エージェンティック AI とは何ですか?

エージェンティック AI システムの主な特徴量を次に示します。

プロアクティブ

エージェンティック AI は、直接的な入力を待つのではなく、プロアクティブに行動します。従来のシステムはリアクティブで、トリガーされた場合にのみ応答し、事前定義済みのワークフローに従います。一方、エージェンティックシステムはニーズを予測し、新たなパターンを識別して、潜在的な問題がエスカレートする前に率先して対応します。これらのプロアクティブな行動は、環境認識と、長期的な目標に照らして結果を評価する能力によって推進されます。

例えば、サプライチェーンの環境では、従来の物流プラットフォームは、ユーザーがチェックインしたときに、あるいは定期的な通知を通じて、配送ステータスを更新します。一方、エージェンティック AI システムは、在庫レベルをモニタリングし、気象状況を追跡して、出荷の遅延を予測できます。プロアクティブにアラートを発したり、ダウンタイムを短縮するために出荷ルートを変更したりすることも可能です。

適応可能

エージェンティック AI の重要な特徴量は、変化する環境や特定のドメインに適応できることです。従来の SaaS ソリューションは、業界を超えてスケールでき、反復的なタスクを処理するように構築されていますが、ドメイン固有の状況を理解するための深みが欠けていることがよくあります。エージェンティックシステムは、コンテキスト認識とドメイン知識を利用することでこのギャップを埋め、AI エージェントがインテリジェントに応答できるようにします。エージェントはリアルタイムの入力に基づいてアクションを調整し、標準的なソリューションでは対応できない複雑なシナリオにも対応できます。

例えば、一般的なカスタマーサービスプラットフォームは事前定義された回答を返すかもしれませんが、医療提供者をサポートするエージェンティック AI システムは医学用語を理解し、ヘルスケア関連規制に準拠します。患者の変化する懸念に適応し、より正確で状況に応じたサポートを提供できます。

協調的

エージェンティック AI は、人間や他のエージェンティック AI システムと連携するように設計されています。AI エージェントは、より広範なチームの一員として機能します。共通の目標を理解し、人間の意図を解釈して、それに応じてアクションを調整できます。複数のソースからの入力を考慮することで、人間による監視や意思決定が必要な環境でも効果的に機能します。

例えば、治療計画エージェントは、いくつかの異なる医療チームと連携して、がん患者のための治療およびフォローアップの統合的な計画を策定できます。

専門的

エージェンティック AI は通常、それぞれが特定の専門分野に特化した、複数の高度に専門的なエージェントを基盤としています。これらの AI を利用したエージェントは相互に連携し、インサイトを共有して、必要に応じてタスクを引き継ぎます。このアプローチにより、ドメイン固有のパフォーマンスを大幅に改善できます。

例えば、金融サービスでは、あるエージェントは規制コンプライアンス、別のエージェントは不正検出、さらに別のエージェントはポートフォリオ最適化を専門とする場合があります。これらのエージェントが連携することで、規制コンプライアンスを維持しながら、取引をリアルタイムでモニタリングし、異常にフラグを立てて、投資の調整を推奨することができます。

エージェンティック AI の利用には、いくつかのビジネス上の利点があります。

効率性の向上

エージェンティック AI を利用することで、企業はオートメーションを通じて、さまざまな困難または専門的なタスクの複雑さを軽減できます。人間による手作業に依拠する代わりに、エージェンティック AI を利用することで、煩雑なプロセスを自動化し、従業員の時間を節約できます。従業員は、エージェンティック AI によって節約できた時間を、問題解決、戦略計画、その他の成長促進要因など、より要求の厳しいタスクに充てることができます。

ユーザーからの信頼の強化

エージェンティック AI は、顧客とのやり取りにおいて、より高度なパーソナライゼーションを提供できます。既存の顧客データを利用することで、エージェンティック AI は、カスタマイズされたメッセージを迅速に作成し、顧客が好むトーンで関わり、実用的な製品を推奨することができます。エージェンティック AI は、時間が経過する中で、顧客との関係を改善し、顧客と企業間の信頼を構築します。

企業は、エージェンティック AI を利用して、顧客のフィードバックを分析し、最も頻繁に発生する情報を特定して、製品エンジニアに提供することもできます。また、フィードバックを残したユーザーに直接返信することで、貴社によってフィードバックが真剣に受け止められていると顧客が感じる好ましいフィードバックループを生み出すことができます。

継続的な改善

エージェンティック AI は、継続的に学習および改善し、割り当てられたあらゆるタスクに適応します。エージェンティック AI は、フィードバックとインタラクションし、そこから学び、この再帰的なループに基づいて意思決定を最適化します。これは、企業にとって、時間が経過する中でより高いレベルの恩恵がもたらされ続けることを意味します。

人間拡張

エージェンティック AI は、人間のエージェントにとって優れたコラボレーションツールとして機能し、生産性を高め、完了しなければならない煩雑な手作業の負担を軽減できます。人間のエージェントは、エージェンティック AI モデルと連携することで、複雑な課題を克服し、困難な意思決定プロセスを自動化して、効率性を高めることができます。

エージェンティック AI エージェントは、知覚、推論、行動、学習という 4 つの段階を経る、構造化された経路を使用して動作します。このプロセスの各段階では、複数の高度な AI テクノロジーと手法が統合されています。

知覚

知覚段階では、AI エージェントは幅広い多様なソースからリアルタイムデータを収集し、構造化データ、半構造化データ、非構造化データを取り込みます。エージェントは、RESTful API、gRPC サービス、GraphQL エンドポイントと直接インタラクションし、クラウドプラットフォーム、エンタープライズシステム、SaaS アプリケーションから必要に応じてデータを取り込みます。

特定のレガシーシステムや、ドキュメントを大量に扱う環境とのインタラクションが必要なシステムでは、最適な文字認識技術 (OCR) と自然言語処理が、スキャンされたドキュメントから関連情報を探し出すのに役立ちます。また、知覚段階では、エージェントはデータを処理し、作業中のタスクのコンテキストに基づいて有用な情報を判断します。

推論

推論段階では LLM を利用します。LLM は、モデルの目標のコンテキストを解釈し、次に実行するアクションプランを策定して、知覚段階を通じて受け取った新しい情報を利用してリアルタイムで適応するのをサポートします。LLM は、セマンティック推論、エラー処理、曖昧なユーザー入力への適応機能を備えたモデルを採用します。

この段階では、単なるアイデアの処理と戦略の策定を超えて、一部の LLM は予測機械学習モデルを使用して複雑な問題を管理します。例えば、予測 ML モデルは需要の急増を予測し、将来のユースケースに向けたより適切な準備を可能にします。

この段階では、LLM は長期記憶システムを使用して、状況やコンテキストに依拠するタスクがプロセス全体を通じて一貫性を保つようにします。

行動

行動段階では、エージェンティック AI は推論段階で設定されたことを効果的に達成するために行動します。エージェンティック AI は、これらの各外部ソフトウェアシステムで、管理者がインストールしたプラグインにアクセスできるため、サードパーティーアプリケーションと直接インタラクションしてタスクを実行できます。

行動段階では、エージェントモデルが順次処理する複数のサブタスクがオーケストレートされます。具体的なアクションは、コードのコンパイルからソフトウェアやドキュメントとのインタラクション、シミュレーションの実行、アプリケーションの移行、サードパーティーアプリケーション内での関数の実行まで多岐にわたります。一部のエージェンティック AI モデルでは、アクションはヒューマンインザループシステムによって制御されます。このシステムでは、デベロッパーはモデルの動作を検証し、そのアクションを承認する必要があります。

モデルによって実行されるすべてのアクションは緊密にモニタリングおよびログ記録されるため、企業はガバナンスに準拠し、このテクノロジーの利用を保護できます。

学習

エージェンティック AI の学習段階は、これらのモデルの機能性と有効性を継続的に高めることを可能にします。エージェントは、近接方策最適化 (PPO) や Q 学習などの強化学習の手法を利用し、より広範なシステム内での特定のタスクの成功に基づいてアクションを改良します。

AI エージェントは、自律型エージェントや LLM から、または人間からのフィードバックを通じて学習します。これらはすべて、システムをファインチューニングして AI エージェントの機能を改善できます。モデルがパフォーマンスを追跡するために使用できるいくつかのメトリクスがあり、これには、レイテンシー、信頼度、成功率が含まれます。マルチエージェント AI は通常、学習を複数のエージェントに分散し、共有メモリ層で情報を共有することで、システム全体のパフォーマンスを強化します。

この形式の強化学習は、時間の経過とともに、成功したイテレーションを利用して全体的な機能を改善し、効率を継続的に高めることができます。

AWS は、世界で最も信頼され、有用なエージェントを構築およびデプロイするための最高の場所となることを目指しています。 AWS は、お客様のエージェンティック AI ジャーニーの段階に合わせて対応し、 ビジネスにエージェンティック AI を導入するために必要なあらゆるものを提供します。生産性を高めるために事前構築済みエージェントを迅速にデプロイする場合でも、オープンソースツールを実験する場合でも、高度なカスタムエージェントのフリートを構築する場合でも、AWS は、お客様の成功をサポートするモデル、ツール、インフラストラクチャ、専門知識を提供します。また、AWS は、エージェンティック AI の取り組みの長期的な持続性を確保するのに役立つ、堅牢な AI インフラストラクチャ、カスタムシリコン、データ基盤も提供します。

Amazon Bedrock は、業界をリードする基盤モデル (FM) の選択肢と、生成 AI を利用するアプリケーションとエージェントの構築に必要な幅広い機能を提供するフルマネージドサービスです。Bedrock は、先駆的な基盤モデルへのアクセス、お客様のデータを使用してモデルとアプリケーションをプライベートにカスタマイズするためのツール、安全性ガードレールの適用、コストとレイテンシーの最適化、迅速なイテレーションを提供します。

Bedrock には、あらゆるフレームワークとモデルを使用して、エージェントを大規模かつ安全にデプロイおよび運用するための一連のサービスである AgentCore も含まれています。デベロッパーは、Amazon Bedrock AgentCore を利用して、実際の環境へのデプロイに不可欠なスケール、信頼性、セキュリティをもって、AI エージェントの本番への移行を加速できます。AgentCore は、エージェントをより効果的かつ有能にするためのツールと機能、エージェントを安全にスケーリングするための専用インフラストラクチャ、および信頼できるエージェントを運用するためのコントロールを提供します。

Strands Agents は、わずか数行のコードでエージェントを構築するために Amazon が提供するオープンソースの Python SDK です。これは使いやすいツールであり、計画、思考の連鎖、ツールの呼び出し、反映のための最先端のモデルの機能を活用することで、複雑なエージェントオーケストレーションの必要性を排除します。

また、AWS は、ビジネスやユースケース固有のニーズに合わせてさらにカスタマイズできる、すぐにデプロイ可能なエージェントも提供しています。AWS Transform は、.NET、メインフレーム、VMware ワークロードを変革するための、初のエージェンティック AI サービスです。19 年にわたる移行経験に基づいて構築されたこのサービスは、専用の AI エージェントをデプロイすることで、評価、コード分析、リファクタリング、分解、依存関係マッピング、検証、変換のプランニングなどの複雑なタスクを自動化します。 Kiro は、仕様駆動開発により、デベロッパーがコンセプトから本番に移行するのをサポートする AI IDE です。 Kiro のエージェントは、困難な問題の解決や、ドキュメント生成、単体テストなどのタスクの自動化をサポートします。 Amazon Q Business は、情報の検索、インサイトの取得、業務におけるアクションの実行をサポートします。Amazon Q Developer は、ソフトウェア開発の加速と企業の内部データの活用をサポートします。そして、AWS Marketplace は、AWS パートナーから提供される、厳選された事前構築済みエージェント、ツール、ソリューションの一元的なカタログを提供しています。これを利用することで、エージェンティック AI の取り組みを迅速に進めることができます

今すぐ無料のアカウントを作成して、AWS でエージェンティック AI の使用を開始しましょう。