このガイダンスは、組織がより広範な AI 導入戦略の一部として AI エージェントを正常に導入するのに役立つ構造化されたフレームワークを提供します。 AI エージェントが導入する固有の考慮事項に対処します。 このシリーズでは、Microsoft Foundry と Microsoft Copilot Studio を使用してカスタム エージェントを構築するための Microsoft 365 エージェントとガイダンスについて説明します。 また、大規模な AI エージェントをサポートするための組織全体のデータ アーキテクチャを設計するための戦略も含まれています。
このガイダンスを通じて、リーダーは、(1) エージェントの計画、(2) エージェントの管理とセキュリティ保護、(3) エージェントの構築、(4) エージェントの運用という 4 つの重要な領域で実用的な分析情報を得ることができます (図 1 を参照)。
図 1.Microsoft の AI エージェント導入プロセス。
AI エージェントとは
AI エージェントは、生成型 AI モデルを使用して、システム イベント、ユーザー メッセージ、その他のエージェント メッセージなどの入力を解釈し、問題を通じて推論し、最も適切なアクションを決定する柔軟なソフトウェア プログラムです。 固定ルールに依存する従来のアプリケーションとは異なり、エージェントはリアルタイム コンテキストに基づいてワークフローを動的に調整します。 この適応性により、決定論的ソフトウェアでは不可能なあいまいさと複雑さを管理できます。 エージェントは、次の 5 つのコア コンポーネントに基づいて構築されています。
生成 AI モデル は、エージェントの推論エンジンとして機能します。 他のエージェントへのメッセージとして、または実行可能な結果として、命令を処理し、ツール呼び出しを統合し、出力を生成します。
手順では 、エージェントのスコープ、境界、および動作ガイドラインを定義します。 明確な指示により、スコープの拡大を防ぎ、エージェントがビジネスルールに準拠していることを保証します。
取得 により、正確な応答に必要な接地データとコンテキストが提供されます。 関連性の高い高品質のデータへのアクセスは、幻覚を減らし、関連性を確保するために不可欠です。
アクション は、エージェントがタスクの実行に使用する関数、API、またはシステムです。 ツールは、エージェントをパッシブな情報取得ツールからビジネス プロセスのアクティブな参加者に変換します。
メモリ には、会話の履歴と状態が格納されます。 メモリにより、対話間の継続性が確保され、エージェントは複数ターンの会話や実行時間の長いタスクを効果的に処理できます。
取得拡張生成 (RAG) との違い
標準の RAG アプリケーションは、決定論的な取得プロセスに従ってクエリに応答します。 AI エージェントは、生成モデルを使用して、各ステップで使用する知識とツールを決定します。 このアダプティブ アプローチにより、複数ステップの推論と複雑な問題解決が可能になりますが、堅牢なテストとガバナンスを必要とする非決定的な動作も導入されます。
技術的な定義については、「 エージェントとは何か 」と 「ワークフローとは」を参照してください。
AI エージェントが必要な理由
AI エージェントを採用すると、特定の組織の成果が促進されます。 これらの利点を理解することは、投資を正当化し、ユース ケースに優先順位を付けるのに役立ちます。
効率: エージェントは、反復的で価値の低いタスクを自動化します。 これにより、手動の労力と運用コストが削減され、リソースが戦略的イニシアチブに集中できるようになります。
速度: エージェントは、情報を処理し、迅速に意思決定を実行できるため、サービスの配信時間と市場の変化に対する応答性を向上させることができます。
スケーラビリティ:エージェントは変動するワークロードを処理し、この弾力性は成長と季節的な需要の急増をサポートします。
これらの利点により、運用コストの削減、顧客満足度の向上、イノベーションの高速化などの測定可能な結果が得られます。 リーダーにとって、これは AI エージェントが単なるテクノロジへの投資でないことを意味します。 彼らは成長と競争力のための戦略的なレバーです。 ビジネス上の根拠とユース ケースについては、「 AI エージェントのビジネスプラン 」を参照してください。
エージェントの種類
組織は通常、3 つのカテゴリのエージェントをデプロイします。 カテゴリごとに、異なるレベルの自律性とビジネスへの影響が提供されます。
生産性エージェント。 これらのエージェントは、意思決定を促進するために情報の取得と合成に焦点を当てています。 ナレッジ ツールを使用して、さまざまなソースからデータを取得し、ユーザーのために取得します。 この機能により、従業員の精度が向上し、カスタマー サービス サポートや内部ナレッジ管理などのシナリオで情報を検索する時間が短縮されます。
アクション エージェント。 これらのエージェントは、レコードの更新やプロセスのトリガーなど、定義されたワークフロー内で特定のタスクを実行します。 タスクを実行するために、ナレッジ ツールとアクション ツールを組み合わせて使用します。 このアプローチにより、運用が効率化され、サービス チケットの作成やシステム監視などのユース ケースでの手動データ入力エラーが軽減されます。
自動化エージェント。 これらのエージェントは、最小限の監視で複雑なマルチステップ プロセスを管理します。 ナレッジ ツールとアクション ツールに加えて、問題を実行、停止、またはエスカレートするタイミングを決定するトリガーを使用します。 この自律性により、サプライ チェーンの最適化などのシナリオでスケーラブルな自動化が可能になりますが、複雑さの増加を管理するには厳格なガバナンスが必要です。
次のステップ
AI エージェントの可能性を実現するには、導入戦略を特定のビジネス成果に合わせます。 次のセクションでは、内部および顧客向けの影響を作成し、エージェントを効果的に使用するようにチームをガイドする方法について説明します。