ポイント: エージェンティックファブリックは、システム全体で制御された実行とガバナンスを強制することによってAIエージェントの信頼の課題に対処します。これは、エージェントのアクションを管理するためのフレームワークを確立し、確立されたプロトコルを通じて運用信頼を高めます。
エージェンティックファブリックは、企業内のAIエージェントの数が増加する中で、それを管理するために重要です。
実行の規律は、エージェントが監視の下で運用し、説明責任と追跡可能性を維持することを保証します。
CIOやオペレーションリーダーがAIエージェントについて最も懸念していることは、他のすべてを上回ります。エージェントが生産システムを変更し、誰が変更を承認したのか、またそれを元に戻す方法が誰にもわからないのです。エージェンティックファブリックは業界の答えであり、それに関するほとんどの会話は発見、ガバナンス、調整を含みます。エージェントが信頼されて行動するかどうかを決定する部分は実行の規律であり、これが最も少ない注目を集めています。
ファブリックの会話はエージェント自体についてです。エージェントがどれだけいるのか、何にアクセスできるのか、誰が所有しているのか、どのように資格情報を取得するのか。これらは公平な質問であり、ほとんどの企業ではその答えが遅れています。しかし、オペレーションチームはプロセスを信頼していません。彼らはそれを取り巻く制御を信頼し、何かがうまくいかなかったときに残る記録を信頼します。その基準は、スケジュールされたジョブ、スクリプト、誰も書いたことを覚えていない統合に対して守られてきました。エージェントに対して変更される理由はありません。
エージェンティックファブリックが解決しようとしている問題
エージェンティックファブリックはカテゴリであり、製品ではありません。この用語は、AIエージェントがシステム、データ、相互に作業する際に接続、統治、監視するためのアーキテクチャの層を説明します。その背後には正当な懸念があります。エージェントは生産性スイート、SaaSプラットフォーム、部門のイニシアチブ、内部開発チームを通じて出現し、正確に数えることができる組織はほとんどありません。ガートナーは予測しています、2028年までに平均的な全球フォーチュン500企業は150,000以上のエージェントを使用することになるとし、2025年には15未満から増加する見込みです。また、調査によると、13%の組織しか適切なAIエージェントのガバナンスが整っていると考えていません。[1] この規模では、発見、権限、および可視性が基本要件となります。
問題は、この用語が誰が使用するかによって異なる意味を持つことであり、現在いくつかのベンダーが独自の製品に類似の名前を付けています。アイデンティティプロバイダーはエージェントのためのアイデンティティ制御プレーンを説明します。統合プラットフォームはレジストリとブローカーを説明します。生産性スイートは自社アプリケーション内のエージェントのためのコンソールを説明します。それぞれの説明は部分的に正しく、各々がオペレーションチームがすでに運用しているものと調整しなければならないレイヤーを追加します。単一の製品がカテゴリではありません。名前に値するファブリックは、それすべてをカバーし、エージェントが行動するかどうかを決定する部分も含まれています。
レジストリはどのエージェントが存在し、何にアクセスできるかを確立しますが、エージェントが実行した作業が進むべきであったか、またはその作業を元に戻す方法を知ることはできません。
運用信頼の由来
業務終了後の銀行を考えてみてください。そのシステムはその日の取引を投稿し、アカウントを調整し、朝に準備する必要がある規制報告書を準備します。誰も各ステップをレビューせず、誰も期待されていません。各ジョブはその入力が存在する場合にのみ開始されます。それは上流の作業を待ち、定義されたサービスレベルを満たすか外れるかし、条件が失敗したときに停止し、どんな結果でも再構築できるほど完全な記録を残します。ジョブは単純であるか洗練されているかもしれません。信頼は各ジョブの周囲の実行にあります。
エージェントはその原則を変更することなく作業者を変更します。エージェントはスクリプトが指示に従うのに対して推論し、その柔軟性がチームがエージェントに行動させることをためらわせる理由です。解決策は、エージェントのアクションを既に影響を与えるシステムを管理する実行の規律の内部に持ち込むことです。その規律は、ステップが実行される前に満たすべき条件を設定し、結果がそれに値する場合には承認を要求し、結果が誤っている場合には回復を支援します。また、何が実行されたのか、その権限を持つ者、なぜそうなったのかを記録した監査証跡も保持します。その規律が運用信頼の源であり、エージェントにも他のすべてと同様に適用されます。
メインフレームの実践者が私たちに伝えていること
なぜ実践者はAIの推奨を受け入れますが、AIにそれを実行させることをためらうのでしょうか。最もクリティカルなシステムを担当するチームは、毎年ますます厳しく引かれるラインで応えています。2026 BMCメインフレーム調査では、1,300人以上の実践者と意思決定者を対象に、AIにアクションを推奨させる意欲は年々増加し、AIにそのアクションを完了させる意欲は減少しています。データベースの再編成はそのパターンを最も明確に示しています。単一の年の間に、AIの推奨を歓迎する実践者の割合は37%から43%に増加しました。同じ期間に、AIにその作業を完了させることを許可する割合は27%から21%に減少しました。問題診断も同様のストーリーを語ります。推奨は41%に上昇し、完了は23%に下がりました。コード管理は新しい質問のラインであり、ほぼ同じ場所に収束します。そこで、40%が推奨を受け入れる意欲があり、わずか23%がAIにそれを実行させる意欲があります。[2] 報告書自体が結論を導き出します。アクションを完了するためにAIを使用する意欲は下降傾向にあり、AIが推奨し、人間のオペレーターが行動することを好む傾向に置き換わっています。
これらの結果は時にはためらいとして解釈されますが、私はそれを実践者が意図的に設定した境界として読み取ります。推奨は彼らにモデルを信頼させます。実行は彼らにアクションの制御を信頼させ、これがほとんどのエージェントの展開に今も欠けています。彼らは年々AIのアドバイスをより受け入れるようになり、そのアドバイスに基づいてAIに行動させることを拒否します。実行が生産の他のすべてのものと同じ制御を持つまで。調査の結果、36%の回答者がメインフレームを管理するエージェントの作成に投資する計画を持っています。その意図は明確です。未解決なのは、推薦からアクションに移行する方法であり、それがこれらのシステムを運用させる基準を下げることなくです。
段階的に自律性を拡張する
どの企業も新入社員に初日に無制限の生産アクセスを付与しませんし、エージェントも同様の慎重さが必要です。ガートナーは警告しています、すべてのエージェントに均一なガバナンスを適用することは、その自律性や範囲に関係なく、失敗を招く可能性があると予測しています。2027年までに、40%の企業が生産インシデントでガバナンスのギャップが明らかになった後、自律エージェントを格下げまたは廃止するでしょう。[3] すべてのエージェントに同じ制限を適用することは、エージェントが存在する価値を停滞させます。すべてのエージェントに同じ信頼を拡張することは、プログラムを終了させるインシデントを招きます。
実行は中間的な立場を提供します。単一のワークフローは、エージェントが低リスクのステップでレビューなしに行動することを許可し、次のステップでは人間の承認を要求し、エージェントの記録がより多くの余地を正当化するまで第3のステップを検査のために保持します。各成功した実行からの証拠が、その決定を情報提供する可能性があります。新しいエンジニアが時間をかけて生産アクセスを得るのと同じ方法です。その自由は、何かがうまくいかないときにすぐに撤回することができます。なぜなら、制御はエージェントではなくワークフローにあるからです。
エージェントを既存の制御プレーンに組み込む
少ない組織は、すでにアプリケーション、データパイプライン、およびインフラストラクチャを調整するために使用しているモデルとは別の操作モデルを望むでしょう。アーキテクチャの観点から、別のモデルをお勧めします。第二の制御プレーンは、政策が漂う別の場所であり、保護すべき別の資格情報セットであり、監査人が何が起こったのかを尋ねたときに調整する必要がある別の監査のトレイルです。より持続可能なアプローチは、エージェントを企業がすでに調整しているワークフローの参加者の1つとして扱い、他のすべてと同じ依存関係、サービスレベル、および監査要件に従わせることです。
ファブリックを選択する前に尋ねるべき質問
エージェンティックファブリックはカテゴリであり、市場はそのカテゴリに製品を追加し続けるでしょう。カテゴリの背後にある要件は変わらず、実行の要件です。エージェンティックファブリックは、企業がエージェントを発見、統治、調整するのを助けます。それに接続された実行の規律が、これらのエージェントがどれだけ信頼されて行動するかを決定します。 それらの制御がどのエージェントからも独立して機能する場合、それらは構築方法に関係なくすべてのエージェントに一貫して適用できます。証拠が蓄積するにつれて自律性を拡張でき、リスクが変わると各ステップが取り消される可能性があります。エージェントは企業がすでに運用している制御プレーンに属しているべきです。新しいレイヤーは調整作業を追加し、既存のものはすでに作業を責任を持って保持します。
実行の規律は、企業が何十年も従ってきた実践です。今後の課題は、それを新しい種類の労働者に拡張することです。ファブリックを選択する前に、私はその作業自体にもっと厳しい質問を投げかけます。エージェントが重要なシステムで行動する場合、組織は何が実行され、何に依存しているのか、誰がそれを承認し、必要に応じてそれを元に戻したり制御したりする方法を示すことができますか?はいと答えられる組織は、自信を持ってエージェントに自律性を拡張します。他の組織はAIを助言役に留めるでしょう。それはモデルが不十分だからではなく、実行が不十分だからです。
BMCのエージェンティックファブリックカテゴリに関する見解については、エージェンティックファブリックに関して興味深い、重要な、そして即時のこと
AIの推奨とAIの実行の間に実践者が引いている線についての完全な調査結果については、2026 BMCメインフレーム調査レポートを参照してください。
[1]: ガートナー、「ガートナーがAIエージェントのスプロールを管理するための6つのステップを特定」とのプレスリリース、2026年4月28日。 https://www.gartner.com/en/newsroom/press-releases/2026-04-28-gartner-identifies-six-steps-to-manage-artificial-intelligence-agent-sprawl
[2]: BMCソフトウェア、2026 BMCメインフレーム調査レポート、「AIがメインフレーム変革の次の時代を推進する方法」、pp. 4, 7, 9。 https://www.bmc.com/info/mainframe-survey.html
[3]: ガートナー、「ガートナーがAIエージェントに均一なガバナンスを適用することが企業のAIエージェントの失敗を招くと警告」とのプレスリリース、2026年5月26日。 https://www.gartner.com/en/newsroom/press-releases/2026-05-26-gartner-says-applying-uniform-governance-across-ai-agents-will-lead-to-enterprise-ai-agent-failure
これらの投稿は私自身のものであり、必ずしもBMCの立場、戦略、または意見を代表するものではありません。