硬直したワークフローからエージェント型自動化へ：AgentOSの優位性

以前のComputerに関する記事では、AIソリューションを効果的に導入するために、なぜ企業がAIネイティブなプラットフォームを必要とするのかについてお話ししました。また、Computerとは何か、そして何ができるのかについても取り上げました。本記事では、DevRevのワークフローエンジンと、それがComputerを強力たらしめる重要なコンポーネントである理由を掘り下げます。

はい、実際に機能する自動化が必要です

自動化はあらゆる場所に存在します——空港のキオスク端末から、スマートホームデバイス、カスタマーサポートまで。それは個人にとって利便性と効率を高め、ビジネスにおいては、最小限の人手で複雑なタスクをこなすことで生産性を押し上げます。そしてこれからは、AIとナレッジグラフがデータを分析し、私たちに代わってリアルタイムで意思決定を行うようになっていくでしょう。

カスタマーサポートに目を向ければ、自動化は応答を高速化し、サービス品質を維持し、顧客満足を実現します。自動化がなければ、業務は停滞し、ミスは増え、コストは上昇します。変化の速いテクノロジー主導の市場で競争力を保つために、自動化は不可欠です。

従来型ワークフロー導入という悪夢：現実を直視する

組織の生産性、従業員体験、そして収益は、プロセスと自動化に本質的に結びついています。あなたはチーム独自のワークフローを思い描き、ホワイトボードにスケッチし始めます。シンプルな四角と矢印を英語の言葉でつなぎ、理想的で効率的なプロセスを表現します。

しかしその後、その完璧なビジョンをCRMツールに落とし込もうとした瞬間、現実が突きつけられます。突然、現行のワークフローエンジンの限界にぶつかるのです。必要なトリガーが存在しない。基本的なif/else条件に縛られ、アクションを望む場所にドラッグできない。プロセスのライフサイクルを可視化し管理することは悪夢と化し、改善のためのフィードバックループも存在しません。

従来の自動化とは、根本的には地点Aから地点Bへ移動することです。あなたはこの道のりを自動化するコードを書くか、あるいはGUIで同じ結果を得ようとします。しかし、エッジケースが次々と現れるにつれ、システムの複雑さは指数関数的に増大します。条件を追加し始めます——Yならば C を、Qならば D を。やがて、あなたの自動化グラフは条件とエッジケースが絡み合った蜘蛛の巣のようになります。

思い描いた理想のワークフローは損なわれ、CRMの制約の中でそれを改善することは、大量の開発者の手助けと時間のかかる修正なしにはほぼ不可能になります。

こうしてあなたの手元には、当初の計画とはかけ離れたワークフローだけが残されます。これは生産性を阻害するだけでなく、組織の効率と収益にも影響を及ぼします。

エージェント型自動化の可能性

ワークフロー自動化のあらゆるステップやif/else条件を、綿密にマッピングする必要がもはやない世界を想像してみてください。エージェント型自動化では、最終的なゴールと、それに対応するAPIを定義するだけで、残りはAIが導き出します。これは、硬直したワークフローから、動的で適応的なプロセスへとパラダイムを転換させます。

DevRevが提供するComputerは、私たちがComputer Memoryと呼ぶナレッジグラフの上に構築されており、エージェントは推論し、利用可能なスキルで何を自動化すべきかを判断する能力を、ますます高めていきます。

スキルとその動的な実行

「スキル」——時に「ツール」とも呼ばれます——とは、これらのAIエージェントがタスクを遂行し、ゴールを達成することを可能にする具体的な能力を指します。上図に示した各ノードは、この新しいエージェント型システムにおいて、エージェントが実行すべきスキルを表しています。このアプローチの妙は、LLMがこれらのスキルの実行方法を動的に計画できる点にあります。正確かつ明確に定義された入力を必要とし、ノードを繋ぎ合わせる必要があった従来のワークフローとは異なり、AIエージェントは曖昧な入力を扱えるため、データが文字列か整数か浮動小数点数かを知る必要すらありません。AIがリアルタイムでそれを解釈・処理し、自ら判断します。

ファジーロジックを受け入れる

AIアプリケーションは、曖昧で変化に富む入力を扱うことで真価を発揮します。ChatGPTを思い浮かべてください。ユーザーは表形式データ、マークダウン、プレーンテキストなど、さまざまな形式のテキストを入力します。その変換もまた柔軟で、文脈に応じてリスト、段落、その他の形式を生成します。この適応性こそが、複雑な世界においてAIアプリケーションを強力で親しみやすいものにしているのです。

現実世界のデータが本来持つ曖昧さを受け入れることで、エージェント型自動化はかつてない柔軟性と効率をもたらします。これこそが、ChatGPTのようなAIツールが愛される理由の本質です——それらは、予測不能な私たちの日常体験と響き合うのです。

AIエージェントのための効果的なスキル設計

DevRevのComputerでは、以下を備えたワークフローエンジンによって動作するスキルを作成できます：

明確なコンテキストと説明

アカウントの取得であれ、完全なワークフローの実行であれ、各スキルには正確な説明と指示が必要です。これにより、エージェントはいつ、どのようにそれを使うべきかを正確に把握できます。

汎用性

スキルは曖昧な入力を巧みに扱い、それを成功するAPI呼び出しにつながる実行可能なデータへと変換すべきです。

耐障害性

エージェントはスキル実行中の失敗を検知して対応し、リトライを可能にし、堅牢性を確保しなければなりません。

説明可能性

きめ細かな状態をAIエージェントに返して軌道修正できるため、「設計の甘い」エージェントを作ることが難しくなります。

これからが面白い

これらのインテリジェントなツールによって、従来の硬直したワークフローの必要性は薄れ、現実の人生のように雑然としながらも、動的で適応的なシステムに置き換わっていきます。ユーザーは最終ノードを定義するだけで、あとは実行時にエージェントがすべてを引き受ける——そんなツールが今後ますます登場してくるでしょう。

これは「Computerとその機能」をテーマにした、ブログ・ケーススタディ・ホワイトペーパー・ポッドキャストのシリーズの第4回です。どうぞお楽しみに。