AIエージェント活用の本丸はSoRにあり　セゾンテクノロジーが「つなぐ技術」で挑む新サービス、その実力は

AI活用で生じるギャップ　解消のカギは「AIとSoR」の橋渡し

岡本（EnterpriseZine編集長）：企業で生成AI、AIエージェントが徐々に浸透してきた一方、リスクやガバナンスなどの観点から懸念が払拭できず、全社活用を踏みとどまる企業も見受けられます。

高坂亮多氏（以下、高坂）：ガバナンスと聞くと、「ブレーキ」というネガティブなイメージを思い浮かべますが、もし「ブレーキがないクルマ」があったらどうでしょう。思いきりアクセルを踏むためにも、ブレーキ（ガバナンス）は必要ですよね。企業のAI活用に照らし合わせれば、AIモデルやデータをどのように使うべきか、倫理観とあわせて組織で管理する必要があります。また、AI活用の試行錯誤の段階ではROIが曖昧になりやすく、AIに関する知見がチームで閉じてしまっていることも課題です。ガバナンスを効かせながら知見を集約すること、これこそがAI活用を推進するポイントでしょう。

福泊晶氏（以下、福泊）：特に大手企業では、組織的な生産性向上、ビジネス価値の創出に主眼が置かれている印象を受けます。しかし、AI活用においては「自社データにアクセスできるか」が成否を分けます。必要なデータにアクセスできなければ、先に進めません。どこまでデータへのアクセスを許可するか、その線引きの設計が重要です。そして、そこを乗り越えた先では、出力の精度やハルシネーションといった課題にも直面します。データにアクセスできても「精度がでない」という悩みをよく耳にします。だからこそ、実用性を高めるためにも単にアクセスできるようにするのではなく、データを“AIが理解できる”状態に整えることが重要です。

岡本：ガバナンスを効かせながら、AIが利用できる状態にデータを整備することが大切なのですね。

高坂：企業規模が大きくなるほど、SoR（System of Record）、SoE（System of Engagement）、SoI（System of Insight）の3領域への接続が重要になります。その中でも基幹系システムにあたるSoRとの接続は、AIを業務に取り入れた場合の可用性向上に直結すると考えています。しかしながら、AIとSoRは最も離された存在といっても過言ではありません。AIに業務データを壊されたくありませんし、処理結果の再現性も求められます。つまり、AIの柔軟性と業務に求められる再現性をどのように両立させるか、ここが重要です。

福泊：そもそもAIはデータ分析の領域で使われてきたため、SoIの領域で活用されて当然です。これまでのAIを振り返ってみると、機械学習で学習されたモデルを判別作業に用いたり、囲碁の対戦で使われたりと、元々SoRの領域から離れた場所にあったと思います。この距離感を理解していないと、期待と現実のギャップに落胆することになりかねません。

岡本：では、コストの観点はどうでしょう。AIの活用が進んでいる企業でもコストが膨れあがり、ROIが良くならないケースも少なくありません。

高坂：コストを気にせずに試してみて、ROIを測定して選択と集中を行い、適切なROIを計画してから実用化していく──まさにAI活用は、データ分析と同じ道を辿っています。活用が進むにつれてコストは増えていきますが、バラバラに始めたものに対して後付けでROIという観点からメスを入れることは難しいため、設計段階からコストを組み込むようなアーキテクチャを再検討することがデータ分析の世界でも起きていました。AIも同様だと考えています。だからこそ、今のうちからエージェントやモデルごとにコストを可視化できる仕組みを設計段階から組み込むことで、中長期的な視点からも優位性を築けると思います。

福泊：生成AIやAIエージェントは、アプリケーションの開発などを劇的に速くしたことは事実です。ただし、ROIの評価は後回しにされがちです。AIのコストといっても、実際のトークン利用料だけではありません。会社内で似たような処理や開発を複数の人間・部署が行うことも、コストの多重化につながります。AIによって生まれた業務プロセスが本当に必要なのか、可視化することがガバナンスやコストの観点からも重要です。たとえば、経理が規定を参照するAIエージェントを作成し、同じく人事や法務も規定を参照するAIエージェントを作成していないでしょうか。参照先は異なるものの必要な処理は同一のため、別々に作ることは無駄につながりかねません。

高坂：また、検討やPoC段階では大きな問題にはならないものの、本格的な運用フェーズに入るとシャドーAIなど、新たなセキュリティ課題が顕在化します。従来の管理手法では対象が増えすぎて、適切に管理できない懸念もあります。複数のシステムをまたぐID管理、人手による承認作業など、管理すべきポイントが増えるためです。

セゾンテクノロジーが投入するAI業務実行基盤「Agent Orchestration」　停滞する大手企業のAI活用に一石投じる

岡本：現在、企業の関心がAIエージェントに移っている中、先述したデータへのアクセス、コストなどを統合的に管理するためのアプローチはあるのでしょうか。

高坂：さまざまなAIエージェントビルダーが登場していますが、それだけではSoRとAIのギャップは埋まりません。重要なことは、AIの柔軟性と企業システムが求める再現性をどう掛け合わせて実現するかです。たとえば、「重点顧客にメールを送信して、電話でフォローする」という業務があるとします。重点顧客をリストアップする作業はAIに任せるとしても、メールや架電の手順、メールの内容に間違いがあってはいけないため、AIは使いたくありませんよね。

　このプロセスでは、AIと従来型の処理を組み合わせることでSoRとAIのギャップを埋めており、こうした複合的なアプローチこそがAIエージェントを業務適用していくと考えています。そうするとAIエージェントビルダーやMCPだけでは十分と言えず、業務利用に必要な機能をつなぎ合わせ、1つに統合するためのプラットフォームが必要になります。

岡本：ここまで話してきた要素を網羅した、コントロールパネルのような統合プラットフォームが必要になるということですね。

福泊：個人や部署を越えて、異なる業種・業務でもAIエージェントの使い方は似ている部分があります。そのため、個社ごとに必要な機能を個別開発するよりも、共通機能が組み込まれたサービスを使うほうが効率的で、AIの価値を早く享受できます。そこでセゾンテクノロジーでは、 AI業務実行基盤「Agent Orchestration（エージェント・オーケストレーション）」という新サービスを開発し、2026年7月から提供開始します。

高坂：Agent Orchestrationのコンセプトは「AIを使って業務プロセスを実現する」です。これはAIエージェントの作成・管理機能を中核に据えたプラットフォームであり、エージェントごとに業務遂行で必要な能力を“アクション”という形で付与することができます。このアクションとは業務データの参照や定型処理の実行などを指しており、iPaaSで企業内のさまざまなシステムのデータを連携するプラットフォームである「HULFT Square」から定型処理に必要なスクリプトをエージェントから呼び出せます。

　たとえば、先ほどのメールを送信してから架電するといった、AIと従来的な処理が混在するような業務処理はもちろん、データベースに対して人間の承認や監査ログを前提とした、データベース更新のような重要処理も必要に応じて業務プロセスに組み込めます。また、運用フェーズで直面するガバナンスやROIなどの課題についても、エージェントの設計段階から設定・管理可能です。

福泊：ガバナンスを効かせながらも、業務利用できるものを目指しました。IT部門だけでなく、事業部門も一緒に使っていけるようUI/UXを考慮しています。

高坂：まずは、AIエージェントを作成できる管理者を設定します。管理者は「データ検索機能」などのアクションをノーコードで付与することができ、業務ごとにエージェントをカスタム可能です。また、高度なプロンプト技術がなくとも設定画面から簡単に「エージェントにさせたいこと、させてはいけないこと」も指定できます。たとえば、データベース更新などの重要な処理では「人間による承認が必須」と設定可能で、その承認履歴や操作履歴も監査ログとして残せます。

福泊：まさに、作り込みの必要がないところが大きな特徴です。従来、情報が格納されているデータベースやテーブルを指定し、SQLでデータを抽出するといった処理プロセスが必要でしたが、Agent Orchestrationなら簡単に設定できます。たとえば、現場の販売員が自然言語で「売上はいくら？」と聞いたら答えてくれるようなAIエージェントがほしいとき、専門部署に依頼するなどのリードタイムを短縮でき、ガバナンスを効かせながら構築できる。まさに、ここが既存のAIエージェントビルダーにはない優位性です。

岡本：これまで企業は、さまざまモデルに投資をしてきました。そうしたAIへの投資は無駄にならないのでしょうか。

高坂：われわれは長きにわたりデータインテグレーションに取り組んでおり、特定のデータベースやベンダーに依存していない点が強みです。Agent Orchestrationでは「BYOモデル（Bring Your Own Model）」を採用しており、たとえばAWSを使っているならば「Amazon Bedrock」を持ちこんでいただける設計になっています。

　既に契約・管理しているAIモデルの利用環境を活用できるため、既存のポリシーを適用しながらAI利用を統制できます。お客様の環境で「AIのコントロールタワー」として機能すると価値が高い、そう考えて設計しました。

人間がやるべき仕事は「AIでどの問題を解くか」を考え、「業務の知見を組み込む」ことになる

岡本：Agent Orchestrationでは、ガバナンスを効かせながら簡単に、誰もがAIエージェントを構築できる。つまり、これまでの懸念を解消できるため、AIエージェントを全社展開しやすいという優位性はわかりました。他にも技術的な特徴はあるのでしょうか。

福泊：「実行計画」というモジュールをもたせたことで、単なる自動化ではなく、自律性をAIエージェントに持たせている点が本質的な特徴と言えるでしょう。たとえば、人間が「売上はいくら？」と聞いたとき、SFA（営業支援システム）の数値を参照すべきか、ファイルサーバーにあるフォルダから探すべきか、エージェントが考えてから実行に移します。

高坂：この実行計画モジュールは標準機能として組み込まれており、エージェントを作成した時点で自動的に機能するものです。エージェントの性格（ポリシー）や属性（機密データへのアクセス、更新の有無など）を組み合わせ、実行計画を立てるような設計としました。これによりユーザーはエージェントの実装ではなく、業務経験に基づいて「何をどういう順番で処理すればよいか」を考えることに集中できます。

　たとえば、セゾンテクノロジー社内の問い合わせ対応業務において、熟練者は問い合わせに関連するドキュメントを検索する前に、過去の類似質問を検索します。これは類似質問の回答を参考にすることで、回答の精度が高まるためです。この業務を担うためのエージェントを作成した際には、実行計画モジュールが行動を自動的に考えてくれるため「類似質問を先に探す」というアクションをエージェントに付与するだけで対応できました。Agent Orchestrationでは、業務に必要なエージェントをすぐに作成できる点にこだわっています。

岡本：どうしたら自律的に動くか、というAIエージェントの土台とも言える部分が担保されていることで「業務でどう動いてほしいのか」をアクションとして画面から設定するだけで、業務にあったエージェントが完成する。これはユーザーにとって大きなメリットと言えますね。

高坂：一般的に、このアクションにあたる存在はツールやMCPのような、外部との接続手段だと思います。また、MCPはAIと外部機能を接続する上で重要な仕組みですが、MCP対応によって、その機能が業務的に意味のあるものになる訳ではありません。求められているものは、業務的に意味のある塊として複数の機能をまとめ、AIから呼び出せることです。単にMCP対応をしただけでは業務で使えません。とはいえ、その工程をコーディングで実装するとなれば、エンジニアの世界に戻ってしまいます。

　しかし、われわれは業務的に意味のある塊を作ることのできる部品であり、SoRと連携できるHULFT Squareを持っている。だからこそ、本当に業務に必要なことをアクションとして実現できたのです。そうした背景もあり、Agent OrchestrationはHULFT Squareのオプションサービスとして提供します。

福泊：既にHULFT Squareを使っているお客様は、既存のスクリプト処理を呼び出せます。また、オンプレミスやレガシーシステムも含めて連携しているHULFT Squareがあることで、Agent Orchestrationにもデータを活用できる点は大きなメリットです。レガシーシステムにどのようにAIを適用するか、という課題に対して「刷新せずにつなげる」という形で応えられます。AIエージェントのためだけにデータパイプラインを構築せずとも、必要な社内データを活用できます。

岡本：では、このAgent Orchestrationによって、企業のAI活用はどのように変わっていくのでしょうか。

高坂：目まぐるしく企業環境が移り変わっていく中、いかにSoRのデータを多角的に分析できるかが企業競争の勝敗を分けることになるでしょう。当然ながら、いくつもある分析の切り口を人間だけで見ることはできないため、AIと共創できるかが競争力につながると考えています。私はCTOとして全社のAI活用状況を把握しなければなりませんが、人力では限界があります。そこでAgent Orchestrationを用いることで、全社の会議データを横断的に見ながら「直近の会議でAIを話題にしたものは？」「事業計画レビューでAIに言及した部門をリスト化して」などリクエストしています。単なる議事録の要約と異なり、SoRとしての生データから自分に必要な部分だけを見ることができていますね。

福泊：現場目線では、今まで「毎日スケジュール実行していた自動化処理」をエージェントが必要なときに実行してくれるようになりますし、関連業務を1つのプラットフォームで完結できることで省力化にもつながるでしょう。システムAからシステムBへデータを渡す、担当者Aから担当者Bへ業務をリレーする……個々に発生していた分析のための業務などを、1つのプラットフォームでビジネス視点から俯瞰できるようになることには、大きな意味があると思います。

岡本：いろいろな業務に適用できる反面、どこから手をつければよいか迷いそうですね。Agent Orchestrationを用いて、これまでのAI活用を加速させるための最適なアプローチはありますか。

高坂：最初は業務単位でエージェントを作り、小さな成功事例を積み重ねることから始めてもいいと思います。実際にセゾンテクノロジーでもそうしています。重要なことは「個別最適で始めたものを後から（作り直すことなく）全体最適となるように統合できるか」であり、Agent Orchestrationならばそれが可能です。

福泊：最初のシナリオを具体的に決めることも有効です。何をしたいのか、どのデータを参照すればよいのかさえ決めてしまえば、あとはつなげるだけです。PoCに終始してしまうような企業も見受けられますが、Agent Orchestrationならば業務利用に成功したエージェントの権限を広げるだけで、スムーズに全社展開していけます。

岡本：ありがとうございます。では、最後にAI活用に悩んでいる方に向けてメッセージをいただけますか。

高坂：AI活用のボトルネックは移り変わります。今は「どこに使うか、どの業務から始めるか」ですが、やがて管理すべきポイントの増加や運用責任、その先は十分な業務コンテクストを渡せるか、と移っていくことでしょう。しかしながら、人間がやるべきことは「AIでどの問題を解くか」を考えることであり、そこに集中してほしいと思います。Agent Orchestrationは、接続、権限、承認、監査、コスト管理といった業務適用上のボトルネックを整理し、AIを迅速・安全に使いつづけるための仕組みを提供します。

福泊：これまでも似たような課題に対して、セゾンテクノロジーは長年にわたり取り組んできました。今回、Agent Orchestrationをローンチすることで、より短期間で価値を提供できるようになりました。Agent Orchestrationを業務に組み込むところまでしっかり伴走支援しますので、皆さまがビジネス価値を創造するためのお手伝いをできればと考えています。