DataikuによるAIエージェントのスケーリング

多くのチームは、大規模なAIエージェントの構築と展開には、LLMに接続して最善の結果を期待する以上のことが必要であることを、苦労して学んでいます。

先日開催されたLet's Talk Agentsウェブシリーズセッション（英語）「AIエージェントにDataikuを選ぶ理由」では、Dataikuのコンテンツおよび製品マーケティング担当シニアディレクターであるクリスチャン・キャップデヴィル（Christian Capdeville）と、同社AI戦略責任者であるカート・ミューメル（Kurt Muehmel）が、 AIエージェント導入時に組織が直面する一般的な落とし穴を解説し、目的と制御を備えたエージェントの作成、導入、管理に関する明確で実用的なビジョンを示しました。このブログでは、セッションの主なポイントをまとめます。

→ セッションの全録画はこちらで視聴できます（英語）

エージェントの誇大宣伝：成熟度のスペクトル

クリスチャンはセッションの冒頭、参加者にエージェント育成の進捗状況をアンケートで尋ねました。予想通り、回答はさまざまで、ブレインストーミング中の人もいれば、構築中の人もいました。また、すでにエージェントを運用している人も増えています。

「約2か月前、エージェントを導入している企業は7%でした。現在、その数は増加しており、進歩が見られます。」
— クリスチャン・キャップデヴィル、Dataikuのコンテンツおよび製品マーケティング担当シニアディレクター

しかし、進歩には困難が伴います。エージェントの導入において最も多く挙げられる課題は、適切なデータとシステムへの接続です。その他の課題としては、ガバナンスの実施、エージェントの監視と評価などが挙げられます。

エージェントエコシステムを理解する

狭い定義（AI エージェントが十分に「エージェント的」であると言える条件とは何か）にこだわるのではなく、カートは、能力と意図という観点から考えることの重要性を強調しました。

彼はAIエージェントを3つの主要なカテゴリに分類しました。

1. インフラプロバイダー： OpenAI、Anthropic、そしてクラウド大手企業を思い浮かべてみてください。これらの企業は強力で柔軟性に優れていますが、膨大なエンジニアリング作業が必要であり、統合的な監視機能が欠如しているケースも少なくありません
2. ポイントソリューションとスタートアップ： 多くの場合ユーザーフレンドリーですが、スケーラビリティー、ガバナンス、ベンダーの寿命に関して疑問が生じる垂直的またはニッチなツールです
3. エンタープライズアプリケーションエージェント： HubSpot、Workday、ServiceNowなどのプラットフォームに組み込まれているツール。これらは単一のシステム内ではうまく統合されますが、サイロ化が進み、部門横断的なカスタマイズが困難になる傾向があります

AIファーストのエンタープライズアプリケーションの新しいクラス

カートは、未来はクロスアプリケーションAIエージェント、つまり従来サイロ化されたプラットフォーム間でデータと機能を橋渡しできるシステムにあると主張しました。彼は具体的なな例を挙げて説明しました。

• チケットシステムとCRMシステムを横断して総合的に顧客にサービスを提供する ITサポートエージェント
• 最新のデータを使用して、需要予測モデルでサプライチェーンデータを自動的に拡張するサプライチェーンエージェント
• さまざまなツールにまたがるコンテンツの作成とレビューを効率化するマーケティングエージェント

このビジョンは、組織が新しいタイプのモジュール式で構成可能な多機能アプリケーションを作成できるUniversal AI Platform™として機能するという、Dataikuの使命と密接に一致しています。

→ チームの変革を加速させる5つのAIエージェントのユースケースをご覧ください

何が間違っていたのか？教訓的な物語

話を具体的にするために、カートは「ReAI Estate」という架空の、しかし非常に共感できるストーリーを共有しました。ReAI Estateは不動産会社で、リブランディングして AIエージェントの構築に全力で取り組みましたが、すぐに壁にぶつかってしまいました。

チームは、不動産業者を支援するエージェントを構築しました。スケジュール管理、価格設定、書類の要約など、さまざまな業務を担当します。しかし、ReAIestateによって構築されたエージェントは、いくつかの基礎的な欠陥により、すぐに期待に応えられなくなってしまいました。

• 技術チームと現場チームの連携が不十分で、ワークフローや要件を理解できなかったため、エンドユーザーである不動産業者の実際のニーズから切り離されていました
• エージェントは脆弱なデータパイプラインに依存していたため、近隣のデータが混在するなど、不正確さや混乱が頻繁に発生していました
• エージェントは、使用率がピークになる時間帯、とくに月末にエージェントが取引を締結しようとしている時間帯に定期的にクラッシュしていました

「エージェントはシステムのシステムです…幻覚は予測が難しいエラーの連鎖を引き起こす可能性があります。」
— カート・ミューメル、DataikuのAI戦略責任者

教訓は？集中管理がなければ、ツール、データ、責任が断片化され、混乱が生じます。

Dataikuのビジョン：創造＋制御

Dataikuのアプローチは、構築と制御という2 つの柱に基づいており、どちらも技術専門家とビジネスユーザーの両方のニーズを満たすように構築されています。

DataikuでAIエージェントを作成する

Dataikuは、ビジュアルベースとコードベースの両方のエージェント開発をサポートしています。

• ビジュアルエージェント： 自然言語プロンプトとポイントアンドクリックインターフェースを使用してロジックを構築します。アナリストやドメインエキスパートに最適です
• コードエージェント： LangChainなどのフレームワークを使用してカスタム ロジックとツールを作成し、開発者が自由に動作を微調整できるようにします

事前に構築されたツールにより、エージェントはデータセットの読み取りと書き込み、機械学習モデルからの予測の取得、Slackまたはメールによる通知の送信、ServiceNowやJiraなどのチケットシステムとの統合などを行うことができます。開発者は、機能を拡張するためのカスタムツールを作成することもできます。

「これらのツールはすべて、Dataikuの既存の機能と深く連携しています。車輪の再発明は必要ありません。」
— クリスチャン・キャップデヴィル、Dataikuのコンテンツおよび製品マーケティング担当シニアディレクター

DataikuにおけるAIエージェントの制御

スケーラブルなエンタープライズグレードのエージェント システムは、次の3つの制御の柱によって支えられています。

1. エンタープライズオーケストレーション

• LLMメッシュ： OpenAI、Anthropic、Hugging Face などのモデル全体のアクセス、ルーティング、セキュリティーを一元管理します

• セーフガード：とくにミッションクリティカルな用途向けに、エージェントの動作に関するルールを実装します

• エージェントコネクト：ユーザーが自然言語でタスクを記述し、複数のエージェントがバックグラウンドで連携してタスクを完了する単一の会話型インターフェースです

「エージェントコネクトを使用すると、シンプルかつ追跡可能で信頼性の高い方法で、マルチエージェントワークフローをオーケストレーションできます。」
— クリスチャン・キャップデヴィル、Dataikuのコンテンツおよび製品マーケティング担当シニアディレクター

2. 継続的な最適化

• コストガード：コストの暴走を防ぐために、プロジェクト、ユーザー、または接続ごとに使用予算を設定します

• 品質ガード：信頼性を確保するために評価を自動化します

• トレース エクスプローラー（英語）：エージェントのアクションの各ステップを視覚的に監査します。デバッグと反復に不可欠です

3. 中央集権的なガバナンス

• 承認ワークフロー： 展開前にカスタムのサインオフを強制します
• レジストリ： モデルと同様にエージェントとLLMを追跡します
• 価値とリスクの監視： エージェント全体のROIと重要度をマッピングして、監視の優先順位を決定します

外部エージェントについてはどうでしょうか?

Dataikuエージェントは、 SalesforceやAgentForceなどのサードパーティー製エージェントと連携できますか？答えは「はい」です。Dataikuは、あらゆるエージェントに積極的に対応しています。Dataikuの外部で構築されたエージェントも、APIを介してカスタムツールとして接続し、より大規模なエージェントシステムに統合できます。

この柔軟性により、チームは壁に囲まれた庭園に閉じ込められることなく、制御を維持しながら既存の投資を活用できるようになります。

AIエージェントの活用：導入とデータ品質

最後の2つの質問では、実用的な考慮事項が強調されました。

• エージェントはどこで実行されますか? エージェントは、 Dataiku で管理されながら、 Snowflake（英語）、AWS（英語）、さらにはオンプレミスでもどこでも実行できます

• データの正確性をどのように確保するのでしょうか？「これまでと同じ方法です」とカートは言います。ゴールドデータセット、データ品質チェック、準備ツールを活用することで、エージェントが信頼できる検証済みのデータで作業できるようにします

結論：今すぐ正しい方法で構築する

エンタープライズ AI の将来はエージェント的ですが、成功は最初から正しく実行できるかどうかにかかっています。

「まだ初期段階です。技術的負債が積み重なる前に、エージェントアーキテクチャーを適切に構築するチャンスがあります。」
— カート・ミューメル、DataikuのAI戦略責任者

また、Dataiku を使用すると、組織は強力なだけでなく、管理可能で再利用でき、実際のビジネス目標に沿ったエージェントを構築できます。

エンタープライズ対応の AI エージェントを構築する準備はできていますか?

今すぐ Dataiku で、スケーラブルで管理された AI エージェントへの旅を始めましょう。詳細はこちら

原文：Scaling AI Agents With Dataiku