Slide 1

Slide 1 text

AI Agentをシステムに組み込む前にゆるく向き合ってみる ゆるAI勉強会 Sreake事業部 羽山 公平 Copyright © 3-shake, Inc. All Rights Reserved. 1

Slide 2

Slide 2 text

自己紹介 2 羽山 公平 Sreake 事業部 / SRE @hayama17 @hymaaa_k Sreake事業部・SRE 得意領域・担当 Kubernetes / SRE / Platform Engineering ひとこと / 趣味 マイケルジャクソンの映画が気になっています。 所属・経歴

Slide 3

Slide 3 text

システムにAI Agentが求められるのはなぜ? ユーザがシステムを触る手段としてAIを利用する旨みを覚えてしまったから 3 CLI ユーザがコマンドと構 文を覚えて正確に入力 GUI ユーザが画面の中から 正しいボタンやフォー ムを見つけて操作 AI (Agent) ユーザがやりたいこと を自然言語で伝える 新しいUXとしてAIが注目されてしまった …

Slide 4

Slide 4 text

とはいえ、AIエージェントってなんですか 同じ「AIエージェント」でも人によってイメージが曖昧だし、ちゃんと使い分けている のか怪しい… ● 特定機能を自然言語でよしなにやってくれるAI ○ 大きいSaaSの機能の一部だけやってくれるもの ○ 特定の機能に特化したサービス(ex. パワポ作るまん by みのるん) ● 自律的にゴールを達成するAI ○ コーディングエージェント(Claude Code、Codex) ○ AI Assistant(OpenClaw) 4 同じAIエージェント呼ばれているけど、果たして同じものなの?

Slide 5

Slide 5 text

否、同じではない Copyright © 3-shake, Inc. All Rights Reserved. 5

Slide 6

Slide 6 text

AIエージェント vs エージェント型AI Gartnerが2025年に面白い定義を記事として説いており 厳密な業界標準としてではなく、この発表では便宜上こう呼び分けます。 AIエージェント ● 特定の業務・特定の操作を代行するもの エージェント型AI ● 目的達成のためにドメインを跨いで判断・実行するもの 引用元:https://www.gartner.co.jp/ja/newsroom/press-releases/pr-20250514-ai-agent 6

Slide 7

Slide 7 text

AIエージェント vs エージェント型AI 7

Slide 8

Slide 8 text

技術要素で考えて整理する エージェントが渡す権限、責務を考えた時に同じ「AIエージェント」とはいえない ● AIエージェント ○ 権限はやるべき仕事 ○ 責務はユーザの代わりに特定の操作すること ○ AIによる副作用が見える ● エージェント型AI ○ 権限はガードレール ○ 責務はユーザの代理としてできること全てをする ○ AIによる副作用が見えない 8 とはいえ、UXとしては自然言語を通してシステムを操作することは変わらない

Slide 9

Slide 9 text

AIの立ち位置によっても違う 9 これら2つの違いはAIが業務フローのどこにいるからによると思う エージェント型AI ユーザ AI 業務 ドメイン システム AIエージェント ユーザ 業務 ドメイン AI システム ユーザの代わり として利益を最大化 ユーザの代わり として業務を担当

Slide 10

Slide 10 text

なぜエージェント型AIは業務システムに入れにくいのか そもそもSaaSやシステムとしてエージェント型AIを提供する旨みが少ない ● 操作範囲はある程度限定的にとどまる ○ 複数のサービスやツールを横断する必要性が少ない ■ エージェントに使って欲しいサービス・ツールは管理したいし… ■ 他のサービスを使って欲しくないし… ● エージェント型AIを業務システムに安全に組み込むハードルの高さ ○ AIの操作範囲が動的になりセキュリティ・プライバシーの境界が引けない ○ 副作用が分からないので、処理の成功/失敗の判定基準自体が曖昧になる ○ 推論のステップ自体も不明瞭で原因が特定しにくく改善サイクルが回らない 10

Slide 11

Slide 11 text

専門エージェントなら複雑さを閉じ込められる ● エージェント型AIを業務システムに安全に組み込むハードル ○ AIの操作範囲が動的になりセキュリティ・プライバシーの境界が引けない ■ AIの操作範囲が事前定義されており、境界が静的に引ける ○ 副作用が分からないので、処理の成功/失敗の判定基準自体が曖昧になる ■ 入出力の型が決まっているから、スキーマで機械的に判定できる ○ 推論のステップ自体も不明瞭で原因が特定しにくく改善サイクルが回らない ■ 操作が固定だから、どのステップで壊れたか特定できる 11 非決定論なLLMの問題が「何をするかわからない」ではなく「意図解釈の精度」に

Slide 12

Slide 12 text

ただ、早いところはエージェント型AIに向けて動いている 12 AIエージェントは最終形じゃなく通過点なのかなと思っていて、 実際、先行しているところは、社内の提供する業務ドメインを跨いで、ユーザの目的を 自律的に達成するエージェント型AIの提供を進めている エージェント型AIによるAIエージェントのオーケストレーション ユーザ AI 業務 ドメイン AI システム 業務 ドメイン AI システム

Slide 13

Slide 13 text

まとめ ここまでの話 ● 「AIエージェント」と「エージェント型AI」は、立ち位置・権限・責務が違う別物 ● エージェント型AIの組み込みは技術的にハードルが高く、市場的にもtoo much ● だから今は専門エージェントで良い。ただしこれは諦めではなく通過点 ● 先行勢はすでにエージェント型AIへ動き始めている これからやること ● 個別作業を代行するエージェントを、質高く作り込む ○ その積み上げが、エージェント型AI時代の基礎コンポーネントになる 13

Slide 14

Slide 14 text

14 スリーシェイク公式Note Sreake事業部 採用中ポジション情報 ご清聴ありがとうございました