Microsoft_20250311_第2回AI_IoT共創ラボ.pdf

Transcript

1. 日本マイクロソフト パートナー事業部 パートナーソリューションアーキテクト 近藤淳子 / Junko Kondo Microsoft の AI ビジネスの展望 ~Agentic World に向けた更なる生成 AI 活用~ 2025年3月11日(火) 16:10-16:30
2. 生成 AI 活用のトレンド 社内チャットボット 特定業務の代替 サービス、製品への組み込み 社内利用のチャットボットからさらに、特定用途にフィットさせるAI活用が拡大傾向 汎用的なAI 特化型AIの拡大 AI コールセンター システム開発AI支援 社内プロセスAI支援 AIナビ・自動運転応用 AI学習支援サービス 目視検査AI支援 モデルの 推論能力向上 マルチモーダル化 エージェント化 Etc..
3. Agentic World に向けて 価値 利用者 チャットボット 質問に答えることができる 「オフィスでのドレスコード は何ですか?」 利用者 単一のAIエージェント 行動を起こすことができる 「新入社員のために ノートパソコンを注文する」 人間の監督者 利用者 人事エージェント 複雑なタスクを協力して 解決できる 「月曜日までに5人の従業員を オンボーディングする」 人間の監督者 ITエージェント トレーニングエージェント 利用者 RPA 反復的なタスクを完了できる 「新入社員情報を 人事システムに入力する」 RPA ChatBot Simple RAG Single Agent Advanced RAG Multi - Agent 生成AIの導入 RAGによるデータ連携 ツールの定義と呼び出し データ連携のツール化 タスクの実行 複数のエージェントの オーケストレーション 自律的なタスク実行
4. 4 エージェントとは
5. エージェントのユースケース 状況に応じて複数のデータを参照する、複数のタスク実行やディスカッションが必要な際に有効
6. スレッド 旅行計画 シングルエージェントの処理の流れ ステップ1: エージェントの作成 ステップ2: スレッドの作成 ステップ3: エージェントの実行 ステップ5: 実行ステータスを確認 ステップ6: エージェントの応答を表示 ユーザーメッセージ ニューヨークのホテルを 2泊で予約したいです。 エージェントのメッセージ ここでは、いくつかのホテ ルを提案します。 ユーザーメッセージ 出張時の食事手当はいく らかかりますか? エージェントのメッセージ 出張の日当は、会社の方針 に従って75ドルです。 エージェント 旅行計画エージェント 指示 あなたは、従業員が出張を計画、予 約、管理するために設計された旅行 予約および経費管理アシスタントで す。 モデル ツール • Code Interpreter • Function Calling • Bing Search • Microsoft SharePoint • Microsoft Fabric • Azure Logic Apps • Azure Functions • OpenAPI 3.0 specified tools データ Azure AI Search ファイル (ローカルまたは Azure BLOB) 実行 1 1 Tripadvisor APIを使 用して最寄りのホテ ルを検索する メッセージを作成 2 実行 2 Microsoft SharePoint を使 用して会社の出張 ポリシーを照会す る メッセージを作成 2 1
7. Azure AI Agent Service Function A Function B Function D Sandbox restaurant_cost = 10000 breakfast_cost = 3000 accommodation_cost = 16000 shinkansen_one_way_cost = 14920 # 往復なので新幹線の費用は片道の2倍 shinkansen_round_trip_cost = shinkansen_one_way_cost * 2 # 合計金額の計算 total_cost = restaurant_cost + breakfast_cost + accommodation_cost + shinkansen_round_trip_cost total_cost Python env. Coding Execute 関数呼び出し Function C ? コードの生成と実行 ファイル検索 … csv py Web 検索 モデル ナレッジツール Microsoft Fabric SharePoint Bing Search Azure AI Search Licensed data Files (local or Azure Blob) アクションツール Azure Logic Apps OpenAPI 3.0 Specified Tools Azure Functions
10. マルチエージェント Cooperation VS 最終的な アウトプット 協力型エージェント 競争型エージェント 協力型エージェントは、共通の目標に向かってそれぞれ が役割を持って協力し、問題解決能力を高める。 競争型エージェントは、敵対的な役割を持つ個々が、 最適な出力を追求することに焦点を当てる。 最終的な アウトプット Cooperation マルチエージェントとは、複数の役割をもったエージェント同士が連携し、一つのタスクを行うこと
11. ① 精度の向上 • 複数のエージェントに専門性を持たせることで全 体としての精度を向上させることができます。 ② モジュール性 • 組織やチーム単位でエージェントを管理すること で、開発、テスト、および保守の効率を向上させ ることができます。 ③ 専門性 • 呼び出すツールを特定のドメイン単位で分離し、 エキスパートエージェントを作成できます。 ④ 制御性 • ツール呼び出しに依存することなく、エージェント どうしが通信する方法を明示的に制御できます。 マルチエージェントにするメリット https://langchain-ai.github.io/langgraph/concepts/multi_agent/ AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation - Microsoft Research
12. ウェルカムメール を送信します 人事マネージャー ITマネージャー トレーニング マネージャー 新入社員 ユーザー アカウン トを手動で設定し、 アクセスをプロビ ジョニングする 新入社員フォー ムを取得する 質問がある 質問への回答 事務処理を 完了する コンピュータの設 定を確認する 確認 ITプロセスの開始 不足している アプリケー ションは IT チ ケットを送信 ライセンス を取得する ために調達 に連絡 トレーニン グプロセス を開始 スケジュール の競合 トレーニング スケジュール の見直しとス ケジュール変 更 フィードバック 調査の送信 より多くのデー タを待ってから、 プロセス全体を 分析して最適化 トレーニングを 完了してもまだ 質問がある これまで ~既存のソリューションでは、明確な入力と出力を持つ特定のタスクのみを自動化~ 調査が完了 RPAは、事前定義されたルールを 使用して、完了と精度の検証を 自動化します。 RPAは、事前定義されたトレーニングモ ジュールの割り当てを自動化しますが、 ユーザーのフィードバックに基づいて調整 することはできません 初期インタラクション ドキュメント検証 アクセス & テクノロジープロビジョニング トレーニング オンボーディング フィードバックループ
13. • インタラクションに基づい てパーソナライズされたオ ンボーディングジャーニー を提供 ITエージェント トレーニング エージェント 新入社員 これからは ~ AI Agents を使用し、あらゆる手順を自動化~ 人事エージェント • ドキュメントを評価し、イン タラクションから学習します • 役割、経験、学習の好みを分析して、 トレーニングを推奨します • リアルタイムのフィードバックを収集 • パターンを特定し、情報に基づいた意 思決定を行う 適応型トレーニングを 提供 • ユーザーアカウントを設定し、予期しない 問題のトラブルシューティングに適応し、 エラーから学習します。 フォームに記入し、 質問はありません 新入社員はトレーニン グ中に質問をします。 追加のプロセス ヒューマン・イン・ザ・ループ、監督者、承認者 初期インタラクション ドキュメント検証 アクセス & テクノロジープロビジョニング トレーニング オンボーディング フィードバックループ
14. Demo: 新入社員の受け入れ準備: 利用エージェント Planner Agent, Group chat Manager, Legal Agent HR Agent, Procurement Agent, IT Support Agent
15. マルチエージェント開発に使える AI フレームワークの例 AutoGen 0.4 • Core Layer ：スケーラブルなマルチエー ジェントAIシステムを構築するためのイ ベント駆動型プログラミングフレーム ワーク • AgentChat Layer：会話型のシングルエー ジェントおよびマルチエージェントアプ リケーションを構築するためのフレーム ワーク • Extensions Layer：外部サービスまたは他 のライブラリとインターフェイスするコ アおよびAgentChatコンポーネントの実装 AutoGen — AutoGen Magentic One • AutoGen 上に構築されている • 複雑なタスクを効率的に解決するために 設計された高性能な汎用マルチエージェ ントシステム • Orchestrator と呼ばれるリードエージェ ントと、WebSurfer、FileSurfuer、 Coder、Computer Terminal と呼ばれる エージェントが存在する • Magentic-One: A Generalist Multi- Agent System for Solving Complex Tasks - Microsoft Research Tiny Troupe • 大規模言語モデルを活用し、特定の性格 、興味、目標を持つ架空の人物 （TinyPerson）をシミュレートすること ができる • microsoft/TinyTroupe: LLM-powered multiagent persona simulation for imagination enhancement and business insights. The Evolution of AI Frameworks: Understanding Microsoft's Latest Multi-Agent Systems | Microsoft Community Hub
16. Agentic World に向けて 価値 利用者 チャットボット 質問に答えることができる 「オフィスでのドレスコード は何ですか?」 利用者 単一のAIエージェント 行動を起こすことができる 「新入社員のために ノートパソコンを注文する」 人間の監督者 利用者 人事エージェント 複雑なタスクを協力して 解決できる 「月曜日までに5人の従業員を オンボーディングする」 人間の監督者 ITエージェント トレーニングエージェント 利用者 RPA 反復的なタスクを完了できる 「新入社員情報を 人事システムに入力する」 RPA ChatBot Simple RAG Single Agent Advanced RAG Multi - Agent 生成AIの導入 RAGによるデータ連携 ツールの定義と呼び出し データ連携のツール化 タスクの実行 複数のエージェントの オーケストレーション 自律的なタスク実行
17. 例のセミナーが帰ってくる！累計7万再生を突破した人気セミナーの最新版が登場！ 03/31 (月) に、Azure OpenAI Developers セミナー 2025 として、Azure OpenAI Service および Azure AI Foundry 周辺技術のアップデート情報をまとめて紹介し、最新の AI Agent の開発手法について解説をおこな うオンラインセミナーを開催致します。最新のアップデート情報をご理解いただくことで、生成 AI における Microsoft のフォーカス領域やトレンドを理解していただき、パートナー様による最新技術を活用した生成 AI ソ リューションの展開を促していくため、新機能のエントリ紹介に留まらず、デモなども含めたより深い理解 (すぐに活 用していただけるレベルの理解) を促すことを目的としています。 パートナー・コミュニティ：Azure OpenAI Developers セミナー 2025 開催日時: 03/31(月) 13:00-15:00 申し込みサイト: https://msevents.microsoft.com/event?id=1583393481 アジェンダ（予定） 13:00-13:30 LLM の歴史と進化 DeepDive 13:30-14:30 Agentic World と最新の AI Agent 開発手法 14:30-15:00 RAG に関する開発手法 スピーカー (内容についてのお問合せ): 松崎 剛、近藤 淳子、山下 真穂、又吉 佑樹、花ケ崎 伸祐 開催方式: Teams Live Event 英語翻訳字幕: あり 内容についてはレコーディングも予定しており、第1~3回の内容については、下記 YouTube にて公開しております。 https://youtube.com/playlist?list=PL1RqQ3kddIpY9GWkXPs8_LOpXy5UopELM エージェント開発をもっと知りたい方：Developers Seminar 開催します！ お申込みサイト