推奨事項：次のAIイニシアチブでは、影響力の大きい1つのワークフローに焦点を絞り、測定、反復、拡張を実施しましょう。
エージェントAIは、エンタープライズ自動化の新たなフロンティアとして急速に成長しています。人間の指示を待つ静的なAIツールとは異なり、エージェントはユーザーに代わって自律的に推論し、手順を順序付け、定義されたガードレール内でアクションを実行します。先日開催されたウェビナーでは、OpenAI、Tribe AI、LogicMonitorのリーダーたちが、この変化がエンタープライズに何を意味するのか、そして実験段階から実際の成果へと移行するために何が必要なのかを探りました。
ディスカッションには、パートナーシップ担当ディレクターのケイトリン・マクレー氏が参加しました。 OpenAI; ジャクリーン・ライス・ネルソン、共同創設者兼CEO トライブAIAI担当ゼネラルマネージャーのKarthik SJ氏 LogicMonitor彼らは協力して、推論対応モデルが、IT、顧客業務、製品環境にわたる複雑で反復的なワークフローを処理できる新しいカテゴリの自動化をどのように生み出しているかを分析しました。
1 時間にわたって、パネルは現場から得た教訓を共有しました。 エージェントを定義するもの企業が価値実現に苦労する理由、そしてLogicMonitorのような企業がどのようにしてエージェントシステムをすでに生産に導入しているか エドウィン AI、会社の ITOps向けAIエージェント会話は誇大宣伝から実践へと移り、OpenAI のモデルのブレークスルー、Tribe AI の導入の専門知識、LogicMonitor の応用エンジニアリングがどのように融合して自律型 IT を現実のものにしているのかが示されました。
OpenAI、Tribe AI、LogicMonitor のリーダーが、エージェント AI が企業の業務をどのように変革しているかを探ります。
長年にわたり、エンタープライズAIは、スクリプト、ワークフロー、あるいは狭いコンテキスト内で反応する副操縦士といった静的な自動化に限られていました。しかし、新たなエージェントAIの波は、この状況を一変させます。エージェントは反応するのではなく、自ら行動を起こします。エージェントは目的を理解し、段階的に推論し、明確な制約の中で行動することで、ユーザーに代わって成果を達成します。
OpenAI のパートナーシップ担当ディレクターであるケイトリン・マクレー氏は、この変化は推論という根本的な進歩によって可能になったと説明した。
「一連の革新を通して、私たちは最先端のモデルに推論能力を与えることができました。これにより、自動運転エージェント、つまり単に反応するだけでなく、主導権を握るシステムの構築への道が開かれました。モデルが推論できるようになると、計画と行動が可能になり、大規模なタスク自動化が可能になります。企業にとって、これはゲームチェンジャーです。従業員が毎日行う反復的で構造化された作業を自動化できるのです。」
マクレー氏は、推論こそが自律性を構成可能にすると指摘した。単一のエージェントは、予約や経費報告書の検証といった単純なアクションを実行できるが、 複数のエージェントが協力して働く場合すると、エージェントは企業全体の構造を反映し始めます。あるエージェントはトリアージを行い、別のエージェントはルーティングを行い、さらに別のエージェントはシステムやチームをまたいでタスクを実行します。推論機能は、次に何をすべきかを判断するレイヤーを提供し、ガードレールとコンテキストによって、すべてのアクションがポリシーと意図に沿って維持されます。
実際には、企業はこのようにしてタスクレベルの自動化から協調的な自律性へと移行しています。単一のエージェントが定型業務を効率化し、エージェントのネットワークが複数段階のプロセスをエンドツーエンドで処理します。これらの連携システムは、自律的なトリアージ、エスカレーション、そして問題解決を可能にし、同時に現実世界のフィードバックをモデルチームに継続的にフィードバックします。このクローズドループにより、イテレーションサイクルは数ヶ月から数週間へと短縮され、エンタープライズAIは真の運用上の自律性へと進化しています。
エンタープライズAIプロジェクトが失敗するのは、技術の弱さが原因であることは稀です。失敗の原因は、リーダーシップ、優先順位、そして測定といった周囲の構造が、構想から実稼働への移行をサポートしていないことです。数百もの大規模システムを構築してきたTribe AIは、このパターンが繰り返し発生するのを目の当たりにしてきました。共同創業者兼CEOのジャクリーン・ライス・ネルソン氏は、AIの価値は確かに存在するものの、それを実現するには規律が必要だと指摘しました。
トライブの成功の枠組みを明かす前に、彼女は課題について率直にこう語った。「答えは、その価値に到達するのは簡単ではないということです。」 この現実が、Tribeのあらゆる展開へのアプローチを形作っています。彼らのデータは、AIイニシアチブが推進力となるかどうかを決定づける5つの一貫した要素を示しています。 ROI またはパイロット段階で行き詰まる:
OpenAIのマクレー氏は、これらの運用上の教訓を目的に基づいたものにするという視点を付け加えた。彼女は、あまりにも多くの組織が、エージェント型AIが何を目的として設計されているかを依然として誤解していると述べた。
「[組織は]エージェントAIが人間に取って代わるものだと考えていますが、実際にはその強みはワークフローを自動化することでチームを強化することにあり、人間の判断を置き換えることではありません。」
この区別は重要です。エージェントシステムで成功している企業は、エージェントをチームの延長として扱い、代替として扱うことはありません。まずは定義されたワークフローから始め、成果を測定し、そこから得た知見を段階的に拡張していきます。初期の失敗は無駄な努力ではなく、データとして活用されます。反復を重ねるごとにフィードバックループが強化され、人間の意思決定と自律的な実行の整合性が強化されます。
つまり、成功はモデルの先進性よりも、そのモデルが組織にどれだけ思慮深く統合されているかにかかっています。
Tribe AIとOpenAIの両リーダーは、エージェントシステムがすでにエンジニアリング、 IT運用、そして顧客対応機能。最も成熟し、繰り返し可能なパターンには、共通する特徴があります。それは、コンテキスト、履歴、そして意図を認識しながら、複雑で構造化された作業を自動化することです。
コーディングエージェントは最も分かりやすい例です。コードの生成、移行、テスト、レビューをエージェントが担うことで、エンジニアは反復的な開発作業から解放され、アウトプットの量と品質の両方が向上します。これらのエージェントは、チームの慣習を学習し、人員を増やすことなくコードベースを継続的に改良するインテリジェントなアシスタントとして機能します。
In ワークフローのオーケストレーションエージェントは、オンボーディング、請求、承認チェーンといった複数段階のビジネスプロセスを調整します。システム間の依存関係を管理することで、ハンドオフと遅延を削減し、従業員と顧客の両方にとってプロセスを円滑にします。
トレーニングおよびコーチングエージェントは、エンパワーメントチームの戦力増強剤として台頭しています。これらの役割に特化した副操縦士は、特定の機能における最高のパフォーマンスを発揮する人材を模倣し、企業データとパフォーマンス分析に基づいて的を絞ったガイダンスを提供します。
そして、中 可観測性とIT運用LogicMonitorが注力しているエージェント製品では、 エドウィン AI 問題をリアルタイムで検出、診断、トリアージ、そして修復します。アラート疲れを軽減し、平均解決時間を短縮し、適切なアクションが自動的に実行されるようにします。無限の呼び出しや戦略会議は必要ありません。
これらすべてにわたって ユースケースエージェントは状態を維持します。つまり、コンテキスト、成果物、そして以前のステップを記憶します。この連続性により、ユーザーは意図を改めて説明する必要がなくなり、システムはインタラクションごとに一貫した動作を行うことができます。これが、エージェントが エージェント自動化 エンタープライズ規模でも信頼性があります。
LogicMonitorは、 ハイブリッド可観測性、 世界最大級の企業向けにオンプレミスとクラウド環境の両方を監視しています。この立場から、膨大な量のテレメトリ（メトリクス、ログ、そして イベント ビジネスシステムのリアルタイムの健全性を示すデータです。私たちは常に、数十億ものシグナルから何が重要で、次に何をすべきかを明確に理解することに注力してきました。
の上に構築 LM Envision プラットフォームEdwin AIは、エージェント型ワークフローを適用することでノイズを除去し、根本原因を分かりやすい言葉で切り分け、ServiceNow、Slack、自動化プラットフォームなどの連携ツール全体で適切な対応を促します。エンジニアに大量のアラートを送信するのではなく、Edwinは自律的なチームメイトとして機能し、問題がエスカレートする前にトリアージ、コンテキスト化、修復を行います。
LogicMonitor の AI 担当ゼネラルマネージャー Karthik SJ 氏がウェビナーで要約したように、このアプローチは実用的です。
ビールの味を良くする要素に注力しましょう。AIのパイロットやエージェントのデモを構築するのは簡単ですが、実際に運用するのははるかに困難です。まずは適切なパートナーと協力し、秘訣を知り、そこに投資しましょう。LogicMonitorにとって、それはクリーンで文脈的なデータに注力し、基盤モデルが継続的に改善していくことを信頼することを意味しました。変化を追いかけるのではなく、変化しないもの、つまりデータの品質、透明性、そして測定可能なインパクトに焦点を当てましょう。
意味のある運用価値に重点を置くことで、顧客展開全体で測定可能な成果がもたらされました。
Edwinの最初の導入は、構想から本番稼働まで約12週間で完了しました。システムの価値が実証されると、顧客はすぐに利用を拡大し、フィードバックのフライホイールが生まれ、新しいユースケースごとにより多くのデータ、より鋭い洞察、そしてより迅速なリターンが生み出されました。インテリジェントな観測可能性の実験として始まったこのシステムは、今や生き生きと進化するエージェントネットワークへと成長し、 エージェント型IT運用.
エンタープライズの可観測性と最先端の AI が融合すると何が起こるかをご覧ください。
現在、エージェント型AIから持続的かつ測定可能な成果を得ている企業はごくわずかです。それらを区別するのは、実行における規律です。成功する組織は、AI導入を他の重要な変革と同様に、計画的、反復的、そしてデータ主導で進めています。
パスは通常、小さなものから始まります。アラートのトリアージ、チケットのデフレクションなど、面倒で繰り返しの多いワークフローを1つ選びます。 インシデント解決そして、成功の定義を定量的に定義します。適切なデータとシステムを接続すると、エージェントは自律的かつ安全に行動でき、スコープと権限に関する明確なガイドラインが設定されます。
そこから、ワークフローの細分化された垂直スライスを立ち上げ、トリアージからアクション、そして確認へと進めていきます。各ステップをインストルメント化し、数値を社内で共有します。可視化によって信頼が構築され、承認が促進されます。価値が実証されたら、関連タスクへと水平展開し、より複雑で部門横断的なプロセスを管理できるマルチエージェントネットワークへと垂直展開します。
Tribe AIのJaclyn Rice Nelson氏は、規模拡大を第一目標にすべきではないとアドバイスしています。規模拡大は、基礎を正しく理解することの副産物です。
物事を複雑にしすぎるのは避けましょう。小さく始めて、反復的に構築し、その過程で価値を実現していくことが大切です。企業が犯す最大の過ちは、あまりにも多くのことをあまりにも早く展開しようとすることです。成功は、効果を実証し、信頼を獲得し、そして次の段階の基盤となる、適切にスコープ設定されたワークフローから生まれます。
最後に、トップダウンの取り組み（リーダーシップが主導する主力プログラム）とボトムアップの支援策のバランスを取り、チームが日常業務を改善するAIソリューションにアクセスできるようにします。この2つのスピード 戦略 イノベーションをビジネスへの影響に基づいて維持しながら、それを維持するために必要な組織力を育成します。
エージェント型AIOpsがITをリアクティブから予測型へ変革する方法をご覧ください
エンタープライズAIの次の段階はすでに形になりつつあります。組織は、孤立した副操縦士や単一タスクの自動化に代わるマルチエージェントシステムの導入を開始しています。これは、人間の監視の下、部門、ツール、データソースを横断して連携する推論エージェントのネットワークを意味します。
このアーキテクチャが成熟するにつれて、メモリと状態はエンタープライズインフラストラクチャの基盤要素となります。エージェントは組織のコンテキストを保持し、あらゆるインタラクションから学習し、継続的にパフォーマンスを向上させます。既製のエージェントは、チケットルーティングやレポート生成などの標準的なプロセスを処理し、 カスタムビルドエージェント 競争上の優位性を直接的に高める、効果の高いドメイン固有のワークフローに重点を置きます。
LogicMonitor の Karthik SJ 氏は、この変化を運用速度と精度の問題として次のように要約しています。「数日かかっていた作業が、今では数時間、あるいは数分にまで短縮できます。」
この加速は、何が危機に瀕しているかを捉えています。エージェント型AIは、企業が対応し、適応し、価値を提供するペースを再定義します。
© LogicMonitor 2025 | 無断複写・転載を禁じます。 | ここで言及されているすべての商標、商号、サービス マーク、およびロゴは、それぞれの会社に帰属します。
