企業リーダーが組織全体でAIエージェントを拡大する方法

企業リーダーは、AIエージェントを迅速に展開しながらも、ガバナンス、信頼、コスト管理を損なわないという緊張に直面しています。Databricks主催のラウンドテーブルでは、ダノン、キャピタル・ワン、ワーナー・ブラザーズ・ディスカバリー、フォード・クレジット、ギリアド・サイエンシズなどのエグゼクティブが、AIエージェントの責任ある拡大のための5つの実践を共有しました。

第一に、統合的ガバナンスをAIエージェント戦略に組み込むこと。ギリアド・サイエンシズのMurali Vridhachalam氏は、各エージェントは開発前にリスク評価を受け、リスクレベルに応じて適切な承認を得る必要があると強調しました。ワーナー・ブラザーズ・ディスカバリーのRatheesh Kamoor氏は、従業員が機密の個人情報をAIツールに誤って貼り付けるのを防ぐために専門委員会を活用し、ユースケースごとにクロスファンクショナルな「グリーンライト」を要求していると述べました。フォード・クレジットのRazal Minhas氏は、ガバナンスは一度きりの承認ではなく、外部環境要因によるモデルのリスクプロファイルの変化を評価するために継続的な再評価が必要だと強調しました。

第二に、AIエージェントによる複雑なワークフロー管理。シングルタスクアプローチから、マルチエージェントフレームワークによる成果指向のオーケストレーションへと移行しています。例えば、従業員のオンボーディングは、ラップトップの発行やWorkdayへの登録など複数のタスクを含みますが、現在はAIエージェントが自律的に異なるシステムを横断してタスクを実行します。

第三に、AI実験のための専用スペースの創設。フォード・クレジットでは、本番環境で「シャドウ機能」をサイレントに実行し、エージェントが顧客ワークフローに触れる前に精度を検証しています。

第四に、早期の成功事例の提示。キャピタル・ワンは、自動車ディーラー向けの低リスクながら有用なカスタマーツール「チャットコンシェルジュ」を優先的に展開し、エージェントソフトウェアの実世界での有効性を検証しました。

第五に、従業員がAIエージェントと協働できるようにすること。ダノンのDee Fitzgerald氏は、社員のプロンプトスキル向上に多くの時間を費やしていると述べました。自然言語インターフェースにより、非技術ユーザーもSQLやPythonの専門知識なしでデータとAIを安全に扱えるようになります。

結論として、エージェント型AIは、データ、ガバナンス、オーケストレーション、コンピュートが単一の安全なアーキテクチャ内に存在する場合にのみ機能します。認定されたデータ製品、一貫したガードレール、多様なワークフローを横断してエージェントを展開・監視できるプラットフォームが成功の基盤です。