Databricks、企業AIのエージェント型システムへの移行を観察

Databricksによれば、企業がインテリジェントなワークフローを導入するにつれ、エンタープライズAIの採用はエージェント型システムへと移行しつつある。

生成AIの初期波はビジネス変革を約束したが、孤立したチャットボットや停滞したパイロットプログラムに終わるケースが多かった。技術リーダーは実用性が限られる中、高い期待に直面した。しかしDatabricksの最新データは、市場が転換点に達したことを示している。

フォーチュン500企業の60％を含む2万社以上の組織からの情報によると、モデルが情報を取得するだけでなく自律的にワークフローを計画・実行する「エージェント型」アーキテクチャへの急速な移行が確認されている。

この変化はエンジニアリングリソースの根本的な再配分を意味する。2025年6月から10月にかけて、Databricksプラットフォーム上のマルチエージェントワークフロー利用は327%増加。この成長はAIがシステムアーキテクチャの中核要素へと進化していることを示している。

「スーパーバイザーエージェント」が企業におけるエージェント型AI導入を推進

この拡大を牽引しているのが「スーパーバイザーエージェント」である。単一モデルに依存する代わりに、スーパーバイザーがオーケストレーターとして機能し、複雑なクエリを分解して専門サブエージェントやツールにタスクを割り当てる。

2025年7月の導入以来、スーパーバイザーエージェントは主要なエージェントアプリケーションとなり、10月までに利用の37%を占めるに至った。このアプローチは人間の組織構造を反映している：マネージャーが全てのタスクを実行するのではなく、チームがそれらを完了させることを保証するように。同様に、スーパーバイザーエージェントは意図検出とコンプライアンスチェックを処理した後、ドメイン固有のツールに作業を指示する。

現在この導入を主導しているのはテクノロジー企業であり、他業界の約4倍のマルチエージェントシステムを構築している。しかしその利点は全セクターに及ぶ。例えば金融サービス企業は、マルチエージェントシステムを用いて文書検索と規制コンプライアンスを同時に管理し、人間の介入なしに検証済みの顧客応答を提供できる。

従来のインフラが直面する圧力

エージェントが質問応答からタスク実行へ進化するにつれ、基盤となるデータインフラは新たな課題に直面している。従来のオンライン取引処理（OLTP）データベースは、予測可能なトランザクションと稀なスキーマ変更を前提とした人間レベルの速度での相互作用を想定して設計された。エージェント型ワークフローはこの前提を覆す。

AIエージェントは現在、継続的で高頻度の読み書きパターンを生成し、コードテストやシナリオ実行のためにプログラム的に環境を構築・解体することが多い。この自動化の規模はデータに明確に表れている。2年前、AIエージェントが作成したデータベースはわずか0.1%だったが、現在ではその数値は80%に達している。

さらに、データベースのテストおよび開発環境の97%が現在AIエージェントによって構築されている。この機能により、開発者や「vibeコーダー」は数時間ではなく数秒で一時環境を作成できる。Databricks Appsのパブリックプレビュー開始以降、5万以上のデータおよびAIアプリケーションが開発され、過去6ヶ月間で250%の成長率を示している。

マルチモデル標準

企業リーダーが自律型AIの導入拡大に取り組む中、ベンダーロックインは依然として懸念事項だ。データによれば、組織はマルチモデル戦略の導入を通じてこの課題に積極的に対処している。2025年10月時点で、78%の企業がChatGPT、Claude、Llama、Geminiなど2つ以上の大規模言語モデル（LLM）ファミリーを採用していた。

このアプローチは高度化しつつある。3つ以上のモデルファミリーを利用する企業の割合は、2025年8月から10月の間に36%から59%に増加した。この多様性により、エンジニアリングチームはより小規模でコスト効率の高いモデルに単純なタスクを割り当てつつ、複雑な推論には高度なモデルを温存できる。

小売企業がこのトレンドを牽引しており、83%が性能とコストのバランスを取るため2つ以上のモデルファミリーを活用している。様々な独自開発モデルやオープンソースモデルを統合可能な統一プラットフォームは、現代の企業AIスタックにおいて急速に不可欠なものとなりつつある。

従来のビッグデータ処理のようなバッチ処理とは異なり、エージェント型AIは主にリアルタイムで動作する。レポートによれば、全推論リクエストの96%が即時処理されている。

この傾向は、レイテンシーが価値に直接影響する業界で特に顕著である。テクノロジー業界では、バッチリクエスト1件に対し32件のリアルタイムリクエストを処理している。患者モニタリングや臨床意思決定支援を伴う医療・ライフサイエンス分野では、その比率は13対1に達する。ITリーダーにとって、これはユーザー体験を損なうことなくトラフィック急増に対応できる推論サービングインフラの必要性を強調している。

ガバナンスが企業AI導入を加速

多くの経営陣にとって最も直感に反する発見は、ガバナンスとスピードの関係性だろう。ボトルネックと見なされがちな厳格なガバナンスと評価フレームワークは、実は本番環境への展開を加速させる。

AIガバナンスツールを利用する組織は、利用しない組織と比較して12倍以上のAIプロジェクトを本番環境にデプロイしている。同様に、評価ツールを用いて体系的にモデル品質をテストする企業は、本番デプロイメントを約6倍達成している。

その理由は明快だ。ガバナンスはデータ利用の定義やレート制限の設定といった必須のガードレールを提供し、関係者が導入を承認する自信を与える。こうした統制がなければ、安全やコンプライアンスリスクが定量化されないため、パイロットプロジェクトは概念実証（PoC）段階で停滞しがちである。

エージェント型AIによる「地味な」業務自動化の価値

自律エージェントは未来的な能力を連想させるかもしれないが、現在のエージェント型AIによる企業価値は、日常的で平凡ながらも不可欠なタスクの自動化から生まれている。主要なAIアプリケーションは業界によって異なるが、特定のビジネス課題の解決に焦点を当てている：

• 製造業・自動車産業：ユースケースの35%が予知保全に焦点を当てる。

• 医療・ライフサイエンス：ユースケースの23％が医学文献の統合に関わる。

• 小売・消費財：ユースケースの14％が市場情報分析に充てられている。

さらに、トップ AI ユースケースの 40% は、顧客サポート、顧客擁護、オンボーディングなど、顧客の実用的な懸念事項に対処しています。これらのアプリケーションは、測定可能な効率性を提供し、より高度なエージェントワークフローに必要な組織能力を構築します。

経営幹部にとって、今後の道筋は AI の「魔法」よりも、それを取り巻くエンジニアリングの分野に重点を置くことにある。Databricks の EMEA CTO、デール・ウィリアムソン氏は、議論が進化してきたことを指摘しています。

「EMEA 地域の企業にとって、会話は AI の実験から運用上の現実へと移行しています」とウィリアムソン氏は述べています。「AI エージェントはすでに企業インフラの重要な部分を運営していますが、真の価値を認識している組織は、ガバナンスと評価を後付けではなく基礎として扱っている組織です。

ウィリアムソン氏は、競争上の優位性は、単に購入する製品ではなく、企業がどのように構築するかに再び移行しつつあることを強調しています。

「オープンで相互運用可能なプラットフォームにより、組織は、短期的には生産性を向上させるが、長期的には差別化にはつながらない組み込みの AI 機能に頼るのではなく、自社の企業データに AI を適用することができます。

規制の厳しい市場では、この開放性と制御性の組み合わせが「パイロットと競争優位性を区別する要素」となります。

関連情報：Anthropic、政府向け AI アシスタントのパイロット構築に選定

業界リーダーから AI とビッグデータについてもっと学びたいですか？アムステルダム、カリフォルニア、ロンドンで開催される AI & Big Data Expo をぜひご覧ください。この包括的なイベントは TechEx の一部であり、Cyber Security & Cloud Expo などの他の主要なテクノロジーイベントと同時開催されます。詳細については、こちらをクリックしてください。

AI NewsはTechForge Mediaが運営しています。今後のエンタープライズ技術イベントやウェビナーはこちらでご覧ください。