AI エージェントは、SaaS イノベーションの基盤として急速に普及しており、企業や個人がより少ない労力でより多くの成果を上げることを可能にしています。彼らは、ニーズを予測し、文脈に応じた支援を提供し、日常のワークフローにスムーズに統合されることで、人間とテクノロジーのより深い連携を促進します。エージェント型 AI 体験は、ユーザーのワークフローを理解し、パーソナライゼーションとタスクの拡張を組み合わせたインテリジェントエージェントとのシームレスな協業を可能にします。
過去 20 年間の SaaS は、マネージャーに運用レポートを提供するために人間の入力が必要でしたが、これからの 10 年は、エンドユーザーの声に耳を傾け、そのために働くアプリケーションへと移行していくでしょう。2010 年代のボットブームのように、自然言語理解モデルの進化を背景に、大規模言語モデル（LLM）を基盤とした AI エージェントは、ソフトウェアのユーザー体験を再定義する独自の機会を提供します。
AI エージェントとは何か？
AI エージェントは、特定のスキルセットを持つ従業員のように機能します。特に価値があるのは、チームのように複数のエージェントを作成し、複雑なタスクを小さなコンポーネントに分解して対処できる点です。各エージェントは、適切な順序でコンポーネントを独立して処理し、他のエージェントの専門知識を活用してタスクを完全に完了させることができます。AI エージェントの規模、複雑さ、そして何よりその有用性は、そのアプリケーションに新たな可能性をもたらしてきています。
Andrew Ng 氏が指摘するように：
「現在、私たちは主に LLM をゼロショットモードで使用しています…これは、誰かにエッセイを最初から最後まで作成させるようなものです…しかし、エージェントワークフローを使用すれば、LLM に文書を何度も反復処理させることができます。例えば、次のような手順の連鎖が必要になるかもしれません：アウトラインを計画する、追加の情報収集のために必要なウェブ検索を決定する、最初のドラフトを執筆する、最初のドラフトを読み返し、根拠のない主張や不要な情報を特定する、特定された弱点を考慮してドラフトを修正する、など… この反復プロセスは、人間が良質なテキストを書く上で不可欠です。AI の場合、このような反復ワークフローは、単一のパスで書くよりもはるかに良い結果を生むのです。
Andrew 氏の研究に基づいて、私は、私たちの知的作業やチームコラボレーションの多くは AI エージェントによって補完されるようになるだろうと考えています。DevRev では、AI エージェントが利用できる個別のスキルセットをカスタマイズするためのプラットフォーム「 AgentOS 」を開発し、この仮説を実現しています。スキルとは、AI エージェントが実行するように訓練された特定の機能と、データ認証ポリシーを定義したものです。これらのスキルにより、エージェントはデータ生成、データ分析、意味検索、多段階のワークフローなどの特定のタスクを実行することができます。各スキルは、より大きな問題のある特定の側面に対処するため、AI エージェントは、目標の達成を支援するために、単独で、あるいは他のエージェントと協調してタスクを実行することができます。
要約すると、AI エージェントは大規模言語モデル（LLM）を基盤として、さまざまなタスクを自律的に処理します。ChatGPT のような LLM に手動でプロンプトを入力する代わりに、エージェントをトレーニングして一連のアクションを実行させ、特定の順序で複数のタスクを実行し、問題を解決できるようにします。
AI エージェントのパワーアップ
AI エージェントが複雑なタスクを実行する能力を劇的に変革するならば、AI エージェントが優れた成果を上げるための基盤となる要素は何でしょうか？エージェントの作成という観点から考えると、エージェントの能力を定義するためのツールは数多く存在します。ウェブ検索、要約、文書の大綱作成といったグローバルなタスクの場合、これらのツールはほぼ同様のものとなるでしょう。しかし、最大の成果は、彼らが日常使用するアプリケーションとシームレスに連携し、プライベートデータ上で安全に微調整できる能力から得られるでしょう。エージェントが個人アシスタントとして機能するか、特定の分野（例：シニア PM、開発者、サポートエンジニア）における上級従業員として機能するかに関わらず、AI エージェントの成功した実装にはネイティブプラットフォーム統合が不可欠です。エージェントは、API、データ、ワークフロー、実行するアクションが中央集約化されている場合、より迅速に動作し、文脈に沿った回答を生成し、関連性をより高い精度で理解できます。これは複雑な問題です。現代のコンピューティング企業は通常、薄いサービスを提供していますが、レガシーエンタープライズアプリケーションには、エージェントを導くために必要なビジネス固有のデータとプロセスが大部分含まれているからです。
AgentOS：エージェントの導入を効率化
現代のコンピューティングとレガシープラットフォームを橋渡しするため、DevRev は AgentOS を開発し、人間とエージェントを単一のシステム上で連携させることを可能にしました。エージェントは、多様なタスクを効率的に実行するために必要なデータとツールを装備しており、人間は現代的なアプリケーションインターフェースを通じて、エージェントのスキルを簡単に定義し、リアルタイムで協業することが可能です。30 を超える統合機能を備えた AgentOS は、多様なデータを知識グラフにインデックス化し、あなたの業務と製品・顧客との関係を結びつけます。これには、情報検索をサポートするセマンティック検索、リアルタイム自動化を推進するサーバーレスワークフローエンジン、AI エージェントがデータをクエリし結合してさらに分析するためのブラウザ内分析エンジンが組み合わされています。
エージェントの性能は、提供されるコンテキストの質に依存します。業界全体が CRM プラットフォームとの「シームレスな統合」を提供するために、実行時にデータを取得するアプローチを採用しているのに対し、当社は異なるアプローチを採用しています。具体的には、すべてのシステムからイベントを継続的に同期し、初期設定時にインデックス化を行っています。さらに、レガシーシステムと新しい現代的な人間 + AI アプリケーションの間でインデックス化されたデータが常に最新状態を維持されるよう、双方向の同期を維持しています。
仕事の場における AI エージェント
この点がなぜ重要なのか、具体的な例を見てみましょう。現在、内部のコンテンツ、会話、会議、外部文書などには、エンジニアリング、製品、営業チームに共有する必要がある製品に関する情報が大量に含まれています。チームはこれらの情報を整理して検索しやすくするかもしれませんし、適切に構築されたフェデレーテッド検索機能があれば、複数のチャネルを横断して検索する機能を提供できるかもしれません。しかし、情報を取得すること自体が実際のタスクではありません。例えば、カスタマーサクセス担当者は、過去の情報を統合し、現在の関連性を理解し、新しい製品情報を顧客に提示する際に過去のアカウントプランを参照し、会社が承認した方法で適切な情報を顧客に提示していることを確認する必要があります。AI エージェントを使用すれば、これらのタスクを統合し、特定の役割のアクセス権限を理解し、情報を収集し、時間に基づいて関連性を計算することができます。さらに、企業の内部ポリシーに準拠した形で顧客に情報を提示するための適切な外部資料を作成することも可能です。
別の例として、インシデント管理とバグの解決があります。 AI エージェントは、問題の反応的または予防的な検出と是正を担当します。検出の最初のタスクは、シグナルをインシデントに変換するか、既存のインシデントと関連付けることで重複を回避することです。エージェントは、Datadog のログ、ユーザーセッション、PagerDuty のアラートなどからのシグナルを監視します。インシデントの是正の場合、エージェントはプルリクエストを作成し、適切なチームメンバーをメンションし、過去の履歴を呼び出し、進捗を要約し、顧客全体でのインシデントの影響範囲を分析して深刻度を判断し、顧客への通知を決定します。
これらのタスクは煩雑で反復的なため、AI エージェントが処理するのに適しており、数多くの時間を節約しつつ、組織全体で新たな収益やコスト削減につながる真のビジネス成果を実現します。
AI エージェントが顧客エクスペリエンスを向上させる
AI エージェントは、カスタマーサポートやカスタマーサクセス/成長を目的としたソフトウェアアプリケーションにおける顧客体験を再定義する可能性を秘めています。これらのエージェントは、特定の順序で一連のタスクをシームレスに実行できるため、各ステップで手動介入を必要とせずに複雑な顧客の問題を解決できます。AIエージェントを活用することで、企業はより迅速で正確かつパーソナライズされたサポートを提供でき、顧客満足度と定着率の向上につながります。さらに、これらのエージェントは成長機会を積極的に特定し、カスタマイズされた推奨事項を提供することで、顧客の成功を促進し、より深く意味のあるエンゲージメントを育むことができます。この変革的な機能は、顧客サポートオペレーションの効率性を向上させるだけでなく、企業が多様な顧客とよりパーソナライズされた方法でつながることで、より強固で持続可能な顧客関係を築くことを可能にします。
今後の展望
将来の業務エクスペリエンスは AI 統合型となり、AI エージェントが自律的に私たちの代わりに業務を遂行するようになるため、コンテキストを提供し、データ接続機能を備え、シームレスなワークフロー統合を実現するプラットフォームが必要となります。AI エージェントのスキルは、自律的に業務を遂行し、分析を行い、人間の努力を補完する能力によって定義される必要があります。成功する AI エージェントは、現代的なユーザー体験を通じて提供され、業務管理アプリケーション内での人間との協業だけでなく、直接顧客との連携も実現し、内部チームメンバーと外部顧客の両方に対して一貫した体験を保証します。
