マルチエージェント スーパーバイザー アーキテクチャ：エンタープライズAIをスケールさせる仕組み

BASF はドイツの多国籍企業であり、世界最大級の化学会社です。統合されたフェアブント生産ネットワーク、グローバルな規模、そして基礎化学品から高度な農業ソリューションに至るまでの幅広いポートフォリオで知られています。研究開発における強固な基盤を基に、BASF は多様な産業で事業を展開しながら、イノベーションと持続可能性を継続的に推進しています。

その主要な事業部門の一つがBASFコーティングスであり、先進的な自動車用および工業用塗料、そして装飾用塗料の開発、製造、販売を専門としています。環境効率の高い表面技術のパイオニアとして、BASFコーティングスはデジタルトランスフォーメーションの最前線にも立っており、AI搭載プラットフォームを活用して生産性、イノベーション、信頼性、デザインを向上させています。

Databricksとのパートナーシップにより、BASF Coatingsは、本番環境に対応し、ガバナンスが効き、ビジネスにインパクトを与えるマルチエージェントソリューションを実装しました。このアプローチは、チーム間のコラボレーションを強化するだけでなく、重要なエンタープライズ機能全体で、よりスマートで迅速な意思決定を可能にします。これは、高度なアナリティクスとAIが具体的なビジネス成果をいかに推進できるかという基準を示すものです。

課題：エージェントシステムへのさらなるモジュール性、専門性、制御性の導入

世界70拠点以上、11,000人以上の従業員を擁する組織として、部門横断的なデジタル化の複雑化への対応と効率化は、簡単な課題ではありません。具体的には、膨大で異種の組織データを実用的なインサイトに変え、リアルタイムの意思決定と生産性を可能にすることが鍵となっています。この問題の解決が重要だったのは、効率的なデジタルコラボレーションとデータ活用が、市場への対応力、イノベーションのスピード、顧客満足度、運用の信頼性に直接影響するためです。コーティングのような業界では、顧客の要求やサステナビリティへの圧力が急速に変化する中で、俊敏性と精度が不可欠であるため、特に大きな課題となっていました。

自律型または半自律型のAIエージェントがビジネスプロセスとデータフローをプロアクティブに管理するエージェントシステムは、以前は多大な手作業を要した調整や分析のタスクを自動化できるため、最適なソリューションでした。エージェントシステムは、BASFコーティングスのような組織が以下のことを行えるようにします。

• AIを複数のドメインにシームレスに統合し、営業、調達、サプライチェーン管理における定型業務を自動化します。
• スマートでコンテキストに応じた推奨事項を提供し、意思決定フローを自動化することで、ボトルネックとエラーを劇的に削減します。
• 常時稼働のチャットアシスタントを有効にすることで、部門横断的なサポート、Q&A、ワークフロー統合におけるユーザーエクスペリエンスを向上させます。
• 日常的なAIツールの全社的な導入を促進し、複雑なデジタル機能をビジネス関係者が利用できるようにすることで、データリテラシーを育成します。

エージェントは強力になり得ますが、これらのシステムを開発するにつれて時間とともに複雑化し、管理や拡張が難しくなる可能性があります。例えば、エージェントが利用できるツールが多すぎると、次に呼び出すツールについて不適切な判断を下す可能性があります。また、コンテキストが複雑になりすぎて、単一のエージェントでは追跡できなくなることもあります。システムには複数の専門分野が必要となります（例：スーパーバイザー、ドメインオーケストレーション、対象分野の専門家など）。

この課題を別の観点から見ると、エージェントシステムのナレッジベースを形成するデータの多様性という点に行き着きます。RAG（検索拡張生成）は、大規模言語モデル（LLM）とリアルタイムのデータ検索を組み合わせて応答の正確性と関連性を向上させる技術であり、多くの人がすでにご存知でしょう。しかし、RAGシステムは主に、事前に定義されたフィールドとリレーションシップを持つ構造化テーブルではなく、ドキュメント、ウェブページ、PDF、その他のフリーテキストといった非構造化データを扱うように設計されています。構造化データを扱う場合、自然言語分析にはText-to-SQLが最も一般的なアプローチです。しかし、このアプローチは事前に定義されたSQLクエリの例に依存することが多く、データガバナンスや権限制御のための組み込みメカニズムがありません。

ソリューション：構造化情報と非構造化情報に対応するエンドツーエンドのマルチエージェントスーパーバイザー

これらの課題に対処するため、アプリケーションを複数のより小さく独立したエージェントに分割し、それらをマルチエージェントシステムとして構成することを提案します。このシステムは、Databricks Vector Store Retrievalツールと連携する専門エージェント（具体的にはGenieエージェントと関数呼び出しエージェント）を調整する、スーパーバイザーパターンを採用しています。

Databricksで最も人気のある機能の1つであるAI/BI Genieは、自然言語インターフェースを活用することで、ビジネスユーザーがDeltaテーブルやビューなどの構造化データに直接アクセスできるように設計されています。これは、テーブルの説明、PK/FK関係、列名/説明など、Unity Catalogのメタデータを利用します。このメタデータは、Genieがユーザーの質問を解析し、正確なSQLを構築し、文脈に即した回答を提供する際の指針となり、エラーやハルシネーションを軽減するのに役立ちます。さらに、Genieの作成者は、メタデータのローカル編集、joinの定義、シノニムの追加、BASF固有の指示のキュレーションによってスペースを強化できます。これにより、データスチュワードは自身のGenieスペースの品質を積極的に管理、維持でき、その貴重なビジネスドメイン知識をもってエージェントシステムに直接貢献できます。

エージェントオーケストレーションフレームワーク内でGenieを簡単に使用できるよう、Genieエージェントを構築するための専用Pythonラッパーをサポートするフレームワークがあります（参考：こちら）。さらに、Databricksの製品チームは、GenieとAgent Bricks Custom Agentsを使用してマルチエージェントシステムをセットアップする手順をユーザーに案内するサンプルノートブックを提供しています。これらのサンプルは、LangGraph（オープンソースのエージェントオーケストレーションライブラリ）を活用し、Genieが複数の専門エージェントの1つとして機能するワークフローを構成する方法を示しています。

アーキテクチャの概要は次のとおりです。DatabricksのDatabricksフレームワークを採用することで、AIエージェントのライフサイクル管理の複雑さを簡素化し、ツール、迅速なマルチエージェント連携のプロトタイピング、厳格な評価、効果的なリアルタイムの運用モニタリングを実現します。特筆すべきは、デプロイされたスーパーバイザーのエンドポイントをMicrosoft Teamsと統合してリアルタイムのエージェント実行を可能にし、対話型のデプロイメントエンドポイントをTeamsのインターフェースに直接埋め込むことで、データプラットフォームに不慣れなビジネス関係者を含むあらゆるタイプのユーザーがAIによるインサイトを容易に利用できるようにした点です。クラウドリソース（Azure Bot Service、App Service）のプロビジョニングや、エンドポイントのTeamsへの接続のために、明確で再利用可能なアクセラレータが存在します。

実際のビジネスインパクト

BASFコーティングスはビジネスプロセスを強化するAIエージェントを開発していますが、最初のランディングゾーンプロジェクトであるMarketmindは、営業・マーケティング部門に焦点を当てています。このユースケースでは、社内のSalesforce顧客訪問レポートや市場消費インサイトを、S&P 500ニュースなどの外部市場動向と統合することで、高度な定量的・定性的分析が可能になります。このデータの一部はすでに処理され、Deltaテーブルやビューの形式で利用可能ですが、残りはフリーテキストファイルやPDFドキュメントとして存在し、それぞれ異なる速度で到着し、様々な頻度で更新されます。さらに、データは異なるチームやスチュワードによって管理されています。例えば、構造化テーブルは主にBASFの中央エンタープライズデータレイク（EDL）組織から提供され、営業・マーケティングのビジネス専門家がドメイン固有のメタデータを付加して拡充しています。対照的に、非構造化データは主に、コーティングスデータ&AIオフィスチームが開発・保守するコードファーストのETLパイプラインを通じて処理されます。

データランドスケープの複雑さを考慮し、Marketmindプロジェクトにはマルチエージェントスーパーバイザーアーキテクチャを採用し、テンプレートのノートブックを開始点として使用しました。構造化データ用にGenieスペースを作成し、キュレーションされたテーブル、詳細な列の説明、Genieローカルの結合関係、および値のサンプリングで拡充しました。精度向上のため、Genieの応答をガイドするSQLの例と明確な指示を追加しました。さらに、新しいデータが入るたびに定期的なベンチマークテストを行い、全体的なパフォーマンスを評価しました。

Salesforceの訪問レポートや市場ニュースなどの非構造化データについては、エンベディングを使用して各ソースのベクトル検索インデックスを構築し、コンテキストを考慮した類似性検索を可能にしました。次に、Databricks AI SearchクエリをラップするUnity Catalog関数を作成し、エンタープライズ対応のガバナンス、検出可能性、および自動的なMLflowトレースを保証しました。最後に、スーパーバイザーから渡されたタスク固有のリクエストを処理するために、ベクトル検索ツールを呼び出す関数ツール呼び出しエージェントを開発しました。

当社のMarketmindプロジェクトは、今年4月にスコープ設定フェーズを開始し、その後5～6週間の概念実証（PoC）を行いました。その後、DatabricksのDatabricks製品チームとの技術スキルアップワークショップ、アーキテクチャレビュー、製品および機能に関するディスカッションを行いながら、本格的な実装フェーズに移行しました。25人の主要ユーザーを対象に1か月間のパイロット運用を実施し、現在、10月末の北米での本格展開とサービス開始に向けた最終調整段階にあります。ローンチ後は、世界中の1,000人以上の営業担当者がMarketmindを使用し、入力データは頻繁に更新されます。

Marketmindは、BASF Coatingsの営業チームが顧客との準備、エンゲージメント、フォローアップを行う方法をすでに変革しています。営業担当者は、散在するメモやフォルダからリードを探すのではなく、市場の最新動向に基づいた推奨アクションや戦略とともに、パーソナライズされた通知を受け取ります。さらに詳しい情報が必要な場合、Marketmindは使いやすいチャットインターフェースを使用して、基になるデータやレポートをさらに深く掘り下げるオプションを提供します。下のスクリーンショットは、この変化を示しています。市場からのシグナルは、Microsoft Teams内の実用的で対話型のインターフェースで提示されるため、Coatingの営業チームは「何が起こったか？」から「次に何をすべきか？」へと焦点を移すことができます。ツールを切り替えることなく。

上に示すように、営業チームはTeamsで直接Marketmindチャットボットにアドホックな質問をするだけでなく、毎週、最新の市場トレンドを含むプロアクティブなアダプティブカードを受け取ることもできます。ユーザーは、添付されたURLをクリックすることで、関心のあるトピックをさらに詳しく調べることができ、元のデータソースにリダイレクトされます。エージェントの品質をさらに向上させるため、ユーザーがすばやく高評価または低評価を付けたり、下部のフィールドに詳細なフィードバックを記述したりできる投票メカニズムも統合しました。このフィードバックはモデル推論テーブルにキャプチャされ、既存のペイロードデータと統合されます。

「Marketmindは、現場でのやり取りをタイムリーなAI主導のアクションへと転換します。スマートなフォローアップを促し、関連する機会を浮かび上がらせ、同様の課題に直面する同僚をつなぎます。その結果、準備はより迅速に、顧客との会話はより鋭敏になり、重要な営業活動により多くの時間を費やせるようになります。」— BASFコーティングス、グローバルマーケットインテリジェンス責任者、エイドリアン・フィエロ

成功の理由

Genieをエージェントとして利用するマルチエージェントアーキテクチャは、ビジネスコンテキストでAIを効果的に活用しようとしているBASFのような企業に、いくつかの大きな利点をもたらします。主な強みは以下の点に集約されます。

高いスケーラビリティとモジュール性を備えた専門的なエージェント機能: マルチエージェントシステム内では、さまざまなエージェントが特定のドメインやタスクに集中できるため、多様なクエリやデータセットの処理において、より深い専門知識を活用できます。さらに、BASFのような組織は、各事業部門が中央で統制されながらも独立して運営できるアーキテクチャにより、AIソリューションへのゲートウェイを拡大できます。このモジュール設計は、時間経過に伴う複雑さの管理に役立ちます。

コラボレーションの強化とユーザーエクスペリエンスの向上: エージェントが互いに情報とコンテキストを共有することで、複数のソースからのデータを統合した、より包括的な応答が可能になります。これにより、企業のさまざまな機能において、よりスマートで迅速な意思決定が促進されます。AIエンドポイントをチャットインターフェースとしてMSFT Teamsに統合することで、ユーザーは自然言語を使ってエージェントと対話できるようになり、技術者以外のステークホルダーにとってもアクセスしやすくなります。

ガバナンスとコンプライアンス: 個人データと顧客データの保護はMarketmindの基盤であり、引き続き当社の最優先事項です。すべてのインタラクションはBASFのデータ保護基準の厳格な遵守に基づいて構築されており、きめ細かいアクセス制御、リネージ追跡、監査可能性を実現するUnity Catalogなど、Databricksのエンタープライズグレードのガバナンス機能を活用しています。これにより、Marketmindはインサイトとアクションを加速させると同時に、安全で透明性が高く、完全に統制された環境内でそれを実行することが保証されます。

BASF、Databricks、パートナー間の緊密なチームワーク：プロジェクト開始当初から、BASF Coatings、Databricksのアカウントチームと製品チーム、そしてパートナーであるAccentureが積極的にワークショップに参加しました。これにより、ビジネス目標、技術要件、製品ビジョンが一致し、実装を成功させるための強力な基盤が築かれました。タイムリーなハンズオンセッションにより、迅速なフィードバックループが生まれました。Databricksの製品チームから継続的に専門的なガイダンスが提供され、BASFの複雑で進化するニーズに合わせてソリューションをカスタマイズし、エンタープライズレベルの品質を確保するのに役立ちました。

今後の展望：多層オーケストレーションとAgent Bricks

Marketmindマルチエージェントスーパーバイザーソリューションの成功を受け、同社は現在、サプライチェーン、調達、Chemetall（表面処理技術子会社）、人事・カルチャーなど、より広範な事業にビジネスインパクトを拡大しています。製品チームとともに、よりスケーラブルな多層アーキテクチャを検討しています。そこでは、各部門が独自のマルチエージェントスーパーバイザーを運用し、より上位のコーティング事業全体を対象とするオーケストレーターがすべてのユーザーにサービスを提供します。この階層型システム、つまり「スーパーバイザーのスーパーバイザー」は、適切なバランスを実現します。部門ごとのデータとツールへのアクセス制御を可能にし、エージェント開発の柔軟性を維持し、コーティング事業全体の「何でも質問できる（Ask Me Anything）」機能をサポートします。

将来の機能強化目標の1つは、今年のData & AI Summitで発表されたAgent Bricksの採用です。現在のDatabricksベースのソリューションはマルチエージェントオーケストレーションをサポートしていますが、依然としてコードファーストであり、デプロイと管理がより複雑で、実践的なアプローチが求められます。Agent Bricksは、マルチエージェント構成を含む一般的なユースケース向けに、ドメイン固有の高品質なAIエージェントシステムを構築・最適化するための効率的な方法を提供します。自動最適化、コストと品質の効率化、ユーザー主導のフィードバックメカニズムなどの機能により、エージェントの実装が簡素化され、チームはデータ、メトリクス、問題解決といった中核的な課題に集中できるようになります。利用できる地域が限られているため、その機能をまだ十分にテストできていませんが、私たちはAgent Bricksを先進的な方向性と捉えています。利用可能になり次第、統合を有効にし、部門固有のマルチエージェントスーパーバイザー開発を加速させる計画です。