ある日突然、社内のAIが言うことを聞かなくなったら…
「うちのチーム、最近やけにAIツール使ってるけど、誰が管理してるの？」
こんなひと言から、社内の「AIエージェント混乱」が明るみに出ることがあります。
営業チームは独自にAIチャットを導入し、カスタマーサポートは別の自動応答システムを活用。
開発部門は独自のコード生成AIを試していて……それぞれが便利に使っているけれど、全体の統制は誰が取っているのでしょうか?
このように、部署ごとにバラバラに導入されたAIエージェントが、知らぬ間に「スプロール(乱立)」状態に陥ってしまう。
これは今、世界中の企業で実際に起きている「静かな危機」なのです。
なぜAIエージェントは「乱立」してしまうのか?
企業ネットワークは今、AIエージェントで溢れかえっています。
マルチクラウドインフラを管理するリーダーたちにとって、これはガバナンスの盲点を生み出しています。
各部署が生成AI技術の導入を競うように進める中、CIO(最高情報責任者)たちは、自分たちのエコシステムが断片的で監視されていない資産で埋め尽くされていることに気づきます。
これはクラウド時代のシャドーITの課題を彷彿とさせますが、今回関わっているのは、ビジネスロジックを実行し、機密データにアクセスできる自律的なエージェントなのです。
IDCの予測によれば、実際に稼働するAIエージェントの数は2029年までに10億を超え、現在のレベルから40倍に増加するとされています。
2025年前半だけでも、エージェント作成数は119%急増しました。
企業のリーダーシップにとって、目の前の課題は、これらのエージェントを構築することから、各プラットフォームでそれらを発見し、監査し、統治することへと移行しています。
Salesforceは、この断片化に対応するため、MuleSoft Agent Fabric機能を拡張し、AIエージェントの出所に関わらず一元管理できる自動検出ツールを導入しました。
自動検出の仕組み
セキュリティおよび運用チームにとって、可視性は中核的な課題です。マーケティングチームがあるプラットフォームにAIエージェントを導入し、物流チームが別のプラットフォームで構築している場合、中央のITが組織のデジタルワークフォースの統合された視点を失うため、効果的なガバナンスが困難になります。
MuleSoftの更新されたアーキテクチャは「Agent Scanners(エージェントスキャナー)」を通じてこの問題に対処します。
これらのツールは、Salesforce Agentforce、Amazon Bedrock、Google Vertex AIなどの主要なエコシステムを継続的にパトロールし、稼働中のエージェントを識別します。
開発者が手動で展開を登録することに依存するのではなく、システムが検出を自動化します。
エージェントを見つけることは最初のステップに過ぎず、コンプライアンスリーダーはその背後にあるロジックを理解する必要があります。
スキャナーは、エージェントの機能、それを駆動するLLM、アクセスが許可されている特定のデータエンドポイントを詳述したメタデータを抽出します。
この情報は、標準的なAgent-to-Agent(A2A)仕様に正規化され、基盤となるベンダーに関係なく、資産の統一されたプロファイルが作成されます。
MuleSoftのSVP兼GMであるAndrew Comstockは次のように述べています。
「今後10年間で最も成功する組織は、マルチクラウドAIランドスケープの多様性を最大限に活用できる組織です。MuleSoft Agent Fabricの拡張された機能により、あらゆるプラットフォームで革新を続けながら、規模を拡大するために必要な統一された可視性と制御を維持できます」
AIエージェントのガバナンスとコスト管理
管理されていないエージェントは、財務的な非効率性とリスクエクスポージャーを生み出します。
銀行セクターのCISOを考えてみましょう。通常の運用では、新しいローン処理エージェントを検証するには、開発チームから手動でドキュメントを追いかける必要があります。
自動カタログ化により、セキュリティチームは、エージェントがどの金融データベースにアクセスしているかを即座に確認し、手動介入なしにその認可レベルを検証できます。
この機能により、セキュリティチームは古いスナップショットではなく、リアルタイムのデータを閲覧できます。
財務的な観点から見ると、可視性は統合を推進します。
大企業は、地域チームが独立して同様のツールを調達または構築する冗長性に頻繁に苦しんでいます。
たとえば、多国籍製造企業では、3つの異なるチームが異なるプラットフォームで別々の要約エージェントに料金を支払っている可能性があります。
MuleSoft Agent Visualizerを使用してジョブタイプごとに資産をフィルタリングすることで、運用リーダーはこれらの重複を識別できます。
これらを単一の高性能資産に統合することで、冗長なライセンスコストを削減し、新規開発への予算再配分が可能になります。
「エージェンティック・エンタープライズ」への移行を成功させる
イノベーションは多くの場合、データサイエンティストが正式な調達チャネルの外で特注ツールを構築する周辺部で発生します。
拡張されたAgent Fabricは、URLを介して「自作」エージェントとModel Context Protocol(MCP)サーバーの登録を許可することで、この問題に対処しています。
これは、チームが独自データベース最適化のための内部ツールを構築する可能性がある物流などのセクターで特に関連性があります。
これらの資産は、隠れたままにならず、登録して会社全体で再利用できるように発見可能にすることができます。
CapitaのAI運用責任者であるJonathan Harveyは次のように述べています。
「Agent Scannersにより、在庫管理ではなくイノベーションに集中できるようになります。すべてのエージェントが自動的に発見およびカタログ化されることを知っていることで、チームが協力し、作業を再利用し、よりスマートなマルチエージェントソリューションを構築できます」
同様に、AT&Tはこのフレームワークを利用して、カスタマーサポート、チャット、音声インタラクション全体でエージェントを調整しています。
AT&TのEnterprise & Integration ArchitectであるBrad Ringerは次のように説明しています。
「AIが非常に速く動いている中、MuleSoft Agent Fabricは、規模を拡大するために必要なフレームワークを提供してくれます。カスタマーサポート、チャット、音声インタラクションで構築しているすべてのエージェントとMCPサーバーをまとめ、調整するのに役立ちます。これは単なるツールではありません。次に行うすべてのことを可能にする巨大な要素です」
「エージェンティック・エンタープライズ」への移行には、IT資産の追跡方法に関するガバナンスの変更が必要であり、古いスプレッドシートで統合を管理する時代は、AIエージェント展開のスピードと両立しません。
リーダーは、AIエージェントの在庫が不完全であると想定し、自動スキャンツールを展開して真実のベースラインを確立する必要があります。
このベースラインが確立されたら、ガバナンスポリシーは、購入または構築されたすべてのエージェントが、監視を容易にするためにA2Aなどの標準化された形式でその機能とデータアクセス権限を公開することを義務付ける必要があります。
最後に、経営幹部はこれらのツールが提供する可視性を使用して支出を監査し、クラウド環境全体で重複する機能を識別し、それらを統合して総所有コスト(TCO)を制御できます。
まとめ:AIは「放っておいても大丈夫」な存在ではない
組織がパイロットプログラムから大規模展開に移行するにつれて、差別化要因は個々のエージェントのインテリジェンスではなく、それらを接続するネットワークの一貫性になります。
もし今、あなたの組織でAIエージェントがどこでどんなふうに使われているか分からない状態だとしたら、それは「見えない混乱」が進んでいるサインかもしれません。
AIを恐れる必要はありません。でも、信頼するためにはルールと見える化、そして定期的な見直しが欠かせません。
未来の企業は、AIと共に歩むことが前提です。
ならば私たちは、AIとの「健全な関係」を築くための第一歩を、今すぐ踏み出す必要があるのです。
参考：Controlling AI agent sprawl: The CIO’s guide to governance
コメント