AutoGen
読み: オートジェン
AutoGenとは複数AIの協調を実現
AutoGenはMicrosoftが開発したオープンソースのマルチエージェントフレームワーク。複数のAIモデルに異なる役割を与え、互いに対話させながら複雑な処理を遂行させる仕組みを提供する。単一のLLMでは対応しきれない高度な業務プロセスを構築するための基盤技術である。
かんたんに言うと
優秀だが専門外のことは分からない職人たちを一つの部屋に集め、互いに議論しながら一つの製品を作り上げさせる工房のようなものである。
複数AIを対話させて複雑な業務を処理するAutoGenの基本概念
単一のLLMにすべてを任せる時代は終わった。法務部門の契約書レビューを想像してほしい。GPT-4oに「この契約書をチェックして」と投げるだけでは、自社に不利な条項を見落とす。
そこでAutoGenの出番である。
Microsoftが開発したこのオープンソース技術は、複数のAIに異なる役割を与えて対話させる。例えば「法務担当AI」と「事業部長AI」を用意し、互いにリスクとリターンの観点から議論させるのである。単一モデルの限界を突破するアプローチとして、現場での実用性は高い。
エージェント間の対話が引き起こす化学反応
具体的な仕組みを見てみよう。AutoGenではConversableAgentというクラスを使って、Pythonコードで簡単にエージェントを定義できる。
プロンプトで「あなたは厳格な経理部長です」と指示を与え、別のエージェントには「あなたは強気な営業担当です」と設定する。この2つのエージェントに、新規取引先の与信枠について議論させる。
裏側ではAPIを通じてLLMが何度もやり取りを繰り返す。
ただ、ここで無限ループに陥ることがある。営業AIが「絶対に必要だ」と譲らず、経理AIが「リスクが高すぎる」と拒否し続けるケースである。これをどう制御するかが、設計者の腕の見せ所になる。悩ましい問題である。
無限ループとAPIコストの罠
実務で運用すると、想定外の事態に直面する。
エージェント同士の議論が白熱しすぎると、APIの呼び出し回数が跳ね上がる。Azure OpenAI Serviceを利用している場合、月末の請求書を見て青ざめることになるだろう。
防ぐためには、最大対話回数の制限や、人間が途中で介入する仕組みを組み込む必要がある。
しかし、どこまでAIに任せ、どこで人間が手綱を握るべきか。現場の運用ルールをどう設計するかで判断が分かれる。
導入の成否を分ける泥臭い設計
結局のところ、AutoGenを使いこなせるかどうかは、既存の業務プロセスの解像度にかかっている。
製造業の生産計画策定プロセスをAIに置き換えるなら、在庫管理、部品調達、ライン稼働率の各担当者が普段どういう粒度で情報交換し、妥協点を見出しているかを完全に言語化しなければならない。システムに丸投げして終わる話ではないのである。
魔法の杖ではない。
自社の泥臭い業務フローをPythonのコードとプロンプトに落とし込む覚悟があるか。導入の是非は、その一点に尽きる。
当社の見解
当社ではClaude Code・Antigravity・Codexの3つのAIエージェントを日常業務で併用している。記憶を共有しているため、別のAIに同じ説明を繰り返す必要がない。ただし、記憶共有だけでは足りなかった。一方のAIが他方の成果物を勝手に修正して壊す事故が起きた。これを受けてファイル所有権制度を導入し、どのAIがどのファイルを所有するかを定義した。AIの自主性に頼らず、仕組みで上書きや巻き戻りを防いでいる。
同じ失敗を二度としないAIエージェント
今のAIは、聞けば何でも答えてくれます。
でも、セッションが切れた瞬間に前回の失敗を忘れます。
当社が開発しているAIは、過去の経緯を念頭に置いて、
聞かれる前に「それは前回うまくいきませんでした」と声をかけます。
人間にも同じ失敗をさせず、AI自身も繰り返しません。
古参の社員が横にいるように、黙っていても気づいてくれる。
それが、当社が考える本当のAI社員です。