# AI エージェントのワークフローを本番環境に導入するにあたり学んだ 5 つの教訓

> 現場に配備されたエンジニアが、AI エージェントのワークフローをデモから日常使用へと移行し、本番環境で安定的に運用するための 5 つの教訓を共有します。

Source: https://asana.com/ja/inside-asana/ai-agent-workflows-demo-to-production

## デモから日常使用へ: AI エージェントのワークフローを本番環境に導入するための 5 つの教訓

#### 要旨: あらゆるビジネスにおいて、AI エージェントをパイロット段階から本番稼働へと移行させる

_AI エージェントをデモから日常使用へと移行させるにあたり、重要なのはモデルそのものよりも、エッジケース、データの欠落、そして信頼性です。 Alberto Arrighi 氏は、現在 Asana の一員となっている StackAI のカスタマーサクセス部門を統括しています。Max Poff 氏は、StackAI のフォワードデプロイエンジニアの 1 人で、コードを書く作業と、銀行、プライベートエクイティ会社、代理店、防衛関連の請負業者にエージェントをデプロイする作業の両方に時間を割いています。__、2 人はエージェントをプロトタイプから本番環境に移行させるための 5 つのプラクティスを紹介しました。それは、面倒でリスクの高いワークフローから始めること、ユーザーテストを本番のビルドとして扱うこと、チーム全体が頼りにするデータを連携させること、学習ループを組み込むこと、そして初日からセキュリティを考慮して設計することです。_

## AI エージェントを本番環境に導入する際、最も難しい点は何ですか？

最も難しいのは、機能するデモから、ユーザーが日々の業務でエージェントを信頼するようになるまでの過程です。 「最も難しいのは、デモとユーザーが日々の業務でエージェントを真に信頼するようになるまでの間に発生する例外的なケースに対処することです」と Max 氏は言います。

デモは、クリーンな入力データと 1 人の担当者の想定に基づいて実行されます。 本番環境では、文書が整理されていない、権限が不足している、プロジェクトの推進者とは異なる働き方をする同僚がいるといった問題が発生します。

## 1. まずは面倒で、リスクの高いワークフローから始める

最初に導入するエージェントは、重要でありながら時間がかかる仕事を担当するのが最適です。 Max さんは、あるヨーロッパの大手銀行のリスクおよびコンプライアンスチームについて次のように説明しました。 ビジネス変更の提案が届くたびに、リスクマネージャーは大規模なリスク登録簿を参照して新しいリスクを特定し、次にコントロール登録簿を参照してリスク軽減策を割り当てていました。

現在、チームは提案書をカスタムの Slack ボットに投稿しています。 StackAI のワークフローは、完全なリスク評価、フラグが立てられたリスク、および対応するコントロールが記載された、所定の形式の Excel ブックを返します。 「以前は午後いっぱいかかっていたタスクが、今ではおよそ 10～15 分で完了するようになりました」とMaxさんは言います。

このアプローチが定着した理由は 2 つあります。1 つ目は、エージェントがすでに使用しているツール内でユーザーとやり取りすること、2 つ目は、出力がすでに使用している形式で提供されることです。

## 2. ユーザー受け入れテストを本番のビルドとして扱う

ユーザー受け入れテスト (UAT) は、デモが製品になる段階です。 Max 氏は、あるプライベートエクイティ会社の事務補佐チームと協力して、SAP Concur での経費コードの割り当てを自動化しました。 「そのデモは非常に短時間で作成できます」と彼は言います。 「しかし、ベータテスターに披露した時点で、本当の作業が始まりました」

StackAI では、すべての展開において体系的な UAT フェーズを実施し、エージェントが失敗するケースを明らかにしています。 修正を重ねるごとに、ワークフローは実際の使用環境に対する耐性を高めていきます。 このフェーズをタイムラインに組み込んで計画しましょう。プロジェクトが遅れている証拠ではありません。

## 3. チーム全体が頼りにするデータをつなげる

1 人のステークホルダーと一緒に構築したエージェントは、そのステークホルダーの世界しか見ることができません。 Albertoさんのチームは、北欧最大のメディアおよびマーケティングエージェンシーの1社向けに、メディアプランナーエージェントを構築しました。 クライアントのブリーフを受け取ると、チャネル、予算の割り当て、ロールアウト計画を提案します。

主要な関係者にとっては、問題なく機能しているように見えました。 しかし、より幅広いチームがテストしたところ、エージェントがアクセスできない重要なデータセットがあることが指摘されました。 「デモの構築は簡単ですが、実際のテスターに公開すると、システム権限の欠如やロジックの不具合が見つかります」とAlbertoさんは言います。 この問題を解決するために、より多くのツールを連携させ、ツール間のサイロを解消しました。

これは、より広範な変化を反映しています。 1 年前は、ほとんどのユースケースで、エージェントは単一のナレッジベースに接続されていました。 現在では、多くの情報源から情報を取得し、イベントに応じてトリガーされ、複数のツールにわたってアクションを実行するオーケストレーションシステムとなっています。

## 4. すべてのワークフローに学習ループを組み込む

エージェントは、学習した内容を記憶することで、より有用になります。 StackAI エージェントは、クライアント組織内のユーザー間で共有メモリファイルを保持します。 ユーザーがエージェントを使用し、フィードバックを提供すると、そのメモリが更新され、エージェントは今後の実行時にそのメモリを読み込みます。

Alberto 氏は、2 つ目のループとして、アウトプットを元のナレッジベースに書き戻すことを挙げました。 「この継続的な書き戻しループは、当社のエンタープライズ展開において大きな価値を生み出します」と Alberto 氏は述べています。 時間が経つにつれて、実行されるたびに組織の知識が増えていきます。

## 5. 初日からセキュリティとガバナンスを考慮した設計

規制対象の業界では、エージェントがどのように稼働するかは、何を行うかと同じくらい重要です。 大手金融機関では、共有の SaaS インフラストラクチャではなく、プライベートクラウドまたはオンプレミスでエージェントを実行することがますます求められています。 StackAI は、エアギャップ環境で稼働する防衛関連企業にも対応しています。

「防衛、銀行、ヘッジファンドにとって、データ境界のセキュリティは譲れないものです」と Max 氏は述べています。 エージェントが機密データに触れ、よりリスクの高いアクションを実行するようになると、ガバナンス、オブザーバビリティ、セキュリティが不可欠になります。

## AI エージェントは、数年前にはできなかったことで、今できるようになったことは何ですか？

モデルは現在、構造化データをうまく処理できるようになっています。 「私がこの業界に入った頃、よく言われていたのは、『ワークフローが複雑でわかりにくい Excel スプレッドシートに依存しているなら、AI はおそらく適切なソリューションではない』ということでした」とMax氏は語ります。 現在、彼が構築するエージェントの多くは、複雑で書式設定されたExcelワークブックを作成します。

また、エージェントはバックグラウンドで稼働し、ユーザーが質問をするだけでデータレイヤーを維持できます。 Max 氏は、このことが静的な BI ダッシュボードにプレッシャーをかけると考えています。「ダッシュボードは、誰かが『あなたが見たいだろう』と推測した内容を静的なスナップショットとして表示するものです。」

## Asana Work Graph® の役割

上記のすべての取り組みは、コンテキスト、組織のナレッジ、つまり誰が何をいつまでに、どのように、なぜ行うのかを理解することに集約されます。 エージェントは、仕事の背後にあるデータ、意思決定、担当者を把握できるようになると、デモから日常的な使用へと移行します。 まさにそれが Asana Work Graph® に含まれているものです。 StackAI はシステムを横断する実行機能を備えているため、エージェントは企業が使用するさまざまなツールを横断してアクションを実行できます。 両者を連携させることで、ワークフローをチャットウィンドウから開始する必要がなくなります。Asana でタスクを割り当てると、StackAI エージェントがエンドツーエンドで実行され、その過程でメンバーが仕事を承認し、引き継いでいきます。 「エージェント機能を企業のワークグラフに直接連携させることで、まったく新しいオペレーションのレベルが開拓されます」と Arrighi 氏は述べています。

#### 始める

オリジナルの AI エージェントワークフローをデモから日常使用に移行する準備はできましたか？ StackAI by Asana を使用すると、企業はビジネスを運用するさまざまなシステム全体でエージェントを構築、テスト、展開できます。その方法をご紹介します。
- [詳しく見る](https://www.stackai.com/)

## 専門家の紹介

[Alberto Arrighi 氏](https://www.linkedin.com/in/alberto-arrighi/)は、現在 Asana の一員となっている StackAI でカスタマーサクセス部門を率いています。 AI ストラテジストと現場に展開されたエンジニアからなる彼のチームは、エンタープライズのお客様と協力して、エージェントにとって最も価値の高いワークフローを見つけ出し、本番環境への展開に向けた仕様や要件に落とし込みます。 彼は AI ストラテジストとして StackAI に入社しました。 

[Max Poff 氏](https://www.linkedin.com/in/maxpoff/)は、現在 Asana の一部となっている StackAI のフォワードデプロイエンジニアです。 彼は、コードを書く作業と、銀行のリスクチームやコンプライアンスチーム、プライベートエクイティのオペレーションチームなどのエンタープライズクライアントとともにエージェントをデプロイする作業を並行して行い、そこで学んだことを製品に反映させています。

- [AI Meetings と Tables で、会議の決定を実行に、業務データを最新に](/ja/inside-asana/introducing-ai-meetings-and-tables)

人工知能 (AI)

#### コンテンツライター

キャンペーンの立ち上げやプログラムのレビューは、チームにとって重要な意思決定の場です。しかし、そこで決まったことに担当者が明確に割り当てられなかったり、議論や決定事項が文字起こしの中に埋もれたり、別の議事録ツールに保存されたままになったりすることも少なくありません。その結果、実務を担うメンバーに最新の方針が共有されず、対応漏れや手戻りが発生します。フォロー ...

- [キャッシュをそのままにして、ブラウザーエージェントのコストを 76 分の 1 に削減し、5 倍高速化した方法](/ja/inside-asana/cut-browsers-agent-cost)

エンジニアリング

人工知能 (AI)

#### StackAI の CTO

コードの調査から結果の測定まで、Codex で GPT-6 Astra を使用した 4 つのモデルに関する調査調査の目的Asana は、StackAI を通じてエージェントのワークフローのオートメーションをプラットフォームに導入しています。Asana の規模では、小さな非効率性が積み重なっていきます。 私たちの目標は、回答の質を落とすことなく、ブラウザーエ ...

- [AI チームメイトがメモリを構築する仕組み：仕事を再利用可能な知識に変換](/ja/inside-asana/ai-teammates-turn-work-into-reusable-information)

人工知能 (AI)

エンジニアリング

ほとんどの AI 製品は、メモリを個人的な機能として扱い、1 人のユーザーまたは 1 回の会話に関する事実を記憶します。 しかし、チーム間でコラボレーションを行う AI には、根本的に異なる種類のメモリが必要です。 AI システムは、以前に学んだことを土台にしてさらに発展させることができると、より有用になります。 しかし、エンタープライズソフトウェアにおい ...

- [チームのための AI エージェント: エンタープライズ AI における共有コンテキストと透明性](/ja/inside-asana/ai-agents-built-for-teams-context-transparency)

エンジニアリング

人工知能 (AI)

説明責任のギャップ エンタープライズ AI エージェントは、チームやプロジェクトを横断する共有ワークフロー内でアクションを実行できる AI システムです。 チームで共有されるコンテンツに関連する独自の AI アシスタンスを提供するプラットフォームが増え続ける中、この分野は急速に成長しています。ほとんどの組織は、まだパイロット段階を超えることができていません ...

- [デモから日常使用へ: AI エージェントのワークフローを本番環境に導入するための 5 つの教訓](/ja/inside-asana/ai-agent-workflows-demo-to-production)

人工知能 (AI)

Asana チーム

#### Head of Global Communications

AI エージェントを本番環境に導入する際、最も難しい点は何ですか？最も難しいのは、機能するデモから、ユーザーが日々の業務でエージェントを信頼するようになるまでの過程です。 「最も難しいのは、デモとユーザーが日々の業務でエージェントを真に信頼するようになるまでの間に発生する例外的なケースに対処することです」と Max 氏は言います。デモは、クリーンな入力デー ...

- [人工知能 (AI)](/inside-asana/artificial-intelligence)
