導入は進歩の誤った尺度となっています。
あらゆる分野で、AI エージェントに関する話題は、AI エージェントを導入するかどうかから、いかに迅速に追加できるかということに移りました。
この変化の中で、現在再検討が必要な重要な前提が定着しています。エージェントをアクティブ化することと、エージェントから価値を取得することは同じではありません。
KTSL の最高技術責任者 (CTO)。
最近の調査によると、英国の組織の 88% が AI エージェントを積極的に導入していますが、ビジネスに測定可能な効果をもたらしているのは 20% のみです。
それは技術的な問題ではなく、順序の問題です。
間違ったビジネスケース
AI エージェントが初めて企業のロードマップに登場したとき、ビジネス プランはほぼ常にコスト削減を中心に構築されていました。つまり、これを自動化し、ここでスタッフを削減し、ここで経費を削減しました。しかし、このプレイブックはこれまでのエンタープライズ テクノロジーのあらゆる波から借用したものであり、初期段階のパイロットにとっては使用可能なフレームワークでした。
それ以来、試験運用から実際の運用に移行した組織は、ほとんどがそれを放棄しました。彼らにとって現在重要な利益は、運用上の問題をより迅速に解決し、これらのシステムがサービスを提供する人々のエクスペリエンスを向上させることです。コスト削減は、たとえそれが行われたとしても、目的ではなく副産物となる傾向があります。
コスト削減を目的とした導入はコストによって評価されます。その導入によって実際に解決速度が向上したり、サポート スタッフの障害に対する要求が減少したりした場合、その価値は文書化されず、さらなる投資の根拠にはならなかったでしょう。この教訓は古くからあるものですが、常に自分自身に思い出させておく必要があります。最初に目標を正しく設定すると、成功したデプロイメントを簡単に失敗のように見せかけることができます。
レイアウトのパフォーマンスが低下する理由
AI エージェントの実装のかなりの部分が期待を満たしておらず、組織のかなりの部分がさらなる投資を遅らせることで反応しました。これをテクノロジーが機能しない証拠として扱う前に、この機能の欠如の実際の原因を確認する価値があります。
私たちが目にする最も一般的な障壁は、スキルギャップ、不十分なビジネスケース定義、データ品質の問題、有能なテクノロジーパートナーの不足です。繰り返しますが、これは技術的な問題とは関係なく、準備と実行に関係しています。
実際には、エージェントが、仕事をしている人たちに代わって行われるプロセスにおいて真に優れていると認識される必要があるという点で、別の問題があると私は考えています。エンジニアやオペレーターがメリットを感じなければ、効果的な導入はできません。その後、レイアウトはその実力を証明する前に消え去ってしまいます。いつものように、購入には技術的な実装と同じ注意が必要です。
成功が実際にどのようなものかを定義する
合意された成功指標を持たずにエージェントを導入した場合の結果の 1 つは、エージェントが作成された場合でも価値を実証できないことです。これは、AI エージェントがインシデントの検出、トリアージ、解決を担当することが増えている IT 管理において特に問題です。
この点では平均解決時間 (MTTR) が最も重要な指標であり、さらに綿密な調査が行われます。イベントのライフサイクルの段階は次のとおりです。
識別、
トリアージ、
絶縁、
診断、
修正する、そして
検証
これらのそれぞれは、現在のプロセスが最も遅い場所に応じて異なる重みを持ちます。インシデントを特定するのに 10 分かかるが、特定されてから解決するのに 2 分かかる組織は、診断に限界がある組織とは別の問題を抱えています。その後、実際の効率が向上するステージにエージェントを適用する必要があります。
介入を選択する前にベースラインを確立し、実際にどこで時間が失われているかを把握します。次に、具体的な削減目標を設定し、それに対して対策を講じることができます。これがなければ、成功したデプロイメントと忙しいデプロイメントを区別するのは非常に困難です。
ガバナンスのギャップ
セキュリティとガバナンスのフレームワークは、依然として、たとえソフトウェアが決定を下したとしても、人間が結果的な決定を下す環境向けに構築されています。人間の監視を制限しながら機密データにリアルタイムでアクセスして操作できる自律エージェントを導入すると、これらのフレームワークは効果がなくなります。これは、それらがどのように設計されたかについての批判ではなく、展開の範囲で生じたギャップについての説明です。
組織が最も危険にさらされている場所に注目すると、既存のフレームワークが深く組み込まれすぎて簡単に見直すことができない組織である傾向があります。レガシー アーキテクチャが制限であり、大規模な組織ではより多くの制限が課せられます。
ここでは、SaaS とシャドー IT の普及期との比較があります。どちらの場合も、テクノロジーの進歩は周囲のコントロールよりも速く、後から振り返ってみると、これらのコントロールを構築するコストよりも、これらのコントロールを確立するコストの方が高かったのです。これを考慮すると、政府は新技術の導入に対するブレーキとして機能するものではなく、長期的な効率を確保するための前提条件であることが容易にわかります。
統合の決定が遅くなるとコストがかかる
企業の IT インフラストラクチャは、テクノロジー計画が過小評価する傾向がある点で異種混合です。パブリック クラウド、プライベート ホスティング、ハイブリッド環境の組み合わせは、文書化が不十分で誰もが望むよりも変更が難しいプロセスを実行するレガシー システムの上に階層化されており、最初から意図的なアーキテクチャ的思考を必要とする状況を生み出します。この環境を考慮せずに設計されたエージェントは、遭遇すると大幅な処理が必要になります。
このプロセスでは、あまり明らかではありませんが AI が使用されています。設計サイクルの早い段階で適用すると、レガシー システムで最も摩擦が生じる場所と、統合への投資が最大の利益を生み出す場所を特定できます。ほとんどの組織は AI を導入して成果を生み出します。そもそもレイアウトを形成する意思決定の質を向上させるためにこれを使用する人はほとんどいないため、このエージェントのアプリケーションが競争上の差別化要因となっています。
継続性の問題
基本的に、AI エージェントの導入が成功した場合と失敗した場合に使用されるテクノロジーは同じです。それらを区別するのは順序です。成功の条件は、エージェントが稼働する前に設定されていました。
これらの状況には、厳密に範囲を絞ったユースケース、クリーンで適切に管理されたデータ、優先順位の統合、自律システムの存在を考慮したセキュリティ フレームワークなど、洗練さよりも規律が必要です。
じっくり考えてみる価値のある問題は、各 AI エージェントが何を改善すべきなのか、改善しているのか、改善しなかった場合 18 か月後にそのエージェントに何が起こるのかを組織が具体的に知っているかどうかです。ほとんどの組織は 3 つすべてに答えることができません。それができれば、すでに時代の一歩先を行っていることになります。
最適なIT自動化ソフトウェアをご紹介します。
この記事は以下の下で作成されました TechRadar プロの視点今日のテクノロジー業界で最も優秀な人材を紹介するチャンネルです。
ここで表明されている見解は著者の見解であり、必ずしも TechRadarPro または Future plc の見解ではありません。寄付に興味がある場合は、こちらで詳細をご覧ください: https://www.techradar.com/pro/perspectives-how-to-submit