成功した計画を再利用し、推論のやり直しを減らす
Fusion Clawは、Google GeminiやOpenAIのモデルを含む最先端AIモデルを使って作業を計画する。レオーネは次のように説明する。
「Fusion Clawが他の手法と違うのは、処理を統括するエージェントを隔離された実行コンテナ内に置く点だ。達成すべき成果を受け取ると、AIを使って作業内容を推論し、実行計画を立てる」。
AIエージェントは計画に必要なツールを組み立て、計算処理を担う層へ渡す。
「ツールは決定論的に実行する。実行内容はコード化された処理として残り、大量のデータへ繰り返し適用できるため、利用者が求めた成果に向けて低コストかつ正確に仕事を処理できる」。
レオーネはFusion Clawを、MCPやAPIと対比する。MCPはAIアプリケーションを外部のデータやツールへ接続する標準で、APIはソフトウェア同士が機能やデータをやり取りするための仕組みだ。レオーネは、こうした接続手段だけでは、大規模な処理を統制しながら決定論的に実行する仕組みまで一体では提供できないと主張する。
Fusion Clawは完了した処理結果も記録する。顧客が成功した計画を承認すれば、類似業務で最初から推論をやり直さず、承認済みの計画を利用できる。
レオーネは「処理にかかるコストと推論コストを節減でき、50％以上減らせる」と主張した。ただし、オラクルは裏付けとなるベンチマークもFusion Claw固有の料金も示していないため、顧客が実際に支払う費用をどこまで減らせるかは分からない。
レオーネは、企業向けソフトウェア以外の比較対象として、メタ（Meta）の個人向けAIエージェント「Muse」の実行環境も挙げる。Museは専用の仮想マシン「Muse Secure VM」で動作し、利用者に代わってさまざまな処理を行う。
レオーネがFusion Clawと似ているとみるのは、AIエージェントを隔離された実行環境に置き、推論と実行を分ける構造だ。ただし、企業向けの統制方法は同一ではないと強調した。
「構造と、推論と実行を分ける方法は非常に似ている。同一ではないが、どちらもOpenClawと、その出発点である『エージェントにコンピューターを与える』発想から着想を得ている」。
AIの権限と停止条件は顧客が決める
オラクルは、顧客が定める統制の枠組みを「Enterprise Operating Envelope」と呼ぶ。AIが従う業務方針や委任された権限を定め、承認が必要になる条件や、人間へ判断を戻す境界などを設定する仕組みだ。
「Outcome Trust Harness」は、設定された権限と管理策をAIの各処理へ適用する。「Outcome Receipt」は、処理で使った根拠と実行内容を記録し、顧客が後から何が起きたかを確認できるようにする。
レオーネによると、財務決算ではFusion Clawが100万件の元帳記録を調べて不一致を見つけ、帳簿を締められる状態かどうかを経理責任者が判断するための根拠をまとめられる。顧客が与えた権限の範囲内なら、取引を作成して実行することも可能だ。
「どのエージェントも、当社のロールベースのアクセス制御で許可されていない情報にはアクセスできない」。
顧客は、予定する行動だけを人間に提示して承認を待つリサーチモードを利用できる。あらかじめ定めた範囲内なら、完全な自動実行を許可することもできる。
ただし、すべての規則を守った計画でも、事業上の判断として適切とは限らない。複数の配送をまとめれば費用を削減できても、顧客が急いで必要としている注文の到着を遅らせる可能性がある。
人間の判断が必要になるトレードオフの扱いについて、レオーネは次のように説明した。
「定めた境界のいずれかに達すると、人間へ判断を戻し、どのように進めるか決めるよう求める」。
「リサーチモードでは同じ作業を行うが、予定する行動を実行せず、人間が確認できる状態で提示する」。
監査記録があれば、AIがどのような判断をしたかは確認できる。ただし、その判断が事業上も適切だったことまで証明できるわけではない。レオーネは、専門家がAIエージェントの従う方針を定める仕事により多くの時間を使い、結果への責任も引き続き負うとみている。
企業には、AIが従う規則を最新の状態に保ち、経験豊富な従業員なら処理を止めて再検討する状況を見極める責任が残る。
