メイン画像

マルチAIエージェント登場で更に変わるビジネス

AI同士が調整・交渉を実施する未来へ
2024年12月01日
勝山 裕輝

生成AIラボ勝山裕輝

SHARE
X
PRINT

INSIGHT

生成AIを活用した「AIエージェント」による業務代替が注目を集める中、次のステップとしてAIエージェント同士が協力・交渉を行う「マルチAIエージェント」が期待されている。煩雑な仕様の調整や価格交渉が自動化されることで、ビジネスの効率化はさらに大きく進むと考えられる。ここでは、この革新がもたらすインパクトと普及の課題を考察し、企業がマルチAIエージェントの時代にどう備えるべきかを探る。

次はマルチAIエージェント

現在、AI技術は日常生活やビジネスに変革をもたらしている。スマートホーム技術で家電の自動制御が可能になり、AI翻訳ツールで複数の言語間のコミュニケーションが円滑になっている。

オピニオンで解説したように、生成AIを活用して業務を実行する「AIエージェント」が目覚ましく進化しているが、これらのエージェントはまだ1つのアプリケーションに限定されることが多い。今後、AIエージェント同士が協力または交渉してより複雑な業務を遂行する「マルチAIエージェント(MAA)」が、次の大きな進化として期待されている。

AIエージェントの登場以前よりマルチエージェントシステム※1は研究されていた。ただし作り込まれたルールの範囲内で動き、多数の人々の行動シミュレーションなどの限定的な用途で利用されることを想定していた。これに対し、MAAは大規模言語モデル(LLM)を組み合わせることで、事前の作り込みや専門知識がなくても簡単なプロンプト指示でさまざまなエージェントを作る。そして対話形式でエージェント同士がコミュニケーションをとることができ、柔軟な役割分担が可能になる。

MAAは、協力型と交渉型の大きく2種類に大別できる(図表1)。
図表1 マルチAIエージェントの種類
マルチAIエージェントの種類
三菱総合研究所作成

協力型MAA

協力型MAAは、役割分担で業務効率の向上やコスト削減を実現するものだ。利害が互いに一致している各エージェントが、それぞれ専門タスクを担当することで作業を迅速に進め、従来は人間が担っていた煩雑な判断や手作業を大幅に減らせる。

例えば経費精算のプロセスの場合、経費情報の取得、社内ルールの確認、システム入力というタスクに自動的に分け、それぞれ専門のエージェントが担当することで、業務全体を単純化しAIが遂行できるようにする。1つのAIエージェントだけでは、経費情報の取得ミスや社内システムへの情報連携ミスが多くなり実用化が難しいが、協力型MAAを用いることで個々のAIエージェントをタスクに特化して構築することができる。タスクをミスなく実施できるとともに、ミスの検出も容易になり、多少のやり直しだけで煩雑な業務を遂行可能になる。

交渉型MAA

一方、交渉型MAAは、利害が異なるエージェント同士が調整を行うケースである。例えば図表1に示したように、売り手と買い手、それぞれの意向を反映した2つのエージェントが商談を行い、双方の利益を最大化するために妥協点を見つけ、人間が介在することなく最適な条件で合意する。このプロセスにより、従来は人間が担ってきた複雑な判断をAIが担い、利害の異なる2者が満足できるような結果を迅速に得ることが可能になる。

さらに、サプライチェーン上で複数の企業間での価格調整が発生する場合など、3つ以上のエージェントによる交渉も考えられる。ただし、交渉が複雑化しシステム化の難易度も上がるため、これらの登場はもう少し先になるだろう。

これらのうち、協力型MAAはすでに研究段階から実装段階に入りつつある。Salesforce上でエージェントを構築できるAgentforce※2や、AIエージェントをローコード開発可能なDify※3のように専門知識がなくても簡単に複数のエージェントを使った業務ワークフローを構築できるサービスが開発されている。

一方で、交渉型MAAはまだ研究段階が多く、普及には1~2年が必要とされる。そこでこのインサイトでは、特に交渉型MAAに焦点を当て、ユースケースや課題についてさらに深掘りしていこう。

MAAで実現する交渉の自動化

交渉型MAAによって交渉や調整プロセスが自動化されることで、具体的にどのような変化が期待できるだろうか。例えば企業の調達業務では、供給先との間で価格や数量、納期、仕様などの条件を調整するタスクがある。ここにMAAが導入されることで、AIエージェントが事前に設定された妥協可能な範囲内で交渉を行い、価格交渉や仕様の調整を自動的に行うことが可能になる。これにより、企業は調達業務にかかる時間やリソースを大幅に削減できる。

BtoCの分野でも交渉型MAAの応用が考えられる。例えば、航空会社のオーバーブッキングが起こった場合に、航空会社と乗客の双方にとって有利な条件を自動的に提示したり、飲食店の混雑時に客同士のストレスを最小限に抑えた相席を提案し、空席を減らすことで回転率を上げたりすることが可能かもしれない。

このように、企業のAIエージェントと消費者のAIエージェントが双方の利害を踏まえて交渉・連携することで、効率的なリソース活用が実現し、両者に利益をもたらす。

交渉型MAAの登場で、AIエージェントは単なる「便利なコンシェルジュ」から、「優れたネゴシエーター」へと進化する。企業の調達で、価格だけでなく納期や品質も考慮した交渉が可能となるなど、より柔軟な取引が実現される。これにより、今まで以上に幅広い業務でAIによる自動化が期待できるのだ。
図表2 交渉型MAAの有望ユースケース例
交渉型MAAの有望ユースケース例
三菱総合研究所作成

利害調整と安全性に対する課題と対策

MAAの普及に向けた課題としてまず挙げられるのが、「利害の公平性」と「安全性の確保」である。不公平な判断がされると、一部のエージェントが優遇されるリスクがある。例えば調達の際に過去の契約や他社の見積もりを引き合いに出し、毎回買い手に有利な条件で契約する、交通整理において大通りばかり優先されて信号がなかなか変わらない、といったケースだ。悪意あるエージェントによる不正がシステム全体に影響するリスクもあり、監視が必要となる。またAIエージェント同士の柔軟な調整には自然言語インターフェースが求められるが、柔軟性が増すことで調整や品質保証の難易度も上がり、監視に求められる要素も複雑化する。

このため、MAAの公平性・安全性に向けて、今後「監視エージェント」の重要性が増していくと考えられる。監視エージェントは各エージェントの行動を評価し、不正な動作がないかを確認する役割を担う。監視エージェントが全体のロバスト性※4を担保し、MAA全体が適切に機能することが求められる。制御工学の分野で進められているロバスト性の研究が、こうした仕組みに役立つと考えられる。例えば、株式投資に参加したAIエージェントが短期的な利害を優先して自由に取引すると株安が連鎖的に広がる恐れがあるが、監視エージェントが取引額を動的に制限することで、連鎖崩壊を防ぐことができる。
図表3 交渉型MAAおよび監視エージェントの構築イメージ
交渉型MAAおよび監視エージェントの構築イメージ
三菱総合研究所作成
普及に向けては、監視エージェントの運用コストを誰が負担するかも重要だ。当面は既存の業務システムのプラットフォーマー(マーケットプレイスや契約書管理システムなどの提供事業者)が先導してMAAの仕組みを導入する可能性が高い。そのためプラットフォーム利用者が、利用料の一環として運用コストを支払うこととなるだろう。将来的にはChatGPTにおけるユーザー開発のAIアプリを公開するプラットフォームGPTsのようにMAA専門のプラットフォームが登場し、監視の仕組みを共通化して運用コストを削減する可能性もある。

また、エージェントの数が増えると監視のコストも増加する。これに対して、自動運転システムのように各エージェント自身が関係するエージェントを相互監視する機能を持つことで、運営側の監視コストを削減するアプローチも考えられる。

なお人間同士・企業同士の実際の利害調整では、短期的な利益だけでなく、長期的な関係性の構築も重要である。例えば、日本のビジネス文化は、単なる1回の取引の成功ではなく、長期的な関係の維持が重視される。このような商習慣をAIエージェントに反映させることが、日本市場でのMAA普及のカギとなる。またゲーム理論や行動経済学の知見を活用し、AIエージェントの利害調整機能を強化することも有効であろう。AIエージェントの普及に向けて、そのようなスキルを持つ人材の重要性が増していく可能性もある。

MAAの動向を注視し即応体制の構築を

交渉型MAAの実現には、技術進歩だけでなく標準化もポイントとなる。一般に、複数企業が参加するシステムでは利害調整や監視が複雑化するため、共通の規格が必要となる。交渉型MAAも同様である。大手テック企業を中心にデファクトスタンダードが整備されると予想され、各企業は標準規格に対応する準備を進めていくことになるだろう。自社のAIエージェントを柔軟なインターフェースで構築し、「MAA Ready(MAAを活用できる準備状態)」にすることで、業界標準に適応し競争力を保てる。また、MAAによる自動化に伴い、法務や財務など社内ルール作りも求められよう。

MAAは、すでにシステム化された業務で、システムを提供するプラットフォーマーの主導によって導入が進むと考えられる。日程調整などのように、金銭が絡まず、調整失敗に伴うリスクが小さい業務が、導入の先駆けとなるだろう。また契約書の内容調整なども、頻繁な交渉が発生するため自動化ニーズが高く、導入は早いと考えられる。完全自動化はリスクが高いため、当面は人間が最終確認を行うだろうが、MAAが過去の契約内容から譲歩ラインを学び、自動的に妥協案を生成するだけでも効率化は大きい。

MAAの研究・実装はまだ始まったばかりだが、煩雑で時間を取られる調整・交渉業務に対する自動化へのニーズは非常に大きい。開発への投資が集まりやすく、進化も早いと予想される。

企業は、AIエージェントの進化を見据え、自社でAIエージェントを構築し、業務利用できる人材を育てていく。それとともに、AIエージェントに調整・交渉を任せる業務スタイルを早くから試行し、現場に浸透させることで、将来の競争力を確保することができる。

AIエージェントを使いこなすのに必要なノウハウは、従来の生成AIとは異なるということも留意しておくべきであろう。AIエージェントを望ましいゴールに導くには、手順を示すのではなく、「目的と制約」を明確に与えることが重要だ。まずはOpenAI o1など既存のAIエージェントを試し、MAAの本格的な登場に備えて今からエージェントへの指示スキルを育成していくべきだ。

※1:コロナ社「システム制御工学シリーズ22 マルチエージェントシステムの制御」(2015年9月18日)
https://www.coronasha.co.jp/np/isbn/9784339033229/(閲覧日:2024年10月30日)

※2:Salesforce「Salesforce、「Agentforce」を発表 AIのあるべき真の姿へ」(ニュース&インサイト)
https://www.salesforce.com/jp/news/press-releases/2024/09/13/agentforce-announcement/(閲覧日:2024年10月30日)

※3:Dify「先進的なAIアプリケーションのためのイノベーションエンジン」
https://dify.ai/jp(閲覧日:2024年10月30日)

※4:ロバスト性:頑健性・ロバストネスともいう。AIや統計、制御工学の分野などで用いられる用語で、システムが外部の影響や異常値、データ計測のノイズに対して耐性を持っており、安定して結果を得ることができる特性のこと。

年別一覧

関連するナレッジ・コラム

ナレッジ・コラムに関するお問い合わせや、取材のお申し込み、
寄稿や講演の依頼などその他のお問い合わせにつきましても
フォームよりお問い合わせいただけます。