AIエージェント：管理を必要とする新しい労働力

AIエージェントが新たな「デジタルワーカー」として注目を集めており、その声はますます大きくなっています。このトレンドは、エージェント型および生成型AIの主流採用以前から、特にロボティック・プロセス・オートメーションなどの分野で進展してきました。これらのデジタルワーカーは、規律と従順さのために設計されていますが、人間の同僚と同じように、独自の癖も持ち合わせています。

AIが私の仕事の生活をどのように変革したかについてさらに詳しく知りたい場合は、2024年にAIが職場で時間を節約してくれた15の方法 - そして2025年にどう使う予定かの記事をご覧ください。

SalesforceのAgentforce 2.0によるデジタル労働への飛躍

デジタル労働力への移行は、Salesforceが最近、企業向けに特化したデジタル労働プラットフォームであるAgentforce 2.0をリリースしたことで、大きな進展を遂げました。このプラットフォームは、「どの部門でもAIエージェントを通じて無限の労働力を提供する」ことを目指し、あらゆるシステムやワークフローで動作する事前に構築されたスキルのライブラリを利用します。Salesforceによると、Agentforce 2.0は、従来のRPAを超えて「強化された推論とデータ取得」を組み込み、複雑な多段階のクエリに対して正確な回答を提供し、アクションを調整することができます。これらのエージェントは、Slack内でも対話が可能で、日常の職場環境にシームレスに溶け込みます。

デジタル労働によるチームの強化

Salesforceが強調するように、大手企業はこのプラットフォームを活用して、デジタル労働でチームを強化しています。人材が不足し、育成にコストがかかる中、企業は顧客対応やワークフローのバックログ処理をAIに依存する傾向が強まっています。しかし、Salesforceが指摘するように、「一般的な応答を提供する不十分なソリューション」ではもはや満足できません。コパイロットのような従来のソリューションは、個別化された求職指導など、複雑な要求に対して正確で信頼できる応答を提供する能力が不足しており、製品推奨によるリード育成のような自律的な行動もできません。

業界のリーダーたちは、自律的なデジタルワーカーがさまざまなレベルでそのようなタスクを実行できると同意しています。「熟練したイノベーター、迅速に展開可能なクラウドツール、顧客の認識、そして経営陣の支援が結びつき、2025年にエージェント型AIが繁栄するための理想的な環境が整いました」と、Motorola SolutionsのAI透明性および教育ディレクターであるChris BennettはZDNETに語りました。

Motorola Solutionsはすでにエージェント型AIの力を活用して「公共の安全と企業のセキュリティを向上させています」とBennettは説明します。彼らのAIアプリケーションは、リアルタイムデータを分析し、表面化することで、初動対応者やセキュリティ担当者に重要な即時サポートを提供します。「AIエージェントは決して退屈したり、疲れたり、気を散らしたりしません」と彼は指摘し、反復的なタスクを自動化することで、対応者がより重要な任務やコミュニティとの関わりに集中できるようにします。例えば、AIエージェントは過去のビデオ映像のレビューなどのタスクを迅速化し、捜査官が自然言語検索を通じて行方不明者を見つけるのをより早く支援します。

Aurascapeの共同創業者兼副社長であるViswesh Ananthakrishnanは、AIエージェントがプロセスを直感的に理解して「一連の手順、つまり問題を解決するためのレシピを作成する」方法を説明します。これらのエージェントはこれらの手順を実行し、他のエージェントと協力して、企業がどのように機能しているかの包括的な見解を得ることができます。Ananthakrishnanはさらに、AIエージェントが「需要予測を見て、在庫が不足する前に注文書を生成して提出するなどの積極的な行動を取る複雑なプロセスを開発し、実行できる」と説明します。この自動化により、従業員が反復的なタスクに費やす時間が大幅に削減されます。

AIエージェントの慎重な管理の必要性

しかし、人間の労働者と同様に、AIエージェントも慎重な管理が必要です。エージェント型AI主導の労働力が幅広いタスクを完全に引き受けるには、まだやるべきことがあります。「エージェント型AIの可能性は明らかですが、企業レベルでの広範なエージェント型AIの採用にはまだ数年かかります」と、Norwest Venture PartnersのパートナーであるScott Beechukは警告します。彼は、ミッションクリティカルなビジネスプロセスを自動化するエージェントの潜在的な役割を考慮して、信頼性の重要性を強調します。

課題の一つは、AIエージェントの行動の追跡可能性です。「多くのツールは、ユーザーの機密データからどのように応答に到達したかを説明するのが難しく、モデルは学んだこと以外を一般化するのに苦労します」とAnanthakrishnanは指摘します。

予測不可能性もまた障害であり、大規模言語モデル（LLM）は「ブラックボックス」のように動作します、とBeechukは付け加えます。「ユーザーやエンジニアにとって、AIがタスクを正常に完了したかどうか、また正しく実行したかどうかを知るのは難しいです。」彼はまた、AIエージェントの信頼性についても警告し、「AIがタスクを完了するために独自の手順を作成するシステムでは、作り上げられた詳細がタスクの進行に伴ってエラーを増やし、最終的に出力が信頼できなくなる可能性がある」と述べています。

人間の労働者は自然に簡単に定期的に協力しますが、AIワーカーにとってはこれがより複雑です。「エージェントは複数のシステムやデータストアと対話するため、包括的な可視性を実現するのは簡単なことではありません」とAnanthakrishnanは説明します。エージェントが取る各アクションを捕捉するためには可視性が重要であり、エンドポイントデバイスでの活動への深い洞察と、さまざまな形式のデータを処理する能力が必要です。さらに、「エンドポイントからのこのコンテキストをネットワークレベルのトラフィックと迅速に組み合わせて、エージェントの行動を決定するデータを特定する」ことや、「信頼できるエンティティであるか、まったく新しいエージェントであるかを問わず、データと対話するAIエージェントの種類を認識する」ことが重要です。

AIシステムエンジニアの台頭

この複雑さは、新たな人間中心の役割—AIシステムエンジニア—を生み出す可能性があります。「この新しい品質保証および監督の役割は、企業がAIエージェントを管理し、継続的に最適化する上で不可欠になります」とBeechukは述べます。

マルチエージェント環境では、「AIエージェントは常に相互作用し進化し、個々の仕事を遂行するために新しいデータの安定した供給を消費します」と彼は説明します。「そのうちの1つが意図的または非意図的に悪いデータを受け取り、行動を変更すると、前の日には完璧に仕事をしていたとしても、誤って、または精度を下げて仕事をする可能性があります。1つのエージェントのエラーは、システム全体を劣化させる連鎖効果を引き起こす可能性があります。企業はそれが起こらないようにするために必要な数のAIシステムエンジニアを雇うでしょう。」

企業や技術チームは「エージェント型AIをサポートするのに適した位置にいるかもしれませんが、エージェント型と人間のワークフローの適切なバランスを見つけるにはまだ時間と経験が必要です」とBennettは助言します。「私たちのアドバイスは、AIを人間の専門家の補強として見ることであり、置き換えではないということです。」