～様々な業務を自動化・効率化する可能性を秘めた新たな一手～
※まとめコラムのため、別途追加がありましたら、Update予定です
現在、AIトランスフォーメーションセンターでは、生成AIエージェントに注力して、研究開発を推進しております。生成AIエージェント系のコラムも増えてきましたので、本コラムでまとめたいと思います。
【参考】 まとめ系コラムとして、RAG（Retrieval-Augmented Generation：「検索強化型生成」）に関するまとめコラムは以下となります。
そもそも生成AIエージェントとは？
生成AIエージェント、AIエージェント、LLMエージェント、LLMマルチエージェント、もしくは単にエージェントなど、さまざまな呼び方があり、その定義は情報発信者によって異なっています。
我々は、生成AIエージェントをユーザーの指示に対して、LLMが目的を達成するためのタスクを考え、自律的に実行するシステムと定義しています。特に「マルチエージェント」と呼ぶときは、複数のエージェントが情報共有や連携を行い、より高度なタスクをこなす場合を指しています。
AITC 生成AIエージェント技術ニュース
生成AIエージェントに関する、最近の調査情報を発信し続ける場所を作っています(AITCトップページの下部に常設)。
生成AIエージェントコラムリスト
一般向け
我々の取り組みを分かりやすく、具体的に発信した内容になっていますので、まずはこれをご覧いただくと良いと思います。
RAGとの比較観点でまとめています。
昨年末に公開したコラムで、かなりの多くの皆様に見ていただいております（多くのアクセス数）。エージェントとは何か、その応用先についてのイメージが湧く内容となっています。
これは直接的なユースケースではありませんが、データベースの情報を参照することは、エージェントのユースケースとして非常にメジャーなものです。
技術者向け
ICLR（International Conference on Learning Representations）は、機械学習と人工知能に関するトップクラスの国際学会です。これは、2024年のLLMエージェントワークショップの論文を中心にまとめたものになります。
エージェント、Agentic workflowと呼ばれる生成AIの実装に関して、Pythonを使用した場合のメジャーな実装選択肢と実装方法について紹介しています。
最後に
企業の生成AIの活用において、まずはRAG（Retrieval-Augmented Generation）を利用したユースケースから検討するのが、重要かつ有効です。その次に来るのは、既存の業務システムへの、APIによる生成AIの組み込みと、生成AIエージェントではないでしょうか？
執筆
AITC センター長
深谷 勇次
