エンタープライズにおけるエージェンティックオーケストレーション: それが何であり、ワークロードオートメーションとの関係

AIエージェントは生産環境に入り込み、行動を起こし、意思決定を行い、人間や自動化システムと調整を行っています。企業にとっての課題は、これらのエージェントが行う自律的な作業が、すでにビジネスを運営している実行の規律にどのように適合するかということです。エージェンティックオーケストレーションは、多くの企業が向かっている答えです: 自律エージェントがビジネスプロセス内でどのように機能するかを管理する調整レイヤーです。自動化システムと人間のオペレーターがすでに関与しているプロセスの中で。

エージェンティックオーケストレーションとは何ですか？

エージェンティックオーケストレーションは、AIエージェント、自動化システム、および人間のレビューアを管理されたビジネスプロセス内で調整することです。従来のワークロードオートメーションとは異なり、予め定義されたタスクのシーケンスを実行するのではなく、エージェンティックオーケストレーションは、AIエージェントの判断とともにルールに基づいた実行を組み合わせた作業を調整し、両者間で一貫したポリシーの施行と可視性を確保します。

オーケストレーションレイヤーはすべてのステップを指示するわけではありません。目標を提供し、エージェントが何をすることが許可されているか、許可されていないかを定義し、彼らが作業を行うために必要なツールと情報を提供します。しかし、目標に到達する方法を見つけるのはエージェント自身です。その結果、個々のエージェントが判断を下す余地があるシステムが生まれますが、彼らが運営するルール、彼らが何をしているかの可視性、そして結果に対する責任は企業の管理下にあります。この組み合わせが、ビジネスワークフローが信頼性を持って実行され、監査可能であり、企業基準を満たすために十分な耐久性を持つエージェンティックシステムを作り出します。

ほとんどの企業は、すでに運営しているものの代替としてエージェンティックオーケストレーションを導入するわけではありません。彼らは、アプリケーション、データパイプライン、およびクラウドサービス全体でワークロードオートメーションに使用してきたオーケストレーションレイヤーに追加し、そのレイヤーを拡張して、すでに調整している作業とともにAIエージェントを管理します。

エージェンティックオーケストレーションはどのように機能しますか？

エージェンティックオーケストレーションは、サポートチケットを処理する、財務締切を実行する、セキュリティ警告を調査するという定義された目標と、作業を行うために利用可能なエージェント、自動化システム、および人間のレビューアのセットから始まります。異なるエージェントは通常、異なる役割を果たします: トリアージエージェントは受信リクエストを分類するかもしれません; リサーチエージェントは内部システムまたは外部ソースから情報を引き出すかもしれません; エグゼキューターエージェントは特定のアクションを取るためにAPIを呼び出すかもしれません。各エージェントは、オーケストレーションレイヤーが利用可能にする定義されたツールセットを使用します。オーケストレーションレイヤーは、作業を適切なエージェントにルーティングし、エージェントに必要なコンテキストを提供し、全体の努力の状態を追跡します。

エージェントが作業の一部を受け取ると、目標を一連のステップに分解し、それに従って作業を進めていくのが一般的です。新しい情報や予期しない条件に直面するたびに計画を調整します。エージェントは、これらのステップで何が起こったのかを保持します: 何を試みたか、何がうまくいったか、どのデータを収集したかなど、各アクションは前のアクションに基づいて構築されます。より複雑なプロセスでは、エージェント同士が直接協力することもあります: 1つのエージェントが適切な専門性を持つ別のエージェントにサブタスクを委任するか、複数のエージェントが問題の異なる部分を並行して作業するかもしれません。オーケストレーションレイヤーはこれらの相互作用を管理し、どのエージェントが何に責任を持っているかを追跡し、作業がエージェント間で移動する際に全体のプロセスが一貫性を保つようにします。

作業の1つのステージが完了すると、次のステージは通常、別のエージェント、または自動化システム、または人間によるレビューまたは承認への引き渡しを含みます。オーケストレーションレイヤーはこれらの移行を管理し、関連するコンテキストを持ち越し、問題に適用されるポリシーを施行し、各ステップでのすべての決定、ツール呼び出し、および結果を記録します。

一部のシステムは、この履歴を使用してエージェントの行動を時間とともに洗練させます。しかし、学習が範囲内であるかどうかにかかわらず、監査トレイルは責任の基盤です: それが、規模の生産が要求するガバナンスされた自律性を可能にするからです。

エージェンティックオーケストレーションはAIオーケストレーションおよびAIエージェントとどのように関連していますか？

エージェンティックオーケストレーションは、関連する概念と混同されることがあります。ここで最も重要な2つの区別があります。

エージェンティックオーケストレーションはAIオーケストレーションとどのように異なりますか？

AIオーケストレーションは、時にはすべてを指す用語として使われることがありますが、実際には通常、AIモデルを実行するために必要なステップを調整することを指します。一般的な例は、詐欺検出システムです: トランザクションが入ると、システムは関連する履歴でそれを強化し、AIモデルはリスクのためにトランザクションをスコアリングし、2番目のモデルが顧客の最近の行動をチェックします。2つのスコアは単一の評価にまとめられ、結果は下流のシステムに送信されます。AIオーケストレーションはそのシーケンスを振り付けます: 何がいつ実行され、データはどこに流れ、各モデルをトリガーするのは何か。これを行うプラットフォームは、AIモデル自体のライフサイクルを中心に構築されています。いつ呼び出され、入力と出力が周囲のシステムとどのように接続され、パフォーマンスがどのように追跡されるかが含まれます。

エージェンティックオーケストレーションは、異なるものを調整します。アクターは、予め定義されたステップを実行するモデルではなく、目標を追求する自律エージェントです。彼らは判断を下し、行動を選択し、自動化システムやビジネスプロセス内の人間のレビューアと協力して作業します。AIオーケストレーションがモデル呼び出しのシーケンスを管理するのに対し、エージェンティックオーケストレーションは、彼らの行動が何をするかを調整し、管理します。

両者は共存することがよくあります。詐欺検出パイプラインはAIオーケストレーションによって調整されるかもしれませんが、詐欺パターンを検出して調査を開始するエージェントは、エージェンティックオーケストレーション内で操作します。両方のレイヤーは同じ企業制御プレーン内で動作するかもしれませんが、異なる問題を解決しています: より大きな作業の流れの一部としてAIモデルがどのように実行されるか、エージェントが作業を行う際にどのように管理されるかです。

エージェンティックオーケストレーションは個々のAIエージェントとどのように関連していますか？

AIエージェントは自律的なアクターです: 通常、大規模な言語モデルが一連のツールに接続され、追求するために定義された目標を持ち、目標に向かって進捗を得るために世界で行動を起こすことができるエージェントです。エージェントは自分の状況を認識し、何をするかを決定し、与えられたツールを通じて行動します。各エージェントは通常、特定の作業の範囲に特化しており、定義されたツールセットとプロセス内での定義された役割を持っています。

エージェンティックオーケストレーションは、エージェントが操作するシステムを管理するレイヤーです。オーケストレーションレイヤーは達成すべき目標を提供し、利用可能なエージェント間でタスクを割り当て、各エージェントが使用できるツールを決定し、作業が従わなければならないポリシーを施行し、エージェントと他のシステム間の引き渡しを管理し、何が起こったかを追跡して作業がステップ間で一貫性を保つようにします。また、可視性と責任のためにアクションと決定を記録します。

単一のエージェントがタスクを完了できます。複数のエージェントが関連するタスクを順序または並行して完了できます。エージェンティックオーケストレーションは、それらのタスクを調整します - そしてそれらを実行しているエージェントを - 一貫した、管理されたビジネスプロセスにまとめます。それは、全体の作業が信頼できる、透明性があり、企業が設定した制限内で完了するのを助けるレイヤーです。

エージェンティックオーケストレーションは従来のワークロードオートメーションとどのように関連していますか？

エージェンティックオーケストレーションは、数十年にわたるワークロードオートメーションの実践の延長として最もよく理解されます - 企業の実行制御の進化における次のステージです。

バッチワークロードオートメーションからエージェンティックオーケストレーションへの系譜

その進化には認識可能な形があります。企業の実行は、バッチワークロードオートメーションとして始まりました - 予測可能なサイクルで実行されるスケジュールされたジョブであり、複数のシステム間で依存関係が管理されています。アプリケーションおよびデータパイプラインオーケストレーションに拡張され、現在ほとんどの企業が運営しているシステムのミックスを調整します。オンプレミスサーバーや複数のクラウド環境を含みます。イベント駆動型システムやクラウドネイティブサービスを処理するように成長し、作業はスケジュールではなく信号によってトリガーされました。最近では、AI駆動のワークフローもカバーするようになりました - 機械学習モデルやAI駆動の自動化が他のすべてのものとともにビジネスプロセスに参加します。エージェンティックオーケストレーションは次のステップです: 実行レイヤーを拡張して、自律エージェントも調整することです。

持ち越されるのは、用語だけでなく特定の実践もあります。成熟したワークロードオートメーションプラットフォームが数十年にわたって発展させてきた能力 - 異種システム間の依存関係管理、SLA施行、再試行および回復ロジック、監査追跡可能性、例外処理、長期間にわたるワークフローの可視性 - は、エージェント主導のワークフローが生産で信頼性を持って実行するために必要なまさにその能力です。財務締切を信頼性のあるものにするための規律は、スケジュールされたバッチジョブの財務締切が同じであり、AI駆動の例外処理を含む場合でも、同じ規律が必要です。基盤となる実行レイヤーはエージェンティックワークフローのために再構築する必要はありません; それには拡張する必要があります。

エージェント主導の実行に伴う変更

調整される作業の種類が実際に新しいのは何ですか。従来のワークロードオートメーションは、主に決定論的な実行を管理します: 定義されたルールに従って実行され、予測可能な結果を生み出す事前定義されたステップです。一般的に、同じジョブが同じ条件下で同じ入力で実行されると、同じ結果が得られるはずです。エージェンティックシステムは非決定論的な実行を導入します: エージェントはコンテキストに基づいて判断を下し、類似の状況はエージェントが観察する条件に応じて異なるアクションを導く可能性があります。エージェントはまた、従来の実行プラットフォームが提供するように設計されていなかった監視の形式を必要とする、彼らが構築する計画の質、彼らの決定の背後にある信頼性、そして彼らがステップ間で保持する記憶と認識の管理に関連する課題も持ち込みます。多くのビジネスプロセスは現在、両方を組み合わせています。財務の締切には、数十の決定論的なステップ (データ抽出、スケジュールされた報告、ファイル転送) と、増え続ける非決定論的なステップ (異常調査、AI支援の例外処理、上流が遅れたときの優先順位の再調整) が含まれています。サプライチェーンオペレーション、カスタマーサービスのワークフロー、IT修復はますます同じように見えます。

混合実行プロセスは、エージェンティックオーケストレーションが既存の実行レイヤーの拡張として理解されるのが最も良い理由です。エージェント主導の作業が1か所で管理され、調整される決定論的作業が別の場所で管理されると、ビジネスプロセス全体が断片化されたガバナンスを持つことになります。両方のシステムが似たようなポリシーを施行していても、プロセスがそれらの間を渡ると、調整する必要のある2つの異なる監査トレイルがあり、統合する必要のある2つの異なる可視性の表面があり、同期を保つ必要のある2つの異なる状態管理システムがあります。

一貫した企業の実行には、全プロセスにわたって一貫したガバナンスが必要です。これは、運用上およびアーキテクチャ上の理由からです。一貫したガバナンスレイヤーは、接続されたシステムを同期させるコストを削減し、ポリシー変更が予測可能に伝播するのを助け、結果を監査人、規制当局、取締役会、または内部の調査員に説明しなければならないときに、より一貫した監査トレイルを生成します。

エージェンティックオーケストレーションは企業規模でどのように管理されていますか？

ガバナンスは、エージェンティックオーケストレーションがエージェントの実験と異なる点です。孤立して運営されるAIエージェントは、プロトタイプにとって許容できる方法で不安定である可能性があります; ビジネスプロセス内で運営されるエージェントは、生産で実行される他のものと同じ信頼性、責任、および監査可能性の基準を満たす必要があります。この文脈でのガバナンスは、単一の機能ではありません。自律実行をスケール可能なほど安全にするために、一緒に機能する一連のプラクティスです。

実用的なコアを形成する5つの能力:

依存関係の管理: エージェント主導の作業は、他のすべての種類の企業の作業と同様に、依存関係があります - データが利用可能であること、上流プロセスが完了すること、下流システムが結果を受け取る準備ができていること。オーケストレーションレイヤーは、決定論的およびエージェント主導のステップ間でこれらの依存関係を管理し、エージェントが古いデータに基づいて行動せず、下流のシステムが不完全な入力を処理するように要求されないこと、そして作業の順序 - ルールが柔軟性を許可する場所ならどこでも - が一貫した順序で完了することを保証します。

ポリシーの施行: すべてのエージェントは、定義された制約内で運営されます: どのデータにアクセスできるか、どのアクションを取れるか、人間のレビューが必要なしきい値、どのような種類の決定を自律的に行えるか、どの決定をエスカレーションしなければならないか。これらのポリシーは、エージェントが作成される際に定義され、実行時に施行され、個々のエージェントや開発チームによって不一致に実装されることはありません。ポリシーの施行は、企業がエージェントに自律性を拡張し、彼らがそれをどのように行うかを制御することを可能にします。

可視性: 生産グレードのエージェンティックオーケストレーションには、プロセス全体で何が起こっているかを可視化する必要があります - エージェントの作業と決定論的作業の両方。エージェントの作業の場合、それはエージェントがタスクを完了したかどうかだけでなく、どのようなアクションを取ったか、どのツールを呼び出したか、どのAIモデルの呼び出しを行ったか、どのデータにアクセスしたか、どのような結果が得られたかを追跡することを意味します。決定論的作業の場合、要求はワークロードオートメーションが長い間処理しているものです: ジョブの完了、依存関係の解決、SLAのパフォーマンス、例外処理。混合実行プロセス全体で、オーケストレーションレイヤーはこれら2種類の可視性を統合する必要があります。なぜなら、各々が生成する信号が異なり、プロセスを運営する運営チームが一貫した全体の視点を必要とするからです。オーケストレーションレイヤーはそれらの信号を統合し、運営チームがプロセス全体を同時に見ることができるようにします。

例外処理: 実際のビジネスプロセスは、その設計者が予測していなかった条件に直面します - データが遅れている、システムが利用できない、エージェントの定義された範囲外の状況。エージェンティックオーケストレーションにおける例外処理は、ワークロードオートメーションからの再試行および回復ロジックをエージェント自身からの判断駆動の応答と組み合わせ、人間のレビューアにエスカレーションする必要があるときの明確な経路を管理します。その結果、プロセスは変動を吸収できるが、その一貫性を失うことはありません。

監査可能性: すべてのエージェントによって行われたすべてのアクション - そしてそのアクションを調整するためにオーケストレーションレイヤーが行うすべての決定 - は、何が起こったのか、そしてなぜそれが起こったのかを再構築するために必要なコンテキストとともに記録されます。監査可能性は、規制当局、監査人、内部の利害関係者に対してガバナンスされた自律性を示すことを可能にします。また、システム的な改善を可能にするのは監査トレイルです: 監査トレイルは、エージェントの行動、プロセスのパフォーマンス、および繰り返し発生する例外のパターンを理解し、対処するためのデータです。

これらの5つの能力は、決定論的およびエージェント主導の実行の両方にわたって一貫して機能する必要があります - そして、両者が相互作用するポイントを超えて一貫したガバナンスが必要です。

エージェンティックオーケストレーションシステムのコアコンポーネントは何ですか？

機能するエージェンティックオーケストレーションシステムは、通常、各コンポーネントが定義された役割を持ついくつかのコンポーネントを組み合わせます。具体的な内容はプラットフォームによって異なりますが、成熟した実装全体で基本的なアーキテクチャはますます一貫しています。

エージェント: 個々の作業ユニットを実行する自律的なアクターです。各エージェントは、処理するタスクの種類、使用するツール、依存するモデル、独自に行うことができる決定など、定義された範囲を持っています。専門化は規範であり、システムはトリアージエージェント、リサーチエージェント、調査エージェント、エグゼキューターエージェントなど、各自が担当する作業に調整されたエージェントを含む場合があります。

計画と推論: 目標をステップに分解し、知っていることに基づいて次に何をするかを決定し、条件が変わるにつれてアプローチを調整する能力です。計画と推論は、エージェントをスクリプトから区別するものです - 目標を追求するのを可能にするものです。

マルチエージェント調整と委任: プロセス内でのエージェント間での作業の割り当てと引き渡しを行うメカニズムです。1つのエージェントが適切な専門性を持つ別のエージェントにサブタスクを委任することがあるか、複数のエージェントが問題の異なる部分を並行して作業することがあります。これは、制御プレーンのより広範なルーティング役割とは異なり、制御プレーンが提供する構造内でのエージェント間の調整です。

制御プレーン: システム全体で作業をルーティングし、状態 (これまでに何が起こったのか、各作業が現在どこにあるか、持ち越す必要があるコンテキスト) を管理し、ポリシーを施行し、エージェント、自動化システム、および人間のレビューア間の引き渡しを調整します。これがオーケストレーションレイヤーです。ここでエンゲージメントのルールが施行され、監査トレイルが生成されます。

ツールレジストリ: どのエージェントがどのツールにアクセスできるかを定義する中央参照で、適切なアクセス制御が施されています。エージェントは、各エージェントのために構成されなければならない直接統合を通じてではなく、このレジストリを通じて企業システム、API、データソース、および他のリソースにアクセスできます。レジストリは、スケールでのガバナンスを管理可能にします: アクセスポリシーの変更、新しいツール、または権限の取り消しは、エージェントごとに適用するのではなく、システム全体に一貫して伝播します。モデルコンテキストプロトコル (MCP) は、主要なAIベンダーによってサポートされ、Linux Foundationによって管理されており、エージェントがシステム全体のツールを発見し接続できるようにし、レジストリに共通のインターフェースを提供します。エージェントが使用する必要がある各ツールのためにカスタム統合を要求するのではなく。

共有状態とメモリ: 調整されたプロセスを構成する複数のステップ間で保持されるコンテキストです。シーケンス内で2番目のアクションを取るエージェントは、最初のアクションで何が起こったかを知る必要があります; 下流のレビューアは、エージェントがすでに行ったことを見る必要があります。共有状態は、エージェント間での調整を可能にします。

ヒューマンインザループメカニズム: エージェント主導のプロセスにおいて人間が参加する定義されたポイント - レビュー、重要な決定の承認、システムが自力で解決できない例外の処理。これらのメカニズムは失敗のためのバックアップではなく、システムの構造的コンポーネントであり、最初から設計されています。

監査および可視性レイヤー: すべてのエージェントとすべての調整イベントのアクション、決定、および結果を、コンプライアンスと運用分析のためにクエリ可能で保持可能な形式でキャプチャするレイヤーです。

これらのコンポーネントを合わせることで、エージェント主導の作業を他のすべての企業が運営する中で調整できるシステムが形成され、一貫したガバナンスの下で、製品に必要な可視性を持つことができます。

一般的な企業のユースケースは何ですか？

企業の作業は、決定論的なルールベースの実行と適応的な判断駆動の応答を組み合わせるようになっています。以下は、ガバナンスがスケジュールされた作業とAI駆動の応答の間の境界を越えなければならない3つの一般的な例です。

財務締切と調整: 財務締切は、数十のスケジュールされたルールベースのステップ - データ抽出、調整、検証ルーチン、レポート - で構成されます。また、何かが調整されないとき、異常が発生するとき、締切を完了する前に調査して解決しなければならない例外が発生したときには判断が必要です。エージェンティックオーケストレーションは、予測可能な作業を処理するスケジュールされたジョブに加えて、例外調査作業を処理するAIエージェントを調整し、両者間で完全な監査可能性を確保します。

サプライチェーンと運用の継続性: サプライチェーンオペレーションは、調達、在庫、物流、そしてフルフィルメントシステムにわたるスケジュールされた調整に依存しています。また、何かがうまくいかないときの適応的な応答にも依存しています - 遅れた出荷、在庫不足、下流の約束に影響を与えるルーティングの変更。エージェンティックオーケストレーションは、エージェントが作業する必要があるシステム間の調整を処理し、エージェントが混乱の信号を評価し、応答を提案し、影響を受けたシステム全体で調整を行う自由を与えます。すべて、オペレーションチームによって設定されたポリシーの境界内で。

ITオペレーションとインシデント応答: 現代のIT環境は、決定論的な自動化 (スケジュールされたメンテナンス、自動パッチ適用、定義された修復プレイブック) と判断を必要とする状況 (インシデントのトリアージ、異常調査、新しい障害モード) を組み合わせています。エージェンティックオーケストレーションは、決定論的な修復プレイブックとAI駆動のトリアージおよび調査を調整し、システムが自力で解決できる限界に達したときに人間のオペレーターにエスカレーションします。その結果、運用の制御を失うことなく、より迅速な応答が可能になります。

エージェンティックオーケストレーションがもたらす課題は何ですか？

エージェンティックオーケストレーションを採用する際に企業が直面する課題は、技術的であるだけでなく構造的なことが多いです。それは、技術が機能するかどうかだけではなく、組織がそれを責任を持って展開するためのアーキテクチャと規律を持っているかどうかに関するものです。

マルチエージェント調整: 複雑なプロセス全体で複数のエージェントを調整することは、単一のエージェントを調整するよりも難しいです。並行して作業している複数のエージェント間で何が起こったかを追跡することは、さらに複雑になります。引き渡しを明確に定義する必要があります。エージェント同士が自由にコミュニケーションを取らせる誘惑は、オーケストレーションレイヤーが何が起こっているかを一貫して可視化する必要があるという必要性とバランスを取らなければなりません。

混合実行全体での可視性: 決定論的およびエージェント主導の作業全体で一貫した視点を生成するには、オーケストレーションレイヤーが2つの非常に異なる種類の運用データを理解する必要があります: スケジュールされたジョブが生成する予測可能なステータス更新と、エージェント主導の作業が生成するより多様な信号です。スケジュールされたジョブを監視することに慣れている運営チームは、これらの新しい信号 - 自信レベル、エージェントが考慮した代替パス、エージェントが人間のレビューのためにエスカレーションした決定 - を含めるようにメンタルモデルを拡張する必要があります。

既存システムとの統合: エージェントは通常、人間のユーザーやシステム間の自動化のために設計された企業データやツールにアクセスする必要があります。エージェントを既存の環境に統合することは、特にアイデンティティ、アクセス制御、監査ログに関して、慎重な作業を必要とします。

運用の規律: 最大の課題は文化的なものであることが多いです。決定論的なシステムに慣れた運営チームは、エージェント主導の作業を本質的に信頼できないものとして扱うことがあり、過度に制約を課すか (自律性の価値を失わせる)、または制約を緩めすぎて (ガバナンスのギャップを作る) ます。混合実行プロセスのための適切なプラクティスを構築することは、主に明確なポリシーと経験の問題ですが、それには時間がかかり、それらのプラクティスを施行しやすくするプラットフォームから恩恵を受けます。

これらの課題のいずれも、エージェンティックオーケストレーションのカテゴリに特有のものではありません; それらは、企業の実行が常に関与してきた課題のバリエーションです。新しいのは、数年前には生産環境で普及していなかったタイプの作業にそれらを適用する必要があることです。

Control-M、BMCのエンタープライズオーケストレーションプラットフォームは、ワークロードオートメーションとワークフローオーケストレーションの分野を数十年にわたって調整し、エージェント主導の実行を企業環境で調整します。エージェントに対しても同様です。

BMCの見解では、オーケストレーションの未来はAIエージェントや他の新しい技術についてではありません。すべての作業、エージェント、アプリケーション、データパイプライン、人々の作業を一貫したガバナンスの下で、単一の実行レイヤーを通じて調整することです。

Control-Mのエージェンティックオーケストレーション機能に関する詳細はこちらでご覧いただけます。

Control-Mは、2025年のGartner^® マジッククアドラント™でサービスオーケストレーションと自動化プラットフォームのリーダーに選ばれました。フォーブスグローバル100の80%が、金融サービス、製造、ヘルスケア、小売、通信、公共部門を含むビジネスが依存するシステムを調整するためにBMCを使用しています。

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、または意見を表すものではありません。