AI エージェントは「次のフロンティア」であり、私たちの労働生活を永遠に変えるでしょう
生成 AI の次の段階では、独立して対話できるシステムに焦点が当てられます。その変革があなたにとって何を意味するかは次のとおりです。
AI ベースのシステムの構築と展開は、リスクを伴う大規模で扱いにくいプロジェクトのように思えるかもしれません。ただし、AI ベースのエージェントという別の配信モードが登場しています。
生成 AI は、セットアップや管理が困難なことが多かったエージェントに新たな重さと機能を追加しました。新しい調査によると、これらのセットアップが簡単なサービスが技術者やビジネス リーダーの注目を集めていることがわかりました。
コンサルタントのマッキンゼーのレポートによると、AI ベースのエージェントは AI の「次のフロンティア」を表しています。この報告書は、「動的な世界で独立して対話できるデジタル システム」と定義されるエージェント システムの影響力が増大すると予測しています。
エージェント システムは以前から存在していましたが、「gen AI の自然言語機能は新たな可能性を明らかにし、アクションを計画し、オンライン ツールを使用してタスクを完了し、他のエージェントや人々と協力し、改善方法を学習できるシステムを可能にします」彼らのパフォーマンスだ」と、ラレイナ・イー率いるマッキンゼーの著者チームは述べた。
生成型 AI の次の段階では、さらに「変革的な」ものになる可能性が高いと、イー氏と同僚は示唆しました。 「私たちは、知識ベースの gen-AI を活用したツール (たとえば、質問に答えてコンテンツを生成するチャットボット) から、基礎モデルを使用してデジタル世界全体で複雑な複数ステップのワークフローを実行する AI 対応エージェントの生成への進化を始めています。要するに、テクノロジーは思考から行動へと移行しているのです。」
コンサルタントのキャップジェミニによる最近の調査に回答したテクノロジー企業幹部 1,100 人（82%）の過半数は、今後 3 年以内に組織全体に AI ベースのエージェントを統合する意向であると回答しました。これは、現時点で機能しているエージェントの 10% から増加しています。
レポートによると、回答者の 10 人中 7 人 (70%) が AI エージェントによるデータの分析と合成を信頼しており、50% が AI エージェントが自分に代わって専門的な電子メールを送信してくれることを信頼していると回答しています。回答者の約 4 分の 3 (75%) は、コードの生成や反復的な改善などのタスクに取り組むために AI エージェントを導入する予定であると回答しました。エージェントのその他の潜在的なタスクには、ドラフト レポート (70%) および Web サイト コンテンツ (68%) の生成と編集、電子メールの生成、コーディング、データ分析などが含まれます。
AI を活用したエージェントは、さまざまな役割を担うことができます。 「例えば、仮想アシスタントは、複数の旅行プラットフォームにわたる物流を処理しながら、複雑で個人化された旅行旅程を計画および予約できる」とマッキンゼーの報告書は述べている。 「エンジニアは、日常の言葉を使って新しいソフトウェア機能をプログラマ エージェントに説明できます。プログラマ エージェントは、作成に役立ったツールをコード化し、テストし、反復し、展開します。」
別の例では、ベンダーの Qventus は、患者に電話して予約を思い出させ、術前および術後のガイドラインを繰り返し説明し、一般的なケアの質問に答える、患者コンシェルジュと呼ばれる顧客対応の AI ベースのアシスタントを提供しています。
AI エージェントには 6 つのレベルがあり、アマゾン ウェブ サービスによって公開されているこのチュートリアルで詳しく説明されているように、各レベルで機能が強化されています。
- 単純なリフレックス エージェント: パスワードのリセットなどの単純なタスクに適しています。 「事前定義されたルールとその即時データに厳密に基づいて動作します。特定のイベント条件アクション ルールを超える状況には応答しません。」
- モデルベースの反射エージェント:単純な反射エージェントに似ていますが、「単に特定のルールに従うのではなく、決定する前に予想される結果と結果を評価します。認識する世界の内部モデルを構築し、それを使用してその決定を支持します。」
- 目標ベース/ルールベースのエージェント: 反射エージェントよりも強力な推論機能を備えており、「自然言語処理やロボット工学アプリケーションなどのより複雑なタスク」に適しています。目標/ルールベースのエージェントは、「望ましい結果を達成するためにさまざまなアプローチを比較し、常に最も効率的なパスを選択します。」
- ユーティリティベースのエージェント: 「さまざまなシナリオと、それぞれのユーティリティの価値やメリットを比較」 -- 顧客が最もお得な航空券を検索できるよう支援するなど。 「複雑な推論アルゴリズムを使用して、ユーザーが望む結果を最大化できるように支援します。」
- 学習エージェント: 「結果を向上させるために、以前の経験から継続的に学習します。エージェントは、感覚入力とフィードバック メカニズムを使用して、特定の基準を満たすように時間の経過とともに学習要素を適応させます。その上で、問題を使用します。収集したデータと過去の結果から自らを訓練するための新しいタスクを設計するためのジェネレーターです。」
- 階層エージェント: これにより、エージェントが他のエージェントを担当するようになります。 「上位レベルのエージェントは、複雑なタスクを小さなタスクに分解し、下位レベルのエージェントに割り当てます。各エージェントは独立して実行され、進捗レポートを監督エージェントに送信します。上位レベルのエージェントは結果を収集し、下位のエージェントを調整して、タスクが確実に実行されるようにします。」団結して目標を達成する。」
これまで、ソフトウェアエージェントは「実装が難しく、手間のかかるルールベースのプログラミングや機械学習モデルの非常に特殊なトレーニングが必要だった」とマッキンゼーのチームは指摘した。しかし、今、大きな変化が起きています。
「Gen AI はそれを変えます。エージェント システムが、事前定義されたルールではなく、非常に大規模で多様な非構造化データ セットでトレーニングされた基礎モデルを使用して構築されると、LLM と同じようにさまざまなシナリオに適応する可能性があります。明示的に訓練されていないプロンプトに対してわかりやすく応答できる。」
AI エージェントによる自然言語処理の使用も方程式を変えます。 「現在、ユースケースを自動化するには、まずそれを体系化できる一連のルールとステップに分解する必要がある」とマッキンゼーのチームは述べた。
「これらのステップは通常、コンピュータ コードに変換され、ソフトウェア システムに統合されます。これは、多くの場合、多大な技術的専門知識を必要とする、費用と労力のかかるプロセスです。エージェント システムは、自然言語を指示形式として使用するため、複雑なワークフローであっても、より迅速かつ簡単にエンコードできます。」さらに、このプロセスはソフトウェア エンジニアではなく、技術者以外の従業員によって実行される可能性があります。」