※本記事は、AWS re:Invent 2024でのAisera社とAWSのプレゼンテーション「Aisera and AWS breaking boundaries: A dive into enterprise agentic AI (AIM274)」の内容を基に作成されています。プレゼンテーションの詳細情報は、AWS re:Inventのウェブサイト（https://go.aws/reinvent ）でご覧いただけます。本記事では、プレゼンテーションの内容を要約・構造化しております。

なお、本記事の内容はプレゼンテーションの内容を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルのプレゼンテーション動画をご覧いただくことをお勧めいたします。

本プレゼンテーションは、AWSパートナーであるAisera社によって提供されています。AWSのイベントやサービスに関する最新情報については、AWS公式チャンネル（http://bit.ly/2O3zS75 ）やイベント動画チャンネル（http://bit.ly/316g9t4 ）をご参照ください。

1. イントロダクション

1.1. 発表者と企業概要

本プレゼンテーションは、Aisera社のAI部門バイスプレジデントであるUtkarsh Contractor氏によって行われました。Contractorという珍しい姓について冒頭で触れ、和やかな雰囲気で発表が始まりました。

Aiseraは、Palo Altoを拠点とする企業で、エンタープライズ向けのエージェント型AI（Agentic AI）ソリューションを提供しています。発表時点で従業員数は300人以上に達しており、急成長を遂げているスタートアップ企業です。

特筆すべきは、創業から6年以上が経過しており、ChatGPTやその他の教師なし学習AIが登場する以前から、データ駆動型の学習アプローチを採用していた先見性です。当初からデータからの学習を重視し、人手によるアノテーション作業を最小限に抑える戦略を取っていました。具体的には、アノテーターをわずか5名に抑え、その規模を現在まで維持しています。この戦略は、後のGartnerによる新カテゴリー（ITSM向けAIアプリケーション）での高評価にもつながっています。

今回のAWS re:Inventでの登壇は、AWSのジェネレーティブAIコンピテンシープログラムのパートナーとして、また会話型AIコンピテンシープログラムのメンバーとしての立場で行われました。AWSとの強固なパートナーシップは、Aiseraの成長戦略において重要な位置を占めています。

1.2. Aiseraのコア製品紹介

Utkarsh Contractor：私たちAiseraは、エンタープライズ向けのアジェンティックAIプラットフォームを提供しています。この製品は、企業が簡単に使える、すぐに導入可能なサービスデスク体験を構築するためのソリューションです。

主力製品であるAIコパイロットは、従業員やカスタマー向けのコパイロット体験を構築できるプラットフォームです。IT、HR、財務など、様々な業務領域をカバーしており、これらについては後ほど詳しくご説明します。

もう一つの重要な製品ラインとして、エージェントアシスト製品があります。これは、サポートエージェントがチケットを解決する際に、文脈に応じた情報を提供し、より効率的に業務を遂行できるようサポートします。例えば、チケット解決を加速し、サービスデスクのサポート品質を向上させることができます。

これらの製品は、私たちの開発したアジェンティックAIプラットフォームによって実現されています。このプラットフォームには以下のスタジオ群が含まれています：

• LLMスタジオ：言語モデルの管理と最適化
• プロンプトスタジオ：効果的なプロンプトの設計と管理
• コパイロットスタジオ：コパイロット体験の構築
• エージェントスタジオ：AIエージェントの設計と管理

先進的な開発チームのために、これらの機能はAPIとしても提供されており、ネイティブな体験を構築することができます。このように、私たちは柔軟な導入オプションを提供することで、お客様のニーズに応じた最適なソリューションを実現しています。

このアプローチにより、企業は独自のAIサービスデスク体験を効率的に構築し、従業員満足度の向上とコスト削減を同時に達成することができます。

1.3. ビジネス展開の現状

私たちは現在、従業員数300人以上の規模を持つ企業に成長しており、約150社のお客様にサービスを提供しています。私たちのビジネス展開において特筆すべき点は、verticalとservicesの両面での幅広いカバレッジです。

従業員向けサービスとしては、IT、HR、財務、調達などの分野で強みを持っています。さらに、私たちのサービスはこれらの部門を越えて、企業全体のサービス提供をカバーできる体制を整えています。

AWSとの連携については、私たちは非常に誇りを持っています。私たちはAWSのジェネレーティブAIコンピテンシープログラムのパートナーであり、会話型AIコンピテンシープログラムにも参加しています。このステージでAWSとの協業について共有できることを大変嬉しく思います。

私たちの顧客基盤は、Fortune 2000企業やFortune 500のトップ25社を含む大手企業から構成されています。これらの規制の厳しい業界のお客様に対して、高度な監査性やセキュリティを備えたソリューションを提供しています。

特に成功しているのは、お客様がIT分野やHR分野から導入を開始し、その後他の組織や外部顧客向けサービスへと展開を広げていくパターンです。このような段階的な展開により、お客様は確実な価値を実現しながら、組織全体のデジタルトランスフォーメーションを進めることができています。

現在、私たちはAWSのマーケットプレイスにも参入する計画を進めており、Bedrockを通じて100以上のドメイン特化型LLMを提供することを目指しています。これにより、より多くの企業がAIを活用したサービスデスク体験を構築できるようになると期待しています。

2. 技術スタックと差別化要因

2.1. マルチクラウド対応のインフラストラクチャ

私たちの技術スタックの大きな特徴は、非常に柔軟な展開オプションを提供していることです。私たちのインフラストラクチャはマルチクラウドに対応しており、展開方法は非常に柔軟です。

具体的には、以下の3つの主要な展開オプションを提供しています：

まず、お客様のAWS VPC上に直接展開することが可能です。これにより、お客様の既存のインフラストラクチャ環境内でシームレスに統合することができます。

次に、オンプレミス環境への展開にも対応しています。これは特に、データセキュリティやコンプライアンスの要件が厳しい企業にとって重要なオプションとなっています。

そして、最も特筆すべき事例として、私たちは連邦政府のお客様向けにエアギャップ環境での展開を実現しています。これは完全に隔離された環境でのセキュアな運用を可能にするもので、最高レベルのセキュリティ要件に対応しています。このような高度なセキュリティ要件にも対応できる柔軟な展開オプションは、私たちの重要な差別化要因の一つとなっています。

これらの展開オプションにより、お客様は自社の要件やセキュリティポリシーに最適な方法でAiseraのソリューションを導入することができます。この柔軟性により、私たちは幅広い業界のお客様にサービスを提供することが可能となっています。

2.2. 独自の70億パラメータ基盤モデル

私たちは、独自の70億パラメータを持つ基盤モデルを開発しています。このモデルはLlamaベースのモデルをファインチューニングしたもので、エンタープライズ向けのユースケースに特化した改良を加えています。

私たちの差別化の一つは、お客様が独自のSLM（Special Language Models）を構築している場合、それらのサードパーティモデルを私たちのプラットフォームで利用できる柔軟性を提供していることです。これにより、お客様は既存の投資を活かしながら、私たちのプラットフォームの機能を最大限に活用することができます。

最近、私たちは企業向けのベンチマークテストを実施し、今月後半にブログで公開する予定です。このテストでは、私たちのエージェントが業界の他のフロンティアモデルと比較して、5つの重要なカテゴリーで優位性を示しました：

1. コスト効率性
2. レイテンシー（応答速度）
3. 精度
4. 安定性
5. セキュリティ

これらは、エンタープライズのお客様が本当に気にかける指標です。特に企業にとって重要なのは、「どれだけのコストがかかるのか」「どれくらい速く応答できるのか」「予測がどれだけ安定しているのか」、そして最終的に「セキュリティがどれだけ確保されているのか」という点です。

このベンチマーク結果は、Bedrockとの協業によって達成されたものであり、私たちのモデルが企業ユースケースに最適化されていることを示しています。

2.3. ドメイン特化型LLMの開発と利点

私たちの技術スタックにおける真の差別化要因は、第3層にあるドメイン特化型LLMの開発です。これらは、IT、HR、財務、小売などの特定ドメイン向けに微調整された大規模言語モデルです。

ドメイン特化型LLMを開発する最大の理由は、プロンプトエンジニアリングの負担を大幅に軽減することにあります。一般的なLLMでは、特定のドメインで適切な応答を得るために、複雑なプロンプトエンジニアリングが必要になります。しかし、私たちのドメイン特化型LLMでは、そのような複雑な調整作業は不要です。

また、ドメイン特化型モデルの重要な利点として、幻覚の制御とコンテキスト管理があります。例えば、私たちのお客様の一つは、医薬品の予測にLLMを使用していますが、このような用途では幻覚は許されません。薬の副作用や使用条件について、正確な情報のみを提供する必要があります。私たちのドメイン特化型モデルは、このような厳密な精度が要求される領域でも信頼性の高い応答を提供できます。

これらのモデルは、各ドメインの特性に応じて、適切な制約とガードレールを組み込んでいます。例えば、メールの下書きのような一般的なタスクでは、ある程度の柔軟性を許容できますが、ミッションクリティカルな業務では、より厳格な制御を適用します。

このアプローチにより、企業は各業務領域に最適化された、信頼性の高いAIソリューションを展開することができます。

2.4. タスク特化型エージェントと小規模言語モデル

私たちのプラットフォームでは、タスク特化型のエージェントを小規模言語モデル（SLM: Small Language Models）によって実現しています。これらのモデルは1億から8億パラメータ規模で、非常に効率的な設計となっています。

このアプローチの大きな利点は、レイテンシーの最適化とコスト効率の両立です。大規模な言語モデルと比較して、これらの小規模モデルは非常に軽量で、特定のタスクに最適化されているため、高速な応答が可能です。

特に、私たちはタスクエージェントを小規模言語モデルで実装することで、レイテンシーを大幅に最適化しています。これは単なるコスト削減だけではなく、ユーザー体験の向上にも直結する重要な要素です。お客様のサービスデスクでは、リアルタイムの応答性が求められますが、私たちのタスク特化型エージェントはこの要件を満たすことができています。

また、これらのモデルは、シンプルなタスクを正確に実行することができます。例えば、パスワードのリセットやPTOの申請など、明確に定義された業務タスクに対して、高い精度で処理を行うことができます。

このように、タスク特化型の小規模モデルを活用することで、コストとパフォーマンスの最適なバランスを実現し、企業のニーズに応える効率的なソリューションを提供しています。

3. ユニバーサルエージェント・オーケストレーション

3.1. ドメイン特化型エージェントの分類

私たちのユニバーサルエージェント・オーケストレーターについて、本日の基調講演でマルチエージェントコラボレーターの話がありましたが、私たちのコンセプトは少し異なります。私たちは、エンタープライズ全体の異種混合エージェントオーケストレーターを開発しています。

エージェントの分類は、主に2つの観点から考えています。1つ目は、ドメイン特化型エージェントです。これは、HR、IT、財務、調達、コンプライアンスなどのビジネス部門に対応します。CIOがジェネレーティブAIソリューションを購入する際には、これらのビジネス部門の課題解決がどのように行われるかに注目します。

各ドメインには、それぞれ特徴的なユースケースが存在します。例えば、HR部門であれば、PTO（有給休暇）、休暇取得、401k給付などがあります。IT部門では、パスワードのリセットなどの業務があります。

ドメイン間の連携は、私たちが開発した独自の推論・アーキテクチャオーケストレーションプラットフォームによって実現されています。これがドメイン間およびエージェント間のマルチエージェントコラボレーションを可能にする核心部分です。

重要な点は、各エージェントが特定のツール群にアクセスできることです。これらのツールは、実際にはServiceNow、Workday、Salesforceなどのアプリケーションです。これらのアプリケーションがアクションの実行を可能にします。たとえば、PTOを申請する場合、まずWorkdayシステムに接続してPTOの残日数を確認し、WorkdayのAPIを使用してPTOを申請するという流れを、エージェントがツールにアクセスして実行します。

このように、私たちのエージェントオーケストレーションは、ドメインレベルとタスクレベルの両方で考慮されており、それぞれのレベルで適切なツールとの連携を実現しています。

3.2. タスクレベルのエージェント構成

私たちのエージェントは、ドメインレベルの分類に加えて、タスクレベルでも特化した構成を持っています。ドメイン内には多数のユースケースがあり、これらのユースケースがドメインの機能を実現しています。

具体的なユースケースを例に挙げると、HR部門では、PTO申請プロセスがあります。このプロセスでは、まず「私のPTOの残日数はどれくらいですか？」という質問から始まります。エージェントはWorkdayシステムに接続して残日数を確認し、その情報を基にWorkdayのAPIを使用してPTO申請を行います。

IT部門の例では、パスワードリセットがあります。このタスクでは、ユーザーの認証から始まり、セキュリティポリシーに準拠した新しいパスワードの生成、そしてActive Directoryでの更新まで、一連のプロセスを自動化しています。

各タスクエージェントは、それぞれのタスクに必要なツールへのアクセス権を持っています。これらのツールは基本的にはアプリケーションであり、特定のアクションを実行するためのAPIを提供しています。エージェントはこれらのツールを使用して、ユーザーの要求を実際のアクションに変換します。

タスクの実行フローは、自然言語での要求を受け取ることから始まり、意図の理解、必要なツールの特定、アクションの実行、そして結果の確認という段階を経ます。各段階でエラーや例外が発生した場合には、適切なフォールバックメカニズムが働き、ユーザーに明確なフィードバックを提供します。

このようなタスクレベルの特化により、私たちのエージェントは高い精度で業務を遂行し、効率的なサービスデスク体験を実現しています。

3.3. 外部システム統合

私たちは、企業の基幹システムとの広範な統合を実現しています。主要な統合対象として、ServiceNow、Workday、Salesforceなどの一般的なエンタープライズシステムがあります。これらのシステムは、エージェントが使用するツールとして位置付けられています。

エージェントがこれらのシステムと連携する際、APIを通じてアクション実行を行います。例えば、ユーザーがPTOの残日数を確認したい場合、エージェントはWorkdayシステムに接続し、APIを使用してバランスを確認します。その後、必要に応じてWorkdayのAPI経由でPTOの申請を行うことができます。

私たちのプラットフォームは、すぐに利用できる100以上の統合機能を提供しています。これにより、お客様は従業員のオンボーディングなどの複雑なプロセスも簡単に実装できます。たとえば、従業員オンボーディングエージェントを導入し、Active DirectoryシステムやWorkdayシステムと接続するだけで、すぐにオンボーディングプロセスを自動化することができます。

各システムとの統合は、知識ベースへのアクセス、アクションの実行、ライブエージェントへの引き継ぎなど、様々なレベルで実装されています。データ同期は双方向で行われ、エージェントは常に最新の情報にアクセスできる状態を維持しています。

このような包括的な統合機能により、私たちのプラットフォームは企業の既存システムとシームレスに連携し、効率的な業務自動化を実現しています。なお、これらの統合機能は、私たちのセキュリティモデルに基づいて保護されており、安全なデータ交換を確保しています。

3.4. マルチエージェント連携の仕組み

私たちのプラットフォームの重要な特徴の一つは、他のエージェントシステムとのシームレスな連携です。例えば、特定のタスクに対してはQueueに引き継ぐことができ、また別のタスクはMicrosoft Copilotによって処理されるといった、柔軟な連携が可能です。

この連携は、Aiseraのラッパーを通じて実現されています。これにより、マルチコパイロット、マルチエージェントのオーケストレーションが可能になっています。例えば、あるタスクの一部はQueue、別の部分はMicrosoft Copilotというように、タスクを適切に分割して処理することができます。

エージェント間の調整は、私たちが開発した独自の推論・オーケストレーションプラットフォームによって制御されています。これにより、複数のエージェントが協調して業務を遂行する際も、一貫性のある体験を提供することができます。

この仕組みは、特に複雑な業務プロセスで威力を発揮します。例えば、ITサポートからHRの業務に関連する質問が発生した場合、適切なドメインエージェントへの引き継ぎがスムーズに行われ、ユーザーは違和感なくサービスを受けることができます。

私たちのマルチエージェント連携の特徴は、単なる機能の統合ではなく、エンタープライズ全体で一貫した体験を提供できる点にあります。これは、私たちのユニバーサルアジェンティックオーケストレーターの重要な差別化要因となっています。

4. AWSとの協業体制

4.1. インフラストラクチャレベルでの統合

私たちはAWSのスタックを、インフラストラクチャレイヤーからアプリケーションレイヤーまで、あらゆる層で活用しています。まず、コンピュート層では、モデルの事前学習と微調整のためにAWSのコンピューティングリソースを活用しています。

ストレージ層では、S3バケットやファイルストアを活用して、大規模なデータ管理を行っています。これにより、お客様のデータを安全かつ効率的に保管し、必要に応じて即座にアクセスすることが可能です。

検索機能とエンベッディングには、OpenSearchを活用しています。これにより、大規模なデータセットに対する高速な検索と、意味的な類似性に基づく検索が可能になっています。

このようなAWSのインフラストラクチャを活用することで、私たちは高いスケーラビリティと信頼性を確保しています。特に、AWS のインフラストラクチャを活用することで、お客様のニーズに応じて柔軟にリソースを調整することができ、コスト効率の高いソリューションを提供することが可能になっています。

これらのAWSサービスとの深い統合により、私たちは企業のお客様に対して、高い信頼性とパフォーマンスを備えたサービスを提供することができています。また、AWSのグローバルインフラストラクチャを活用することで、世界中のお客様にサービスを提供することも可能になっています。

4.2. アプリケーションレベルでの統合

私たちは、アプリケーションレベルでも幅広くAWSのサービスを活用しています。特に重要なのが、SageMakerを用いたモデルトレーニングです。私たちのモデルトレーニングの多くをSageMaker上で実施しており、効率的なモデル開発と展開を実現しています。

AWS Connectとの統合は、私たちのボイスボット機能において特に重要な役割を果たしています。具体的な活用例として、大手の物流・配送企業での導入事例があります。トラック運転手がリアルタイムで電話をかけ、配送に関する問い合わせや、最終配送先の住所変更などの要求を行います。これらの通話はすべてAiseraを通じて処理され、エージェントがリアルタイムでアクションを取ることができます。

私たちは、AVAYA、Genesys、NICE、Contact、8x8などの主要なライブエージェントプラットフォームとの連携も実現しています。これらの連携により、知識ベースへのアクセス、アクションのオーケストレーション、ライブエージェントへの引き継ぎなど、包括的な機能を提供しています。

さらに、私たちは約100以上の統合をすぐに利用できる状態で提供しており、企業の様々なアプリケーションやツールと連携することができます。これにより、お客様は既存のシステムを活かしながら、AIによる自動化の恩恵を受けることができます。

このように、AWSのアプリケーションサービスとの緊密な統合により、私たちは企業のお客様に対して、より包括的で効果的なソリューションを提供することができています。

4.3. Bedrockマーケットプレイス展開計画

本日発表されたマーケットプレイスの発表は、非常にエキサイティングなものでした。Bedrockが100以上のドメインをカバーするLLMをマーケットプレイスを通じて提供することになり、私たちもこのイニシアチブの一部となることを計画しています。

具体的には、私たちのドメイン特化型LLMとタスク特化型LLMをBedrockのオファリングの一部として提供する予定です。これにより、Bedrockユーザーは、ジェネレーティブAIの体験を構築する際に、これらの最適化されたドメインLLMとタスクLLMを活用することができるようになります。

実際に、私たちは今月後半にブログで公開予定ですが、エンタープライズベンチマークを実施し、私たちのエージェントが業界の他のフロンティアモデルと比較して、5つの重要なカテゴリーでリーダーシップポジションを確立していることを確認しました：

1. コスト効率性
2. レイテンシー（応答速度）
3. 精度
4. 安定性
5. セキュリティ

これらの要素は、エンタープライズのお客様が本当に重視する指標です。「どれだけコストがかかるのか」「どれくらい速く応答できるのか」「予測がどれだけ正確で安定しているのか」、そして最終的に「セキュリティがどれだけ確保されているのか」という点について、Bedrockを活用することで、優れたパフォーマンスを実現しています。

私たちは、この戦略的な取り組みにより、より多くの企業がAIを活用したサービスデスク体験を容易に構築できるようになると期待しています。

5. セキュリティと信頼性

5.1. TRAPSセキュリティモデルの実装

セキュリティは、エンタープライズAIにおける最も重要なテーマの一つです。私たちは、この製品全体を通じて、TRAPSと呼ばれるセキュリティモデルを採用しています。このモデルは、製品をアウトオブボックスソリューションとして利用する場合も、APIとして開発者が利用する場合も、常に高度なセキュリティを提供します。

セキュリティモデルの重要な要素の一つは、データセットの扱い方です。私たちが独自のドメイン特化型LLMやタスク特化型LLMを構築する際、データセットは完全にキュレーションされています。特に重要なのは、お客様のデータを一切モデルトレーニングに使用しないという点です。私たちのモデルトレーニングは、主に合成データセットを使用して行われています。

お客様のデータは、そのお客様のエコシステム内でのモデルの拡張にのみ使用され、私たちはそのデータにアクセスすることはありません。データへのアクセスは、シングルサインオン、OAuth、その他のマスキング、リダクション、匿名化などのツールを通じて厳密に制御されています。

エージェントエコシステムにおいて特に重要なのは、トレーサビリティの概念です。エージェントが行うあらゆる予測や行動は、最後の予測に至るまで追跡可能である必要があります。私たちは多くのFortune 2000企業やTop 25 Fortune 500企業といった、高度に規制された業界のお客様と取引しており、これらの企業では監査可能性が重要な要件となっています。

このような要件に対応するため、私たちは専用のAI SMUIを提供しており、お客様は組織ごとにアクセスを制限しながら、これらの情報を確認することができます。Aiseraを通じて行われるすべての会話と予測は、その予測がなぜ行われたのかという理由とともにログに記録され、デバッグ情報も含めて完全に追跡可能な形で保存されます。これにより、AIが行った決定の理由をいつでも遡って確認することができます。

この包括的なセキュリティアプローチにより、私たちは最も厳格なセキュリティ要件を持つ企業のお客様にも、安心してサービスを提供することができています。

5.2. データ暗号化とプライバシー保護

セキュリティを徹底的に重視する私たちのアプローチにおいて、データ暗号化とプライバシー保護は最も重要な要素の一つです。私たちは、AWSが提供する様々な暗号化メカニズムを活用して、データを保管時および転送時の両方の状態で完全に暗号化しています。

特筆すべきは、私たちの顧客データ保護に対する厳格な方針です。私たちがドメイン特化型やタスク特化型のLLMを構築する際に使用するデータセットは、完全にキュレーションされています。最も重要な点として、私たちは決してお客様のデータをモデルのトレーニングに使用することはありません。モデルトレーニングのほとんどは合成データセットを使用して行われ、お客様のデータは、そのお客様のエコシステム内でのモデル強化にのみ使用されます。

プライバシー保護は私たちの最優先事項の一つです。私たちは展開オプションを通じて、連邦政府のお客様がオンプレミスやVPCの背後にシステムを展開できるようにしています。これにより、データがAIに移動するのではなく、AIがデータの場所に移動する形を実現しています。

また、アクセス制御の面でも、シングルサインオン、OAuth、その他のマスキング、リダクション、匿名化などのツールを提供しており、お客様のデータへのアクセスを厳密に制御することができます。これらの機能により、高度に規制された産業分野のお客様でも、安心して私たちのソリューションを利用することができています。

5.3. トレーサビリティと監査機能

エージェントエコシステムにおいて、トレーサビリティは非常に重要な要素です。私たちのシステムでは、エージェントが行うあらゆる行動や予測を、最後の予測に至るまで追跡可能にしています。これは、Fortune 2000企業やFortune 500のトップ25社など、高度に規制された産業のお客様にとって特に重要な要件となっています。

私たちは、専用のAI SMUIを提供しており、お客様は組織単位でアクセスを制限しながら、これらの監査情報を確認することができます。Aiseraを通じて行われるすべての会話と予測は、その予測がなぜ行われたのかという理由とともにログに記録されます。これには、デバッグ情報も含まれており、AIが行った決定の理由をいつでも遡って確認することができます。

監査ログの実装は、単なるログ記録以上の機能を提供します。私たちのシステムは、AIの予測がどのような根拠に基づいて行われたのか、どのデータが参照されたのか、どのような判断プロセスを経たのかを詳細に記録します。これにより、AIの意思決定プロセスの完全な透明性を確保しています。

このような包括的なトレーサビリティと監査機能により、規制要件への対応だけでなく、システムの継続的な改善や、AIの決定に対する説明責任の確保も実現しています。お客様は、これらの機能を活用することで、コンプライアンス要件を満たしながら、AIシステムの信頼性を確保することができています。

5.4. オンプレミス/VPC展開オプション

私たちのプラットフォームの展開オプションは、お客様のニーズに応じて非常に柔軟に設計されています。まず、お客様のAWS VPC上に直接展開することができます。これにより、お客様の既存のインフラストラクチャ環境内でシームレスな統合が可能です。

オンプレミスでの展開も完全にサポートしています。これは特に、データセキュリティやコンプライアンスの要件が厳しい企業にとって重要なオプションとなっています。私たちの連邦政府のお客様は、エアギャップ環境で私たちのソリューションを展開しており、これは最高レベルのセキュリティ要件に対応できることを示しています。

データローカライゼーションに関して、私たちは重要な原則を持っています。それは「データがAIに移動するのではなく、AIがデータの場所に移動する」というアプローチです。このアプローチにより、お客様は自社のセキュリティ境界内でデータを保持したまま、AIの機能を活用することができます。

セキュリティ要件への対応として、私たちは包括的なアプローチを取っています。展開環境に関係なく、TRAPSセキュリティモデルを適用し、データの暗号化、アクセス制御、監査ログなどの機能を提供します。これらの機能は、Fortune 2000企業やFortune 500のトップ25社など、高度に規制された産業のお客様のニーズを満たすように設計されています。

このように、私たちの展開オプションは、セキュリティとコンプライアンスの要件を満たしながら、お客様のビジネスニーズに柔軟に対応できるように設計されています。

6. 実践事例：Dave Banking

6.1. 導入背景と課題

Dave Bankingは、モバイルバンキングアプリを提供するネオバンク企業です。彼らの主要なビジネスはマイクロレンディングで、数年前に私たちのソリューションを採用しました。

Dave Bankingは急速な成長期にありました。数十万人のユーザーがモバイルアプリを利用しており、その中でAIベースのサポートをモバイルアプリ内に組み込む必要性に直面していました。この要件は、単なる質問応答だけでなく、顧客向けのアクション実行も含まれていました。

彼らが直面していた主な課題は以下の3つでした。まず、非常に高いサポート要求のボリュームがあり、人的リソースだけでは対応が困難になっていました。次に、自動化のレベルが限定的で、多くの作業が手動で行われていました。そして、知識ベースが構造化されていなかったため、効率的な情報活用ができていませんでした。

これらの課題により、サポートコストが急速に増加していました。また、顧客満足度の維持も課題となっていました。特に、モバイルアプリのユーザーは即時の応答を期待しており、従来の人的サポート体制では、この期待に応えることが困難になっていました。このような背景から、彼らは効率的かつスケーラブルなAIソリューションを必要としていました。

6.2. ソリューション実装の詳細

Dave Bankingの課題に対して、私たちは包括的なソリューションを実装しました。まず、APIを通じて彼らのモバイルアプリケーションに私たちのソリューションを統合しました。これにより、ユーザーはモバイルアプリ内で直接AIベースのサポートにアクセスできるようになりました。

ドキュメント分析の面では、彼らのウェブサイトやプライベートクラウドに存在する文書を分析し、知識ベースとして活用できるようにしました。これにより、既存の情報資産を効果的に活用し、質問応答の精度を向上させることができました。

API連携による機能実装では、以下のような主要な機能を実現しました：

• 残高照会や送金などの基本的な銀行取引
• 直接預金の確認
• ローン申請のプロセス
• 自動化されたケース管理

これらの機能は、すべてAPIを通じて彼らの基幹システムと連携し、リアルタイムで実行できるようになっています。特に重要なのは、これらの機能がモバイルアプリのネイティブな体験の一部として提供されていることです。

この実装により、Dave Bankingは顧客サポートの自動化を実現しただけでなく、ユーザー体験の向上にも成功しました。また、APIベースのアプローチにより、将来的な機能拡張にも柔軟に対応できる基盤を構築することができました。

6.3. 導入効果と成果

Dave Bankingでの導入は大きな成功を収めました。まず、チケット解決においては高い効率化を実現しました。AIによる自動化により、多くの問い合わせがリアルタイムで解決されるようになり、人的サポートへの依存度が大幅に低減しました。

サポートエージェントの生産性も著しく向上しました。特筆すべき点は、エージェントたちが定型的な問い合わせから解放され、より複雑で高度なレベル3、レベル4のサポート業務に注力できるようになったことです。これは単なる効率化だけでなく、サポート品質の全体的な向上にもつながりました。

また、チケット解決率の向上は、サポートコストの大幅な削減をもたらしました。自動化による効率化と、人的リソースの最適な再配置により、コスト効率の高いサポート体制を実現することができました。

さらに重要な点として、エージェントの体験と生産性も大きく向上しました。これは、私たちが一貫して目にしている成果であり、多くのお客様で同様の効果が確認されています。単なるコスト削減だけでなく、エージェントの満足度向上にも貢献できたことは、私たちにとって大きな成果です。

このように、Dave Bankingの事例は、私たちのソリューションが技術的な革新だけでなく、実際のビジネス価値の創出にも貢献できることを示す好例となっています。

7. 市場での評価と実績

7.1. Gartnerによる業界カテゴリー創設

私たちの会社にとって、非常に謙虚に感じる瞬間がありました。私たちが創業した当時、ChatGPTもなく、教師なしAIもありませんでした。私たちは、データから学習する企業を作るという賭けに出ました。当時、人間のアノテーターを多数雇用するのではなく、データから直接学習するというアプローチを選択したのです。

私たちは当時わずか5人のアノテーターしかおらず、現在でもその規模を維持しています。このアプローチの成功を示す重要な出来事として、Gartnerが私たちのために新しいカテゴリー、「ITSM向けAIアプリケーション」を創設し、その分野で私たちを他社より上位に位置づけてくれたことがありました。

続いて、ForresterやIDCなどの分析企業からも高い評価を得ることができました。これらの評価は、私たちのお客様の声を反映したものであり、アナリストたちが私たちの取り組みをどのように評価しているかを示すものです。

私たちが選択した、少数のアノテーターでデータ駆動型の学習を行うというアプローチは、当時としては大きな賭けでしたが、結果としてGartnerによる新カテゴリーの創設という形で市場からの認知を得ることができました。これは、私たちの技術的なアプローチの正当性を示すものであり、同時に、お客様のニーズに対する深い理解があったことの証明でもあります。

7.2. 顧客導入実績と効果測定

私たちは現在、約150社のお客様にサービスを提供しており、その多くはFortune 2000企業やFortune 500のトップ25社といった大手企業です。お客様の業界は多岐にわたり、それぞれが異なる課題を抱えていますが、共通して高い効果を実現しています。

私たちが取り組んできた多くのお客様で、高い自動解決率を達成しています。平均的なお客様の場合、チケットの大部分を自動的に解決することができており、これはサポートコストの大幅な削減につながっています。

導入による効果は、単なるコスト削減にとどまりません。私たちのお客様の多くは、エージェントの生産性向上も実現しています。例えば、エージェントがより高度な問題解決に集中できるようになり、サービス品質の全体的な向上につながっています。

私たちは、お客様の成功を非常に重視しています。実際、私たちはお客様と共に成長し、彼らのAIトランスフォーメーションの旅を支援しています。多くのお客様は、ITやHR部門から導入を開始し、その後、他の組織や外部顧客向けサービスへと展開を広げています。このような段階的なアプローチにより、確実な価値実現とスケールアップを実現しています。

私たちの導入実績と効果測定の結果は、私たちのアプローチの有効性を示すものであり、今後もさらに多くのお客様に価値を提供できると考えています。

7.3. 導入までの所要期間

AIソリューションの導入において、多くの場合、価値実現までに年単位の時間を要することがありますが、私たちの導入アプローチは異なります。私たちのお客様の多くは、導入から3-6ヶ月という短期間で初期の価値を実現しています。

この短期間での価値実現が可能な理由は、私たちの最適化された導入プロセスにあります。お客様は通常、IT部門やHR部門など、特定の部門から導入を開始し、そこで成功を確認した後、他の組織や外部顧客向けサービスへと展開を広げていきます。この段階的なアプローチにより、リスクを最小限に抑えながら、確実な価値実現が可能となっています。

成功の重要な要因として、私たちの準備済みの統合機能があります。例えば、従業員のオンボーディングのようなユースケースでは、従業員オンボーディングエージェントを導入し、Active DirectoryシステムやWorkdayシステムとの接続を行うだけで、すぐに自動化を開始することができます。このような即座に利用可能な統合機能により、導入期間を大幅に短縮することができています。

また、私たちはお客様との緊密な協力関係を重視しています。お客様の成功は私たちの成功であり、価値実現までの道のりを共に歩むパートナーとしての役割を果たしています。これにより、お客様は短期間で具体的な成果を得ることができ、その成果を基に更なる展開を検討することができています。

8. デモンストレーション

8.1. ITサポート自動化の実例

私たちのデモでは、ITサポートの自動化について具体的な例をお見せしたいと思います。ユーザーがコンピュータに関する漠然とした要求を行った場合、私たちのAIエージェントはまず、そのユーザーの名前で登録されているデバイスを探索します。ユーザーは手動でデバイス情報を入力する必要がなく、単に該当するデバイスを選択するだけで済みます。

問題診断プロセスでは、AiseraのアジェンティックなAI推論とオーケストレーションアーキテクチャを活用して、デバイスの問題を特定します。エージェントは自動的にデバイスの状態を確認し、考えられる問題点を見つけ出します。

その後、エージェントはデバイスの修復に必要な具体的なオプションを提示します。ユーザーは、提示されたオプションから選択するか、自由形式の会話で応答することができます。エージェントは、これまでの文脈を考慮しながら、関連する情報を様々なデータソースから収集し、ユーザーに合わせたパーソナライズされた回答を提供します。

特に重要な点として、エージェントは会話の文脈を記憶しており、以前に生成された情報を参照しながら、一貫性のある応答を提供し続けることができます。これにより、ユーザーは自然な対話の流れの中で問題を解決することができます。

このデモでは、私たちのエージェントが、単なる質問応答システムではなく、実際のITサポート業務を自動化できる高度なシステムであることを示しています。

8.2. HR関連タスクの処理例

私たちのデモの次の部分では、HR関連タスクの自動化の例として、住所変更プロセスを紹介します。このプロセスでは、ユーザーが住所変更を要求した時に、ユニバーサルアジェンティックAIコパイロットがHR特化型のAIエージェントにリクエストをルーティングします。

このHRエージェントは、Workdayシステムと直接連携し、ユーザーのプロファイル情報を取得します。エージェントは、新しい住所情報を入力するようユーザーに促し、入力された情報をWorkdayシステムで更新します。このプロセス全体は、単一のインターフェースで完結します。

重要な点は、このプロセスにおいてユーザー確認が適切に実装されていることです。住所変更のような重要な情報の更新では、変更内容の確認が必要不可欠です。エージェントは変更内容をユーザーに明確に表示し、確認を取ってから最終的な更新を行います。

このデモは、以前のITサポートの例から自然に続くものであり、私たちのプラットフォームが異なる部門の業務をシームレスに処理できることを示しています。ユーザーは、異なるシステムやプロセスを意識することなく、自然な会話の流れの中で必要なタスクを完了することができます。

8.3. マルチドメイン連携の実演

このデモの最後の部分では、私たちのプラットフォームがドメインを横断してシームレスに機能することを示しています。例えば、ユーザーがITサポートに関する質問から始めて、その後HRに関連する質問に移行する場合でも、異なる部門のポータルに切り替える必要はありません。

私たちのユニバーサルアジェンティックAIコパイロットは、会話の文脈を完全に維持したまま、適切なドメイン特化型エージェントにリクエストをルーティングします。例えば、コンピュータの問題に関する会話から住所変更の要求に移行する場合でも、ユーザーは同じインターフェースで継続して対話を行うことができます。

会話のコンテキストは常に保持され、以前に生成された情報を参照しながら、新しい要求に対応することができます。これは単なるドメイン間の切り替えではなく、意味のある文脈を保持した真のマルチドメインサポートを実現しています。

このようなシームレスな体験は、私たちのプラットフォームの重要な特徴です。従来のように複数のシステムを行き来する必要がなく、単一のインターフェースで企業全体のサービスにアクセスできることは、ユーザー体験を大きく向上させます。ユーザーは、バックグラウンドで複雑なオーケストレーションが行われていることを意識することなく、自然な対話の中で必要なタスクを完了することができます。

9. 今後の展望

9.1. ビジネスケース重視のアプローチ

最後の重要なポイントとして、私は皆様に一つのメッセージをお伝えしたいと思います。マルチエージェントやエージェントについて多くの話を聞くことになると思いますが、最終的に最も重要なのは、実際のビジネスケースに対する価値提供です。エンタープライズAIソリューションを選択する際、CIOの方々は各ビジネス部門の課題解決能力を重視します。

私たちは、実装方法ではなく、実際のユーザー体験とビジネス価値を重視しています。技術的な実装がどのように行われるかは一つの側面に過ぎず、本当に重要なのは、従業員や顧客が実際に得られる体験の質です。

このアプローチを実践するため、私たちは常にユースケースベースの開発方針を採用しています。例えば、従業員オンボーディングのような具体的なユースケースに対して、すぐに利用可能な統合機能を提供することで、お客様は短期間で価値を実現することができます。

このように、私たちは技術自体ではなく、その技術がどのようにビジネス価値を創出するかに焦点を当てています。これは単なる技術革新の話ではなく、実際のビジネス変革を実現するための取り組みなのです。お客様のニーズを深く理解し、それに応える具体的なソリューションを提供することが、私たちの最優先事項です。

9.2. 顧客体験の重要性

最後に、私たちは常に実際の体験を提供する側に立って考えています。つまり、私の従業員はどのような体験を得ているのか、私の顧客はどのような体験を得ているのかということです。

私たちは、Dave Bankingやその他の多くのお客様との協業を通じて、優れた顧客体験を提供することの重要性を実感してきました。技術的な革新は重要ですが、それはあくまでも手段であり、目的は従業員と顧客の体験を向上させることです。

私たちは、お客様との協業を通じて継続的な改善を行っています。例えば、ITサポートの分野では、エージェントたちがより高度な業務に集中できるようになり、結果として全体的なサービス品質が向上しています。また、HR分野では、従業員がシームレスに各種手続きを行えるようになり、業務効率が大幅に改善されています。

最後に重要なのは、ジェネレーティブAIソリューションやエージェンティックソリューションを選択する際には、実際のユースケースと、それがもたらす具体的な体験の改善に焦点を当てることです。その体験がどのように届けられるかは一つの側面に過ぎず、企業が本当に気にかけるのは、従業員や顧客が実際に得られる体験の質なのです。