企業のAIエージェントが本番稼働に入る中、信頼性の問題が拡大しているとTemporal TechnologiesのPreeti Somal上級副社長（エンジニアリング）が述べました。
LLMの性能だけでは、エージェントが本番で成功するかは決まらないためです。
長時間に及ぶワークフローは、クラッシュに耐え、状態を保持し、失敗から復旧し、推論コストを管理し、複数のAPIやツール、企業内システムをまたいで連携する必要があります。
Somal氏は、最初の導入期に急いで実装した結果、配管（基盤）を整えずに再び同じエージェントを「バージョン2.0」として作り直す顧客が増えていると説明しました。
エージェントが複数サービスやモデルを呼び出し、数時間から数日かけて処理するほど、失敗時に全体を最初からやり直すリスクが高まり、遅延や顧客体験の悪化、推論費用の増大につながります。
同氏は、状態（どの手順まで完了したか）と文脈やメモリ（引き継ぐ情報）を分けて考え、クラッシュ後にどこから再開するかを設計すべきだとしました。
また、言語モデルは確率的に出力が変動する一方で、オーケストレーションが実行の信頼性を担保する「決定論的スパイン」の考え方を示しました。
さらに、可観測性によりトークン消費の発生箇所を追えることや、障害時に中断地点から再開できればコストを抑えられる点を強調しました。
企業はガバナンスを含む標準化された「舗装された道」を社内に整え、必要な制御やコスト管理、ID、モデル選択、監視を組み込む流れがあると述べています。
参照元：2026/05/30 「AI agents are entering their rebuild era as enterprises confront the reliability problem」 https://venturebeat.com/orchestration/ai-agents-are-entering-their-rebuild-era-as-enterprises-confront-the-reliability-problem
この記事へのリアクション
このニュースをどう受け止めましたか？
コメント