エージェント AI のソフトウェア配信の進化 - AWS 規範ガイダンス
インテントゾーンSDLC の進化チームの準備

翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

エージェント AI のソフトウェア配信の進化

最新のソフトウェア配信は、出荷するシステムを制御するという単純な前提によって形成されています。要件の定義、ロジックの記述、期待される成果に対するテスト、予測可能なサービスのデプロイを行います。アジャイルアプローチや DevOps アプローチでも、各スプリントが決定論的、検証可能、主に人間による監視の範囲内で何かを提供するという原則に依拠しています。

エージェント AI はその基盤をアップグレードします。エージェントシステムは、スクリプトに従うのではなく、解釈、理由、適応します。動作は、記述するコード、操作するコンテキスト、入力、アクセスできるツール、割り当てられた目標によって異なります。つまり、注文に従わず、結果を追求します。

これにより、配信は制御についてより少なくなり、調整についてより多くなります。指示を提供するのではなく、その動作を具体化する必要があります。つまり、従来のソフトウェア開発ライフサイクル (SDLC) はロジックベースのヒューマンコントロールシステム向けに設計されているため、適合しなくなりました。

エージェント AI のインテントゾーン

定義、構築、テスト、リリースなどのハードステージの代わりに、自律性、不確実性、出現を受け入れるモデルが必要です。代わりに、インテントゾーンを使用します。インテントゾーンは、エージェントが制約内で自律的に操作できる境界領域を定義します。目標は、すべてのタスクのマイクロ管理から、エージェントが安全に行動、学習、コラボレーションできる環境の設計に移行することです。何 (望ましい結果）、理由 (インテント）、ガードレール (制約、ポリシー、信頼境界) を指定します。これらの境界とこの情報を考慮すると、エージェントはその方法を特定します。

アセンブリラインの代わりに、環境を空域と考えてください。誰が入力できるのか、何ができるのか、どこへ向かうのかを自分で制御できます。ただし、内部に入ると、必要に応じて自由に移動できます。このようにエージェントシステムはカオスなしでスケールします。

これは単なる哲学的なシフトではなく、実用的なシフトです。エージェントベースのシステムの非決定的な出力は、ユニットテストでは完全にテストできません。静的バイナリのようにバージョニングすることはできません。エージェントは時間の経過とともに変化し、新しいデータに適応し、予測不可能な方法で他のシステムとやり取りします。従来のモデルを使用して配信しようとすると、脆弱でスケーラブルでないアーキテクチャになります。最悪の場合、実際には管理できないシステムに対する誤った信頼につながります。

チームがインテントベースのデリバリーを採用すると、次の 2 つの利点があります。

  • 最も重要な場所を制御する – 出力ではなく境界を定義します。

  • 委任によるスケーラビリティ – エージェントが人間がハードコードできない複雑さに対応できるようにします。

これは、分離されたプロトタイプから、価値を反復的かつ確実に提供できる実稼働グレードのエージェントシステムに移行する方法です。

エージェント AI の配信ライフサイクルの進化

インテリジェントでアダプティブな動作をサポートするには、SDLC を決定論的制御からアダプティブインテントに再構成する必要があります。エージェント AI の従来の SDLC を進化させるために必要な変更を次に示します。

  • 計画はインテント設計になります。チームは、目標、制約、予想されるエージェントの行動を定義します。ポリシーと成功基準は、ロジックではなく整合性の観点からフレーム化されます。

  • アーキテクチャが足場になります。チームは、すべての決定パスをスクリプト化するのではなく、ロール、インターフェイス、ガードレール、フォールバックメカニズム、オブザーバビリティの定義に焦点を当てます。

  • テストは動作評価になります。チームは、特定の出力をアサートするのではなく、エージェントが許容範囲内に留まるかどうかを検証し、さまざまな入力でインテントを達成します。

  • デプロイは継続的なオーケストレーションになります。エージェントシステムは、リアルタイム調整を可能にするランタイムコントロール、ライブモニタリング、フィードバックチャネルを使用してデプロイされます。

  • 反復はフィードバックと適応になります。従来のコード変更パッチサイクルの代わりに、チームはエージェントの進化、成功場所、ドリフトを観察します。必要に応じて、チームは更新された制約、再トレーニング、コントロールメカニズムの追加または変更に介入します。

反復、実験、迅速なフィードバックに焦点を当てた既存のプラクティスは、その途中にあります。エージェントシステムへの移行は、アジャイルの原則を拒否するものではありません。実際、これは自然に進化したものです。アジャイル思考は、厳格な計画よりも適応性、フィードバック、作業ソリューションを重視します。これは、リアルタイムでコンテキストを学習、適応、応答するエージェントシステムの性質と完全に一致します。すでに短いサイクルを実行し、前提を迅速に検証し、継続的なデリバリーを通じて不確実性を管理している場合は、この移行を主導する準備が整います。

ただし、主な違いがあります。従来のアジャイルアプローチでは、配信されるモノが決定論的であることを前提としています。構築されると、モノは一貫して予測どおりに動作し、同じ入力に対して繰り返し可能な結果が得られることを前提としています。この再現性は、デバッグ、テスト、反復を自信を持って行うのに役立ちます。エージェントシステムは、そのモデルを破壊します。確率的であり、コンテキストに敏感で、独立して進化できます。つまり、ストーリーの完了に基づく速度追跡、厳格な承認基準、決定論的なスプリント計画など、一部のアジャイルプラクティスはあまり役に立たなくなります。

従来の SDLC の以下の側面がエージェント AI に適用されます。

  • 反復開発と配信

  • プライマリシグナルとしてのお客様のフィードバック

  • 部門間のコラボレーション

  • 継続的な統合とデプロイ

エージェント AI では、従来の SDLC の以下の側面を進化させる必要があります。

  • インテントに合わせて再定義します。 エージェントの動作が、定義された制約内で意図した目標を満たしているかどうかに焦点を当てます。

  • 許容基準から動作ガードレールへの移行。

  • 継続的な学習と信頼をサポートするオブザーバビリティ、説明可能性、フィードバックメカニズムを含むランタイムの準備状況を含めるように、完了の定義を拡張します。

  • 事前計画よりもリアルタイムのフィードバックループと動作追跡を優先する

良いニュースは、SDLC プレイブックを捨てる必要がないことです。コードの管理から行動の形成まで進化させるだけで済みます。エージェントシステムでは、成功とはソフトウェアが実行されるかどうかだけでなく、その動作に関するものです。

エージェント AI のためのチームの準備

ソフトウェアエンジニアリングは廃止されません。進化しています。ジョブは、関数の記述から、インテリジェントな動作のためのフレームワークと制御メカニズムの形成に移行します。エージェント AI の世界では、構築はもはやハードな部分ではなく、出現の管理です。ほとんどのエンジニアリングチームにとって、進化は技術的な飛躍ではなく考え方の変化のように感じられます。「システムは何をしますか？」と尋ねる代わりに 質問は「何を追求する権限を与えたか」になり、それが進行中かどうかはどのようにわかりますか？」になります。

エンジニアリングチームの場合、エージェント AI への移行には以下の変更が必要です。

  • 文化的シフト – チームは、完全には制御できないシステムの不確実性と自律性に慣れる必要があります。

  • 新しいロール – インテントデザイナー、動作テスター、オブザーバビリティエンジニアがデリバリーの中核となります。

  • 共有言語 – チームは、これまで仕様やテストケースが必要だったのと同様に、目標、ガードレール、成功シグナルを明確に共有する必要があります。

生成 AI が成熟するにつれて、より多くのエージェントシステムが顧客、製品、オペレーションとやり取りするようになります。成功した組織は、最適なモデルを持つ組織ではありません。これは、エージェントを信頼、制御、速度で実際のワークフローに統合できるものです。つまり、デリバリーモデルとエンジニアリングチームは一緒に進化する必要があります。インテントゾーンを使用すると、抽象化できます。説明責任を放棄することなく、自律性を運用するのに役立ちます。また、チーム間で共有フレームワークを提供し、ハードコードできないシステムを管理するのに役立ちます。

エージェント AI のためのチームの準備の詳細については、このガイドの「大規模なエージェント AI のためのビジネスの準備」セクションを参照してください。