VB Transform 2026で、LinkedIn、Walmart、ZendeskのAI基盤リーダーが、AIエージェントの実運用で生じるボトルネックはモデルではなく既存インフラにあると共通結論を示しました。
パネルには、LinkedInのAIプラットフォーム・インフラのシニアディレクターAnimesh Singh、Walmartの企業向けテクノロジーサービスおよび技術戦略担当のSVP Desiree Gosby、Zendeskの応用AI担当VP Sami Ghocheが登壇しました。
3社はいずれも、パイロットから本番に移す際に直面した課題を説明し、詰まりの原因が評価や推論モデルそのものではない点で一致しました。
LinkedInでは、Kubernetesのオンデマンド起動が数秒単位で遅く、エージェントに必要な速度に合わなかったため、コンテナを事前に用意しリアルタイムで差し替える方式に変更しました。
さらに、エージェントのオーケストレーションを自律化すると、評価用LLMが出力を誤る「構造的な失敗」が現れ、Singh氏はLLM同士の評価ループを避け、ワークフローの約80%を決定論的コードに置き換え、証拠をディスクに保存してから次へ進むと述べました。
Walmartでは、従業員にエージェントハーネスを早期に配布したことで社内で広まり、いわゆる市民開発者が独自にエージェントを作る一方、重複が増え連携が取れなくなる問題が起きました。
同社は、ハーネスを抑制するのではなく、重複を見つけて最良のエージェントを選定し、本番投入までをエンジニアのボトルネックにしないガバナンスを整える方針を示しました。
Zendeskはデータ面の課題として、同社が扱う顧客会話の膨大な履歴をそのまま大規模モデルに渡してエージェントを生成するだけでは機能しないと説明し、データパイプラインや基盤への投資が必要だと述べました。
オープンソース活用については、3社とも可能な範囲で自社で所有し、フロンティア領域は明確な優位がある場合に限り利用する考えを共有しました。
LinkedInはプロバイダー独立のためAIゲートウェイとモデル非依存のメモリ機構を整備し、外部呼び出しを同一インターフェースで統一して切り替えを容易にするとしました。
また、Walmartは複数のワークロードに対応する社内ゲートウェイを構築し、決定論的処理は設計上維持しつつ、評価やガバナンスはゲートウェイ経由で共通化すると語りました。
3社が挙げた近代化の助言として、まず評価（evals）を整備すること、初日からエージェントハーネスを自社で持つこと、モデルやコンテキストの独立性を前提に設計することが強調されました。
参照元：2026/07/18 「Agents think in milliseconds, legacy infrastructure doesn’t. LinkedIn, Walmart and Zendesk shared how they closed the gap at VB Transform 2026」 https://venturebeat.com/data/agents-think-in-milliseconds-legacy-infrastructure-doesnt-linkedin-walmart-and-zendesk-shared-how-they-closed-the-gap-at-vb-transform-2026
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