ラジディープ・ビスワスは、Databricksのストラテジック・インダストリー・リーダー（ソリューションズ・アーキテクチャ担当）です。
現在、小売業は時間との勝負であり、毎秒行われる意思決定がビジネスにリアルタイムで影響を与えています。
多くの小売業者がプロセスを迅速化するために汎用チャットボットや一枚岩的なエージェントを検討していますが、これらの戦略は必ずしも適切ではありません。汎用AIチャットボットは幻覚を起こす傾向があり、エッジケースのポリシーロジックを見逃します。特に複雑な取引フローでエラーが発生しやすく、人間への引き継ぎが必要な場合に顧客を「ループ地獄」に陥れる可能性があります。
そのため、私は小売業者に対して、明確なガードレールと引き継ぎを備えた専門エージェントのチームを構築し、「エージェント型AI管理センター」と呼ぶ一元管理の場所から監督することを提案しています。小売組織がこれをどのように構築できるか見ていきましょう。
エージェント型AI管理センターの基本要素
管理センターは、協働できる専門エージェントの集団を監督します。小売業にとって、これはマーチャンダイジング、サプライチェーン、価格設定、マーケティング、店舗にわたるエコシステムを構築することを意味します。
管理センターは複雑なワークフローを小さく監査可能なステップに分解し、アクションが基幹システムに到達する前に品質ゲートを適用し、エージェントが管理されたデータにアクセスしてクリーンに委任できるようにオープンプロトコルを使用します。
管理センターは以下の4つのことを行います：
• エージェントが使用できる安全なツールとデータのプールを定義する
• エージェント間の作業を調整する（監督者/作業者または対等な関係）
• 本番環境にデプロイする前に変更を評価し承認する
• KPI、パフォーマンスの変動、コストを監視する
これを実現するために、管理センターはいくつかの中核コンポーネントで構成されています：
• エージェント：協力する高度に専門化されたエージェントの集団。ウォルマートは、特定のタスクを非常にうまく実行する特化型エージェントを連携させることで、より複雑な問題を「スーパーエージェント」として処理できることを発見しました。
• アーキテクチャ：AIモデルが実行される場所に大量のデータを移動するのではなく、データがすでに存在する場所でモデルを実行する方が良いです。実際には、すべてのデータ取得とAI処理を同じシステム（通常は組織のレイクハウス）内で実行することを意味します。これにより、コストが削減され、結果が迅速化され、データの安全性が向上します。
• オープンプロトコル：ツールとデータを標準的な方法で公開するのに役立つModel Context Protocol（MCP）や、エージェント間の通信と引き継ぎを促進するAgent2Agent（A2A）などのフレームワークは、アーキテクチャの不可欠な部分であるべきです。
• ガバナンス：小売業においてリスク管理とガバナンスは任意ではありません。NIST AIリスク管理フレームワークは、コントロールとトレードオフを理解するための良い出発点です。
管理センターに関する重要な考慮事項
よく質問されるのは：管理センターの概念は集中型と分散型のどちらの実行を促進するのか？という点です。簡単な答えは、両方です。ガバナンスは集中化されていますが、実行は分散化されています。
良い例えは、線路と列車です。
集中化された線路（管理センター）は、標準とガードレール、共有プラットフォームサービス、リリースゲートで構成されていると考えてください。管理センターを担当するチームは、多くの場合、プラットフォームチーム、最高AIオフィサーのオフィス、コンプライアンスの混合です。
ビジネス（マーチャンダイジング、サプライチェーン、価格設定、マーケティング、店舗など）と個々の開発チームは「列車」を所有しており、これにはユースケースの所有権とKPI、エージェントの設計と反復が含まれる場合があります。
例えば、新学期キャンペーンでは、専門エージェントが需要予測、価格調整、在庫配分、キャパシティチェック、商品の在庫維持などのタスクを処理します。管理センターは「線路」—承認されたツールとデータ、品質とリスクの管理、ロールバックルール、予算、監査証跡—を提供し、ビジネスチームは「列車」を運行し、エージェントを管理してKPIを所有します。
ここでのバランスが重要です。過度の集中化はイノベーションと新機能のリリースを遅らせ、すべてのエージェントに適合しない可能性のある汎用フレームワークを促進する可能性があります。過度の分散化は再利用性を低下させ、ポリシーの乖離、リスク、コスト超過を増加させます。
良い経験則：セキュリティとコストに影響するものはすべて集中化し、KPIへの速度を向上させるものはすべて分散化することから始めましょう。
管理センターの構築を始める
最良の開始方法は、エージェントが使用できる品質管理された統制されたデータソースのセットを確立することです。これには、製品、価格、プロモーション、在庫、注文、返品、ポリシーデータなどが含まれる場合があります。各ソースには、自動品質チェック、系統、権限、ガバナンスが必要です。
先ほど強調したことを繰り返しますが：AIエージェントとツールはデータと同じ環境にあるべきです。このアプローチは遅延と外部転送コストを削減できるだけでなく、監査中に多くの頭痛の種を省くことができます。
優先順位付けされたエージェントのリストを作成する際には、ビジネスリーダー、P&L所有者、エンドユーザーを最初から関与させましょう。以下のような実証済みの優先順位付けフレームワークを使用できます：
• Reach（到達範囲）、Impact（影響）、Confidence（信頼性）、Effort（労力）（RICE）をエージェント向けに適応させ、これら4つの要素に基づいて機会をランク付けします。
• Data Leverage Index（DLI）は、高価値データを最も活用するユースケースを優先順位付けします。
• Cost-Per-KPI-Move（CPKM）は、設定された期間内に測定可能なKPIを改善するために必要な最低コストによって機会をランク付けします。
エージェントについての詳細
エージェントを実装する際、各エージェントの目的はエンドユーザー（例えば、店舗マネージャー）が理解できる簡単な一文で要約できるべきです。これは「次の2週間のn個のSKUの需要を予測する」や「価格変更を利益率の下限と照合する」といった単純なものでも構いません。
オーケストレーションは、マネージャーから予測担当者、配分担当者、価格監視者、レビュアーへといった実世界の引き継ぎを反映するように設計します。レビュアーが満足しない場合、フィードバックは最初に戻り、システムが出力を改善できるようにします。エージェントは自己修復するように設計されており、パフォーマンスが低下した場合、自動的に最後の安全なバージョンにロールバックし、再テストし、問題が解決された場合にのみ再デプロイします—すべて人間の介入なしに。
昇格前にエージェントを評価することは不可欠です。品質を確保するために異種アプローチを使用し、ユースケースに応じて、ルールベースのチェック、LLMジャッジ、ヒューマンインザループレビュー、トレース、ライブモニタリング、UIと機能性のSME評価などの方法を組み合わせます。
この道を歩み始めることで、アプローチをスケールし、新しいユースケースが本番環境に到達するまでの時間を劇的に短縮できます。時間の経過とともに、エージェント同士が通信するようになり、システムはますます洗練されていきます。
