Bet AI Day 2026丨Production-Ready AI Agents — エンタープライズの実務を任せるための設計と運用

2026年9月3日に開催されたイベント「Bet AI Day 2026」における登壇資料です。

■ 概要
デモで動くエージェントと、業務を任せられるエージェントの間には、大きな隔たりがあります。それを埋めるのは、モデルの賢さだけではなく、エージェントシステムとしての無数の設計判断の積み重ねです。本セッションでは、エンタープライズの業務を AI エージェントが日々処理している Ai Workforce の本番運用を題材に、その設計の実践知と今抱えている課題を紹介します。

■ 登壇者情報
Ai Workforce事業 Tech Lead 須藤 欧佑
X: https://x.com/zoom_zoomzo

2018年、株式会社LayerXに創業期から参画し、暗号技術・プライバシー保護技術等の研究開発・プロダクト開発、データ基盤構築をリード。2024年からAi Workforce事業部に所属し、テックリードとしてプロダクト開発を牽引。

■ 関連リンク
・イベント特設サイト： https://layerx.co.jp/events/2026/bet-ai-day/
・コーポレートサイト： https://layerx.co.jp/
・X Tech 公式アカウント：https://x.com/LayerX_tech

#BetAIDay

Transcript

1. Bet AI Day 2026 AI Agents at Work Engineering / Product 14:40-15:20 Production-Ready AI Agents エンタープライズの実務を任せるための設計と運⽤ 須藤 欧佑 Osuke Sudo
2. Speaker Information 須藤 欧佑 Osuke Sudo 2018年、株式会社LayerXに創業期から参画し、 暗号技術‧プライバシー保護技術等の研究開発‧プロダクト開発、 データ基盤構築をリード。 2024年からAi Workforce事業部に所属し、 テックリードとしてプロダクト開発を牽引。
3. Agenda Chapter 1 業務を任せられるAgentとは Chapter 2 Agentをどう組み込むか Chapter 3 Agentの⾃律性をどう解放するか Chapter 4 何をAgentに任せるか Chapter 5 Agentの能⼒をどう組織で管理するか
4. Chapter 1 業務を任せられる Agentとは
9. Chapter 2 Agentをどう組み込むか
10. 02 · Agentをどう組み込むか Coding Agentをプロダクトに活⽤する 探索 ファイル操作 スクリプト実⾏ 試⾏錯誤 必要な資料を探す 中間結果を残す データを加⼯する 結果を⾒てやり直す ‧Claude CodeやCodexなど主にソフトウェア開発をするためのAgent製品 ‧Coding Agentは、最先端のAgent ‧LLM APIの直呼びだけだと、複雑な業務‧試⾏錯誤の必要な分析業務などは困難 ‧Claude Agent SDKやOpenAI Agents SDKなどでアプリケーションとして取り込み可能 ‧モデルとRuntimeの進化は、⾃前実装なしで取り込める 特定モデルの性能だけではなく、 Coding Agent の進化にBet
11. 02 · Agentをどう組み込むか アーキテクチャ Phase1 AgentをAPIサーバーに内包し、Webサービスとして提供 APIサーバー メッセージ送信 ブラウザ API Assistant SSE（進捗‧結果） Redis Streams Agent Claude Agent SDK Redis
12. アーキテクチャ Phase1の課題点 02 · Agentをどう組み込むか ✕ ファイルシステムが使えない 他のAgentとファイルシステムが共有されてしまっている ✕ Bash toolが使えない 任意スクリプト実⾏に対する隔離したファイルシステムやネットワーク制御が必要 ✕ リソース負荷 Claude Agent SDKはサブプロセスを動かすため同時実⾏数に⽐例してメモリなどの負荷 ✕ イベントループの占有し⼀定数のAgentまでしか動かせない 1イベントループでSSE配信‧Agent実⾏‧通常リクエストが直列実⾏することになり、 Agent turnが占有しうる
13. Chapter 3 Agentの⾃律性を どう解放するか
14. 03 · 自律性を解放する 専⽤サンドボックスの必要性 Agent本来の⾃律性には、隔離された専⽤の実⾏環境が必要 隔離された実⾏環境が備えるもの ファイルシステム 計算資源 ネットワーク隔離 安全なBash実⾏ 中間成果物を ⾃由に読み書き CPU‧メモリを 専有 意図しない外部接続を 遮断 スクリプト実⾏を 任せられる セキュリティ⾯だけでなく、Agentに必要最⼤限のケイパビリティを与える
15. 03 · 自律性を解放する アーキテクチャ Phase2 AgentはAPIサーバーに内包しない。独⽴した実⾏環境で動かす APIサーバー メッセージ送信 ブラウザ API Agent Sandbox Assistant SSE（進捗‧結果） Agent 専⽤の計算資源 作業⽤ファイルシステム Redis Streams Redis built-in tools （Bash‧ファイル操作） ⾮同期構成はそのまま、Agentの実⾏だけをSandboxへ切り出し 実⾏環境はマネージドな Microsoft Foundry Hosted Agent を採⽤
16. 03 · 自律性を解放する 多層ガードレールの整備 境界ごとに遮断される⾏動 論理権限 Tool‧接続先‧保存先の制御 OS‧VM分離 Agent ホストOS‧他の実⾏環境への到達 会話ごとに独⽴したVM。 他の会話やホストに届かない ✕ ✕ 許可外のTool実⾏‧ 外部通信‧ファイル操作 ✕ Tool‧接続先‧保存先は許可制。 credentialは渡さない 任された業務の範囲外のデータアクセス 権限は実⾏1回分だけ。 他の業務のデータに届かない
17. 04 · 何をAgentに任せるか Agentに⼗分な能⼒を与えた ＝ すべてをAgentに任せる？ No
18. Chapter 4 何をAgentに任せるか
19. 04 · 何をAgentに任せるか Workflowへの処理の委譲 Agentがやるべき仕事だけを、Agentに任せる Ai Workforceでは、Agentがやらなくてもいい仕事はWorkflowで処理する 精度向上 固定的な処理はプログラム処理で 速度改善 トークン消費削減 LLMの推論ではなく、 プログラム処理として回す LLM実⾏‧Agent呼び出しは 最⼩限に WorkflowはAgentを⽇常業務に溶け込ませるための鍵になる
20. 04 · 何をAgentに任せるか AgentとWorkflowの使い分け AgentとWorkflowは不確実性で分ける ⼿順が決まっている Workflow 次の⾏動が決まらない Agent
21. 04 · 何をAgentに任せるか 判断はAgent、決まった処理はWorkflowに任せる Workflow Agent APIから取得する 何を調べるか決める データを変換する ⾮構造データを解釈する 結果を通知する 結果から戦略を変える ⼿順が分かってきた部分はAgentからWorkflowへ移す
22. 起票猫 Before：決まった処理までAgentに考えさせた 04 · 何をAgentに任せるか Slack→Notion 起票Bot「起票猫」での実測 109秒 外部呼び出し（スレッド取得‧Notion作成‧Slack返信…）の前に毎回、 次に何をするかの推論が挟まる ⼀つの巨⼤な指⽰ Agentが取得‧判断‧作成‧通知を毎回計画 AIへの問い合わせは最 4回。毎回、それまでの経緯すべてを渡し直す
23. 起票猫 After：判断が必要な箇所だけLLMとAgentに残した 109秒 → 20秒 決まった処理 Workflow 意味理解 LLM 定型化できない依頼 Agent 問い合わせを4回以上→1回に 04 · 何をAgentに任せるか
24. AgentとWorkflowを⼀つの業務内で組み合わせる 04 · 何をAgentに任せるか 実⾏主体を固定せず、処理の性質で切り替える。利⽤者には⼀つの依頼として⾒せる 例：調査 — AgentがWorkflowをToolとして呼ぶ 調査を計画 Agent データ取得 Workflow 追加調査を判断 Agent 例：起票 — Workflowが判断だけAgentへ委ねる 受付‧前処理 Workflow 意味を解釈 Agent 登録‧通知 Workflow
25. Agentが再利⽤可能なWorkflowを作る 04 · 何をAgentに任せるか 実際の定義は数千⾏のYAMLファイルになり、⼿で書く前提にはできない 業務要件 構築Agent Workflow定義 構築Agentとの対話で組み上げ、ビューアーでレビュー
26. 04 · 何をAgentに任せるか アーキテクチャ Phase3 Workflowを動かす実⾏エンジン orchestrator を追加 APIサーバー ブラウザ Agent Sandbox API Agent Assistant New Redis Streams Redis orchestrator Workflowを動かす実⾏エンジン orchestratorは独⽴プロセス。Workflow途中でAgentの判断が要る箇所は、 orchestratorからSandboxのAgentへ委譲する
27. 04 · 何をAgentに任せるか ⻑時間業務はプロセスより⻑く⽣きうる 途中の実⾏状態を再開可能にし、プロセスの寿命から切り離す HTTP Request 数秒 デプロイ ▼ Agent / Workflow 障害 ▼ タイムアウト ▼ 数分〜数時間
28. 04 · 何をAgentに任せるか ⽌まった実⾏はheartbeatで検出して引き継ぐ heartbeat orchestrator A 実⾏中 orchestrator B Redis 監視 DBの状態から 引き継いで再開 定期的に⾛査 検出する⽌まり⽅ ▼ SIGTERM (デプロイ等) 停⽌フラグを⽴てて、他のインスタンスへ即引き継ぐ ▼ SIGKILL (OOM等) heartbeatの停⽌で検知する ▼ Hang フェーズごとの制限時間の超過で検知する
29. Chapter 5 Agentの能⼒を どう組織で管理するか
30. 05 · 能力を組織で管理する 組織で管理するAgent Inventory Agent定義 skills system prompt 組織管理 Agent skills tools tools Agent subagents agents model workflows workflows Agent
31. ToolがAgentの能⼒を拡張する 05 · 能力を組織で管理する ‧Toolは、インプット‧アウトプットのスキーマを定義したPythonコード ‧DBアクセス‧ストレージアクセス‧外部APIへのアクセスなどAgentと外の世界を繋ぐ
32. 05 · 能力を組織で管理する Tool Inventory：公式ツールと拡張ツール SWE FDE ユーザー管理者 開発 公式ツール 拡張ツール プロダクトがBuilt-inで提供する汎⽤ツール 業務固有のロジックを組織が登録して追加 ⽂書‧ファイル処理 Knowledge Base web検索 業務システムAPI ＋ 業務固有の前処理 業務固有の照合‧判定ロジック
33. 05 · 能力を組織で管理する アーキテクチャ Phase4 AgentからはRemote MCP Tool CallでAPIサーバーが実⾏ Workflowからはorchestratorが同じToolを直接実⾏ Remote MCP Tool Call APIサーバー ブラウザ Agent Sandbox API Assistant MCP Toolを実⾏ Agent built-in toolsのみを持つ orchestrator Redis Streams Redis Workflowを動かす実⾏エンジン Toolを実⾏ Workflow stepからも同じToolを直接実⾏ （MCPは経由しない）
34. 05 · 能力を組織で管理する Headless化 API連携により業務に組み込みやすくする Outbound Inbound ブラウザ API CLI Ai Workforce 外部システム Agent Tool Workflow 社内システム 他アプリケーション ‧API / CLIで検証を⾃動で回せる。別のアプリケーションの裏側でも、実⾏基盤として組み込める ‧外部サービスへの出⼝はToolを通るため、接続‧credential‧追跡の統制がそのまま効く
35. 05 · 能力を組織で管理する Knowledge Base Agent‧⼈間が知識として活⽤可能なwikiを育てる Data Source ファイルアップロード Ai Workforce ストレージサービス Agent DWH Workflow 業務システム 知識の蓄積 Tool Knowledge Base 知識の活⽤
36. 05 · 能力を組織で管理する まとめ 業務を任せられ、終えられるAgentに向けたAi Workforceにおける実践 ⾃律性 協働性 持続性 任せた仕事を、 ⾃分で進め切れる 業務全体を、 ⼈と終えられる 同じ品質で、 回し続けられる ‧Coding Agentの活⽤ ‧Agent Nativeな プロダクトデザイン ‧Workflowの活⽤ ‧専⽤Sandbox環境の整備 ‧Toolの仕組み ‧Agent Inbox、 参照元ハイライトなどなど ‧組織管理のAgent基盤 ‧Knowledge Base