人工知能
AI エージェントがワークフォースの一員となるためにメモリが欠かせない理由
毎日業務について説明し直さなければならないエージェントは、業務を支援するのではなく、手間を増やします。メモリを使用すれば、そのような状況は変わります。
Workday スタッフ ライター
人事や財務では業務の進め方が急速に変化しています。AI エージェントは現在、候補者の発掘、請求書の照合、給与計算の異常検出、複数ステップ プロセスの調整など、さまざまな業務を担っています。
Gartner 社の予測によると、2026 年末にはエンタープライズ アプリケーションの 40% にタスク特化型 AI エージェントが組み込まれます。この割合はわずか 1 年で 5% 未満から急速に増加しています。2028 年には、日常業務の意思決定の 15% 以上がエージェント型 AI によって自律的に行われると見込まれています。
この 2 つ目の数字は注目に値します。エージェントは意思決定を支援するだけでなく、重要な意思決定を数多く担うようになります。これはエージェントがワークフォースの一員として機能する機会が増えることを意味します。組織は人財と同様にエージェントを管理する必要があります。つまりコンテキストを提供し、説明責任を明らかにし、どのような情報をどのような理由で使用するかを明確に記録する必要があります。
2028 年までには、日常業務の意思決定の 15% 以上がエージェント型 AI によって自律的に行われると見込まれています。
ガイド
CIO プレイブック: エージェント型 IT がもたらす 3 つの成果
コンテキストがなければ十分に機能しない
メモリを持たないエージェントは、入社初日の新入社員のようなものです。単発的に優れた推論を行えても、前四半期に同じサプライヤの請求書が 2 度フラグ付けされたことや、採用マネージャが根拠に基づいた候補者サマリを希望していること、同様の例外を前回承認した際に人間のレビュアーがその意思決定を覆したことなど、過去の出来事を想起できません。やり取りを行うたびにゼロから説明しなければなりません。誤った意思決定が大きな影響をもたらす人事や財務では、エージェントをコンテキストなしに運用することはできません。
経費申請をモニタリングする財務エージェントを考えてみてください。メモリがない場合、すべてのレポートは個別に評価されます。特定のベンダーの請求書が承認閾値をわずかに下回る金額で同月中に 3 回届いたとしても、そのような事実は見過ごされます。
人間のコントローラーであれば、このようなパターンにすぐに気づきます。毎回ゼロから始めるエージェントは、単発的な推論には優れていても、このようなパターンを特定できません。デジタル ワークフォースの信頼性は、組織が人財、財務、オペレーションにすでに適用しているものと同じ規律に基づいて管理できる場合にのみ確保されます。その規律は、エージェントにどのような情報を、どれくらいの期間、誰の監視下で使用させるかを定義することから始まります。
そのためメモリは、あれば便利な機能ではなく、エージェント型 AI の主要インフラとして捉える必要があります。
エージェントの信頼性は、人財、財務、オペレーションにすでに適用しているものと同じ規律に基づいて管理できる場合にのみ確保されます。
メモリをインフラとして捉えるべき理由
優れた意思決定者は、思考力が高いだけでなく、記憶力に優れています。過去の成果から得た教訓、類似する状況に見られるパターン、関係する人財やプロセスの背後にあるコンテキストを記憶・活用できます。デジタル ワークフォースにも同じ原則が当てはまります。メモリは有能なエージェントを信頼できるエージェントに転換するからです。
これは独立した調査によって裏付けられています。構造化された専用メモリを使って構築されたエージェントは、単に大規模なコンテキスト ウィンドウに依存するエージェントと比較し、複数セッションにまたがる長期的な業務において一貫して正確な推論を行うだけでなく、より高速に動作し、計算コストを大幅に抑えます。
この効率性が、メモリを単なる調査対象ではなく、インフラとして捉えるべき実務的な根拠です。履歴全体を再生する方法は、スピードの低下やコストの増加をもたらすだけでなく、重要な詳細をノイズとして埋没させます。構造化されたメモリこそが、エージェント型 AI を企業規模で動作させるための真の機能なのです。
デジタル ワークフォースには、主なメリットがいくつかあります。
1.メモリを使用することで、エージェントは会話だけでなく、プロセス全体の流れを把握できます。採用サイクル、決算処理、福利厚生のエスカレーションは、1 回のチャット セッションで終わるわけではありません。多くのタッチポイントをまたいで数日または数週間にわたって継続されます。メモリを持つエージェントは、一時停止した補充依頼の処理を再開し、先週、候補者リストを絞り込んだ理由を想起し、採用チームがすでに設定した希望条件を引き継ぐことができます。企業からすでに回答を得た質問を繰り返し尋ねることはありません。
2.メモリにより、エージェントは目の前のプロンプトだけでなく、実際に起きた出来事から学習できます。フォーキャストの調整は適切だったか、エスカレーションによって問題が解決したかなど、自身の意思決定とともに成果を記憶するエージェントは、以前に失敗したケースと類似する状況を見極め、適切に調整を行うことができます。優れた社員が時間とともに判断力を増していくのと同じです。
3.メモリはエージェントがチームの実務方法に従って動作することを可能にします。承認に関する希望、コミュニケーション スタイル、法域固有の要件など、運用上の文脈を把握することで、汎用的なアシスタントではなく、業務を理解している担当者が提示するような提案を作成できるようになります。
4.メモリは社員が AI を監視する負担を軽減します。すでに認識しているはずのコンテキストをエージェントに説明し直さなければならない場合、人財はタスクを完了するだけでなく、エージェントに業務を説明し直すという二重の役割を担うことになります。メモリを使用すれば、監視負担は時間とともに低減します。導入期間に関係なくエージェントに説明し続ける必要はありません。
これらはいずれも、エージェントが文字通り「インテリジェント」にならなければならないということではありません。流れを把握できるようにする必要があるということです。突破口はエージェントの能力そのものではなく、コンテキストにあります。だからこそ、メモリを独立した領域として捉えることが重要なのです。
メモリを持たないエージェントは、入社初日の新入社員のようなものです。
メモリが負債になる環境
ここで間違わないよう注意する必要があります。目標はエージェントにあらゆるものを記憶させることではなく、正しい内容を記憶させることにあります。
最新の AI 調査は、その理由を説明しています。ほとんどのメモリ拡張システムは、保存された情報の矛盾を検出する性能が極めて低く、矛盾を警告するどころか、古い情報や矛盾する情報に基づいて黙々と動作します。
放置すると、誤ったメモリはただそこにとどまるだけではありません。修正されていない 1 つのエラーが後続の処理に波及するのと同様、水面下でその後のあらゆる意思決定に影響を及ぼします。今日のメモリ システムの多くは、「エラーの増幅効果」が拡大する前にエラーを検出するよう構築されていません。
社員の特殊な医療事情を理由に例外を承認した福利厚生エージェントを想像してみてください。エージェントがその例外を単発的な判断ではなく一般的なルールとして保存した場合、知らぬ間に以降のあらゆる類似ケースに例外を適用し始める可能性があります。見た目が似ているだけで実際には同じではないケースを含めてです。誰もポリシーを変更すべきだと決めたわけではありません。しかしレビューされていないメモリが 1 つずつ積み重なることで、ポリシーはいつの間にか変更されます。
メモリを持たないエージェントは一貫性のない意思決定を行いますが、誤ったメモリを持つエージェントは、一貫して誤った意思決定を確信的に行います。そのため管理されていないメモリは、メモリがないこと以上に高いリスクをもたらします。
私たちが問うべきことは、この事実が今後の意思決定を変えるかどうかです。答えがいいえなら、AI メモリに保存するべきではありません。
がらくたを放り込む引き出しではなく、適切に整理・管理されたナレッジ ベースとしてメモリを扱うことで、エージェントの判断力を鈍らせるのではなく、正しい状態に保つことができます。
メモリを持たないエージェントは一貫性のない意思決定を行いますが、誤ったメモリを持つエージェントは、一貫して誤った意思決定を確信的に行います。
ガイド
CIO プレイブック: エージェント型 IT がもたらす 3 つの成果
リスクを管理するようにメモリを管理する
メモリを適切に管理することの重要性は、すでに市場に表れています。Gartner 社の予測によると、コストの増大、ビジネス価値の不明瞭さ、リスク管理の不足が原因で、エージェント型 AI プロジェクトの 40% 以上が 2027 年末までに中止される可能性があります。管理されていないエージェントのメモリは、この 3 つすべてに直接関係します。
ここで重要になる方針は 4 つあります。
1.メモリは監査可能でなければなりません。エージェントが先月学習した内容に基づいて提案を行っている場合、リーダーはその影響を追跡できる必要があります。何が、いつ、なぜ保存され、それが次のアクションにどのような影響を与えたのかを確認できなければなりません。
2.メモリは修正可能でなければなりません。ポリシー、組織構造、人財の役割は変化します。保存された情報は、作成されたときと同じくらい簡単に更新・削除できる必要があります。そうすることで、エージェントが古い情報に基づいて確信的に動作することを防ぐことができます。
3.メモリに保存する情報を区分けしなければなりません。報酬管理データ、単発的な異常、エージェントの権限外にある情報は、初めから除外する必要があります。リクルーターの一般的な採用方針と、機密性の高い欠員補充に対して行った単発的な意思決定は同じものではありません。また、いずれもユーザー、役割、エージェントの間で共有されるべきではありません。
4.メモリは適切なオーナーに紐付けて管理しなければなりません。エージェントが学習したすべての内容が組織全体に関係するわけではありません。採用マネージャの個人的な働き方と、全社的なコンプライアンス要件の両方がメモリに保存される場合、その重要度は大きく異なります。保持期間やチーム間での共有範囲は、それぞれ個別に定義する必要があります。
こうした取り組みがエージェントの導入を遅らせることがあってはなりませんが、メモリの管理を後回しにすべきでもありません。このような慣習を早期に構築できた組織は、後になってガバナンス上の負債を負うことなく、単一の試験的ユース ケースからエージェント型 AI の拡張へと移行することができます。この取り組みを怠った組織は、エージェントが本来保持すべきでない情報に基づいて動作したことで初めて不備に気づくことが少なくありません。
エージェントはインテリジェンスによって動き始めます。ワークフォースに適用しているものと同じ規律に基づいてメモリを管理することで、エージェントは賢く動作するようになります。
人の創造性とAIが協働し、事業価値と企業変革を加速するための具体的なアプローチをホワイトペーパーでご覧ください。