AIエージェント
文書を読み、システムを照会し、ドラフトを作り、人に確認を求めるエージェントを、実際の業務フローの中に組み込みます。
デモではなく、業務に組み込まれるエージェント
対話型のデモは1日で作れます。難しいのは、エージェントが社内システムから正確なデータを取得し、誤った回答を出さないよう境界を定め、人が結果をレビューして承認するフローまで備えることです。私たちはこの最後の段階までを成果物と考えます。
どう作るのか
- 範囲を狭く取ります。 1つの業務、1つのチームから始め、成果が見えたら広げます。
- ツールを先に定義します。 エージェントが呼び出せる照会・作成・送信のツールを明確にし、権限は最小限にします。
- 評価をコードのように管理します。 実際のケースから評価セットを作り、モデルやプロンプトを変えるたびに自動検証します。
- 人の席を残します。 確認が必要な判断は必ず人に渡るよう設計します。
導入の流れ
- 業務・システム分析。 業務の流れと、つなぐシステム、データのある場所を把握します。
- データ作業。 文書を分類して検索できるように整理し、アクセス権限を分けます。
- エージェント設計。 使うツールと権限、人が承認するポイントを決めます。
- 隔離テスト。 運用から切り離した環境で、実際の事例を使って動かします。
- 導入。 業務の流れに組み込み、結果を見ながら直していきます。
主に扱う技術
商用モデルとオープンウェイトモデル、vLLMによる自社推論サーバー(量子化、バッチ処理、マルチGPU)、Model Context Protocol(MCP)とLangGraphによるツール連携、pgvector・Qdrantのベクトル検索とリランカー、Temporalワークフローエンジンを扱います。特定のモデルやベンダーに縛られないよう、置き換え可能な構造にします。