントが新しいモデルを使用することを非常に簡単にできます。

Shawn McAllister 45:11 Agent Mesh内で非常に重要であり、大きな差別化要因です。ローワンはメモリとコンテキストについて話しましたが、Agent Mesh内にはこのタイプのエージェント型システムにとって重要だと考えるデータ管理機能があります。LMまたはファウンデーションモデルにより多くのデータを与えると、特に不必要なデータの場合、モデルがより多くのハルシネーションを起こし、悪い結果を出す可能性があります。

Shawn McAllister 45:41 一般的に、LLMに大量のデータを与えると、より多くのトークンのためにより多くのコストがかかります。処理に時間がかかります。これらは悪いことですが、最も悪いのは間違った結果を出す可能性が高くなることです。SAMのデータ管理機能の主な目的は、エージェントとLLMに、必要なステップと機能を実行するために必要なデータだけを提供することです。その結果、より速い処理、低コスト、そして重要なことに、より信頼性の高い結果が得られます。

Shawn McAllister 46:11 そして、このビジュアライザー機能があります。ローワンはセキュリティと信頼について話し、何が起こっているかを知る必要性とエージェントが正しいことをしているかどうかについて話しました。デモでお見せしますが、処理の各ステップで何が起こっているかを正確に確認できる素晴らしいビジュアライザーがあり、構築、理解、修正、信頼構築に役立ちます。

Shawn McAllister 46:35 もちろん、Agent Meshのエンタープライズ提供には、シングルサインオン、RBACこの私が述べたインテリジェントデータ管理など、多くのエンタープライズ機能が組み込まれています。もちろん、エージェントがあなたの代わりにアプリケーションやシステムとインタラクションする場合、それらのシステムはブラウザや他の手段でシステムに直接インタラクションする場合に許可される操作のみを実行する委任権限もあります。Agent Meshは

Shawn McAllister 47:06 オープンソース提供、コミュニティバージョン、エンタープライズバージョンとして提供されています。これらすべてがどのように連携するかというと、AIエージェントはエンタープライズ内のさまざまなスキルと能力を表しています。例えば、Salesforceとインタラクションして注文を処理するエージェント、JIRAに保存されている問題や顧客の苦情を処理するエージェント、そして通話ログとインタラクションするエージェントがあるかもしれません。

Shawn McAllister 47:36 セールス担当者がクライアントとの様々な通話で何が起こっているかを理解できます。各ケースで、これらのエージェントは異なる方法でこれらのシステムとインタラクションできます。SalesforceにはSalesforceエージェント、JIRAにはA to AプロトコルまたはMCP、GongにはAPIを使用してSolace Agent Meshに引き込む場合があります。それらが起動すると、

Shawn McAllister 48:07 非同期的に自己紹介をして、「受注を処理できます」または「サポートの問題の処理方法を知っています」「通話ログの処理方法を知っています」と言います。オーケストレーターはこれらすべてを追跡し、チームのプレーヤーが誰であるかを知っています。そのため、外部リクエストを受け取り、実行が必要なアクティビティに分解できます。

Shawn McAllister 48:27 例えば、「顧客のMidtown Roastersに会いに行くので、ブリーフィングをしてください」というリクエストを送信すると、オーケストレーターは関与して対話する必要があるシステムのステップを把握し、未処理の様々な注文や問題、前回の通話からのセンチメントについて確認し、良いレポートをまとめてくれます。

Shawn McAllister 48:50 では、実際の動作を見てみましょう。2つのクイックデモをお見せします。時間が迫っているので、少し手早くやります。最初は先ほど話した会話型分析です。ユーザーが話したゲートウェイを通じてAgent Meshに入るコンソールというシステム設計です。オーケストレーターは、異なるエージェントを通じてCRMと会社アプリ（会社情報アプリケーション）の両方と連携します。

Shawn McAllister 49:20 こちらがSolace Agent MeshのユーザーインターフェースUI）です。様々なエージェントカードが表示されています。Agent Mesh内では、A to A情報モデルを使用して各エージェントの能力をカードに項目化しています。オーケストレーターと特定のタスクを実行するために利用可能なエージェントが表示されています。チャットインターフェースで「利用可能なエージェントとデータソースで何ができますか？」と聞きます。これはヘルプのようなものです。

Shawn McAllister 49:50 このシステムは何ができるのか？オーケストレーターは「私ができることはすべてここにあります」と回答します。異なるエージェントについては必ずしも話さないが、これが私にできることです。製品パフォーマンスと販売トレンドが欲しいということに絞ります。これが実行したい会話型分析のユースケースです。「2025年のすべての製品のユニット別売上と収益のメトリクスを取得してください」と言います。どのシステムとインタラクションする必要があるかは知りませんし、気にしません。

Shawn McAllister 50:21 お話ししたビジュアライザーが表示されており、オーケストレーターエージェントがLLMとインタラクションして、CRMとインタラクションするステップを分解して把握する方法が示されています。CRMはSQLツールを使用してCRMデータベースに入り情報を収集します。

Shawn McAllister 50:38 こちらが生成されているアーティファクトです。これはあなたへの信頼を醸成することに戻ります。様々なシステムから収集している情報を確認でき、人間がループにいる状態でそのデータが正しいかどうかを確認できます。そのアーティファクトは後のより多くの処理のために再利用されます。これがLLMへのデータを減らすことの良い点です。「そのデータを使っていくつかのチャートを作成してください」と言います。

Shawn McAllister 51:09 抽出したデータが正しく見えるので、チャートを作成してください。再び様々なエージェントとインタラクションします。オーケストレーターにはこのタイプのアーティファクトを生成するツールがあります。ユニット販売上位5製品のコーヒーカラーの素敵なチャートが表示されています。何千もの製品があるかもしれませんが、上位5つを見つけて素敵なものを提供してくれました。

Shawn McAllister 51:40 チャートを見ることができます。素晴らしい。チャートを見て、これが欲しいものですが、上司にこれに関するレポートを提出する必要があります。「確認したこのデータを使用して、2025年の製品パフォーマンスを示すシンプルなレポートを生成してください」と言うだけです。これはリアルタイムで最新のデータであり、事前に計画されたダッシュボードなしにインタラクティブに検証したものです。オンデマンドで要求しました。

Shawn McAllister 52:08 すぐに確認できるこの種の分析を正確に示すレポートをまとめます。電子メール形式に落とし込み、良い概要情報と様々なテーブルとチャートが見えます。そして、要求していなくても、主要な洞察と推奨事項まで生成しています。非常にクールです。バックグラウンドで複数のシステムを使ったインタラクティブな方法で、すべて行われています。

Shawn McAllister 52:37 次にお見せしたいのは、エンタープライズで発生するイベントとのリアルタイムインタラクションにおけるプロセスオーケストレーションです。例えば、顧客からメールが届いてJiraに入ります。シナリオは顧客が「注文が届きませんでした。助けてください」と言うことです。注文は何か？どこから来たか？進行中の全注文の中から何について話しているのか？これはエージェント型の出番です。

Shawn McAllister 53:07 アシスタントはCRMと連携して顧客について調べ、進行中の注文を確認し、親切なアシスタントとしてJIRAを更新します。Agent MeshのユーザーインターフェースでJIRAに入り、Midtown RoastersのJeffから受け取ったようなメールを貼り付けます。彼は「しばらく前からの注文が届いていません。手伝ってもらえますか？」と言っています。

Shawn McAllister 53:43 注文番号なし、何もなし。中身は何か？いつ送られたか？何もないのです。JIRAがウェブフックを送信します。作成したJIRAがウェブフックとイベントをEvent Brokerに送信し、SAMのイベントゲートウェイに入ります。CRM、サポートシステム、AtlassianとのMCPツールを持つエージェントが使用されます。

Shawn McAllister 54:14 リモートMCPサーバーがあり、このリクエストの処理を助けるために利用可能なエージェントです。ビジュアライザーを起動します。

Shawn McAllister 54:25 オーケストレーターエージェントがCRMに行き、この会社のJeffについて調べる様子が見えます。彼は誰で、どんな会社か？彼らとのエンゲージメントは何か？注文管理システムでもある会社サポートシステムに行き、未処理の注文と何が起こったかを確認します。そして、リモートMCPサーバーを通じてAtlassianエージェントに行き、信頼できるアシスタントとして私のためにJiraを更新します。

Shawn McAllister 54:55 アシスタントです。SAMが作成した更新が表示されており、他にも進行中の注文がある中で、最も欠品している可能性が高い注文413が見つかりました。この顧客の会社履歴とサポートの問題が表示されています。即時アクション推奨として、フォローアップすべきUPSの追跡番号が提供されています。

Shawn McAllister 55:26 そして何をすべきか。さらに、バックグラウンドの様々なシステムを整理してから2〜3日後ではなく、Jeffのメールの直後に迅速に対応しているように感じさせる役立つメール提案まで提供してくれます。これがエージェント型AIの処理を通常のビジネスオペレーションに統合して、繁雑で難しい作業を削減し、必要な情報をもたらし、より迅速かつ確実に行動するための方法です。

Shawn McAllister 56:02 私たちの観点からは、エージェント型システムは多くの理由からイベントドリブンでリアルタイムである必要があります。様々なシステム間、特に複数のエージェント間で疎結合を持ち、協力しながらも分離された方法で機能できる必要があります。マイクロサービスの経験から学び、すべてを同期的で密結合にしないようにしましょう。それがうまくいかないことはわかっています。もちろん、エージェントに役立てて欲しいなら、リアルタイムコンテキストをエージェントに提供する必要があります。

Shawn McAllister 56:33 有用なことをするために。現在利用可能な最新のデータ、様々なシステムにわたるエンタープライズのデータが必要です。リアルタイムで支援するためには、エンタープライズ内で発生するイベントをトリガーして応答できる必要があります。これらすべてをまとめると、リアルタイムで応答し、リアルタイムデータを持ち、疎結合である必要があります。私たちにとって、これはすべてエージェント型システムがイベントドリブンである必要があることを意味します。

Shawn McAllister 57:04 エージェント型AIにAgent Meshを選ぶ理由については、プラットフォームの意図がオープンでベンダー中立であることです。独自のエージェントを構築して提供してください。A to Aを通じて独自のエージェントを持ち込み、MCP、API、SQLを通じて様々なシステムとインタラクションし、あらゆるクラウドのエンタープライズ全体で利用可能にします。

Shawn McAllister 57:26 ロールベースのアクセスコントロール、私が述べた委任権限、デモで見た可観測性を通じて、信頼できる、可観測で安全な環境を提供しています。これにより、何が起こっているかを実際に確認し、結果が望むものであることを確認できます。Solaceを長く知っている方には、私たちがエンタープライズグレードにこだわっていることがわかるでしょう。信頼性が高く、スケーラブルで安全なシステムを作ることを意味します。

Shawn McAllister 57:56 新しいテクノロジーを導入し、テストし、実験するために必要な柔軟でアジャイルなシステムを提供しながら、同じプラットフォームがエンタープライズレベルのソリューションから期待される方法で本番環境に移行できるようにします。

Shawn McAllister 58:12 最後に、これが気に入った場合、詳しく聞きたい場合は、このQRコードをスキャンして、デモの設定についてお話しします。または、オープンソースを使って最初の一歩を踏み出したい場合は、リポジトリにアクセスしてください。気に入った場合は、スターをつけていただけると大変嬉しいです。では一旦停止します。ローワンが辛抱強く待っており、時間になってきています。

Shawn McAllister 58:43 ほぼその時間です。ここで、いくつかの質問を取り上げてみます。良い質問がいくつかありました。少し確認させてください。

Shawn McAllister 58:59 複数の質問があったかもしれません。ローワン、信頼とヒューマン・イン・ザ・ループ、AIが人間の判断を損なわないことなどについての質問をお渡しします。いくつかそのような質問があります。それについて少し話していただけますか？

Rowan Curran 59:24 はい、それについて手短に触れようとしました。信頼の領域は非常に大きなトピックです。エージェント型システムの信頼と評価の中核として重要なのは、信頼を評価または確立するための2つの方法があることです。人間がすべての出力を確認してニーズに合っているかどうかを検証するか、LMを判定者として使用してレスポンスを検証したり合成レスポンスを生成したりすることができます。重要な点は

Rowan Curran 59:55 組織にとって、どちらの方法でも、私たちがAI周辺の「信頼税」と呼び始めているものを払うことになります。このシステムに関して信頼を構築するために一定量の投資をしなければなりません。今日、一般的に見られるのは

Rowan Curran 1:00:12 プロセスのステップで検証ステップが必要だと感じる場所にブレークポイントを設けるようにこれらのシステムを設計しています。医療データの使用や分析に関するユースケースについてのコメントがあったと思います。これらのエージェントは数値データを分析しているのではなく、セマンティック情報を比較し、専門知識を持つ人間が検証のためにステップインして、プロセスを加速させています。

Rowan Curran 1:00:42 そのフロー全体を自動化するのではなく。しかし、信頼と検証のこの側面は時間をかけて構築する必要があるものです。最初から簡単な方法はありません。組織はそれを戦略と、この分野での製品とソリューションの実装アプローチに組み込む必要があります。

Shawn McAllister 1:01:02 そうですね、やるべきことがたくさんあります。1つの質問として、録画は共有されますか？はい、もちろんです。エンタープライズ内でご利用いただき、共有いただけます。ローワン、マルチエージェントワークフローを超えて、最小限のヒューマン・イン・ザ・ループのオーケストレーションを持つエージェント型企業はいつ登場すると予測されますか？人々がこの種の能力を十分に信頼するのはいつになるでしょうか？

Rowan Curran 1:01:31 これには単一の転換点はないと思います。次の数年間にわたって段階的に増加する信頼レベルになると思います。アジリティ進化スライドで注目すべき点は、自律性とアクションはオン・オフのスイッチではなく、二項対立ではないということです。ゼロとイチではありません。段階的なものです。

Rowan Curran 1:01:53 エージェントに与えている責任の段階的に増加する円です。実際には円かもしれませんが、異なる領域で異なる速度で責任を与えているスパイダーグラフのようなものかもしれません。エンタープライズ全体のすべての製品決定について信頼できる複雑で包括的なエージェントを持つまでにはしばらく時間がかかると思いますが、より小さな決定や人間が修正しやすい決定に対してますます信頼するようになるでしょう。

Shawn McAllister 1:02:21 完璧です。時間がオーバーしていることはわかっていますが、最後の質問をお答えします。待っていただいた皆様、ありがとうございます。「結果の品質をどのように確保するか、監査証跡を提供するか」という質問がありました。SAMのことだと思います。SAMにはいくつかの方法が組み込まれています。異なるエージェントを異なるモデルに対してテストできる評価機能があります。

Shawn McAllister 1:02:51 より局所的な方法で。実際にLLMのバージョンから別のバージョンに移行すると結果の信頼性が低下するクライアントの状況が見られました。これはLMの変更と、プロンプトの解釈やエンジニアリングの一部の変更によるものでした。エージェントレベルで各エージェントが期待通りに動作していることを確認することが非常に重要です。

Shawn McAllister 1:03:22 より広いワークフローで、これらのエージェントがどのように協力して望む結果を生み出すか、1つのエージェントのレスポンスのわずかな変化が次のエージェントを混乱させる可能性があります。これら両方ができることが重要です。他にも多くの質問があり、ありがとうございます。今すぐすべてにお答えすることはできませんが、名前を提供していただいた方には直接回答します。匿名の場合も

Shawn McAllister 1:03:53 それも大丈夫です。回答を届ける方法を考えます。録画を共有します。スライドも共有します。ローワン、スライドを共有していただけますか？

Shawn McAllister 1:04:05 はい、皆さんに公開します。視聴者の皆様にご参加いただいたことに感謝します。誠にありがとうございます。そして、私たち全員がこのマルチイヤーの非常に急速に進むエージェント型空間への旅に乗り出す中で、専門知識、市場認識、人々へのガイダンスを提供してくれたローワンに特別な感謝を申し上げます。ありがとうございます。

Rowan Curran 1:04:31 素晴らしい会話でした。非常に楽しかったです。

Shawn McAllister 1:04:34 完璧です。皆さん、ありがとうございました。良い1週間をお過ごしください。さようなら。