Agent Bricks 登場！ あなたのデータで自動最適化されたエージェントを、かんたん構築

昨年、Mosaic AI の登場により、「データインテリジェンス」──自社データを理解し、推論できるAIを構築するというビジョン──が現実のものとなりました。Mosaic AIは、AIシステムの構築、評価、モニタリング、セキュリティを包括的にカバーするプラットフォームです。

その後、数千社にのぼるお客様がこのデータインテリジェンスを本番運用へと導入し、エンタープライズデータを活用した業界特化型のエージェントを構築しています。

• Mastercard：顧客オンボーディングを加速するデジタルアシスタントを導入

• AT&T：無線通信の利用者を不正や被害から保護

• Crisis Text Line：メンタルヘルス支援に特化したAIエージェントを構築し、次世代のカウンセラー教育に活用

• Block：企業コンテキストに基づくAIコーディングアシスタント「goose」を展開

しかし、生成AI技術の成熟度はまだ十分ではなく、本番環境への移行には多くの課題が残っていました。
特に、高品質なエージェントの構築は非常に複雑で、以下のような理由から多くのチームが苦戦していました：

✅ 評価が難しい

多くのエンタープライズAIのタスクは、人間にも、LLMジャッジにも評価が難しいものです。
例えば、数学試験のようなアカデミックなベンチマークは、現実の業務とは合致せず、実践的な評価には高コストな手作業によるラベル付けが必要でした。
その結果、有望だったプロジェクトが何度もチューニングを繰り返す「沼」に陥り、進捗が見えず関係者の信頼も低下する事態に。

✅ 設定項目が多すぎる

エージェントは多くの要素からなる複雑なAIシステムです。
プロンプトの調整、インデックス分割の戦略、モデル選定、ファインチューニングのパラメータなど、それぞれが連動して全体に影響を与えるため、調整には常にリスクが伴います。
本来であれば高速な反復改善ができるはずが、現実には地道でコストのかかる試行錯誤となり、本番化までの時間が長引いてしまいます。

✅ コストと品質のトレードオフ

たとえ高品質なエージェントを構築できたとしても、その運用コストが想定以上に高く、本番展開が困難なケースも少なくありません。
結果として、チームは長期的なコスト最適化に取り組まざるを得なかったり、コストか品質かという二者択一を迫られることになります。

こうした課題に対処するために、次の一手として登場したのが Agent Bricks です。

Agent Bricks：あなたの業務に最適化されたエージェントを自動構築

これまで多くの企業のお客様とともにAIの本番導入を進めてきた経験をもとに、私たちはこの1年、「エージェント開発のあるべき姿」を見直してきました。
そして今日、企業のドメイン特化型エージェントの開発手法を大きく変える新製品、Agent Bricks をご紹介します。

従来のように、複雑な設定や微調整に時間を費やす必要はありません。
チームが集中すべきなのは、「エージェントにどんな役割を持たせたいか」、そして「どのような品質が理想か」という部分だけです。
その意図は自然言語でのフィードバックを通じて伝えることができます。

あとは Agent Bricks が自動的に評価スイートを生成し、品質を最適化してくれます。
エージェント構築の複雑さからチームを解放し、本当に価値のある部分に集中できる環境を実現します。

以下は、Agent Bricks の仕組みです：

1. タスクを定義する

   まずは、エージェントにやらせたいタスクを選択し、自然言語でその目的をざっくりと記述します。そして、必要なデータソースを接続します。

2. 自動評価

   Agent Bricks は、定義されたタスクに応じて、自動的に専用の評価ベンチマークを作成します。必要に応じて、合成データを生成したり、カスタムのLLM判定基準（ジャッジ）を構築したりします。

   MLflow 3 をベースに、Agent Bricks はタスクに合わせた評価データセットやジャッジ機構を自動生成します。

   

3. 自動最適化

   Agent Bricks は、プロンプトエンジニアリング、モデルのファインチューニング、報酬モデル、TAO（テスト適応型最適化）など、さまざまな手法を組み合わせて、最適なパフォーマンスを自動で実現します。

4. コストと品質のバランス

   Agent Bricks は、高性能かつコスト効率の良いエージェントを提供します。
   「コスト最適化」モデルと「品質最適化」モデルのどちらかを選択することができ、多くの場合はその両立も可能です。
   結果として、自前で構築するよりも高品質かつ低コストなソリューションとなることが少なくありません。

Agent Bricks を使えば、これまで必要だった推測や試行錯誤を排除し、自動評価と自動最適化によって信頼性の高いエージェント開発が可能になります。
複雑なパラメータ調整もすべて任せられるので、高品質かつコスト効率のよいエージェントを本番環境へ素早く展開できます。

Agent Bricks は、以下のような代表的な業界ユースケースに最適化されています：

• 構造化情報の抽出

• 信頼性の高い知識アシスタント

• カスタムテキスト変換

• 複数エージェントの連携とオーケストレーション

高品質なエージェントを構築するなら Agent Bricks

Agent Bricks は、エージェントの品質を「測定」「構築」「継続的に改善」できる、他にないソリューションです。

たとえば、ドキュメントに基づく会話型エージェントを構築する場合、複数のQ&Aベンチマークで品質を比較評価しました。その結果、同種の他製品と比べて、Agent Bricks ははるかに高品質なエージェントを構築できることが分かりました（図1）。

さらに、継続学習の仕組みにより、構築後もパフォーマンスが時間とともに向上していきます。

また、ドキュメント理解の分野においても、プロンプト最適化されたプロプライエタリ（専用）LLMと比べて、Agent Bricks の方が高品質かつ低コストなシステムを構築できます（図2）。
ベンチマークによっては、10分の1のコストで、より高い品質を実現できるケースもあります。

これらのベンチマーク結果に加え、実際のお客様も Agent Bricks を使って高品質なエージェントの構築に成功しています。

"Agent Bricksは、私たちが標準的な商用LLMよりも医療精度を2倍にすることを可能にし、Flo Healthの高い内部基準を満たすことができました。これには、臨床的な正確さ、安全性、プライバシー、セキュリティが含まれます。" — Roman Bugaev, CTO, Flo Health

「Agent Bricksは、LLM-as-judgeと人間の評価精度の両方で、私たちの元のオープンソース実装を大幅に上回りました。」 — Joel Wasson, Enterprise Data & Analytics, Hawaiian Electric

「[エージェントブリックス]は、フィードバックループの品質改善を通じて 私たちのAI能力を企業全体で加速させ、同じくらいのパフォーマンスを発揮する低コストのオプションを特定しました。」 — クリス・リシュニック、AIディレクター、リッパート

最新のエージェント学習研究を基盤に

Agent Bricks がこれほど高い成果を実現できているのは、Databricks の Mosaic AI Research チームによる最先端の研究成果を活用しているからです。
エージェントの品質を向上させる手法は日々登場しており、その進化のスピードは非常に速いものです。
私たちのチームは、既存の研究成果を選別・整理するだけでなく、新たな革新的手法も独自に開発し、それを Agent Bricks の「自動評価」と「最適化フェーズ」で活用しています。

その豊富な手法の中から、今回は特に注目すべき技術 「Agent Learning from Human Feedback（ALHF）」 をご紹介します。

Agent Learning from Human Feedback（ALHF）

人間のフィードバックからエージェントを学習させる技術

エージェントの品質を高めるうえでの大きな課題は、人間のフィードバックをもとに、どうやってエージェントの動作を正しくチューニングするかという点です。
通常、フィードバックは「👍／👎」といったシンプルな評価で与えられるため、エージェント内のどの部分やパラメータを調整すべきかが分かりにくく、対応が難しいのが現状です。

従来のアプローチでは、すべての指示を巨大なLLMプロンプトに詰め込む方法が主流でしたが、この方法では複雑なエージェントシステムには適用が難しく、汎用性も低いという課題がありました。

ALHFによる革新的アプローチ

Agent Bricks の ALHF では、この課題を以下の2つのステップで解決しています：

1. 自然言語でのガイダンスをそのまま受け取れる
   　例：「1990年5月以前のデータは無視して」など、非エンジニアでも直感的に入力可能。

2. そのガイダンスを技術的最適化に自動変換
   　アルゴリズムが文脈を理解し、自動的に以下のような最適化を実行します：
   　- 検索アルゴリズムの調整
   　- プロンプトの改善
   　- ベクターデータベースのフィルタリング
   　- エージェントの動作パターン自体の修正

このアプローチにより、AIインフラの専門知識がなくても、ドメインの知識を持つ担当者が直接エージェントの品質向上に貢献できるようになります。
まさに、エージェント開発の民主化を実現する革新的な技術です。

"精度を継続的に評価し、改善する能力は、特に規制の厳しい業界であるエクスペリアンにとって重要な能力です。" — ジェームズ・リン、AI MLイノベーション部門長、エクスペリアン

次なるステージへ：数か月ではなく、数日で本番環境へ

初期導入企業の多くはすでに、Agent Bricks がもたらす変革を実感しています。
パフォーマンスベンチマークが 2倍に向上し、開発期間も 数週間からわずか1日へと大幅に短縮。
さらに重要なのは、ほんの数か月前までは「実現困難」とされていた、持続可能かつスケーラブルで、継続的にビジネス価値を生むAIシステムの構築が可能になっているということです。

Agent Bricks は、単なるツールの進化ではありません。
それは、本番環境を見据えたAI開発への本質的なシフトです。

今後、エージェントシステムは企業活動の中核としてますます重要になります。
これまでのような「なんとなくうまくいきそう」という“感覚ベース”の開発では、もはやスケーラビリティに限界があります。

現実のビジネス要件や複雑性に対応できる、体系的で再現性のあるエージェント構築・最適化のアプローチが、今まさに求められています。
Agent Bricks はそのニーズに応える、次世代のAI開発基盤です。

Agent Bricks を活用するお客様たち

すでに多くの Databricks のお客様が Agent Bricks を使ってAIエージェントを構築しており、
今後どのような革新的な活用が生まれるのか、私たちもとても楽しみにしています。

こちらのビデオをExperianとFlo Healthと一緒にご覧ください

“Agent Bricksを使って、私たちのチームは40万以上の臨床試験文書を解析し、構造化されたデータポイントを抽出することができました。これには一行のコードも書かれていませんでした。ちょうど60分未満で、私たちは複雑な非構造化データを分析に利用可能な形に変換できるエージェントを作成しました。” — Joseph Roemer, Head of Data & AI, Commercial IT, AstraZeneca

「Agent Bricksは、私たちが本番環境で信頼できるコスト効果的なエージェントを構築することを可能にしました。カスタムテイラーの評価により、私たちは自信を持って、非構造化された立法カレンダーを解析する情報抽出エージェントを開発し、手動での試行錯誤の最適化に30日間を費やすことを省きました。」 — Ryan Jockers、ノースダコタ大学システムのレポーティングと分析のアシスタントディレクター

Agent Bricks を今すぐ試してみましょう

「デモ品質」と「本番品質」のギャップを埋める準備はできていますか？
Agent Bricks は現在ベータ版で利用可能です。

まずは以下から始めてみましょう：

• ドキュメントを読む

• 基調講演を視聴する

• 実際のお客様が語る、Agent Bricks の導入効果をチェックする

これからのエンタープライズAIは、もはや複雑さを管理することではありません。
本当に重要な成果に集中し、それ以外は Agent Bricks に任せる時代です。