powered by TechFeed
表示モード
Deep Dive

AIエージェントの難所は「作ること」ではなく「動かし続けること」 — 成功率50%の壁をどう超えるか

11月13日、Zeus Kerravalaが「NiCE's next-generation Cognigy bets the hard part of AI agents is running them, not building them」と題した記事を公開した。この記事では、NICEが次世代Cognigyで「AIエージェントの難所は構築ではなく運用だ」という立場を明確にし、エンタープライズ向けの信頼性・ガバナンス基盤を前面に打ち出したことについて詳しく紹介されている。

11月13日、Zeus Kerravalaが「NiCE's next-generation Cognigy bets the hard part of AI agents is running them, not building them」と題した記事を公開した。この記事では、NICEが次世代Cognigyで「AIエージェントの難所は構築ではなく運用だ」という立場を明確にし、エンタープライズ向けの信頼性・ガバナンス基盤を前面に打ち出したことについて詳しく紹介されている。


「賢さ」より「安定性」——論点の転換

AIエージェントをめぐる業界の議論は、ここ2年ほど「どのモデルが最も賢いか」に終始してきた。しかしモデルの性能は急速に向上し、推論コストは下がり続けている。生の知性はもはや差別化要因ではなくなりつつある。

NICEのプロダクトマーケティング担当シニアマネージャーであるNhu Ho氏は、アナリストブリーフィングでこの問題を数字で示した。AIが人間の介入なしに自律稼働できる時間は、2020年には「秒単位」、2024年には「分単位」、そして今年は約16時間にまで伸びた。ただし、この16時間という数字の注釈に核心がある——成功率50%での計算だ。

Ho氏は「Capable(有能)とDependable(信頼できる)は同じではない」と述べた。コンタクトセンターにおいて50%の成功率は、顧客離脱やコンプライアンス違反を意味する。モデルがコモディティ化する中で、価値はモデルそのものではなく、テスト・トレーシング・ガードレール・確定的フォールバックといった「周辺システム」に移行する、というのがNICEの基本認識だ。


次世代Cognigyの主要機能

NICEが今週発表した次世代Cognigyは以下の要素で構成される。

  • 再設計されたAgentic Experience Studio:数クリックでエージェントを構築・デプロイ可能。モデルはあらかじめプロビジョニング済み。上級者向けにはシステムプロンプトへの直接アクセスも提供
  • AI Assistコンパニオン:エージェントの構築・テスト・改善にわたってアシスト
  • 再利用可能な「スキル」:手順とツールをパッケージ化したモジュール
  • ターン単位のトレーシング:どのスキルが呼び出され、どのツールがどの引数で実行され、どこでフローに引き継がれたかを可視化
  • ネイティブ音声対話(voice-to-voice)サポート:音声認識→LLM→音声合成のカスケード方式ではなく、より自然な会話を実現

デフォルトのSTT(音声認識)・TTS(音声合成)・LLMは会話単価に含まれ、Deepgram・ElevenLabs・Anthropicのプレミアムモデルも数クリックで追加利用できる。


「ハイブリッド」が市場の現在地

プロダクトマネジメントディレクターのClement Boutier氏は、エージェントの運用モードを3つに整理した。

  1. 従来型NLU(ルールベースの自然言語理解)
  2. ハイブリッド(NLUとエージェントの併用)
  3. 完全自律エージェント

「実際のほとんどの顧客はハイブリッドにいる」とBoutier氏は述べ、完全自律は「採用曲線の入り口」に過ぎないと指摘した。次世代Cognigyは、エージェントがオーケストレーション層として既存のフローをツールとして呼び出す設計になっており、逆にフローをエージェントの前段に置いてクレジットカード番号などの個人情報をLLMに渡る前にスクラブすることもできる。

Boutier氏はこのリリースを「置き換えではなく進化」と表現した。既存の本番デプロイ・API・インテグレーションはそのまま継続動作する。これは「全面的な再構築が必要」という主張で参入してくるAIネイティブの競合に対する、実質的な優位点だ。


オブザーバビリティが次の戦場

「最高のビルダー体験があっても、フィードバックループがなければ優れたエージェントは作れない」とBoutier氏は言う。

新しいSimulatorでは最大10バリアントの多変量テストが可能で、LLM-as-judge(LLMが評価者を務める手法)を使って合成顧客をエージェントに当てることができる。Boutier氏のデモでは同一エージェントを2つのモデルで動かし、一方が速く、かつトークン消費が少ないことを実測で示した。モデル選定が「好み」から「データに基づくコスト判断」になる。


パーソナルエージェントへの備え

Cognigyは現在、Model Context Protocol(MCP)のクライアントとサーバーの両方として機能し、エージェント間接続もサポートする。MicrosoftのツールチェーンでビルドされたエージェントとCognigyを連携させた顧客事例もある。

さらにNICEはMetaおよびSierraと共同でPersonal Agent Protocolを開発中だ(現時点では未リリース)。元記事によれば、これは消費者のパーソナルエージェントとコンタクトセンターをつなぐ標準化を目指す取り組みとして紹介されている。

Boutier氏はCognigyを「コンタクトセンターのフロントドア」と表現した。消費者のパーソナルエージェントは、コンタクトセンターにアクセスする前にここで認証を受ける、という設計思想だ。


ITプロへの実践的アドバイス

記事はエンジニア・ITプロ向けに以下の指針を示している。

  • ハイブリッドの境界線を決める:支払い・本人確認・法的開示など確定的であるべきプロセスと、エージェントに委ねられるプロセスを明文化する
  • トレーシングをGo-Liveの必要条件にする:各アクションの理由を説明できない状態でエージェントを本番に出さない
  • シミュレーションでモデル論争に決着をつける:感覚ではなく「解決済み会話あたりのコスト」で比較する
  • コンプライアンスはカスタマー側の責任:Boutier氏は「我々はツールとプラットフォームを提供するが、何を入れるかを100%制御することはできない」と明言している
  • ガードレールはコストとして予算化する:ガードレールを追加するほどトークンとレイテンシが増える。リスクの高い箇所に集中投資する
  • パーソナルエージェントのポリシーを今から作る:禁止ではなく、どのパーソナルエージェントを受け入れ、何を許可するかを明文化する

総括

このリリースの本質は、新機能の追加よりも「AIエージェントが成熟したときに価値がどこに集積するか」へのNICEの賭けだ。知性はコモディティ化する。信頼性・ガバナンス・自律推論と確定的制御の融合はそうならない、という読みである。

詳細はNiCE's next-generation Cognigy bets the hard part of AI agents is running them, not building themを参照していただきたい。