OutSystems 提供
派手なAIデモ、急いで作られたエージェントの試作、息をのむような予測から2年が経ち、2026年に入って企業のテクノロジーリーダーたちは、より現実的なトーンを打ち出し始めています。OutSystemsが主催した最近のウェビナーでは、ソフトウェアの経営層と企業実務者によるパネルが、現在進行中で最も影響の大きいAIの取り組みは、統治（ガバナンス）、オーケストレーション、反復（イテレーション）の実務的な側面に焦点が当てられており、さらに長年かけて構築してきたシステムにエージェントを統合することだと主張しました。
企業リーダーはますます基礎（ファンダメンタル）に注目しています。優先事項は、新しいAI技術を
活用して生産性を加速し、納品を改善し、測定可能なビジネス成果を生み出すことです。
この取り組みを形作る3つの要素があります：
AIエージェントの試作から、実運用で測定可能なROIをもたらすエージェント的（エージェント主体）システムへの移行
AIエージェントを安全に統治し、オーケストレーションし、スケールさせるうえで、エンタープライズ・プラットフォームの役割が拡大していること
AI生成コードの時代において、ゼネラリスト開発者とエンタープライズ・アーキテクトが最も価値の高い技術職として台頭していること
こうした背景のもと、パネルはガバナンスの枠組み、エンタープライズAIの経済性、そしてオーケストレーションなしでは大規模言語モデルが持つ限界について議論しました。最終的には、主要組織が既存のエンタープライズデータと業務フローに根ざしたマルチエージェントシステムをどのように構築しているのか、という点に話が及びました。
現実世界でのエージェント
エンタープライズ全体で、エージェントを実運用に確実に機能させるには、開発、反復、デプロイを扱う統一されたプラットフォームが最も効果的だと、Thermo Fisher Scientificのアプリ開発担当シニアマネージャーであるRajkiran Vajreshwari氏は述べています。これは、エージェントを大規模に学習し、改善し、統治するための基盤を提供します。
Thermo Fisherの同チームは、カスタマーサービスにおける単一タスクのAIアシスタントから離れ、ワークベンチを使って、専門化したエージェントの連携チームを構築する方向へ動きました。サポートケースが到着したら、トリアージアシスタントが要求を分類し、意図と優先度のエージェント、プロダクト文脈のエージェント、トラブルシューティングのエージェント、コンプライアンスのエージェントなど、適切な専門家エージェントへ動的にルーティングします。
「何がうまく機能するか、どうやって実現するかを考える必要はありません。すべて事前に用意されています」と同氏は説明しました。「各エージェントには役割が狭く、明確なガードレール（制約）があります。正確性が保たれ、監査可能な状態が維持されます。」
シャドーAIのリスクをどう統治するか
AIによって、ITの監視なしに社内の誰でも本番レベルのコードを生成できるようになると、新たな種類のリスクが生まれます。要するに、これは統治されないシャドーAIです。こうした自社開発のプロダクトは、幻覚（ハルシネーション）、データ漏えい、ポリシー違反、モデルドリフト、そして正式に承認されていない行動をエージェントが取ってしまうことに対して脆弱です。
リスクに先回りするには、主要組織は3つのことを行う必要がある、とOutSystemsのCPTOであるLuis Blando氏は述べました。
「ユーザーにガードレールを提供してください。あなたが望むかどうかにかかわらず、人々はAIを使うでしょう。先行しているように見える企業は、自社ポートフォリオ全体にわたってAIを統治するためにAIを活用しています」と同氏は説明しました。「それが、シャドーAIの混乱と、エンタープライズ級のスケールとの違いです。」
The Bloor GroupのCEOであるEric Kavanagh氏は、ガバナンスには、データの保護、ドリフトの監視、そしてAIが既存の業務プロセスとどこにつながるかについて意図的な判断を行う、といった複層的な規律のセットが必要だと指摘しました。
「これらの統制を企業が手作業で作る必要はありません」と同氏は付け加えました。「その多くのガードレールやレバーは、OutSystemsのようなプラットフォームに組み込まれています。」
本当のオーケストレーション課題は、モデルかプラットフォームか
エンタープライズAIに関する初期の熱狂の多くは、適切な大規模言語モデルを選ぶことに向けられていました。けれども、より難しく、そしてはるかに持続性のある価値の源泉は、オーケストレーションです。これには、タスクのルーティング、ワークフローの連携、実行の統治、そしてAIを既存のエンタープライズシステムへ統合することが含まれます。
McConkey Auction Groupの開発担当VPであるScott Finkle氏は、LLMはたとえどれほど印象的でも、複雑なワークフローの部品であって、最終的な解決策ではないと述べています。組織は、エージェント的システムを作り直さなくても、Gemini、ChatGPT、Claude、そして次に登場する何かへと、ホットスワップできる状態にしておくべきです。
オーケストレーション機能を備えたプラットフォームが、そのことを可能にします。ライフサイクルを管理し、可視性を提供し、AIがその上に推論レイヤーを担うとしても、プロセスが確実に実行されることを保証します。
「AIやモデルは変わっても、ワークフローは変わることがありますが、オーケストレーションは同じままです」とFinkle氏は言いました。「それが、私たちがAIから価値を取り出す方法です。」
エンタープライズAI投資の経済性
セキュリティ、コンプライアンス、ガバナンス、そしてプラットフォーム層のAI機能は、2026年に向けて、特にAIが財務やサプライチェーンのような中核の業務フローへ入り込んでいくにつれて、より大きな投資を集めることになるでしょう。エンタープライズは、大きく即座な成果を期待するよりも、段階的な勝ち筋を重視すべきです。
「私たちはベースとなるヒットに注力しています」とFinkle氏は述べました。「カウントされるのは、何かを本番環境に投入し、それがインパクトを生むことです。本番環境に入らないパイロットプロジェクトへの大規模投資は、お金を節約しません。すぐには起こらないかもしれませんが、時間が経つにつれて、非常に大きな節約が見えてくると思います。」
なお、エンタープライズがAI変革へ取り組む方法には、まだ分かれがあります。ゼロから始めて、あらゆるプロセスを作り直す企業もあります。一方で、社内で減価償却が進む既存のインフラに何十億ドルもの資金が投じられている企業では、AIを自社のシステムに統合したいと考えます。データ、API、実証済みのプロセスを再利用しながら納期を早めたいのです。エージェント・プラットフォームのアプローチは両方の陣営に対応しますが、特に後者に適しています。組織は、確立された決定論的なワークフローの整合性を維持しつつ、明確に価値を付けられる場所にエージェントをデプロイできます。
エンタープライズ・アーキテクトとゼネラリスト開発者の台頭
AIがコード生成を加速するにつれ、ソフトウェア提供におけるボトルネックは解消されつつあります。その代わりに価値が置かれるのが、システム思考です。これは、より広いエンタープライズ・アーキテクチャを理解し、複雑なビジネス課題を分解し、AIが既存のインフラとどのように統合されるのかを考える力です。Kavanagh氏は、この局面で最も活用できる立場にあるのは、特にエンタープライズ・アーキテクトだと述べました。
「私たちは、非常に興味深いゼネラリストの時代に入っています」と同氏は説明しました。「エンタープライズ・アーキテクチャとビジネス・アーキテクチャ、そしてそれらがどのように連携しているかをより深く理解しているほど、状況は良くなるでしょう。 」
「その結果、より高速な提供が可能になり、中断やバグが少なくなります」とKavanaugh氏は述べました。「繰り返しの少ない非定型のタスクに集中できます。これは開発者にも、ビジネスにも、そしてIT組織全体にとってのメリットです。」
