Title: アシストから実行へ：アーキテクチャの転換

Microsoftの2026年版「Agentic Transformation Patterns」プレイブックは、AIエージェントが単にユーザーを支援する段階から、実際に業務を実行する段階へと移行するために、どのように再構築されるべきかを詳述しています。そこには、単一の実行モード・エージェントをリリースする前のコア・インフラストラクチャ構築に、26〜60エンジニア週が必要であるという、具体的な工数の見積もりが示されています。この転換を無視する企業は、自律的に安全に動作できない脆弱なツールを構築してしまうリスクがあります。

現在、多くの企業は、メールのドラフト作成、コードスニペットの提案、データの抽出などを行う大規模言語モデル（LLM）アシスタントの実験を行っています。これらのエージェントは「アシスト」モードに留まっています。つまり、人間がすべての出力を確認し、薄いラッパー（thin wrapper）がリクエストをモデルにルーティングしてレスポンスを返すという仕組みです。このアーキテクチャは構築コストが低く迅速に導入できますが、意思決定やデータの書き込みを意図的にユーザーに委ねています。

組織がエージェントに、データベースの更新、ダウンストリーム・プロセスのトリガー、あるいはトランザクションの承認といったフルワークフローの実行を求めたとき、モデルはもはや、人間が検証するための回答を渡すだけのブラックボックスではいられなくなります。エージェントは、独自のアイデンティティ、永続的な状態（state）、および組み込みのセーフティネットを備えた、自律的なサービスとして機能しなければなりません。Microsoftは、従来の「アシストのみ」のデザインをパッチを当てるようにして実行可能なシステムにすることはできず、7つのアーキテクチャの柱にわたるゼロベースの再設計が必要であると主張しています。

実行可能なAIエージェントを実現する7つの柱

  • Authority（権限） – 「ユーザーによる委任」から、スコープ付きのアクセス権を持つ永続的なエージェント・アイデンティティへの移行。エージェントは、人間のトークンを使用せずに、ダウンストリーム・サービスに対して自身を認証できなければなりません。
  • Boundaries（境界） – 高リスクな計算において、アドホックなモデルの推論を、決定論的なコードパスに置き換えること。金融計算やコンプライアンス・チェックなど、精度が求められるものは、モデルの出力から推論するのではなく、検証済みのソフトウェア上で実行される必要があります。
  • Schemas（スキーマ） – 緩やかな型のデータ交換から、指定されたデータスチュワードが所有するカノニカル（標準的）なスキーマへの移行。これにより、エージェントがダウンストリーム・システムで処理できない不正な形式のレコードを書き込むことを防ぎます。
  • Failure Detection（障害検知） – 人間による監視を、継続的なテレメトリとビジネス成果のモニタリングに置き換えること。システムは、予期しないトランザクション量などの異常を自動的に検出し、しきい値を超えた場合にはエージェントを停止させなければなりません。
  • State（状態） – 短命なチャットセッションを、システム・オブ・レコード（記録システム）に保存される、ケース単位の永続的な状態に置き換えること。実行エージェントは、数日または数週間にわたって、以前のステップ、監査証跡、またはユーザーの好みを呼び出す必要がある場合があります。
  • Rollback（ロールバック） – 「プロンプトの再実行」を、アクションを確実に巻き戻すことができるイベントソーシングや補償トランザクションに置き換えること。エージェントがミスをした場合、プラットフォームは手動の介入なしに副作用を元に戻さなければなりません。
  • Auditability（監査可能性） – 単純なチャットのトランスクリプトから、各操作を特定のバージョンのエージェントおよびアイデンティティに紐付ける、アクションごとのログへとアップグレードすること。これにより、規制当局や内部監査人は、エージェントが「いつ」「どのポリシーに基づいて」「何をしたか」を正確に追跡できるようになります。

これらの変更は、オプションの追加機能ではありません。これらは、AI主導の自動化における新しいオペレーティングモデルを構成するものです。Microsoftは、この基盤の構築に26〜60エンジニア週を要すると見積もっています。

なぜコストが重要なのか

プレイブックは、ユーザーのワークフローを数分短縮する程度の低価値なタスクに対して、実行モードのエージェントを導入することに警鐘を鳴らしています。エンジニアリングへの投資が、わずかな生産性の向上を上回ってしまうからです。注文履行、請求審査、コンプライアンス報告など、自律的な実行が直接的なコスト削減やリスク軽減につながる、測定可能な成果を持つプロセスを対象にすべきです。

データスキーマを所有するには、組織的な権限（政治的な権限）が必要です。

反論：アシストのみで十分ではないか？

会議録の作成やナレッジベースの記事の提示といった、多くの社内サポートシナリオにおいては、人間による検証が実用的なセーフティネットとして機能し続けます。そのトレードオフは、サイクルタイムの低下と、最終決定における人間への継続的な依存です。

結論は明確です。AIエージェントを支援的な役割から自律的な役割へと移行させることは、単なる機能の切り替え（feature toggle）ではなく、アーキテクチャ全体の書き換えなのです。エンジニアリングとガバナンスの要求を過小評価する企業は、脆弱なボットをリリースしてしまうリスクがあります。