AIToday
大規模言語モデルMIT Technology Review AI掲載日時: 2026年7月27日 22:00

エンタープライズAIエージェントはシステム課題

LINEで送る
エンタープライズAIエージェントはシステム課題

3つのポイント

  1. 何が起きたか

    Intel は数千件のエージェント AI ワークロード実験を実施し、エンタープライズ導入に向けた5つの実践的な教訓を特定しました。主な発見は、エージェント AI の成功は言語モデルそのものではなく、CPU 容量、データアクセス、ツール使用ガバナンス、可観測性、メモリ管理に依存するということです。

  2. なぜ重要か

    大多数のエンタープライズエージェント AI 実装は言語モデルのパフォーマンスのみに注力していますが、真のビジネス価値は人、システム、データ全体にわたるエンドツーエンドのワークフロー自動化から生まれます。企業は、タスク成功率、タスク当たりのコスト、タスク当たりの時間、タスク スループット、エージェント密度(vCPU あたりのエージェント数)、遅延を測定する必要があります。これらの指標は、AI モデルがどれだけ優秀かではなく、本当にシステム全体が本番ワークフローで機能するかどうかを明らかにします。

  3. 注目点

    3つのデプロイメント原則が浮かび上がりました。エージェント数の絶対値ではなくエージェント密度(vCPU あたりのエージェント数)を使用して容量計画を行う。平均 CPU 使用率ではなくタスク遅延(P95)を監視する。エージェントがバースト的に動作するため、平均値では性能問題が隠れてしまうためです。スケールアップ(1つのシステムにコアを追加)ではなく、スケールアウト(システムを追加)をデフォルトとする。これにより、通常、より優れたパフォーマンスとコストが得られます。

わからないところ、AIに聞けます

質問と回答はこのページに公開されます。

こういう要約が、毎朝あなたのメールに届きます。

背景と解説

Intel の発見は、エージェント AI の成功は主に機械学習の問題であるという一般的な仮定に異議を唱えています。オープンソースのベンチマーク ツールである Terminal-Bench の拡張版を使用して数千件のワークロード実験を実行することで、Intel はエージェント パフォーマンスを言語モデル の変動性から分離しました。LLM レスポンスを決定論的に記録して再生することで、これを実現しました。この厳密なアプローチから、エンタープライズ価値は CPU 容量、回復力のあるデータ アクセス、ポリシー対応のツール使用、可観測性、メモリ管理を含むフルスタック インフラストラクチャに依存していることが明らかになりました。

研究は、ほとんどの組織がエージェント AI を評価する方法における重大なギャップを特定しています。既存のハーネスと指標は言語モデルの品質に焦点を当てていますが、完全な全体像を見落としています。タスク遅延、スループット、タスク当たりのコスト、特定のインフラストラクチャが持続的にサポートできるエージェント数です。このギャップが重要なのは、エージェントは単純なチャットボットとは根本的に異なるためです。マルチステップ ワークフローを実行し、外部ツールを呼び出し、結果を読み取り、失敗時に再試行します。そのバースト的で割り込み駆動の実行パターンは、平均 CPU 使用率が誤った信号であることを意味します。タスク遅延(特に P95 パーセンタイル)は、ユーザー エクスペリエンスが低下する前にボトルネックを明らかにします。

Intel が推奨する3つのデプロイメント原則は、実際のトレードオフを反映しています。エージェント数の絶対値ではなくエージェント密度によって容量を正規化することで、異なるハードウェア世代とインスタンス サイズ全体で予測可能にスケーリングしやすくなります。スケールアップ(コアの追加)ではなくスケールアウト(複数のシステムの追加)をデフォルトにすることは、エージェントが通常、控えめなエージェント単位の計算バースト で半独立プロセスとしてどのように動作するかに沿っています。ビジネス ケースは実用的です。スケールアウトは通常、総コストを低下させ、可用性を向上させ、採用の成長に伴ってターゲット サービス レベルを維持しやすくします。

よくある質問
エンタープライズはエージェント AI のパフォーマンスを測定するためにどのような指標を使用すべきか?
エンタープライズは6つの指標を追跡すべきです。タスク成功率、タスク当たりのコスト、タスク当たりの時間、タスク スループット、エージェント密度(vCPU あたりのエージェント数)、遅延です。これらは、システムが期待どおりに機能しているか、何個のエージェントをサポートできるか、どのようにスケーリングすべきかを示します。
容量計画ではエージェント数よりもエージェント密度の方が優れているのはなぜか?
エージェント密度(vCPU あたりのエージェント数で測定)は飽和の主要な信号であり、インスタンスサイズとプロセッサ世代を超えて容量を比較する方法を提供します。たとえば、8vCPU システム上の10エージェントと16vCPU システム上の20エージェントは、密度が同じであれば同様に動作します。
現在、どのビジネスがエージェント AI から最高の結果を得ているか?
本番レベルの結果を得ている組織は、コード化されたルールと測定可能なサービスレベルを持つワークフローの周囲に自動化をラップしています。コード作成、リグレッション テスト ファーム、チケット トリアージ、市場分析、セキュリティ レビューなどです。
MIT Technology Review AI元記事を読む
LINEで送る

あなたの仕事に関係するAIニュースを、毎朝お届けします。

業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。

登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →

AIに質問

この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。

質問と回答はこのページに公開されます。

このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る

関連記事

マイクロソフトがAIエージェントで攻撃対抗サービス提供開始

Microsoft Ignite 2026でマイクロソフトは赤・青・緑チームのエージェントを組み合わせ攻撃模擬・検知調査・脆弱性修正を行うMicrosoft Perceptionの一般提供を発表した

NEWPublickey4時間前

Windows Server 2028がパブリックプレビュー公開

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

NEWPublickey4時間前

AUMOVIOがLLMの唯一の経路をDatabricksに統一

AUMOVIOはDatabricks Unity GatewayをLLMへの唯一の経路に採用

NEWDatabricks AI Blog4時間前

CADMAGEDDON、5ベンチマークで最先端CADモデル超え

CADMAGEDDONはBenchCADの64³ボクセルIoUで、1000部品のサブセットにおいて0.991を記録し、Claude Sonnet 5.5の0.963、Claude Opus 5.5の0.962、GPT-6…

NEWAI Weekly4時間前

MIT Technology ReviewのAI指数、AIは遍在

MIT Technology ReviewのAI誇大広告指数はAIの広がりを示し、GoogleのAI Overviewsが広告収入で数十億ドルを失わせたことやAI支援のサイバー攻撃を挙げた

NEWMIT Technology Review AI4時間前

Thomas Nagel、AI意識説を「馬鹿げている」と一蹴

哲学者トーマス・ナゲル氏はバーグルエン賞受賞後のインタビューで、大規模言語モデルが意識を持つ可能性を真剣に受け止めるのは「馬鹿げている」と述べ、AnthropicのClaudeへのアプローチを「犯罪的」と呼んだ

NEWWIRED AI4時間前
次の記事へトランプ政権のAI陣営、中国戦略で対立