AI Agent Everywhereを実現する上での課題
Isaka以下の記事で生成AI活用の未来を検討中。AI Agent Everywhereのような未来を想定していて、それを実演する上での課題を議論します
Isaka前処理精度
AIエージェント開発の大きなボトルネック（障壁）にデータの前処理の精度があります
生成AIの背後では画像や音声認識、検索などのロジックが走ることが多いですが、この精度が低いままでは生成AIも正しい処理ができません。これらロジックのアルゴリズムや処理のためのデータも様々な選択肢があり、精度が低い時は試行錯誤が必要です。技術的な専門性が高く、対応できる人材も限られます。AI Agent Everywhereのような未来実現における大きなボトルネックの一つだと思います
Isakaユースケースに応じたAIの組み込み
次の大きなボトルネックとして、データの破壊・流出やハルシネーション・精度不足のリスクがあります
まず前者について、社内DBやSaaSとエージェントを接続するとデータを壊したり流出させたりするリスクが大きくなります
後者のハルシネーション・精度不足については、生成AIが誤った回答や処理をし、賠償責任が発生したり、会社がおかしな方向に向かったりする可能性も否定できません。AIには向き不向きがあり、システムや人手と組み合わせつつ適したユースケースに適した形で組み込むことが必要です。この辺りは別途詳細に議論予定です
Isakaエージェントを正しく組める人材の不足
そしてエージェントを組める人材の不足も大きなボトルネックだと思います
色々な業務ができるエージェントを作ると精度が下がったり余計な問題を起こすリスクが高まったりすると思われます。また、エージェントが大きくなればなるほど変更・改善が難しくなるはずです。その中でマルチエージェントの区切り方や組み合わせ方を工夫する必要性があります
国内ではマルチエージェント構築の事例がまだ少なく、このような課題を解ける人材は少ないはずです。海外のOSSのコードを読み解いたり実際に使ってみたりしつつ知見を得る必要があると感じています
Isakaボトルネック解消の可能性
上記の内、前処理精度には技術的限界があります。ここでイノベーションが起こらない限りはAIエージェントの活用法は一定限定されるでしょう。その分、ユースケースや組み込み方を調整する必要があります
残りの2つのボトルネックは2、3年ぐらいで解消されると思います。本当に多くの企業がAIエージェント開発に取り組み出しており、エージェントビルダーも増えてきているためです。トライアンドエラーを経て一定の型が出来上がる中で、適したユースケースに適した形でAIエージェントを組める人材が多く出てくると思います。そして、活用法は一定限定されながらもAIエージェントがあらゆるところに作られるようになっていくのではないでしょうか