エージェント型企業

エージェント型エンタープライズは、企業が AI を使用する方法の根本的な変化を表します。人間の指示が常に必要な受動的なツールから、人間の意図と一致しながら自分で感知し、推論し、行動する自律的なエージェントに移行します。これは、人間、エージェント、プラットフォームが管理されたビジネスシステム内で連携し、単独では達成できない成果を実現する組織です。

このドキュメントは、Well-Architected Framework の補足資料です。このフレームワークの5つの柱(Trust、Reliability、Operational Excellence、Resource and Cost Optimization、Fairness)は、すべてのSalesforceソリューションに適用される基本的なガイダンスを提供します。この概要では、ソリューションがエージェント型になると何が変わるかについて説明し、柱ごとに詳細を示します。

エージェントシステムは、大規模な言語モデル、取得拡張生成、関数コール、オーケストレーションパターンを組み合わせて、厳格にプログラムされたパスに従うのではなく、コンテキストに適応する機能を作成します。エージェントは、確率的推論 (LLM 推測) と確定的実行 (ワークフローおよびオーケストレーション) を組み合わせて、適応性とガバナンスの両方を実現します。

アーキテクトの場合、この動作により、すべての柱で設計上の考慮事項が導入されます。エージェントは、信頼性、監視、制御の新しいパターンを必要とする推論レイヤーで非確定的な動作で動作します。エージェントの自律性のためには、セキュリティ境界の強化と Human-in-the-Loop の監視が必要です。マルチエージェントによる調整により、慎重なオーケストレーションが必要な複雑さが生じます。Agentic Enterprise は、既存のアーキテクチャに AI 機能を追加するだけでなく、システムの設計、リリース、管理方法を再考します。

エージェントは、以前は人の介入が必要だった複雑な複数ステップのワークフローを処理し、ソース間で情報を統合して、組織全体で専門知識を拡張します。また、慎重な設計が必要な課題も紹介しています。非確定的動作により、テスト、監視、エラー処理が複雑になります。自律性では、制御、説明責任、安全性に疑問が生じます。コスト構造は固定インフラストラクチャから変数の推測消費に移行します。アーキテクトは、リスクに対する自律性、制御に対する革新性、コストに対する機能のバランスを取る必要があります。

エージェントアーキテクチャの基本的な区別は、エージェントが人間を支援するか (Copilot パターン: 提案、推奨、ドラフト)、自律的に行動するか (エージェントパターン: 決定、実行、完了) です。Copilot では、状態を変更するアクションに人間の承認が必要です。エージェントは権限の境界内で独立して操作します。この区別によって、Trust 要件、可観測性のニーズ、監視パターンが決まります。支援からアクションへの移行は、設定変更ではなくアーキテクチャの移行であり、自律運用の観点からすべての柱を再評価する必要があります。

エージェント型エンタープライズは、人間、エージェント、プラットフォームが管理されたビジネスシステム内で連携し、単独では達成できない成果を提供する組織です。次の 3 つの部分からなるモデルは、すべてのアーキテクチャ上の決定を形成します。

エージェントの業務量が不足している場合や、人間の説明責任が必要な場合、人間が監視、判断、介入を行います。ヒューマンエージェントのコラボレーションにより、エージェントは日常的な実行と情報合成を処理し、ユーザーは価値の高い判断に集中できます。人間はシステムレベルで制御します。境界を定義し、エージェントはその境界内で決定および行動します。
エージェントは、インテリジェントな自動化、自然言語インターフェース、適応型意思決定を提供します。エージェントはスタンドアロン機能ではなく、ビジネスワークフローの統合関係者です。管理されたデータからコンテキストを感知し、確率的および確定的手法を使用して適切なアクションについての理由付けを行い、ビジネスワークフローと外部インテグレーションでアクションを実行します。
プラットフォームは、蓄積されたビジネスロジック、統合データ、オーケストレーション、コラボレーションインフラストラクチャなど、エージェントの作業を可能にする管理インフラストラクチャを提供します。このプラットフォームは、権限の適用、監査履歴の管理、コンプライアンスルールの適用、組織のガバナンス内でのエージェントの業務の維持など、エンタープライズクラスのエージェントシステムを管理されていない AI 実験と区別します。

人間を削除すると説明責任を失い、エージェントを削除するとインテリジェンスを失い、プラットフォームを削除するとガバナンスを失います。Agentic Enterprise では、この 3 つをすべて統合システムとして使用する必要があります。

どのテクノロジースタックでも、エージェントアーキテクチャには共通の機能セットが必要です。エージェントには、信頼できるデータ、安全に実行できるビジネスロジック、エージェント自身のライフサイクルに対するガバナンス、データの意味の共有理解、人間にエスカレーションするためのパスが必要です。これらはアーキテクチャ上の要件であり、製品ではありません。Salesforce がスタックの一部を提供する場合、残りの機能には引き続き注意が必要です。

Salesforce では、これらの機能を統合セットとして提供しています。これらをシステムとして処理すると、連動関係が明示的になり、エージェントは予測可能な方法で制限されます。このセクションでは、各機能、それがエージェントにとって重要である理由、および Salesforce で提供される方法について説明します。

エージェントには、効果的に推論するための管理された検証済みデータが必要です。AI モデルは、会社の顧客レコード、商品カタログ、取引履歴ではなく、トレーニングデータからパターンを認識します。この機能では、エージェントが任意の Web コンテンツや未検証のソースではなく、正確で、許可され、最新かつ追跡可能なデータをグラウンディングすることで、このギャップを埋めます。

現在の運用データは、時間的制約のある意思決定に役立ちます。たとえば、コマースエージェントが*「What’s* my order status?」(注文状況)と応答したり、サービスエージェントがオープンケースを処理したり、営業エージェントがこの四半期に完了する商談をランク付けしたりします。
履歴データ (Data 360 に保持されている大規模なデータセットなど) では、トレンド分析、予測、過去のパターンからの学習がサポートされます。
統合アクセスにより、エージェントは、データがどこにあっても、データ全体の推論を行うことができます。これにより、接続されたソースの重複が減り、統合されたビューが表示されます。

Salesforceは、Data 360ポートフォリオを通じてこれを実現します。

アーキテクチャ上の影響: エージェントの品質はデータの品質に依存します。データガバナンス、分類、系統に投資します。エージェントが誤ったデータを明らかにすると、「わかりません」と言ったエージェントよりも早く Trust が侵害されます。

質問にのみ回答できるエージェントは Copilot です。レコードの作成、商談の更新、コミュニケーションの送信、自動化のトリガーができるエージェントは自律型です。この自律性により、エージェントは単に支援するのではなく、実行できます。生成されたコードで再実装するのではなく、十分にテストされた既存のビジネスプロセスを呼び出します。

エージェントは、ユーザーがコードを記述するのではなく、自然言語のインテントを標準業務に変換します。
エージェントは、カプセル化された複数ステップのプロセス (クレジットチェック、在庫の更新、通知を処理する返金フローなど) に委任します。
ビジネスルールが進化すると、ロジックがワークフロー内に存在し、エージェントの指示に反映されていない場合、エージェントは自動的に変更を継承します。

Salesforce は、Customer 360 ビジネスロジックとプラットフォームの自動化を通じてこの機能を提供しています。

アーキテクチャ上の影響: 既存のワークフローを置き換えるのではなく、呼び出すようにエージェントを設計します。実証済みの自動化をコールするエージェントは、生成されたコードを使用してビジネスロジックを再実装するエージェントよりも信頼性が高くなります。

エージェントには、開発からリリース、監視、廃止までのガバナンスが必要です。これがないと、エージェントが管理されなくなり、権限があいまいで監査証跡がなく、動作がテストされておらず、コストが不明なエージェントがシャドウ AI になります。この機能により、エージェントはガードレールを使用して構築され、承認ゲートを介してリリースされ、ドリフトが監視され、不要になったら廃止されます。

開発ツールでは、自然言語の説明から初期設定が生成され、設計時にガードレール (権限の検証、サブエージェントの範囲) が適用されます。
ランタイムオーケストレーションは、エージェントの呼び出し、権限の適用、監査ログ、障害処理を管理します。
再利用可能な機能を使用すると、チームはすべてのエージェントをゼロから作成するのではなく、事前作成済みのエージェントとアクション (垂直方向のドメインエキスパート機能を含む) を採用できます。
セッションの可観測性には、分析、デバッグ、ドリフト検出のためのエージェントのインタラクション、推論ステップ、結果が保存されます。

Salesforce は、Agentforce Studio、Agent Fabric、および AgentExchange を通じてこの機能を提供しています。

アーキテクチャ上の影響: エージェントを 1 回限りのスクリプトではなく、管理対象資産として扱います。システムレベルでのガバナンスにより、エージェントの無秩序な増加を防止できます。

データを照会するエージェントは、「収益」の意味、どの項目が「顧客名」か、テーブルがどのように関連するかなど、セマンティクスを理解する必要があります。共有セマンティック定義がない場合、エージェントは誤った項目を使用したり、null を誤って解釈したり、ビジネスルールに違反したりするクエリを生成します。1 つでは、すべてのエージェントが管理された定義を照会し、一貫性のある正しい結果を返します。会計年度カレンダーと収益認識ロジックはエージェントプロンプトではなく定義内にあります。このレイヤーはプラットフォームのネイティブセキュリティモデル内で動作します。つまり、アクセスはプラットフォーム独自の行レベルおよび項目レベルのコントロールによって管理され、セマンティックレイヤーで再実装されることはありません。そのため、エージェントはプラットフォームで適用されるデータ権限と同じ権限に拘束されます。

Salesforce は、Tableau Next と Data 360 に統合された管理セマンティックレイヤーである Tableau Semantics を使用してこの機能を提供しています。

アーキテクチャ上の影響: 分析エージェントをリリースする前にセマンティックレイヤーを定義します。エージェントが未加工のテーブルを照会すると、ガバナンスギャップが発生し、一貫性のない結果になります。

人の監視のない完全自律型のエージェントは、コンプライアンスリスク、説明責任のギャップ、ユーザー不信を引き起こします。この機能により、エージェントは不確実な場合にエスカレーションを行い、影響の大きいアクションの承認を申請し、その推論について透明性を保つことができます。

承認ワークフローでは、エージェントは結果アクション (返金の発行、商談のクローズ、データの削除) を実行する前に、手動による承認を要求できます。
永続的なインタラクション履歴には、インテント、アクセスされたデータ、推論ステップ、実行されたアクションが記録されるため、監査、デバッグ、継続的な改善が可能になります。
エスカレーションパターンは、エージェントが自信を失ったりエッジケースに遭遇したりしたときに、完全なコンテキストで人間のスペシャリストに渡されます。

Salesforceは、永続的で監査可能な操作履歴を備えたHuman-in-the-Loop承認およびエスカレーションワークフローを通じてこの機能を提供しています。

アーキテクチャ上の影響: 明示的なエスカレーションルールを事前に設計します。人の承認が必要な決定 (財務しきい値、元に戻せないアクション、規制対象データ) を定義し、自律エージェントをリリースする前にこれらのワークフローを実装します。

これらの機能は相互に依存しています。エージェントは、信頼できるデータを利用してその根拠を示し、ビジネスロジックに従って行動し、ライフサイクルガバナンスに従って動作し、共有セマンティクスを使用して照会し、必要に応じて人間にエスカレーションします。信頼できるデータとエージェントの幻覚を削除する。ビジネスロジックを削除すると回答のみになり、アクションを実行できなくなる。ガバナンスを削除すると、シャドウAIに急増する。共有セマンティックとそのクエリのドリフトを削除する。人間のエスカレーションを削除すると、監視なしでアクションを実行する。API ファーストの消費モデル (Salesforce Headless 360) を使用すると、エージェントは個別のシステムを 1 つずつ統合するのではなく、一貫したプログラムインターフェース (API、MCP、CLI) を使用してこれらの機能にアクセスできます。

適切に設計されたフレームワークの柱は、引き続きエージェントシステムの基盤となります。エージェントは、引き続きガバナ制限内で業務を行い、適切なアクセス制御を必要とし、監視を必要とし、リソースを消費して、ユーザーに公平に対応します。コアピラーガイダンスから開始し、各ピラーのコンパニオンが追加したエージェントに関する考慮事項を適用します。

主要な柱となるガイダンス:

Trust — 共有責任モデル、4 階層のアクセス制御 (組織/オブジェクト/項目/レコード)、暗号化、OAuth フロー、監査証跡、コンプライアンスフレームワーク
信頼性 — 推奨される運用バッファによるガバナ制限 (上限の 70% は広く引用されているコミュニティのベストプラクティスであり、Salesforce の公式仕様ではありません)、非同期処理、サーキットブレーカー、業務量計画、複数組織パターン、ディザスタリカバリ
Operational Excellence — Event Monitoring、Proactive Monitoring、DevOpsプラクティス(ソース駆動開発、CI/CD)、自動化、インシデント管理、DORA評価指標
リソースとコストの最適化 — SOQLの最適化、データスキューの防止、コードの整理、パッケージ化戦略、パフォーマンスの監視、TCOモデリング、構築と購入の比較、ライセンスの最適化、コストの監視
公平性 — アクセシビリティ(WCAG 2.2 AA)、非差別パターン(共有ルール、FLS)、プライバシーアーキテクチャ、AI倫理ガバナンス

Core Trustパターン(Shared Responsibility Model、最小権限、暗号化、OAuth)は引き続き基本です。エージェントシステムには次の機能が追加されます。

エージェント ID と認証 — エージェントは静的 API キーではなく JWT ベースの認証を使用できます。これにより、エージェントごとの監査履歴と詳細な権限追跡が可能になります。
ユーザー ID の伝達 — エージェントがユーザーの代わりに外部システムを呼び出すときに、(エージェントの ID だけでなく) ユーザーの ID を伝達して、ダウンストリームシステムでユーザーレベルの権限と監査履歴を適用する
権限の境界 — エージェントの権限の最小設定、実行ユーザーからの権限の継承、明示的なエージェント権限、委任境界での検証
Human-in-the-Loopによる結果的意思決定 — 影響の大きいアクションや元に戻せないアクション、規制対象のデータの承認ワークフロー
説明可能性 — エージェントは、理由を説明したり、事実に基づく請求のソースを引用したりできます。また、実行したデータとアクションを明確にすることができます。
自律システムのコンプライアンス — EU AI法のリスク分類(制限付き導入と高リスク導入を区別)、およびHIPAAや機能金融サービス法などのセクター固有の規制に準拠し、エージェント主導の処理の厳格な同意管理を維持する

なぜ重要なのか: エージェントが適切な Trust Boundary を使用せずに自律的に行動すると、セキュリティの脆弱性、コンプライアンス違反、およびユーザー不信が発生します。コアTrustの柱は、Shared Responsibility Modelと4階層のアクセス制御を提供し、エージェントバリエーションでは、オプションのJWTベースのエージェント認証、HITL承認ゲート、説明可能性を追加します。

詳細: Agentic Enterprise Trust

コアの信頼性パターン (LEGATO の制限、非同期処理、サーキットブレーカー、容量計画) は引き続き基本です。エージェントシステムには次の機能が追加されます。

非確定的推論の処理 — 同じ入力でも異なる出力が生成される可能性があります。信頼性スコアリング、検証チェック、代替戦略を使用して分散を設計する
グレースフルな低下 — 推測が失敗した場合や信頼性が低い場合、完全に失敗するのではなく、シンプルな機能に低下させる
オーケストレーション障害処理 — マルチエージェントワークフローでは、障害の切り分け、再試行戦略、部分的な結果の処理が必要です。これにより、障害が発生したスペシャリストエージェントがカスケードではなく分離されます。
モデルパフォーマンスSLO — エージェントサービスの許容されるレイテンシ、精度、可用性の目標を定義する
Circuit Breaker for Agent Coordination (エージェント連携の回路ブレーカー) — 1 人のエージェントでエラーや過剰な遅延が発生した場合に、カスケード障害を回避

なぜ重要: エージェントの動作が確率的であるため、確定的信頼性パターンでは不十分です。コア信頼性の柱は、外部インテグレーションの非同期パターンとサーキットブレーカーを提供します。エージェント型バリエーションでは、推測の失敗に対するグレースフルな低下と、マルチエージェント連携に対するオーケストレーションの失敗の処理が追加されます。

詳細: Agentic Enterprise Reliability

コアオペレーショナルエクセレンスパターン (イベント監視、DevOps、自動化、インシデント管理) は引き続き基礎となります。エージェントシステムには次の機能が追加されます。

エージェント開発ライフサイクル (ADLC) — 設計とテストから導入、監視、調整までのライフサイクル全体でエージェントを管理します。
確率システムの監視 — 入力→出力だけでなく、推論ステップ、信頼性スコア、アクセスされたデータソース、意思決定の根拠を収集
ドリフト検出 — データ配信のシフト、ビジネスルールの変更、または上流モデルの更新によるパフォーマンスの低下を行動のベースラインに対して監視
エージェントのバージョン管理と導入 — プロンプトと設定の段階的なロールアウト、A/Bテスト、ロールバック、およびバージョン管理
エージェント障害のインシデント対応 — モデル障害、オーケストレーション障害、対象を絞った修復のデータ障害を区別します。

なぜ重要なのか: 非確定的な動作により、オブザーバビリティが難しくなります。Operational Excellence のコアとなる柱は、イベント監視と DevOps プラクティスを提供し、エージェント型バリエーションでは ADLC、ドリフト検出、エージェント固有のオブザーバビリティを追加します。

詳細: Agentic Enterprise Operational Excellence

コアリソースとコストの最適化パターン (SOQL の最適化、ガバナ制限、コード整理、パフォーマンス監視、TCO モデリング、ビルドとバイ、ライセンスの最適化、コスト監視) は引き続き基本です。エージェントシステムには次の機能が追加されます。

推測遅延の最適化 — ストリーミング応答、並列実行、キャッシュ、プロンプトの最適化
トークンエコノミー — コール、取得、推論の各ステップでトークンを消費します。限られたコンテキストウィンドウに対応するコンテキスト管理戦略 (サマリー、選択的取得) を設計する
メモリ検索の最適化 — 効率的なベクトル検索とセマンティック検索により、RAGパターンによってレイテンシのボトルネックが発生しないようにします。
マルチエージェントレイテンシ管理 — スペシャリストの並列実行、非同期委任、タイムアウト予算設定により、連続したエージェントチェーンでレイテンシが累積しないようにします。
エージェントのモジュール化 — モノリス型エージェントを専門エージェントに分解して、再利用、独立した拡張、対象を絞った最適化を実現します。
消費ベースの価格設定 — ユーザーごとのライセンスとは異なり、エージェントのコストは使用量に応じて増加するため、異なる予算設定と予測が必要になります。
エージェント作業単位 (AWU) — 未加工トークンの消費のみではなく、エージェントが完了した作業に対する支出を測定し、提供された値に対する消費を調整します。
エージェント機能の構築と購入 — 汎用機能の採用に対して差別化された機能の構築を評価
エージェント ROI 測定 — エージェントの運用コストに対するビジネス結果を追跡

**理由:**トークンの消費および推測遅延は新しいリソース制約であり、エージェントのコストモデルはインフラストラクチャのコストとは根本的に異なります。コアの柱は、ガバナ制限ガイダンス、SOQL 最適化、TCO フレームワークを提供し、エージェントバリエーションには、トークンエコノミー、推測遅延の最適化、消費ベースの価格設定管理、エージェントが完了した作業に対するコストを測定するためのエージェント作業単位を追加します。

詳細: Agentic Enterprise Resource and Cost Optimization (エージェントによるエンタープライズリソースとコストの最適化)

コアフェアネスパターン (アクセシビリティ、非差別、プライバシー、AI 倫理ガバナンス) は引き続き基本です。エージェントシステムには次の機能が追加されます。

説明可能性 — エージェントは、決定理由、使用したデータ、および検討した代替手段を説明します。(Trustの柱は監査と透明性の制御としての説明可能性をカバーし、公平性はそれらに影響する決定を理解するユーザーの権利としてカバーします)。
競合性 — ユーザーはエージェントの意思決定に異議を唱え、人間によるレビューを要求し、不服申し立てプロセスを理解できます。
バイアスの検出と軽減 — さまざまな入力を使用してテストし、デモグラフィックグループ全体のさまざまな結果を監視
影響に比例する人的監視 — 重要度の高い意思決定にはHuman-in-the-Loopが必要。重要度の低い意思決定は自律的に運用可能
公平なエージェント主導の環境 — 言語能力、技術的な専門知識、アクセシビリティのニーズに関係なく、すべてのユーザーに効果的にサービスを提供

なぜ重要なのか: 人に影響する意思決定を行う自律エージェントは公平性の問題を提起します。[公平性] のコアとなる柱は、アクセシビリティ基準と非差別パターンを提供し、エージェントバリエーションによって説明可能性、競合性、および比例する人間の監視が追加されます。

詳細: Agentic Enterprise Fairness

エージェントソリューションを設計する場合:

概念モデルについては、まずエージェントに必要な機能と、その柱をエージェントにどのように適用するかを説明します。
すべてのSalesforceソリューションに適用される基本的なアプローチの柱ガイドを参照してください。
エージェントに固有の設計の詳細については、エージェント用支柱の説明を参照してください。

実績のあるプラットフォームパターンに基づいて構築し、エージェントが導入する考慮事項に対処します。コアの柱が基盤を提供し、エージェントのコンパニオンが詳細を提供し、この概要がそれらを結び付けます。

上記の機能と柱は、エージェントシステムの設計方法を示しています。そのシステムを本番環境に移行するには、Center of Excellence (CoE) という通常のガバナンス構造が必要です。人間、エージェント、プラットフォームの統合システムでは、CoE によって人間が制御できます。CoE では、エージェントの境界を定義し、本番に到達するものを決定し、エージェントの作業をビジネス上の意図と規制の要件に合わせます。CoE は、管理されたエージェントシステムと、シャドウ AI (不明な権限、監査履歴、不明なコストを持つエージェント) に漂う管理されていない実験の違いです。

自律性により、すべてのガバナンスの決定が結果的になります。CoE を使用すると、チームは一度に 1 つのチームを解決するのではなく、意図的に意思決定を行い、一貫して適用できます。

CoE は、共有バックログと共有準備完了の定義を中心にビジネス、IT、コンプライアンスをまとめます。そのメンバーシップは、エージェントによる意思決定の次の観点にまたがっています。

エグゼクティブスポンサーは予算の権限を持ち、組織の阻害要因を排除します。
ビジネスリードは戦略を優先度に変換し、バックログを管理します。
プログラムオフィスとデータスチュワードは、エージェント作業を広範なイニシアティブに関連付け、データの整合性とセキュリティを評価します。
アーキテクト、管理者、開発者がデータ・モデル、インテグレーション・パターン、デリバリ・ケイデンスを所有し、作業を開始する前に技術的な制約を明らかにします。

エージェントは、従来のソフトウェアよりも迅速に出荷、変更、ドリフトを行います。ガバナンスをデリバリに合わせて維持するために、CoE は加速された非同期優先レビューケイデンスで実行されます。従来の CoE よりもリズムが引き締まり、非同期レビューがデフォルトの作業モードになります。

継続的、非同期レビューが主なモードです。メンバーは、スケジュールされたミーティングだけでなく、変更が行われたときにも常に共有チャネル内で意思統一を図ることができます。
毎週の運用レビューでは、進行中の変更が有効なエージェントおよびインテグレーションと互換性が保たれていることを確認します。これは、配信ペースが遅い月次レビューや四半期レビューよりも早いペースです。
毎月の戦略レビューでは、バックログをビジネスの優先度と比較して、現在のデータ品質ベースラインに対する準備状況を評価します。

CoE は、エージェントが依存するオブジェクト、項目、および自動化の変更を承認するユーザー、要求が競合するときに優先権を所有するユーザー、技術的負債を廃止するタイミング、成功を定義するビジネス評価指標について明示的に決定します。

エージェント対応 CoE が各柱を管理します。コアピラーガイドは、基本的な制御を提供します。CoEは、それらが適用可能な観察可能なプラクティスになる場所です。

Trust — オブジェクト、項目、およびレコードレベルのセキュリティによって、エージェントが使用するデータが制御されます。エージェントレベルのアクセス制御により、各エージェントがアクセスできるデータとアクションが制限されます。ID、最小権限、脅威モデリングがエージェントの設計に組み込まれています。「Trust and Agentic Enterprise Trust」を参照してください。
Operational Excellence — 追跡ログと監査ログは、エージェントの意思決定、アクション、出力を取得します。監視ダッシュボードでは、エージェント開発ライフサイクル全体の目標に対するパフォーマンスと連携を確認できます。「Operational Excellence」および「Agentic Enterprise Operational Excellence」を参照してください。
信頼性とリソースおよびコストの最適化 — 仕様、テスト生成、フィードバックループ、および廃止によってエージェントのライフサイクル全体が制御されます。レート制限、リソース制御、および修復戦略には、エージェントエラーの影響が含まれます。「信頼性とリソースおよびコストの最適化」を参照してください。
公平性 — Human-in-the-Loopチェックポイントにより、ユーザーは後続のアクションを傍受または確認できます。エスカレーションパスとスタッフトレーニングにより、エージェントのワークフローを確認して上書きできるようになります。「公平性」および「エージェント企業公平性」を参照してください。

CoE は、次の条件を満たす場合にエージェントのワークロードを管理する準備が整っています。

ポリシー — エージェントのアクセスポリシーとアクションポリシーが定義、適用、および監査可能です。
可観測性 — 監視および監査ツールでは、エージェントの行動のリアルタイムおよび遡及的なレビューがサポートされます。
セキュアバイデザイン — セキュリティ、プライバシー、コンプライアンスがエージェントワークフローに最初から組み込まれています。
ライフサイクル — 構造化されたプロセスでエージェントのオンボーディング、更新、廃止を管理します。
人の監視 — 校閲者は例外を処理し、フィードバックを使用してエージェントのワークフローを改善します。

最初の本番エージェントをリリースする前に、次の 4 つの基盤を確認します。

定期的にレビューされる文書化されたデータ品質ベースライン。
指定所有者と記録済みサインオフを含む正式なスキーマ変更承認プロセス。
管理された技術負債登録簿。戦略的なケイデンスで審査されます。
データアクセス、エージェント範囲、監査要件をカバーするAIガバナンスポリシー。

**アーキテクチャ上の影響:**自律エージェントをリリースする前に、CoE を確立し、次の基盤を確認します。最初から組み込まれているガバナンスは、エージェントの採用に合わせて拡張できます。後から改良されたガバナンスは、無秩序な増加を防止する目的で競合します。

『Agentic Enterprise Operational Excellence Guide (Agentic Enterprise Operational Excellence ガイド)』の「Deployment Approval Processes (リリース承認プロセス)」も参照してください。このチェックリストは、このセクションの組織レベルの準備状況ビューを補完するエージェントごとのチェックリストです。

エージェントジャーニーを開始する組織は、次のことを行う必要があります。

価値の高い使用事例から開始 — 明確なROIのワークフローに初期エージェントを集中させます。成功によって勢いが増すのです。
基盤機能の構築 — データガバナンス、知識ベース、統合パターンを確立します。
エージェントの専門知識を身に付ける — ローコードツールや自然言語ツールが参入障壁を下げている場合でも、プロンプトエンジニアリングとエージェントアーキテクチャのスキルを習得します。
Center of Excellenceの確立 — 本番エージェントを導入する前に、承認プロセス、安全性テスト、および監視を行うガバナンス組織を立ち上げます(上記の「組織の準備: Center of Excellence」を参照)。
反復 — 完全な初期導入ではなく、継続的な調整を計画します。
価値の測定 — ビジネス上の成果、コスト削減、およびユーザー満足度を追跡して、投資に関する情報を提供します。

Agentic Enterprise は、AI を駆使したワークフローを採用する準備が整っている組織にとって変革の機会です。慎重なアーキテクチャ設計により、リスクと複雑さを管理しながらそれを実現できます。

適切に構築されたフレームワークに関するフィードバックを共有する。