エージェンティックファブリックは制御された実行を通じて信頼を得る

CIOとオペレーションリーダーは、AIエージェントに関して他の懸念事項を上回る1つの懸念を抱いています。それは、エージェントが生産システムを変更し、その変更を誰が承認したのか、またそれを元に戻す方法を誰も言えないということです。エージェンティックファブリックは業界の答えであり、その会話のほとんどは発見、ガバナンス、調整についてです。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、最も注目されていない部分です。

ファブリックの会話は、エージェント自体についてです。どれだけの数があり、何にアクセスでき、誰が所有しており、どのように認証情報を取得するのか。それらは公正な質問であり、ほとんどの企業では回答が遅れています。しかし、オペレーションチームはプロセスを信頼しません。彼らはその周りの制御を信頼し、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。この基準は、スケジュールされたジョブ、スクリプト、誰も覚えていない統合に対して保持されています。エージェントに対してそれが変わ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する問題

エージェンティックファブリックは、製品ではなくカテゴリです。この用語は、システム、データ、そして相互に作業するAIエージェントを接続し、ガバナンスし、監視するアーキテクチャレイヤーを説明します。その背後にある懸念は正当です。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到着し、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、2028年までに平均的なグローバルフォーチュン500企業が使用するエージェントの数が150,000を超えると予測しており、2025年の15未満から増加しています。また、組織のわずか13%が適切なAIエージェントガバナンスを確保していると信じています。[1] その規模では、発見、権限、可視性が基本的な要件となります。

この用語は、誰が使用するかによって異なる意味を持ち、いくつかのベンダーが独自の製品に似た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いですが、それぞれがオペレーションチームが既に運用しているものと調整する必要がある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、エージェントが行動するかどうかを決定する部分を含めて、すべてを網羅します。

レジストリは、存在するエージェントとそれらがアクセスできるものを確立しますが、エージェントが実行した作業が進むべきだったのか、またその作業を元に戻す方法を確立するものではありません。

運用上の信頼の源

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記録し、アカウントを調整し、翌朝までに準備が整っている必要がある規制レポートを準備します。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まで開始されません。上流の作業を待ち、定義されたサービスレベルに達するか、失敗した場合は停止し、何かが間違った場合に再構築できるだけの完全な記録を残します。ジョブは単純でも複雑でもあり得ます。信頼は、各ジョブを取り巻く実行にあります。

エージェントは、その原則を変更せずに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場所で推論し、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う理由です。解決策は、エージェントの行動を彼らが影響を与えるシステムをすでに支配してい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は承認を要求し、結果が間違っている場合に回復を支援します。また、何が実行されたのか、誰の権限で、なぜ実行されたのかを記録する監査証跡を保持します。その規律が運用上の信頼の源であり、エージェントにも他のすべてと同じように適用されます。

メインフレームの実務者が私たちに伝えていること

なぜ実務者はAIの推奨を受け入れますが、AIにそれを実行させることにためらうのでしょうか？最も重要なシステムを担当するチームは、年々より明確に引かれるラインで答えています。2026 BMCメインフレーム調査では、1,300人以上の実務者と意思決定者を対象に、AIが行動を推奨することに対する意欲が年々増加し、行動を完了させることに対する意欲が減少しました。データベース再編成は、最も明確なパターンを示しています。1年の間に、AIの推奨を歓迎する実務者の割合は37%から43%に増加しました。同じ期間に、AIに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。問題診断は同様のストーリーを示しており、推奨は41%に上昇し、完了は23%に減少しました。コード管理は、新しい質問のラインで、ほぼ同じ場所に着地しています。そこでは、40%が推奨を受け入れる意欲を示し、わずか23%がAIにそれを実行させることを希望しています。[2] レポートは自ら結論を引き出しています。行動を完了させるためにAIを使用する意欲は下降傾向にあり、AIが推奨することを好み、人間のオペレーターが行動することを好むようになっています。

これらの結果は時折ためらいとして解釈されます。私はそれらを実務者が意図的に設定した境界と読み取ります。推奨は彼らにモデルを信頼させます。実行は彼らに行動の周りの制御を信頼させますが、それらの制御がほとんどのエージェントの展開に欠けているものです。彼らは毎年AIのアドバイスをより迅速に受け入れ、実行がこれらのシステムを運用するのと同じ制御を持たない限り、そのアドバイスに基づいて行動させることを拒否します。同じ調査によると、36%の回答者がメインフレームを管理するエージェントを作成するための投資を計画しています。意図は明確です。推奨から行動に移行する方法が、これらのシステムを運用し続ける基準を下げることなく解決されていないのです。

段階的に自律性を拡張する

どの企業も、新しい従業員に初日から無制限の生産アクセスを付与しません。エージェントも同じ注意が必要です。ガートナーは警告します。すべてのエージェントに一様なガバナンスを適用することは、失敗を招く可能性があります。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ると、自治エージェントを降格または廃止すると予測しています。[3] すべてのエージェントに同じ制限を適用すると、エージェントが提供する価値が停滞します。すべてのエージェントに同じ信頼を拡張するとプログラムが終わる事故を招くことになります。

実行は中間的な位置を提供します。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、次のステップで人間の承認を要求し、3つ目のステップを保持して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点検を行うことができます。各成功した実行からの証拠がその決定に情報を与えることができ、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。その自由度は、何かが間違ったときにすぐに取り消すことができます。なぜなら、制御がエージェントではなくワークフローの中にあるからです。

エージェントを既存の制御プレーンに取り込む

ほとんどの組織は、エージェントのための別の運用モデルを、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すでに調整しているものと並行して欲しがらないでしょう。アーキテクチャの観点から、私は別のモデルを推奨しません。第二の制御プレーンは、政策が漂流するための第二の場所、保護するための第二の認証情報、監査人が何が起こったのかを尋ねたときに調整するための第二の監査証跡です。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に1つの参加者として扱い、他のすべてと同様の依存関係、サービスレベル、および監査要件に従わせることです。

ファブリックを選ぶ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、市場はそれ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りません。それは実行要件です。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、ガバナンス、および調整するのを助けます。それに関連する実行の規律が、これらのエージェントが行動するのに十分信頼されるかどうかを決定します。  それらの制御が任意の一つのエージェントから独立して機能する場合、それはすべてのエージェントに一貫して適用でき、その構築方法に関係なく適用できます。証拠が蓄積されるにつれて自律性を拡大でき、リスクが変化する場合には各ステップを取り消すことができます。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ます。新しいレイヤーを追加すると、調整作業が増加し、既存のものはすでに作業に責任を持っています。

実行の規律は、企業が数十年にわたり従ってきた慣行です。これからの作業は、新しい種類の作業者にそれを拡張することです。ファブリックを選択する前に、私は作業自体に対してより要求の厳しい質問をするでしょう。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、誰が承認したのか、そして必要な場合に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？その答えが「はい」と言える組織は、エージェントに自信を持って自律性を拡張します。他の組織は、モデルが不十分であるためではなく、実行が不十分であるために、AIを助言の役割に留めます。

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く、重要で、即時のことは何か？

AIの推奨とAIの実行の間に実務者が線を引いている場所に関する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ご覧ください。

[1]: ガートナー、「ガートナーがAIエージェントの拡大を管理するための6つのステップを特定」、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がメインフレームの次の変革時代をどのように推進しているか」、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エージェントに一様なガバナンスを適用すると企業のAIエージェントの失敗につながると警告」、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