10月20日、ストリーミングデータ基盤ベンダーのRedpandaが「Why agentic AI pilots stall before production」と題した記事を公開した。エージェント型AIがデモから本番環境へ移行できずに頓挫する構造的な原因と、その乗り越え方を論じた内容だ。
Redpandaはリアルタイムデータストリーミングのインフラを提供する企業であり、エージェントAIが本番運用に耐えるためのデータ基盤整備は同社の事業領域と直結する。本記事は同社が主催するウェビナーシリーズにも登場したAIスタートアップOnebeeの共同創業者であり、サイバーセキュリティ分野のベテランでもあるJimmy Astleへのインタビューをもとに構成されている。
「信頼が得られるまで1年以上かかる」という現実
記事全体を通じて最も重い警告として示されているのが、エージェントに仕事を委任できるレベルの信頼を組織が築くまでに1年以上を要するという点だ。技術の問題ではなく、人と組織の問題として捉える必要があるとJimmyは強調する。
この道筋として提示されているのが以下の4段階のプロセスだ。
| ステップ | 内容 |
|---|---|
| Step 1: Ask（尋ねる） | 自然言語でエージェントに問い合わせることを覚える |
| Step 2: Work with（協業する） | エージェントとの双方向のやりとりに慣れる |
| Step 3: Build small agents（小さく作る） | 繰り返しのプロンプトをスキルやエージェントとして保存・再利用する |
| Step 4: Delegate（委任する） | エージェントがタスクを完了し、本番システムにアクセスすることを許可する |
多くのプロジェクトはStep 2とStep 3の間で止まる。原因はほぼ例外なく「信頼の構築」か「習慣の形成」の失敗だという。また、エージェントを「ツールスタックに追加するツール」として捉えるのではなく、「従業員の延長線上にあるもの」として扱う発想の転換も重要だとJimmyは指摘する。
問題の本質はモデルではなく、データと人間にある
AIエージェントのデモを動かすこと自体は難しくない。問題は、そのエージェントが本番環境で通用するかどうかだ。
Gartnerの調査によれば、AIプロジェクトの60%はデータの問題が原因で廃棄される。多くの組織でデータが「AIに使える状態」になっていないためだ。Jimmyは「スケーリングの課題はモデルの問題ではなく、データ整備とチームの働き方の変革にある」と明言している。
エージェントを構築する前に、以下の基本的な問いに答えられる必要がある。
- データはどこに保存されており、どの程度アクセスしやすいか？
- データの所在を示す共通のスキーマやマップはあるか？
- データシステムへのアクセス権は誰が管理しているか？
※なお、上記Gartnerの数字は記事中で言及されているが、具体的な調査名・調査年は元記事に明示されていない。参照の際は最新のGartner公式レポートとの照合を推奨する。
デモと本番は何が違うのか
デモ環境と本番環境の差は一見シンプルだが、運用上の致命的な違いをもたらす。
| デモ | 本番 | |
|---|---|---|
| 入力 | 整理されたデータ、クリーンな回答、エッジケースなし | 雑然としたデータ、曖昧なリクエスト、大量のエッジケース |
| リスク | 実システムへの書き込みなし、誤答のコストゼロ | ライブシステムに影響、ミスには承認・ログ・ロールバックが必要 |
デモで良く見えたエージェントが実環境で機能しなかった場合、Jimmyのアドバイスは「より小さく始め、スコープを絞ること」だ。完成度の高いデモに引きずられて本番スコープを大きく設定しすぎるのが、移行失敗の典型的なパターンといえる。
本番対応エージェントに必要な2つの要件
ローカル環境での開発では見落としがちだが、本番稼働には最低限以下が求められる。
- 耐久性（Durability）: 処理の途中でエラーが発生した場合に進捗を保存し、問題解決後に再開できること。なお、エージェントワークフローにおけるDurabilityは、Temporalのようなステートフルなワークフローエンジンの文脈でも広く使われる概念であり、単なる「障害耐性」を超えた、長時間・多ステップの処理継続性を指す
- ガバナンス（Governance）: デフォルトで最小権限のアクセスのみ付与し、全アクションをログに記録して監査可能にすること。使用量とコストの可視化も必須
さらに、インフラの所有者が誰かを明確にすることも重要な論点だ。これらのコンポーネントをすべて内製で管理しようとすると膨大なエンジニアリング工数を消費し、顧客向けプロダクト開発の時間を圧迫しかねない。「自分たちで構築するか、購入するか」を慎重に見極める必要がある。
Redpandaが提案するアーキテクチャ
記事の後半では、上記の要件を満たすためのアプローチとして、Redpanda自身のプロダクト「Agentic Data Plane」が紹介されている。アプリとエージェント間のガバナンスゲートウェイとして機能し、アイデンティティ管理・監査・スコープ制限・キルスイッチを提供するという設計思想だ。ストリーミングデータ基盤を手がける同社がこの領域に踏み込む理由は、エージェントが本番でリアルタイムデータに触れる際のガバナンスこそが最大の課題だという問題意識にある。
詳細はWhy agentic AI pilots stall before productionを参照していただきたい。
