Workflows から Agents へ ~ 生成 AI アプリの成長過程とアプローチ~

Transcript

1. Workflows から Agents へ ~生成 AI アプリの成長過程とアプローチ ~ 株式会社 Belong 執行役員 CTO 福井達也 (@ttyfky) 2025.06.18 AI Engineering Summit
2. 会社・事業紹介 01 02 03 AI Agent の基本構成要素 Belong の AI Agent CONTENTS 2 04 Workflows と Agents
3. 自己紹介 3 -PROFILE- Tatsuya Fukui (@ttyfky) CTO @ Belong Inc. (2020/06~) TSE @ Google (2018/07~) SWE @ Goldman Sachs (2013/04~) Belong 釣り部部長 (Chief Tsuri Officer) ©Belong Inc.
4. 01 About the Company
5. 5 携帯関連の新規事業を目的に 伊藤忠商事の 100％子会社(間接保有 含む)として設立 セキュリティーなど独自の基準をクリアし た中古品をアジアや北米など世界中か ら低価格で仕入れが可能 会社名 株式会社Belong 会社設立 2019年2月 所在地 東京都港区赤坂6-4-10 赤坂ZENビル 4F オペレーション センター 神奈川県座間市広野台2丁目10番10号 GLP座間 3階 社員数 社員数：259名（派遣社員含む）（ 2025年3月末時点） 資本金 1億円 日本最大級規模のオペレーションセ ンターで、選抜されたスタッフが丁寧 に管理、検品を実施しています。 伊藤忠グループの安心ネットワーク 自社運営のオペレーションセンターで品質担保 会社概要
6. 多様なルートから調達した端末を、自社オペレーションセンターにて検品し、改めて適切な販路にて販売しています。 端末の検品からデータ消去、配送まで対応 オペレーションセンター 入荷 検査 消去 差配 中古スマホ価格分析プラットフォーム 検品 利用 海外 国内B2B リサイクル 国内B2C 端末調達 海外拠点から 法人から 個人から 個人から 法人から 6 ©Belong Inc. Belongの事業｜Product Map
7. 7 Service slogan 中古だからこそ、全ての人に、正直に。 徹底した透明性で、安心を届けます。 わたしたちは常に「正直であること」を信条に、 すべての人に中古関連のサービスを提供してまいります。 お客様が安心して中古スマホライフを送れるよう、 Belongは日々進化していきます。
8. 生成 AI に関わる世の中と Belong の動き 8 ©Belong Inc. Belong は比較的早い段階から、 生成AI の利用やプロダクトとの連携を試みている
9. リユースデバイスの商売に なぜエンジニアリングが必要なのか？ 9 ©Belong Inc. 01. 年間 100 万台以上の取り扱い 02. 個別管理の難しさ 03. 価格の流動性 04. 利益最大化のための動的差配 model storage battery_health grade iPhone 13 128GB 97 A iPhone 13 128GB 83 B iPhone 13 128GB 90 C 国内 vs. 海外 個人 vs. 法人
10. Belong エンジニアリングのチーム体制 10 ©Belong Inc.
11. Belong における AI Agent の使いどころ 11 ©Belong Inc. 商品選択やサービス利用 アシスタント プリセールスアシスタント カスタマーサポートアシスタント カタログ自動収集、調達・販売の価格決定、商品差配 データ探索アシスタント、 プロダクションサポートアシスタント
12. 02 AI Agent Fundamental
13. AI Agent とは 13 AI エージェントとは、自律的に行動し、人間からの明確な指示がなくても 特定の目標を達成するために独立して行動できるアプリケーションを指す ©Belong Inc. Agents Whitepaper, Kaggle: https://www.kaggle.com/whitepaper-agents AI Agent には様々な定義があるが、アーキテクチャの区別で以下に分けられる • Workflows: あらかじめ決められた手順に従って LLM やツールを連携させるシステム • Agents: LLM が、状況に応じて何をするか、どのツールを使うかを判断し、 自律的にタスクを遂行するシステム Building effective agents, Anthropic: https://www.anthropic.com/engineering/building-effective-agents
14. AI Agent の構成要素 14 ©Belong Inc. Agents Whitepaper, Kaggle: https://www.kaggle.com/whitepaper-agents
15. Model 15 AI Agent の頭脳となる言語モデル • タスクの複雑性や目的に応じてひとつ、 もしくは複数の異なる種類を組み合わせる ©Belong Inc. Model Single Model LLM Combined Model LLM LLM LLM
16. Tools 16 Model の能力と外部世界との間のギャップを埋める • Extention ◦ 標準化された方法で外部と連携 ▪ API ▪ MCP • Function ◦ 特定のタスクを実行 ▪ 認証処理 ▪ 定型データの整形 ▪ 計算処理 ©Belong Inc. Tools を利用する場合、 Model が内包される場合もある
17. Orchestration 17 AI Agent 全体の動作を統括する「指揮者」 • Profile、Goals、Instruction ◦ プロンプトエンジニアリング ◦ Model の回答を調整 • Reasoning and Planning ◦ Agents の挙動の鍵 ◦ タスクの分解と目標設定を行う • Memory ◦ 将来の意思決定や対話に用いるための情報 ▪ Long-term: 履歴やユーザー情報など過去に利用した情報 ▪ Short-term: 現在の対話やタスク処理中のコンテキスト情報 ©Belong Inc.
18. Workflows と Agents の違い 18 Workflows: あらかじめ決められた手順に従って LLM やツールを連携させるシステム ©Belong Inc. Agents: LLM が、状況に応じて何をするか、どのツール を使うかを判断し、自律的にタスクを遂行するシ ステム
19. 03 AI Agent in Belong
20. 　▶GitHub Copilot 　▶Devin 　▶Cline 　▶Claude Code Belong でのユースケース 20 ©Belong Inc. 　▶AI チャット ・社内ドキュメント検索 + サマリ + 　引用表示 ・Shallow Research 　(Web 検索 + サマリ + 引用表示) 　▶カスタマーサポートアシスタント 　▶社内カタログマスタ情報自動拡充 　▶モデル名の名寄せ・画像からの 　　色名推定 全社員向け 特定ユースケース 開発系 （利用者として）
21. AI Agent 導入前の社内ドキュメントの利用の世界 21 ©Belong Inc.
22. 社内ドキュメントの利用性を向上する Workflows Agent 22 ©Belong Inc.
23. カスタマーサポート自動化 Workflows Agent 23 ©Belong Inc. [1] Luyu Gao, and et al. Precise Zero-Shot Dense Retrieval without Relevance Labels
24. カタログマスタ収集自動化 Workflows Agent 24 ©Belong Inc.
25. 04 Workflows vs. Agents
26. Workflows と Agents の特徴 26 ©Belong Inc. Workflows Agents 制御の主体 事前定義されたロジック、開発者 LLM 自身 自律性 低い 高い 柔軟性 低い 高い 予測可能性 高い 低い（状況による） コスト 低~中 • コンテキストの内容次第 • 作業タスク都度の LLM 利用のため Token 消費は 比較的抑えられる 高い • タスク実行毎に LLM の判断が入る • (API 利用の場合) Model の Token 消費量が大き くなる 得意なタスク 手順が明確な定型タスク • オープンエンドな問題 • 複雑で非定型なタスク オーケスト レーション 手続き的、固定的 動的、適応的、LLM の推論主導
27. Workflows vs. Agents 27 「自立型である Agents は Workflows より良い」ではない ⇨使いどころ、得意な部分を選ぶ ©Belong Inc. 状況 判断 タスク実施の価値は？ 10円以下 → Workflows 100円以上 → Agents タスクの複雑度は高いか？ No → Workflows Yes → Agents 結果の予測可能性、再現性が必要か？ No → Agents Yes → Workflows エラーが起きたときのリスクや エラー発見のためのコストは？ 高い → ヒューマンインザループ、読み取り専用 低い → Agent に任せる
28. 生成 AI Agent の成長過程とアプローチ 28 1. 手動で作業、ルールベースのプログラムで対応 ⇨次のステップへの判断 ∟繰り返し作業が必要 ∟決定的でない部分があり手間が大きい (プログラムでの記述が大変) 2. Workflows を導入 ⇨次のステップへの判断 ∟いつ何をするかを探索的に行いたい ∟作業の価値は Agents のコスト以上にある 3. Agents を導入 ⇨工夫の余地 ∟「ミスを避けたい」、「勝手に操作をしてほしくない」などの要所では　ヒューマ ンインザーループの形をとる ©Belong Inc.
29. Agents の振る舞いを決めるアプローチ 29 Orchestration の Reasoning and Planning により次タスクを決定する • ReAct ◦ 複雑な問題に対して、 モデルに中間的な思考のステップを明示的に生成させること で、最終的な回答の質を向上 • Chain-of-Thought (CoT) ◦ 複雑な問題に対して、 モデルに中間的な思考のステップを明示的に生成させること で、最終的な回答の質を向上 • Tree-of-thoughts (ToT) ◦ CoT をさらに発展させ、CoT が一本の思考を辿るのに対し、ToT は推論の過程を木構 造で表現し、複数の可能性を同時に検討 ©Belong Inc.
30. 社内情報の利用性を向上する Agents 例 30 ©Belong Inc. 探索的な部分は Agents 定型的な部分は Workflows 社内ドキュメントから 社内情報へ汎用化
31. まとめ 31 • Belong は2023年初頭 (ChatGPT 発表後) から生成AI を活用 ◦ 全社員の一般的な業務効率化支援 ◦ プロダクトとの連携やカスタマーサポートなど特定課題解決 • AI Agent の構成要素 ◦ Model: AI Agent の頭脳となる言語モデル ◦ Tools: Model の能力と外部世界との間のギャップを埋める ◦ Orchestration: AI Agent 全体の動作を統括する「指揮者」 • Workflows vs. Agents ◦ Agents が必ずしも「良い」というわけではない ◦ 課題の複雑性、価値、コスト、エラー耐性のバランス ◦ 探索的な課題には Agents、複雑度の高い定型作業の効率化には Workflows ©Belong Inc.
32. 告知 32 開発生産性 Conference 2025 (7/4 Fri.) でも登壇します！ ©Belong Inc. 開発生産性を高める先にあるのはサービスの価値の素早い最大化です。「正しいことを正しくやる」と いうチームの目標を掲げる Belong のエンジニアリングチームにとって解くべき課題の選定は重要な イシューであり、プロダクトマネージャーとエンジニアの双方で取り組んでいます。しかし、成長を続け るプロダクトにとって、取り組みたいイニシアチブは開発キャパシティ以上に生まれ選定は簡単ではあ りません。ユーザー層やプロダクトの戦略と力学が異なるサービスを抱える組織におけるイニシアチブ 管理のための取り組みをご紹介します。 B2C＆B2B＆社内向けサービスを抱える開発組織における サービス価値を最大化するイニシアチブ管理 7/4(Fri.) 午後はブースに も立っているので、 お声がけください！
33. 告知2 33 Belong Study - 生成 AI パネルディスカッション 開催します 7/18 (Fri.) 12:00~13:00 https://connpass.com/event/359127 ©Belong Inc. 第一部: エンジニアメンバーによる生成 AI の開発における活用 • 今回触れなかった開発における生成 AI の使い方、利用中のツールなどの深堀り 第二部: B2C & B2B & 社内システムのプロダクトマネージャーが生成 AI についての思いを語る • プロダクトマネージャーとしての生成 AI との向き合い方 • エンジニアに期待したいこと 各種エンジニア採用中です！ - 求人情報
34. References 05
35. 参考文献 35 AI Agent General • Julia Wiesinger, Patrick Marlow and Vladimir Vuskovic, Agents, Kaggle • Building effective agents, Anthropic • Agent Components, Prompt Engineering Guide • AI Engineer Summit 2025 Reasoning & Planning • Shunyu Yao et al., ReAct: Synergizing Reasoning and Acting in Language Models • Wei et al., Chain-of-Thought Prompting Elicits Reasoning in Large Language Models • Yao et al.,Tree of Thoughts: Deliberate Problem Solving with Large Language Models • Shinn et al., Reflexion: Language Agents with Verbal Reinforcement Learning ©Belong Inc.