【ITニュース解説】From San Francisco to Europe: The 2025 Playbook for Building Agentic AI That Scales

2025年、AI技術の世界は大きな転換点を迎えている。これまでのAIは、まるで人間と会話するような「チャット」が主流だったが、今後は私たちの指示を受けて、計画を立て、複数のステップで行動し、さらには様々なソフトウェアを操作できる「エージェント」と呼ばれるAIシステムが中心になる。単に言葉を理解するだけでなく、実際に「何かを成し遂げる」能力がAIに求められるようになったのだ。例えば、大手IT企業であるAmazonのAI開発チームも、巨大な言語モデルのサイズを追い求めるよりも、具体的なタスクを処理できるエージェントの開発を優先している。

このようなエージェントの実現を支えるのが、「推論特化型基盤モデル」の登場だ。これは、AIがより深く、そして慎重に考える能力を持つようになったことを意味する。OpenAIのo3シリーズは、複雑な問題に対する長い思考プロセスを最適化しており、すでに多くの場所で利用可能になっている。また、オープンソースの世界でも、MetaのLlama 4や3.1、そしてQwenといったモデルが急速に進化し、より高性能なAIモデルが誰もが利用できる形で提供されている。さらに、MoonshotのKimi K2のようなエージェントに特化したオープンな研究も活発化している。

AIを動かす「ハードウェア」も大きく進化している。NVIDIAのBlackwellシステムが2025年を通じて展開されることで、AIの処理能力が格段に向上し、より大規模なデータを扱えるようになるため、AIの利用コストが下がり、普及が加速すると見込まれている。同時に、Apple Intelligenceのように、AIがスマートフォンやPCといった個々のデバイス上で直接動作する「オンデバイスAI」も主流になりつつある。これはユーザーのプライバシー保護を重視した設計であり、システムエンジニア（SE）が新しいサービスを開発する上で重要な要素となるだろう。

このようなAIの進化において、ヨーロッパが独自の強みを発揮する可能性を秘めている。一つは「信頼性設計（Trust by design）」という考え方だ。EU（欧州連合）では「EU AI Act」というAIに関する包括的な法律が施行されつつあり、AIの開発と利用における高い基準を定めている。この基準に沿ってAIを開発することは、世界中の企業にとって、そのAIが安全で信頼できるものであるという強力なシグナルとなる。もう一つの強みは、ヨーロッパが長年培ってきた産業の深さだ。通信、エネルギー、医療、製造といった、非常に複雑で高い信頼性が求められる分野において、単に高性能なだけでなく、厳格なガバナンスと信頼性を持ったAIエージェントが求められている。

システムエンジニアを目指す皆さんが、この新しいAIの潮流の中で成功を収めるために、以下の7つのルールを心に留めておいてほしい。

一つ目は「エージェントの信頼性を最優先で設計する」ことだ。AIシステムの開発では、単なるデモンストレーションではなく、実際に運用する場面での堅牢性、予測可能性、そして問題発生時の復旧能力までを見越した設計が求められる。例えば、AIが新しいツールを使おうとした際に、そのツールの使い方を誤っていないか、あるいは危険な操作をしようとしていないかなどを自動的に検証する「安全レール」のような仕組みを導入することで、システムの安定稼働を保証する。計画やアクションが意図した通りに動くか、エラーを起こさないかなどを厳しく検証する仕組み（評価ゲート）を導入し、品質が低下した場合はデプロイをブロックするくらいの厳しさを持つことが重要だ。

二つ目は「初期段階からユニットエコノミクスを測定する」ことだ。AIシステムの開発・運用にはコストがかかるため、サービスの一単位あたりのコストと効果を測定することが不可欠だ。例えば、一つのAIモデルにリクエストを送るたびにどれくらいの料金が発生しているのか、その処理にかかる時間がユーザー体験にどう影響するか、そしてシステム全体の予算内でどれくらいのエラーを許容できるのかといった具体的な指標を把握することは、AIをビジネスとして成り立たせる上で不可欠である。これらの数値を常に計測し、最適化を図ることで、AIサービスの拡大（スケール）を計画的に進めることができる。

三つ目は「コンプライアンスを機能と捉える」ことだ。「EU AI Act」のような規制への準拠は、単なる義務ではなく、製品の重要な機能と捉えるべきだ。これは、開発プロセスの初期段階から、AIが扱うデータの出所を記録し、AIの意思決定プロセスを追跡できる監査ログを整備し、個人を特定できる情報（PII）を適切に匿名化または保護する仕組みを組み込むことを意味する。特に医療や金融などの分野では、AIの判断に人間の最終確認を挟む「ヒューマン・イン・ザ・ループ」を導入するなど、リスク管理と透明性を確保する設計が、法的要件を満たし、顧客からの信頼を得る上で決定的に重要となる。

四つ目は「オープンモデルを戦略的に活用する」ことだ。MetaのLlamaやQwenといったオープンソースのAIモデルは、自社のサーバーでAIを動かしたり（ファインチューニング）、既存のインフラ上でサービスを提供したりする「自律的な選択肢」を提供する。これは、特定の高性能なAIモデルに依存するのではなく、複数のモデルを使い分ける柔軟な戦略を指す。例えば、オープンモデルは自社でカスタマイズしやすく、自社のデータに合わせて性能を向上させたり、特定の言語やタスクに特化させたりすることが可能だ。これにより、コストを抑えつつ、かつ企業独自のニーズに合ったAIソリューションを開発できる。必要に応じて、推論能力が特に高いクローズドなモデルと組み合わせることで、両者の長所を最大限に引き出すことができる。

五つ目は「ハードウェアを意識した開発をする」ことだ。2025年以降の新しいハードウェア（NVIDIA Blackwellなど）は、より多くの情報を一度に扱えたり、より効率的にAIを処理したりする能力を持っている。これに対応するためには、AIモデルが一度に処理できる情報の量（コンテキスト）、複数の小さなモデルを組み合わせて賢く処理する（MoEルーティング）、メモリを効率的に使う（Paged KV）、計算精度を下げて高速化する（量子化）といった技術に精通し、これらを活用することで、システムの性能を30～50%向上させ、コストを削減できる可能性がある。

六つ目は「オンデバイスAIを第一選択肢とする」ことだ。プライバシー保護が重要な機能（例：個人データ分析）は、可能な限りユーザーのデバイス上でAI処理を行う「オンデバイスAI」を優先すべきだ。ユーザーのプライベートな情報を外部のクラウドに送信せず、デバイス内で処理することで、情報漏洩のリスクを最小限に抑えることができる。重い処理が必要な場合でも、AppleのPrivate Cloud Computeのように、クラウドの計算能力を使いながらも、ユーザーデータが安全に保護される仕組みを提供しており、開発者はこの仕組みを利用することで、プライバシーに配慮したAI機能を容易に実現し、顧客に安心感を与えられる。

七つ目は「薄いスライスを実際のワークフローに投入する」ことだ。これは、実際の業務課題を解決するために、具体的な産業分野（通信、エネルギー、医療など）を選び、その中で一つだけ、手作業が多くて大変なタスクをAIで自動化する小さなシステムを開発し、実際に運用してみることから始めることを意味する。例えば、病院の受付業務で、患者の予約確認や問診票の記入案内など、複数のステップで構成される一連の作業をAIエージェントに任せてみる。そして、そのAIがどれくらいの時間でタスクを完了できたか、エラーは発生したか、利用者の満足度はどうかといった具体的なデータを収集・分析し、改善点を特定して次のバージョンに反映させる。このように、大掛かりな計画を立てるよりも、小さく始めて、実際に動かし、評価し、改良していくサイクルを繰り返すことで、実用性と影響力のあるAIシステムを着実に構築していくことができる。

2025年のAI開発において成功を収めるチームは、AIの「信頼性」「コスト効率」、そして「信頼性」に徹底的にこだわる。ヨーロッパの取り組みは、これに加えて、厳しい規制のある高影響度の産業分野でのAI導入という「特別な要素」を加えることで、AIが単なるデモンストレーションに終わらず、社会の基盤を動かす本当の力へと進化する可能性を秘めている。システムエンジニアを目指す皆さんも、これらの視点を持ってAI技術の習得と実践に励んでほしい。