AWSのユーザー会JAWS-UGが2025年12月20日に開催した「AI Builders Day」で、2026年はAIエージェントの「構築元年」と宣言されました。このイベントでは、AIエージェント構築に関する実践的な知識が共有されました。NECソリューションイノベータのエンジニア福地開さんは、AWS基盤を活用して開発したエージェントの具体例を紹介しました。

福地さんが設計した「レポート生成エージェント」は、顧客の月次業務改善レポートを効率化し、既に本番環境で稼働中です。このエージェントは「AWS Step Functions」と「Amazon Bedrock」を組み合わせたAIワークフローにより、数千のレポート作成を迅速化しています。また、AWSのセキュリティチェックを行う「セキュリティエージェント」や、自身で「Amazon Bedrock AgentCore」や「Strands Agents SDK」を活用して開発した「アウトプット集約エージェント」も存在します。

福地さんのセッションでは、AIエージェントのアーキテクチャは「自律型」と「ワークフロー型」の二つに分けられ、それぞれの利点と欠点について議論されました。自律型エージェントは柔軟性がある一方、ワークフロー型は安定性が高いという特性があります。選択肢はコンテキストエンジニアリングに基づき、エージェントが情報を自力で取得するか、外部から与えられるかによって決まります。

福地さんは、最適なアーキテクチャは一つではないとし、エージェントのインプット、プロセス、アウトプットを明確に定義することが重要であると強調しました。これにより、AIエージェントの具体的な利用方法とその効果が実現されつつあります。

多くのリーダーが、チームの効果的なコミュニケーションと協働を実現することに苦労していますが、先進的なAI製品がその解決に貢献できます。高いレベルの協働を維持するチームは成功に向けて有利ですが、ステークホルダーを同じ方向に向かわせるのは難しいことです。マッキンゼーの調査によれば、約75%のワークグループが効果的な協働に苦戦しており、これはチームの実行効率を低下させます。

今こそ、AIを活用して協働を向上させるチャンスです。現在、92%の企業が今後数年でAIを制度的に利用することを約束しています。例として、DigsというAI駆動のプラットフォームがあります。このツールは建設業界で情報を一元化し、すべてのチームメンバーがアクセスできるようにすることでコミュニケーションの効率を向上させます。AIDOCというAI基盤の医療ソフトウェアは、脳スキャンの解釈を行い、治療時間を短縮します。また、Rhythmsというプロジェクト管理生成AIは、過去のデータから洞察を提供し、チームの効率を向上させます。

AIを戦略的に導入することで、リーダーはチームの協働を強化し、組織全体の効率を高めることが可能です。こうしたAIの応用は、ビジネスの機敏性と競争力を保持するための重要なステップとなります。

ビッグデータの効率化：AIによるワークフロー最適化の実践

現在、多くの大企業は複雑なデータワークフローに依存して事業を運営しています。これには不正検知やクレジット承認、顧客インサイトの分析が含まれ、毎日テラバイト単位でデータが処理されています。しかし、多くのワークフロープランナーが古い静的ルールに頼るため、非効率性が生じています。ジョブは遅くなり、エンジニアは手動でパラメータを調整する必要があります。

こうした状況を解決するために開発されたのがAutoGraphMRです。このシステムはグラフニューラルネットワーク（GNN）を活用し、データワークフローを「自己最適化」する能力を持っています。具体的には、すべてのデータ処理ステージをノードとして理解し、実行時間やリソース消費のデータを通じてボトルネックを特定します。

このアプローチを用いた結果、Hadoopエコシステム内のさまざまなワークロードで実績が出ました。ジョブの実行時間は約28%短縮され、リソース利用率は21%向上しました。さらに、手動レビューでは見逃される最適化機会も発見されました。

重要なのは、AIが単なるツールではなく、エンジニアリングの協力者として進化していることです。データプラットフォームが自己学習し、よりスマートに自動的に適応することで、生産性が向上します。このような技術革新は、企業の競争力を大いに高めることが期待されています。

当社は、2025年10月3日に発表したNVIDIAとの協業に基づく最初の成果として、「Fujitsu Kozuchi Physical AI 1.0」という技術を開発しました。この技術は、NVIDIAのソフトウェアスタックと当社の技術を統合し、機密性の高い業務ワークフローの自動化を可能にするマルチAIエージェントフレームワークを採用しています。特に、当社の大規模言語モデル「Takane」を基にしたAIエージェントが、購買部門の調達業務の自動化と効率化をサポートします。

具体的なアプリケーションとしては、帳票理解、購買規約解析、適合チェックに特化した3種類のAIエージェントを開発しました。これにより、複雑な帳票を高精度で構造化データに変換し、規約の解析と適合チェックを自動化することが可能になります。これらの特化型AIエージェントを導入したことで、発注確認業務の手間が約50％削減され、また推論速度も50％向上する見込みです。

今後、当社はこの技術をさらに発展させ、AIエージェントが自律的に学習・進化する仕組みを実現し、物理ロボットとの連携を強化していく予定です。これにより、現実世界での業務理解を深め、より高度に協調された社会を目指します。企業の多様なニーズに応え、AIエージェントやPhysical AIの新しい活用方法を開発し続けます。