視点 / エージェントネイティブシステム
文脈なくして自動化はできない。
企業AIはなぜモデル選択だけではないのでしょうか?
AIが業務を遂行するには、情報、記録、権限、結果を同じタスクの文脈で結び付ける必要があります。
モデルはシステムの一部です。
組織の業務は、記録、判断、人、権限、例外の間で行われます。モデルだけでこの構造を表すことはできません。実用的なAIには、モデルを取り巻く情報と業務フローの設計も必要です。
文脈の出所を明確にする必要があります。
エージェントは、どの記録が最新か、どの業務ルールが有効か、どのシステムが業務上の事実を保持するかを把握する必要があります。矛盾する情報に遭遇したとき、未検証の推論を事実の記録として扱ってはなりません。
業務を定義することから始めましょう。
まずタスク、データソース、権限の範囲、完了基準を定める必要があります。この枠組みにより、実際のニーズに基づいて構成とモデルを選べます。
文脈はファイルの集まりではありません。
情報の蓄積にアクセスすることと、組織の文脈を理解することは同じではありません。同じテーマの記録も、日時、目的、権限が異なる条件で作られた可能性があります。システムは、どの情報源がどのタスクで有効かを区別する必要があります。
そのため、文脈の設計では情報の出所、鮮度、関連性、利用範囲を併せて扱います。企業の知識を業務フローから独立したアーカイブと考えるべきではありません。
例:依頼を処理するための準備。
従業員が記録更新を依頼したとき、依頼文だけでは不十分な場合があります。記録の最新状態、有効な業務ルール、操作権限、期待する結果を併せて検討する必要があります。
この概念シナリオでは、エージェントが十分な文脈を得られない場合、不足情報を作り出さず、指定された責任者や元のシステムに確認します。信頼できる業務遂行には、不確実性を見える状態に保つことが必要です。
文脈が変わるのは自然なことです。
業務記録と判断は時間とともに変化します。タスク開始時に有効な情報が、実行時には古くなっている場合があります。そのため、文脈は一度準備して終わる入力ではありません。
操作前に元の状態を確認し、操作後に結果を検証することは、同じ業務の連鎖を構成する二つの要素です。


ご相談ください