エージェント型ワークフローとは？自動化をどう変革するのか

多くの自動化は、毎回あらかじめ決められた同じ経路を実行するスクリプトで動作します。会話がその経路から外れると、処理が失敗するか、人に引き継がれます。エージェント型ワークフローは異なります。

エージェント型ワークフローとは、AIエージェントが各ステップを推論し、次に何をすべきかを判断して行動する、一連のタスクです。自動化がスクリプトにしか従えない場合、そのようなケースはキューに回されたり、取りこぼされたり、本来より遅く一貫性なく解決されたりします。

エージェント型ワークフローは、その場でエージェント自身が判断を下すことで、このギャップを埋めます。台本にない質問をする顧客、条件交渉が必要な債権回収の電話、3つの異なるシステムにまたがるサポートチケットなど、変動が大きく判断を要するやり取りを扱いたい企業に役立ちます。 

この記事では、エージェント型ワークフローの仕組み、従来の自動化との違い、そして企業が現在どのように活用しているかを解説します。

概要

• エージェント型ワークフローでは、固定された事前定義の経路に従うのではなく、AIエージェントがタスクの各ステップを推論し、次に何をすべきかを判断します。
• エージェント型ワークフローは、LLMの推論レイヤーにRAG、メモリ、ガードレールを組み合わせます。これにより、エージェントは判断を下しつつも、高リスクなステップは承認プロセスを経由します。
• 企業は、AIエージェントを、カスタマーサポートからリード選別、債権回収、行政サービスまで、幅広い業務に活用しています。

エージェント型ワークフローとは何か、どのように機能するか

従来の自動化（基本的なRPAスクリプトやルールベースのチャットボットなど）は、「これなら、あれ」という構造に従います。すべての分岐が事前に定義されているため、入力が用意された経路に一致しなければ、AIシステムは失敗するか、人に引き継ぎます。

エージェント型システムでは、LLMがプロセスの中心に位置し、会話やタスクの現在の状態を推論して、次に何をすべきかを決定します。限られた台本どおりの回答から選ぶのではなく、エージェントは次のことを行います。

• 解釈：エージェントは与えられた目標を読み、ユーザーが実際に何を必要としているかを判断します。
• 取得：エージェントは、文書、過去の会話履歴、ツールの出力など、関連するコンテキストを取得します。
• 決定：エージェントは、使用するアクションやツール、その順序を選択します。
• 適応：新しい情報によって状況が変わると、エージェントはアプローチを調整します。
• 実行：エージェントはアクションを実行し、その結果を推論して次のステップを決定します。

たとえば、請求に関する異議申し立てを処理する音声エージェントを考えてみましょう。従来のIVRスクリプトでは、発信者を「請求」へ振り分けるだけで終わります。エージェント型ワークフローなら、顧客アカウントを取得し、支払い履歴を確認し、返金ポリシーに照らして異議申し立てを検証し、承認済みの上限内ならクレジットを発行し、上限外の場合にのみ人へエスカレーションできます。

エージェント型ワークフローの主要コンポーネントと特性

ほとんどのエージェント型ワークフローは、プラットフォームやユースケースにかかわらず、共通する基本構成要素を備えています。

各コンポーネントの役割は次のとおりです。

最も信頼性の高いエージェント型システムは、判断が必要な部分にはエージェント型の推論を、不要な部分、特に支払いや機密データに関わる部分には構造化されたルールベースのステップを組み合わせます。この組み合わせにより、判断が必要な場面ではワークフローを効率的に進めつつ、より重要なステップには厳格な管理を適用できます。

たとえばElevenAgentsのワークフローエディターでは、チームが意思決定ポイントを明示的にマッピングし、専門的なサブエージェントや担当者の間でルーティングできます。これにより、エージェントの挙動を監査可能な状態に保てます。

エージェント型ワークフローと従来の自動化の違い

従来の自動化とエージェント型ワークフローの本質的な違いは、誰が経路を決めるかにあります。事前にデベロッパーが決めるのか、実行時にエージェントが決めるのか、という違いです。

どちらか一方がもう一方を完全に置き換えるわけではありません。パスワードのリセットや予約時刻の確認など、本当に低リスクで反復的なタスクには、固定型の自動化が依然として適しています。 

エージェント型システムは、タスクに曖昧さがある場合に適しています。たとえば、テンプレートに当てはまらない問題を抱える顧客、意図を判断する必要があるリード、相手の反応に応じてトーンを変える必要がある通話などです。多くの本番システムでは、取り消せない処理には決定論的なステップを使い、その間の処理にはエージェント型推論を使うハイブリッドなアプローチを採用しています。

実際のアプリケーションにおけるエージェント型ワークフローの例

エージェント型ワークフローはすでに、医療、不動産、行政分野で顧客とのリアルタイムの会話を処理しています。具体的なタスクは異なりますが、基本パターンは同じです。エージェントがリクエストを最初から最後まで推論し、人に振り分けるのではなく解決します。 

カスタマーサポートと問題解決

カスタマーサポートのアプリケーションでは、エージェントが発信者を認証し、注文履歴やアカウント履歴を取得し、ナレッジベースをもとに問題を診断して直接解決できます。人への引き継ぎは例外的なケースに限られます。 

たとえば、CareCodeは、ブラジルを拠点とする医療コミュニケーションプラットフォームです。同社は患者の予約ワークフローにポルトガル語の音声エージェントを組み込み、発信者の43.9％が、すでに別のチャネルでリクエストの完了を試みて失敗していたことを発見しました。音声エージェントにより、人員を増やすことなく、それらの予約を受け付けられるようになりました。

リード選別と不動産

不動産物件の掲載には多くの問い合わせが寄せられますが、本気の購入者と気軽な閲覧者を見分ける作業には、今もエージェントの時間がかかります。 

Immobiliare.itは、イタリア最大の不動産プラットフォームです。同社は、会話型エージェントを構築しました。このエージェントは、売り手に代わって物件掲載に関する質問に答え、購入者の意図を判定し、やり取りを要約します。導入後、リード選別率は19％から63％に上昇し、フォローアップ用の電話番号を提供してもよいとするユーザーの割合は42％から73％に増加しました。

公共サービスと市民からの問い合わせ

政府機関も、リクエストを振り分けるのではなくエージェントが完了させる、エンドツーエンドの解決に同じアプローチを適用し始めています。 

たとえば、ウクライナのデジタル変革省は、世界初のエージェント型政府と呼ぶ取り組みを構築しており、AIエージェントを使用して、医療、教育、経済サービスにおける国家システムと個々の市民からのリクエストをつないでいます。

複数ステップの業務タスク

会話以外でも、エージェント型システムは検索、検証、アクションを1回の処理で連携させるケースが増えています。たとえば、医療受付エージェントは、患者の保険適用資格を確認し、記録を更新して、予約を確定できます。通常なら、これらのステップでは発信者を別々のシステムやチームに振り分ける必要があります。また、マルチエージェントシステムを使って、複数のエージェント型ワークフローを1つに組み合わせることもできます。

エージェント型ワークフローを使うメリットと課題

エージェント型ワークフローには、スクリプト型自動化に対する利点があります。ただし、その利点には新たに満たすべき要件も伴います。

エージェント型システムを利用する主なメリットと課題は次のとおりです。

メリット

• 解決率の向上：エージェントは、デフォルトで人に振り分けるのではなく、タスクを最初から最後まで完了できます。
• 大規模運用でも一貫性を確保：量にかかわらず、すべての会話が同じ基本ロジックとガードレールに従います。
• 解決までの時間を短縮：エージェントが直接処理できるタスクで、人の対応を待つ必要がありません。
• スタッフの余力を創出：人間のエージェントは、本当に複雑なケースにより多くの時間を使い、反復的な一次トリアージに費やす時間を減らせます。

課題

• AIエージェントの意思決定の可視性：決定論的なチェックポイントがなければ、エージェントが特定のアクションを取った理由を再現するのは難しい場合があります。
• ガードレールの設計：エージェントは独自に経路を選べるため、チームはどのアクションに承認が必要で、どのアクションを自律的に実行できるかを事前に決める必要があります。この線引きを誤ると、エージェントが本来すべきでない行動をしてリスクを生むか、処理できたはずのことまでエスカレーションしてボトルネックになります。
• ローンチ前のテスト：エージェント型システムはスクリプト型とは異なる動作をするため、現実的なシナリオを用いたローンチ前シミュレーションがより重要です。実際の顧客と話す前に、現実的で複雑なシナリオに対して十分なストレステストを行う必要があります。
• インテグレーションの複雑さ：エージェントの有用性は、実際にアクセスできるシステムに左右されます。タスクに必要なCRM、決済システム、スケジューリングツールにアクセスできなければ、処理は停止するか、結局は人に引き継ぐ必要があり、導入の目的そのものが損なわれます。

エージェント型ワークフローは、すべてのケースを人がレビューする体制から、必要なケースだけをレビューする体制へと業務を移行します。この転換が成果につながるのは、最初からガードレールと監査証跡が組み込まれている場合だけです。エージェントがすでに稼働してから後付けするのははるかに困難です。その時点では、誰にも完全には再現できない判断をすでに下しているためです。初日から組み込まれたガードレールとログがあるからこそ、企業はすべてのケースをレビューせずに済むほどエージェントを信頼できます。

エージェント型自動化をElevenAgentsで始める

ElevenAgentsは、エージェント型ワークフローに必要なすべてを1つのプラットフォームに集約します。LLMを自由に選択し、RAGを通じてナレッジベースやSOPに基づいた回答を生成できます。決定論的ワークフローは高リスクなアクションを承認ステップの背後に置き、すべての会話は完全な監査可能性のためにログに記録されます。ローンチ前には、チームが事前シミュレーションでガードレールを定義・テストし、その同じ設定を音声、チャット、メール、WhatsAppに展開できます。

ケースが権限範囲を超えた際にエージェントをスムーズに引き継ぐ必要がある企業向けに、人への引き継ぎでは会話の完全なコンテキストを担当者に渡すため、顧客が同じことを繰り返す必要はありません。

エージェント型ワークフローがビジネスをどのように支援できるかについては、チームにお問い合わせいただくか、登録して構築を始めることで、今すぐノーコードプラットフォームをご利用いただけます。

エージェント型ワークフローに関するよくある質問