記事一覧に戻る

Nicholas Fuller's avatar

人類は歴史を通じてガイドの助けを借りてきました。先史時代の文明は、太陽と月を利用して陸上や大海原の長距離航海を可能にしていました。時が経つにつれ、さまざまな旅によって、より良い計画と繰り返し訪れる目的地への迅速な移動を可能にする地図が作成されました。何世紀も後、羅針盤の登場により、海を行く人々は未知の目的地をより正確に探求できるようになりました。そして今日では、GPSナビゲーションアプリが私たちのあらゆる旅を案内しています。今日のエージェント型AIの世界では、AIエージェントが確かにスケーラブルなAI導入を可能にし、私たちが知る産業を変革する可能性を秘めています。しかし、この可能性を実現するには、インテリジェントなガイドであるエージェントロジックが必要であり、それがエージェントの高い品質、コスト効率、そして結果として得られるエンドユーザーの信頼を支えます。

エンタープライズワークフローとユースケース

数多くの研究がAIパイロットの圧倒的な失敗を指摘しており、他の研究では、スケーラブルな導入を実現するにはAIがエンタープライズワークフローの中心で動作する必要があることを強調しています。[1] [2] この現象と関連する主張をより深く理解するためには、エンタープライズワークフローの分析が必要です。これらのワークフローは以下の特徴を持ちます：

A. 動的で長時間実行される
B. 多数のAPI、データベース、サービスを備える
C. ビジネスポリシーや規制による制約を伴うことが多い

上記の特性を考慮すると、エージェントが効果的に機能するためには、当然ながら拡張されたモデルコンテキストが必要になります。最先端のフロンティアLLMは確かにこれを備えていますが、その代償は何でしょうか？幻覚の増加やトークン消費量の増大でしょうか？さらに、インテリジェントなガイド（GPS）をLLMに装備することで、エージェント型AIをワークフローの中心で実行し、より望ましい成果を導くことができるでしょうか？私たちはこれらの仮説を検証するため、上記の特性を十分に考慮して、IBMのオファリング向けに適切なエージェントロジックを備えたエージェントを設計・構築しました。これらのオファリングは、ミッションクリティカルなワークロード向けのエンタープライズソフトウェアデリバリライフサイクルのさまざまなステージを担当する専門家が直面する最も困難なタスクの一部に関連しています：

  1. レガシーコード（Cobol / PL/1）で書かれたアプリケーションの理解
  2. 開発者向けテスト生成の迅速化
  3. インシデントへのプロアクティブな対応とシフトレフトアプリの耐障害性の実現
  4. 重要環境向けコンプライアンス近代化の自動化

これらの各領域を詳しく検討する前に、エージェントロジックの特徴を定義しましょう。エージェントロジックとは、ナレッジグラフ、アルゴリズム、プログラム解析ライブラリなどのソフトウェアプリミティブであり、エージェント層（エージェントハーネス内）で動作し、意図的にLLMをエンタープライズワークフローの方向に導き、コンテキスト空間を削減することができます。これにより、よりパフォーマンスの高い成果を、よりコスト効率の高い方法で導く強い傾向があります。それでは、上記の4つの領域それぞれでエージェントロジックがどのようにこのような成果を実現できるかを検討しましょう。

  1. レガシーコード（Cobol / PL/1）で書かれたアプリケーションの理解 - プログラム解析。[3]

IBM watsonx Code assistant for Z (WCA4Z)は、AIと自動化によりメインフレームアプリケーションの開発と近代化を加速するために使用され、アプリケーション理解のためのApp Insightsエージェントを備えています。これは、IBMメインフレーム上でミッションクリティカルなワークロードを実行するエンタープライズクライアントの主要な関心領域の1つです。このエージェントはアプリケーション全体にわたる深い静的解析を活用し、複雑なセマンティクスを持つ数百の相互関連テーブルにまたがるデータベーススキーマに事前インデックス化された表現を保存します。これにより、エージェントはすでに利用可能な正確で構造化された情報を取得でき、回答精度の向上、トークン使用量の削減、言語モデル（この例ではMistral Medium 250B）とのやり取りの最小化を実現します。このアプローチを複数のミッションクリティカルなレガシーシステム（最大100万行のコードと1,000プログラム）に適用した場合、ベースラインのフロンティアLLMのみのアプローチと比較して、アプリ理解性能をわずかに上回りながら、トークン消費量を約30倍削減します。

  1. Asterによる開発者向けテスト生成の迅速化 - プログラム解析。[4], [5]

Asterは、IBM独自のプログラム解析およびデータ前処理・後処理ベースのライブラリであり、ユニットテスト、統合テスト、APIテスト、変更ベースのテストをエージェントベースで生成するために使用されます。複数の開発者コミュニティの分析によると、さまざまなオープンソースツールや開発者自身が作成したテストと比較して、より高い開発者評価を達成しています。後者の結果および、同様のオープンソースツール（統合テスト）やゼロショットLLMやコーディングエージェント（ユニットテスト）と比較した優れたラインカバレッジ、ブランチカバレッジ、メソッドカバレッジのベンチマークに基づき、オープンソースアプリケーションでテストした結果、Devstral 24Bモデルを使用して75以上のJava IBM CIOアプリケーション（最大560以上のクラスと67,000行以上のコード）でAsterをプレプロダクションモードで実行しています。現在の定常状態の結果では、ラインカバレッジ、ブランチカバレッジ、メソッドカバレッジで+20%〜45%の改善が得られ、一部のアプリケーションでは最先端のコーディングエージェントと比較して優れたパフォーマンスを発揮し、トークン消費量を桁違いに削減（最大15倍）しています。これらの結果の根拠は、LLMをプロンプトして「フォーカス」するために使用されるプログラム解析出力と、カバレッジの補完およびランタイム・コンパイルエラーの修復のためのサブエージェントが、よりパフォーマンスの高い成果と大幅なコスト削減を可能にする点にあります。

  1. インシデントへのプロアクティブな対応とシフトレフトアプリの耐障害性の実現 - ナレッジグラフ、プログラム解析ライブラリ、および調査（可観測性）駆動のオーケストレーション。[6],[7]

1および2で説明したアプリ関連のユースケースの場合、LLMコンテキストはアプリのソースコードに「制限」されますが、デプロイされたインフラ上でアプリのランタイム管理を行う場合、基盤となるITフルスタックが関与します。ここでは、エンティティ（マイクロサービス、データベース/ミドルウェアサービス、MELTなど）とドメインエキスパートからの埋め込み（「部族」）ナレッジを包含するナレッジグラフ（KG）を定義します。このようなグラフと、非決定的な結果に対するローカル境界推論へのLLMの制限により、可観測性駆動のアプローチを使用して、ITスタックおよび関連するアプリソースコード（該当する場合）にまたがるコンテキスト空間を削減し、インシデントの根本原因分析（およびその他のユースケース）を実現します。このアプローチにより、Instanaのデータモデルを活用して、独自のInstana「I3」（インテリジェントインシデント調査[8]）エージェントは、GPT-5.1を使用したReActエージェントと比較して、ITBench[9]で最大4.0倍の改善を達成しました。Gemini 3 Flashでは、ReActエージェントのパフォーマンスはI3エージェントより17%低い水準まで向上しましたが、トークン消費量は1.6倍多くなりました。このアプローチをソースコードにも拡張し、コード解析（プログラム依存グラフを活用）およびバグ修復（推論スケーリングを活用）のエージェントをITBenchでテストした結果、ソースコード解析およびバグ修復エージェント（Gemini 2.5 Flash）は、最先端のコーディングエージェントと比較して、有罪のマイクロサービス特定で3.0倍、バグ修復で1.6倍優れたパフォーマンスを発揮し、トークン消費量はそれぞれ3.7倍および5.9倍少なく抑えられました。このマルチエージェントシステムは、IBM Thinkで新たに発表されたIBM Concert Platformの一部として発表され、シフトレフトITオペレーション向けにIBM CIOでも内部パイロットが実施されています。[10]

  1. 重要環境向けITコンプライアンス近代化の自動化 - アルゴリズムおよび適応計画・オーケストレーション。[11]

エンタープライズはますます複雑で断片化されたコンプライアンス要件に直面しており、チームはコントロール、アセスメント、修復計画を手動で作成するのに considerable な時間を費やさざるを得ません。集中化されたナレッジは存在せず、修正は手動で作成されるため、エラーやセキュリティギャップのリスクが生じます。コンプライアンス業務は複雑で多段階であるため、手動作業や単純なAIプロンプトではなく、専門化されたエージェント間でのポリシー駆動の調整された自動化が必要です。当社のマルチエージェントシステムは、複雑なタスクを調整されたステップにアルゴリズム的に分解し、適応計画、動的分解、ワークフローシーケンシング、および継続的なフィードバックを使用して反復的に修正を特定し、アセスメントを拡張することでコンプライアンスを自動化します。固定計画戦略を使用した従来のエージェント（Claude 4 Sonnet）と比較して、ITBenchで測定したところ1.3〜2.0倍高いパフォーマンスを発揮します。このアプローチは、コンプライアンスを継続的にガイドされた自己修正プロセスに変革し、特に複雑なシナリオで成果を劇的に改善し、成功率を1桁台から最大+80%（Claude 4 Sonnet）に引き上げます。このマルチエージェントシステムと16,000以上のデジタル化されたコントロールマッピングは、IBM ThinkでIBM Sovereign Coreの一部として発表され、モニタリング、ドリフト検出と統合され、自動証拠生成を提供し、監査証拠が顧客の管理下に安全に留まることを保証します。[12]

上記の例は、エージェントロジックがLLMコンテキストを削減し、LLMをワークフローの中心で高パフォーマンスかつコスト効率の高い方法で導く影響を示しています。さらに、ヘルスケア領域の設定可能なジェネラリストエージェントおよびランタイム（CUGA）を使用したケーススタディと、IBM Global Real Estateの物理資産向け状態ベースメンテナンスの2つのケーススタディにも同様のアプローチを採用しています。

ドメインケーススタディ

ケーススタディ1：設定可能なジェネラリストエージェント（CUGA）ヘルスケアベンチマーク - アルゴリズムポリシー適用。[13]

以下の健康保険カスタマーケアの例は、規制された環境においてエージェント型システムがLLMのみの会話モデルを上回る理由を簡潔に示しています。CUGA（設定可能なジェネラリストエージェント）のポリシーシステムは、エージェントガバナンスのためのポリシーアズコードを実装しており、これはモデルプロンプトとは独立してランタイムで適用され、ファインチューニングを必要としません。実験では、エージェントのポリシーシステムがタスク正確性の大きなギャップを埋め、構造化されたワークフローの適用、安全なインテント処理、信頼できるツール使用、およびすべてのモデルファミリー（Claude Opus – 4.5、GPT OSS 120B、GPT – 4.1）における制御された出力フォーマットを強制し、精度の改善は15%から26%の範囲であることが示されました。権限は最小特権開示、明示的なコンプライアンスルール、および人間によるエスカレーションパスを通じて適用されます。インテリジェントなアクションは提案されますが、権限はポリシーと監督メカニズムによって行使されます。推論は自律的ですが、決定権は制約されます。CUGAはまた、IBM Think Sovereign Coreのローンチにおける主要コンポーネントでもあります。

ケーススタディ2：IBM Global Real Estate向け物理資産の状態ベースメンテナンス - 有向非巡回グラフ。[14],[15]

エンタープライズメンテナンスシステムは大量の資産データを収集しますが、それらを効果的に組み合わせることができず、専門家が断片化されたシグナルを手動で組み合わせ、統一されたエビデンスベースの洞察なしに意思決定を行うことを余儀なくされています。最近リリースされたMaximo Condition Insights[16]エージェントは、数千の資産と場所にわたる大規模な資産データ（センサー、作業指示、故障モード、およびイベント分析）を分析し、構造化された証拠と検証ループを使用して問題を確実に特定し、アクションを優先順位付けし、一貫性があり追跡可能な洞察で意思決定をサポートします。このエージェント（GPT OSS 120Bを使用）をIBM Global Real Estate（GRE）で内部パイロットした結果、資産分析時間が15〜20分から15〜30秒に短縮（97%の改善）され、資産レビューのカバレッジが約1%から約30%に増加し、120以上のサイトと6,000の物理資産に及びました。AssetOpsBenchを使用したところ、Condition Insightsエージェントは未対応の主張を57%削減し、冗長性を35%削減し、ルールコンプライアンスを30%改善し、矛盾をほぼゼロに維持し、トークン使用量を平均77%削減しつつ、診断特異性をわずかに向上させました。このエージェントは有向非巡回グラフを備えており、構造工学および運用コンテキストを提供して、ナイーブなプロンプトによる未対応の推論を削減します。一方、制約を考慮したプロンプトは、ルール遵守を著しく改善し、冗長性を削減し、全体的なトークン消費量を低下させ、安定性を損なうことなく実現します。

まとめと参考文献： 人類は何世紀にもわたりガイドの恩恵を受けてきました。ガイドは私たちの生活を簡素化し、豊かにしてきました。技術が進化するにつれ、私たちが使用するガイドも進化し、より多くのことを可能にし、世界をさらに縮小させてきました。このエージェント型AI時代の到来により、私たちが規模の経済を通じて社会をさらに向上させようとする中で、この傾向を継続し、エージェントロジックを最大限に活用してモデルコンテキストを簡素化し、エンタープライズワークフローの中心をインテリジェントに横断すべきです。そうして初めて、最適な運用コストでのスケーラブルな導入が真に実現可能となるでしょう。

[1] The GenAI Divide: STATE OF AI IN BUSINESS 2025, MIT study, https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf

[2] From AI projects to profits: How agentic AI can sustain financial returns, IBM IBV report, https://www.ibm.com/thought-leadership/institute-business-value/en-us/report/agentic-ai-profits

[3] Understand, IBM Watson Code assistant for Z, Feb 27, 2026, https://www.ibm.com/docs/en/watsonx/watsonx-code-assistant-4z/2.x?topic=understand

[4] R. Pan, R. Krishna, R. Pavuluri, et.al, ASTER: Natural and multi-language unit test generation with LLMs - IBM Research, Apr 30, 2025, https://research.ibm.com/blog/aster-llm-unit-testing

[5] R. Pan, R. Pavuluri, R. Huang, et al., SAINT: Service-level Integration Test Generation with Program Analysis and LLM-based Agents, Nov 17, 2025, https://arxiv.org/abs/2511.13305

[6] S. Jha, R. Arora, Bhavya, et al, Think Locally, Explain Globally: Graph-Guided LLM Investigations via Local Reasoning and Belief Propagation, Jan 25, 2026, https://arxiv.org/abs/2601.17915

[7] S. Cui, R. Krishna, S. Jha, et al, Agentic Structured Graph Traversal for Root Cause Analysis of Code-related Incidents in Cloud Applications, Dec 26, 2025, https://arxiv.org/html/2512.22113v1

[8] IBM Instana and Intelligent Incident Investigation agent: https://www.ibm.com/new/announcements/resolve-incidents-faster-with-ibm-instana-intelligent-incident-investigation-powered-by-agentic-ai

[9] S. Jha, R. Arora, Y. Watanabe, et al, ITBench: Evaluating AI Agents across Diverse Real-World IT Automation Tasks, Feb 7, 2025, https://arxiv.org/abs/2502.05352

[10] IBM Concert platform: https://www.ibm.com/new/announcements/from-insight-to-action-closing-the-gap-in-modern-it-operations

[11] Y. Watanabe, T. Yanagawa, H. Kitahara, A. Sailer, IT Compliance Automation with GenAI CISO Assessment Agent , DZone Tutorial, Dec. 12, 2025 https://dzone.com/articles/itbench-part-3-it-compliance-automation-with-genai

[12] IBM Sovereign Core: https://newsroom.ibm.com/2026-05-05-think-2026-ibm-makes-digital-sovereignty-operational-with-general-availability-of-ibm-sovereign-core

[13] S. Shlomov, A. Oved, S. Marreed, et al, From Benchmarks to Business Impact: Deploying IBM Generalist Agent in Enterprise Production, Dec 9, 2025, https://arxiv.org/pdf/2510.23856

[14] D. Patel, S. Lin, J. Rayfield, et al, AssetOpsBench: Benchmarking AI Agents for Task Automation in Industrial Asset Operations and Maintenance, Jun 4, 2025, https://arxiv.org/abs/2506.03828

[15] Fearghal O'Donncha, Nianjun Zhou, Natalia Martinez, et al.Evidence-Driven Reasoning for Industrial Maintenance Using Heterogeneous Data https://arxiv.org/abs/2603.08171

[16] IBM Maximo and Condition Insights agent: https://www.ibm.com/new/announcements/maximo-condition-insight