AIエージェントオーケストレーションとは？

AIエージェントオーケストレーションとは、ビジネスシステム全体でマルチステップのタスクを完了するため、複数のAIエージェントを連携するよう調整して管理する手法です。1つのAIエージェントが要求全体をエンドツーエンドで処理するのではなく、作業は各ステップに最適なAIエージェントにルーティングされます。重要な点は、共有されたコンテキストがすべてのAIエージェントに受け継がれるため、引き継ぎのたびに進捗がリセットされることはないということです。

インテリジェントシステムの交通管制のようなものと考えてください。1つのAIエージェントが要求を分析すると、別のAIエージェントがCRMレコード内でアクションを実行し、第3のAIエージェントが何か異常が発生した場合にアラートを表示する、という具合です。オーケストレーションは、そのような移行がどのように行われ、誰が各ステップで権限を持つかを定義します。実践においては、オーケストレーションによってAIエージェントのコミュニケーション方法、アクションを実行できるタイミング、適用されるガードレールが定義されます。

AIエージェントオーケストレーションのプラットフォームは、その調整の背後にある構造を提供します。AIエージェントがデータにアクセスする方法、意思決定の記録方法、人間の介入が必要になるタイミングを管理します。この構造がなければ、自動化に逸脱や重複が発生する可能性があります。構造があることによって、マルチエージェントシステムはエンタープライズ環境内で正確性と説明責任を伴った動作をします。

大企業では、マスタープランが整った状態でAIの導入が始まることはまずありません。通常は、サービスリーダーがトリアージを迅速化したいとか、営業がパイプラインの健全性に関するシグナルの改善を求めているといったことから始まります。運用業務の担当者が手作業によるレビューを減らしたいのかもしれません。そして最初は、そのためのAIエージェントの実装は速やかに行われます。作業負荷の軽減はほぼ即座に実感できるからです。

6か月後には、6つのAIエージェントが本番環境に導入されていますが、それらをどのように組織化し、互いにコミュニケーションを取らせたらよいのか、誰にもわかりません。

ここで問いが変わります。どのAIエージェントに顧客レコードに対する権限を持たせるのかを誰が決定するのか？2つのシステムが矛盾するアクションを生成した場合はどうするのか？コンプライアンスレビューがあったときに、どのようにして意思決定を元の情報源までさかのぼって追跡するのか？

AIエージェントオーケストレーションは、こうした懸念に対処します。AIエージェント同士がどのようにやり取りするのか、どのアクションが承認を必要とするか、活動をどのように記録するかを定めます。小規模なパイロット版では、調整レイヤーは緊急性が低いように思われるかもしれません。しかしエンタープライズレベルでは、調整レイヤーはリスク管理やパフォーマンス測定の方法の一部になります。

職場での「AI」とは、現時点ではありとあらゆるものを意味しますが、組織は一般的に1つの汎用システムを導入することはありません。特定のタスク向けに設計されたAIエージェントを導入します。これはタスクベースのレベルでは効率的ですが、これもオーケストレーションが必要な理由のひとつです。

企業は、以下のような定義されたビジネスロールにAIエージェントを割り当てることが増えています。

• セールスエージェント：取引先の活動を監視し、購入シグナルにフラグを立て、パイプラインデータを更新します。
• サービスエージェント：緊急度や履歴にもとづいて、インバウンド要求をトリアージし、ケースをルーティングします。
• 調達エージェント：購入要求を確認し、契約条件に照らして検証します。
• アナリティクスエージェント：パフォーマンスの傾向を評価し、リーダーシップのためのインサイトを明らかにします。
• コンプライアンスエージェント：ポリシー違反や異常な行動がないか活動を監視します。

各AIエージェントは狭い範囲の責任に集中し、マルチエージェントオーケストレーションにより、これらのAIエージェントを個別のまま調整することができます。次のような手法が考えられます。

• タスク委任ロジック：コンテキスト、ロール、データ条件にもとづいて、適切なAIエージェントに作業を割り当てる方法。
• 優先管理：複数のAIエージェントが同じイベントに応答したときに、どのアクションを最初に行うか。
• 競合の解決：AIエージェントが競合する最新情報やレコメンデーションを提示した場合はどうなるか。
• エスカレーションパス：自動化を一時停止し、意思決定の確認または上書きのために人間のオペレーターを呼び出すタイミング。

CRM内で契約更新を行う場合を例に取りましょう。セールスエージェントが使用量の低下を検出し、アウトリーチの下書きを作成します。そのメッセージが送信される前に、その取引先について保留中のドキュメントがあるためコンプライアンスエージェントがフラグを立てます。オーケストレーションはアウトリーチをブロックし、問題をコンプライアンスレビュー担当者にルーティングし、その取引先に関連付けられた一連のアクションを記録します。ドキュメントがクリアされると、セールスワークフローが再開されます。

新規顧客のオンボーディングのように一見シンプルに思えるものでも、通常は複数のシステムやチェックポイントにまたがっています。そこで、タスクの分解がオーケストレーションの一部になります。

AIエージェントのオーケストレーションは、より大きな目標を定義されたアクションに分割することから始まります。1つのAIエージェントに「オンボーディングの処理」を依頼するのではなく、ワークフローはより意図的に割り当てることができる小さなタスクに分割されます。

たとえばオンボーディングには、CRM内のアカウントデータの検証、ドキュメントシステムを介した契約の生成、バックエンドアプリケーションでのアクセスのプロビジョニングなどが含まれます。これらのステップをそれぞれ明確な範囲が設定された個別のAIエージェントに担当させることができます。

オーケストレーションは、これらのステップのつながりを管理します。アクションによっては順番に実行しなければならないものと、同時に実行できるものもあります。システムが進捗状況を追跡し、下流のステップは前提条件が満たされた場合にのみ有効になります。この状態管理によって、必要な承認の省略や作業の重複が発生することなく業務が進行します。

また、AIエージェントが単一のアプリケーションで動作することはほとんどありません。多くの場合、企業の業務はいくつものプラットフォームにまたがっているため、オーケストレーションはAIエージェントがプラットフォーム間を移動する際にも重要な役割を果たします。

• CRMシステム：AIエージェントは、商談データを更新したり、アクティビティをログに記録したり、顧客の行動にもとづいてフォローアップアクションを動的に実施したりします。
• ERPプラットフォーム：調達エージェントは、承認を進める前に注文書を検証したり、予算配分を確認したりします。
• コラボレーションツール：通知は共有ワークスペースに表示されるため、取引先の担当者やマネージャーは状況に応じて変更を確認できます。
• ナレッジシステム：AIエージェントは、レコメンデーションを生成する前に社内ポリシーやドキュメントを参照します。

オーケストレーションは次のような仕組みでこれらを連携させます。

成約に近づいている大口案件があるとします。セールスエージェントがCRMの商談ステージを更新します。この変更により、ERPで調達レビューが自動で動的に実施され、価格設定のしきい値が確認されます。割引がポリシーの制限を超えた場合、コンプライアンスルールにより案件の進行がブロックされ、コラボレーションワークスペース内で財務リードに通知が送信されます。承認されると、CRMレコードが再度更新され、契約生成が進行します。

オーケストレーションは、これらのシステム横断型アクションがいつ発生するか、次のステップが始まる前にどのチェックポイントを満たす必要があるかを決定します。この調整レイヤーがないと、AIエージェントがアプリケーションの境界内で活動していても、作業が別の場所に移動すると可視性が失われる可能性があります。

複数のAIエージェントが共有ワークフロー間で作業するようになった組織は、調整を構造化する方法を決定する必要があります。すべての環境に適合する単一のモデルは存在しません。適切なアプローチは、ガバナンス要件、システムの複雑さ、AIエージェントが発揮できる自律性の範囲によって異なります。

一元化モデルでは、主制御レイヤーがタスクの割り当てと意思決定フローを管理します。個々のAIエージェントは定義されたアクションを実行しますが、ルーティングロジックと承認ルールは1か所で処理されます。

この構造により、エンタープライズチームはワークフローの進捗状況を完全に把握できます。実行パスが事前定義されているため、ポリシーの適用が容易になります。これは、監査証跡と変更管理が厳格に管理されている規制環境で好まれることが多いものです。

分散モデルでは、AIエージェントはより直接的にコミュニケーションを取り合います。すべての決定を中央コントローラーに通すのではなく、AIエージェントがコンテキストと機能にもとづいてタスクのオーナーシップを交渉します。

このアプローチは、動的な環境での柔軟性を高めることができます。また、調整ロジックは単一の管理レイヤーではなく複数のシステムにまたがって存在するため、このアプローチは複雑さも増します。

多くの企業がハイブリッドアプローチを採用しています。コアガバナンスルールは一元的に定義され、一部の運用上の意思決定はAIエージェントレベルで処理されます。

たとえば、組織は承認のしきい値とコンプライアンスルールを一元化しつつ、セールスエージェントやサービスエージェントがその範囲内で定型的タスクの委任を管理できるようにすることができます。このモデルでは、監視と運用スピードのバランスを取ることができます。

参入するベンダーが増えるにつれ、プラットフォーム、ツール、フレームワークという用語が同義語として使用されることがよくあります。これらは同じ意味ではなく、特にエンタープライズ環境ではまったく別物です。

通常、AIエージェントオーケストレーションツールは、焦点を絞った問題を解決します。ワークフロービルダー、モニタリングダッシュボード、または2つのシステム間のコネクターを提供することがあります。これらのツールは便利ですが、機能する範囲は狭いものです。

AIエージェントオーケストレーションプラットフォームは、組織全体でのAIエージェントの登録、導入、監視方法を管理する基盤インフラを提供します。アイデンティティ、権限、実行ルール、ライフサイクルの更新を管理します。別々のユーティリティを連携するのではなく、プラットフォーム自体が運用モデルです。

AIエージェントのオーケストレーションフレームワークは1つ下の階層にあります。これらは、AIエージェントがどのようにコミュニケーションするか、コンテキストがAIエージェント間でどのように渡されるか、マルチステップのワークフロー中に状態がどのように保持されるかを定義します。フレームワークはオーケストレーションの背後にあるロジックに影響を与え、プラットフォームはそれを運用化します。

これらの機能により、オーケストレーションは試験的な自動化からマネージドエンタープライズインフラストラクチャに移行します。

• AIエージェントレジストリとライフサイクル管理：どのAIエージェントがアクティブか、誰がAIエージェントのオーナーか、いつ更新されたかを追跡します。
• データアクセスガバナンス：各AIエージェントが取得または変更できる情報を定義します。
• 可観測性と監視：活動を記録して、チームが意思決定の方法を確認できるようにします。
• セキュリティ統制：環境を問わずアイデンティティ管理とアクセスポリシーを適用します。
• ポリシーの適用：あらゆるワークフローでビジネスルールを一貫して適用します。

組織がAIエージェントオーケストレーションに取り組むと、その実装方法が問われるようになります。ここでフレームワークとサポートツールの出番です。

フレームワークは、マルチエージェント調整の背後にあるロジックを定義します。AIエージェントが情報を解釈して渡す方法を形作り、あらゆるステップで連続性を実現します。多くの場合、コアコンポーネントには次のものが含まれます。

• タスクルーティングロジック：事前定義された条件にもとづいて、どのAIエージェントが要求を処理するかを決定します。
• コンテキスト共有メカニズム：AIエージェント間で作業が移動する際に関連情報を保持します。
• APIの調整：AIエージェントとエンタープライズシステム間の構造化されたコミュニケーションを可能にします。
• 状態の永続性：ワークフローの進行状況を追跡し、中断後にアクションを正確に再開できるようにします。

これらのフレームワークは、ガバナンスを単独で管理するのではなく、オーケストレーションプラットフォームが一貫して動作するために依存する構造的ロジックを提供します。

サポートツールにより、オーケストレーションがエンタープライズチームにとって可視化され、管理しやすくなります。

• 管理ダッシュボード：AIエージェントの活動とワークフローのステータスを表示します。
• ワークフロービルダー：コアシステムを書き換えることなく、チームが調整ルールを設定できるようにします。
• アイデンティティとアクセスの制御：AIエージェントの権限を組織のポリシーに結び付けます。
• 人間が介在するシステム：自動化が事前定義されたしきい値に達したときにレビューチェックポイントを挿入します。

フレームワークとツールを組み合わせることで、オーケストレーションをアーキテクチャ理論から運用の実践に変換できます。

オーケストレーションをうまく導入すれば、メリットを日常業務に活かせます。

AIエージェントが連携することで、手直しや手作業による監視の頻度が大幅に減少します。責任が明確に定義されていれば、あるAIエージェントが知らずに別のAIエージェントのアクションを元に戻すことはありません。作業は構造化された順序で進行し、承認は予測可能なチェックポイントで行われます。

チームはシステム競合の調整に費やす時間を減らし、より価値の高い意思決定に集中する時間を増やせます。また、何らかの故障が発生した場合、なぜワークフローが停止したのかを追跡しなくても停止箇所とその理由を正確に把握できます。

AIエージェントがレコードを更新したり、アクションを動的に実施したりする能力を獲得するにつれて、ガバナンスはリーダーシップの主要な関心事になります。

オーケストレーションは、ルール適用の一元化によってこれを支援します。承認が必要なアクションを定義し、その決定が確実に記録されるようにします。監査やコンプライアンスレビュー中に、組織はワークフローの展開方法と各ステップを開始したシステムを追跡できます。

多くのAIパイロットは、孤立した状態でうまく機能します。各部門でAIエージェントを追加導入したときから、事態は難しくなり始めます。

オーケストレーションは新しいAIエージェントを追加するための反復可能なモデルを作成するため、毎回調整ロジックを書き直す必要はありません。チームは新しいAIエージェントを登録し、その範囲を割り当て、確立されたガバナンスルールの下で既存のワークフローに連携させることができます。

対話型AIは多くの場合、エンタープライズシステムの正面玄関として機能します。顧客はチャットエージェントとやり取りします。従業員は社内アシスタントを使用して情報を取得したり、要求を開始したりします。舞台裏では、1回のやり取りで複数のAIエージェントが動的に実施されることがあります。

請求の不一致について顧客から問い合わせがあった場合は、ケース履歴を確認するサービスエージェント、決済状況を確認するファイナンスエージェント、返金の適格性を確認するポリシーエージェントが起動する可能性があります。オーケストレーションがないと、各システムが個別に応答し、断片化された更新や重複したアクションが生まれます。

オーケストレーションを導入することで、対話型AIは調整されたワークフローへの入口となります。チャットエージェントはコンテキストを収集して適切なバックエンドエージェントに渡し、定義されたチェックポイントを待ってから応答します。例外が発生した場合、不完全な情報を返すのではなく、ワークフローは人間のレビュー担当者にルーティングされます。

サポート部門で働いている人なら誰でも、ケースが複雑になる瞬間を知っています。顧客の問題は1つのカテゴリに収まりません。解決策で頼りになるのは、さまざまなシステムに分散した情報です。

オーケストレーションを導入することで、この複雑さはバックグラウンドで処理されます。最前線でのやり取りから社内レビューを動的に実施でき、顧客がチームからチームへたらい回しされることはありません。適切なスペシャリストには自動的に通知が送信され、たまたま次に担当者になった人ではなく、定義されたルールに従ってケースが進行します。

調達の遅延はあいまいさに起因することがよくあります。たとえば、要求が誰かのキューに入ったままになった場合や、ドキュメントが不完全な場合などです。

オーケストレーションを使用すると、要求が先に進む前にこれらの依存関係が処理されます。チェックはバックグラウンドで行われ、ポリシーを満たす要求は先に進み、手動で追跡する必要はありません。要件を満たしていないものは、最終段階で発見されるのではなく、早期に表面化されます。

可観測性はAIエージェントの行動監視から始まります。チームは、どのAIエージェントがアクションを実行したか、どのような入力に依存したか、ワークフローはどのように進捗しているかを確認できます。何かが停滞したり、予期しない結果が発生したりした場合は、ブラックボックスではなく追跡可能なイベントの記録があります。

そこから、パフォーマンスアナリティクスによってチームは時間の経過とともにパターンを理解できるようになります。一部のワークフローの速度が低下していますか？承認は1つの段階に集約されていますか？AIエージェントは予想よりも多くの例外を動的に実施していますか？

オーケストレーションは、リスクと異常の検出もサポートします。AIエージェントが定義されたパラメーターの範囲外で動作を開始したり、異常な出力を生成したりした場合、システムは他のワークフローにカスケードする前にその動作にフラグを立てることができます。

人間による監視はそのような瞬間に組み込む必要があります。たとえば、AIエージェントが承認された制限を超える割引を適用した場合、ワークフローは自動的に一時停止します。システムはそのアクションを完了させず、指定されたレビュー担当者にルーティングします。レビュー担当者は、ワークフローを進める前に決定を確認または修正します。

オーケストレーションは、プラットフォーム自体に調整が組み込まれている場合にのみ、エンタープライズ規模で機能します。Salesforceのアプローチは、AIエージェントのオーケストレーションをアドオンではなくインフラと見なします。Agentforceを使用すると、オーケストレーションは以下によってサポートされます。

• 統合されたデータ基盤：AIエージェントは同じCRMデータモデル内で動作するため、更新、承認、シグナルは信頼できる共通の情報源を参照します。
• 組み込みのガバナンス制御：アクセス権限、ポリシールール、承認ロジックは、複数のワークフロー間で一貫して適用されます。
• 一元化されたモニタリング：リーダーは、部門間でAIエージェントがどのように行動しているかを確認できます。個別のツールからのレポートをつなぎ合わせる必要はありません。
• マルチエージェント調整アーキテクチャ：AIエージェントは、その場しのぎの連携を介してつながるのではなく、構造化された運用モデル内で登録、範囲設定、導入されます。

Salesforceは、既存のエンタープライズシステム内でAIエージェントの調整を大規模に管理するための基盤を提供します。

まずは今あるプロセスをマッピングすることから始めましょう。引き継ぎポイントはどこですか？すでにAIエージェントが独立して動作しているのはどこですか？そこから：

• AIエージェントの責任を明確に定義する：各AIエージェントには、狭い範囲と定義された権限を持たせる必要があります。
• 調整モデルを選択する：自社のガバナンス要件には一元化、分散、ハイブリッド制御のいずれが適しているかを判断します。
• 介入ルールを早期に設定する：いつワークフローを一時停止し、誰が例外を確認するかを設定します。
• 拡張前に監視する：AIエージェントを追加する前に、行動とパフォーマンスを追跡します。

オーケストレーションは、自動化が普及した後に制御を修正するのではなく、構造化から始めると拡張が容易になります。

AI戦略に調整を組み込む段階が早ければ早いほど拡張が容易になり、チームやシステム間で摩擦も生じにくくなります。個別のAIエージェントから企業全体の自動化に移行する組織では、今すぐにこれらのシステムの連携方法と監視の適用方法を定型化するべきです。

AgentforceでROIを最大化する方法については、『AgentforceでROIを最大化する 』ガイドをご覧ください。