ニュージャージー州を拠点とするヘルスケアプロバイダーのPromptCareは、患者登録時の反復的なワークフローを自動化した。同システムはAIエージェントとRPA（ロボティック・プロセス・オートメーション）ツールを連携させている。紹介状の取り込み、文書処理、そして患者の治療適格性の分析を自律的に実行する。

　CIOのフィル・メレル氏は、自動化を導入する前にエンドツーエンドのワークフローを詳細にマッピングする「プロセス優先」のアプローチを強調した。導入時には、従業員がAIとどのように接するかについて明確なコミュニケーションを行い、文化的な抵抗に対処する必要があった。

　最終的な検証には人間が関与する体制を維持しているが、メレル氏は、かつて従業員が行っていた業務の一部が自動化されたと指摘する。スタッフの役割は、例外的なケースへの対応やシステムの監視へとシフトした。同社は「80対20の法則」に基づいた段階的な導入戦略を採用しており、約80％の完成度で展開し、残りの20％を反復的な改善によって洗練させている。

General Assembly：マルチエージェントによるカリキュラム開発の加速

　教育・トレーニング企業のGeneral Assemblyは、カリキュラム開発チームが需要に対応できるようエージェンティックAIを採用した。同社は「GAIA（General Assembly's Intelligence Application）」と呼ばれる独自のシステムを構築。このシステムは、教育設計者、品質管理（QA）、専門家、学習体験デザイナーといった実際の役割を模した複数の専門エージェントを連携させている。

　GAIAの目的は人間の専門知識を置き換えることではなく、コンテンツ作成の初期段階を加速させることだ。これにより、初稿の作成時間は約90％削減され、チームは数分で白紙の状態から構造化された草案を作成できるようになった。人間は、内容の精査や文脈の判断、顧客ごとのカスタマイズといった高度な作業に集中できる。

　この導入により、エンジニアリングチームの関与や評価の枠組み、品質についてのガバナンスの重要性が浮き彫りとなった。当初、導入は簡単だと楽観視していたが、実際にはエンジニアリングチームと教育チームが緊密に連携し、反復的に設計を行う必要があった。

DXC Technology：SOCの変革

　グローバルITサービス企業のDXC Technologyは、脅威の検知とトリアージ（優先順位付け）、対応を大規模に改善するため、SOC（セキュリティオペレーションセンター）にエージェンティックAIを適用した。CISO（最高情報セキュリティ責任者）のマイク・ベイカー氏の下、同社は一次対応機能に自律型の能力を実装した。

　このシステムは、セキュリティアラートの初期処理を自動化し、人間のアナリストが脅威ハンティングやインシデント対応といったより複雑な業務に集中できるようにした。その結果、チケットの確認やトリアージの時間は最大80％削減された。

　同社は一次対応のアナリストをより戦略的なポジションへとリスキリング（スキルの再習得）させ、AIによる決定を人間が検証する体制を維持している。成功の鍵は、アナリストとAIシステムの間の継続的なフィードバックループだった。これにより誤検知を減らし、時間の経過とともに精度を向上させることに成功した。

Rimini Street：全社的な統制によるAIガバナンス

　エンタープライズITサービスプロバイダーのRimini Streetは、顧客調査やサービス業務にエージェンティックAIを導入した。「Deep Research」機能を活用し、CRM（顧客関係管理）システムや財務プラットフォーム、サービス管理ツールからデータを集約している。

　同社の特筆すべき点は、AIガバナンスを強力に推進していることだ。IT、人事、法務、事業部門のステークホルダーで構成される「AI運営委員会」を設立。全てのユースケースを構造化されたプロセスで評価し、法規制やプライバシー、運用基準を満たしたツールのみを導入している。

　さらに、正式なトレーニングやアクセス制御、継続的な監視メカニズムも実装した。モデルの精度低下の検知や、ユーザーの役割に応じたアクセス権限の設定を行い、AIの開発と利用を適切に管理している。

Info-Tech：実務から得られた教訓

　Info-Tech Research Groupの首席研究ディレクターであるマーティン・ブフィ氏は、企業のAI導入をプロトタイプから実用システムへと導く専門家だ。同氏は、既存のプロセスを「エージェント化」し、ITサービス管理や財務、人事などの実業務に統合する支援を行っている。

　ブフィ氏は、導入を妨げる共通のパターンとして「プロセスの定義不足」を挙げる。プロセスの流れが標準化されていなければ、自動化は困難だ。また、単一のエージェントによる構成が成功することはまれで、実際の導入では複数のエージェントが協調して動作する必要があるという。

　さらに、既製品のエージェントがそのまま企業環境で機能することは少なく、社内システムと連携させるためのカスタマイズが不可欠だと指摘する。コスト面では、全ての工程に最高性能のモデルが必要なわけではない。パフォーマンスと効率性のバランスを考慮したモデル選定が投資対効果を最大化する鍵となる。

CIOが心に留めるべき共通の知見

　これらの導入事例から導き出される共通の教訓がある。成功するエージェンティックAIの展開は、技術ありきではなく、明確に定義されたワークフローから始まる。マルチエージェント構成が標準であり、人間による監視は依然として必要だ。

　測定可能なROIを達成している組織は、部分最適で自動化するのではなく、ワークフロー全体の改善に注力している。また、AIが従業員の役割や責任に影響を与える以上、文化的な変革とコミュニケーションは技術的な実行と同じくらい重要だ。ガバナンス、評価、そして反復的な改善は、単なる選択肢ではなく、エージェンティックAIを組織に定着させるための継続的な要件なのである。