AI エージェントによるサプライチェーン マネジメントの変革

サプライチェーンを効率的に管理することは、長年にわたり多くの業界で最優先課題とされてきました。最適化されたサプライチェーンにより、組織は適切な商品を適切な場所に適切なタイミングでコスト効率よく届けることができ、高い利益率を維持しながら消費者の需要に応えることができます。

しかし、不確実性は常に伴う要素であり、今日のグローバル経済では、頻繁な混乱や遅延、変化する貿易関係により、サプライチェーン組織はさまざまな不測の事態に備えた計画を立て、予期せぬ課題に迅速に対応することが求められます。これに対応するため、サプライチェーン管理者の間では、幅広いシナリオと起こりうる結果を検討できるエージェント機能によってスタッフを補強するニーズが高まっています。これらのツールを活用することで、組織はさまざまな専門知識レベルの意思決定者が状況を迅速に検討し、手元にある情報に基づいて最善の解決策を見つけるのをサポートできます。

専門家による意思決定を可能にする

このトピックは最近、サプライチェーンと在庫管理の分野で著名なMITの教授、デイビッド・シムチレビ氏によって取り上げられました（彼の画期的な2015年の研究は、私たちの以前の出版物の基礎となったものです）。論文では、Simchi-Levi教授とその共著者らが、ビジネスユーザーと複雑な数理最適化ツールとの間のギャップを埋めるために、大規模な推論モデルの使用を提案しました。著者らは、適切なデータにアクセスできるエージェントシステムを、マネージャーが技術的なモデリングの専門家とやり取りするのとほぼ同じ方法で活用できると提案しています。このアプローチはサプライチェーン技術を民主化し、導入を推進するための広範な専門知識の必要性を低減します。

AIエンジニアリングの観点から、大規模な推論モデルとオペレーショナルリサーチを組み合わせることで、強力なグラウンディングと透明性が加わります。進歩は急速ですが、大規模言語モデルは本質的に確率的であり、今なおハルシネーション（幻覚）を起こしやすい傾向があります。一方、数理最適化は、具体的で実行可能な計画を生成できる、より決定론적이고完全に透明で説明可能な手法です。大規模な推論モデルに、より決定論的で実績のある手法を使用させ、その結果を解釈させることで、ハルシネーションのリスクが低減されます。これは、ビジネス関係者との信頼を築き、より再現性の高い推奨事項を提供するために不可欠です。

今日、私たちは革新的なテクノロジーによって推進されるサプライチェーン管理における世代的な変革の初期段階にいます。例えば、サプライチェーンエージェントが需要計画や生産計画のエージェントと連携するなど、ビジネスのバリューチェーン全体でエージェントが連携し始め、重要な局面で人間が介在（ヒューマンインザループ）するようになると、リアルタイムに適応し、共通の目標に沿ったエンドツーエンドの意思決定フローが実現するでしょう。そのときこそ、サービス、コスト、生産性、レジリエンスにおいて多大な利益が明らかになるでしょう。

このブログ記事の残りの部分では、Databricks上でサプライチェーン管理のためのエージェントシステムを構築、評価、デプロイする方法の概要を説明します。私たちのコードが、AIエージェントとその決定論적인最適化ツールの両方を含め、3つの主要なクラウドプロバイダー（Azure、AWS、GCP）すべてにわたって完全にポータブルであることを確認しました。2人のAIエンジニアが8時間でこのエージェントの最初の実用的なプロトタイプを作成できたことは、Databricks上でこのようなシステムを構築することがいかに簡単であるかを示しています。サポート用のノートブックとスクリプトはオープンソース化されており、こちらから入手できます。

サプライチェーンリスク分析による可能性の実証

サプライチェーンのシナリオにおけるエージェント型AIの可能性を実証するために、以前のブログ記事で公開した拡張サプライチェーンの分析を再検討します。この特定のシナリオではサプライヤーのリスクに焦点を当てていますが、ここで示されたエージェント機能の利用は、ユーザーがエージェントツールの支援を受けて複雑な情報を扱う幅広いサプライチェーンのシナリオに広く適用可能です。

私たちが世界的な消費財メーカーで働き、さまざまな不測の事態に迅速に対応しながらサプライチェーンを円滑に運営する責任を負っている、というシナリオを想像してみましょう。これは、製品が予定通りに製造され、サプライヤーが資材を確実に納入し、在庫レベルが効果的に管理され、商品が遅延なく配送センターや小売店の棚に届くことを確実にすることを意味します。もちろん、言うは易く行うは難しです。サプライチェーン管理者は、日々、予期せぬ需要の変動、生産のボトルネック、サプライヤーの遅延、輸送の混乱、そしてサービスレベルを維持しながらコストを削減するという絶え間ないプレッシャーに対処しなければなりません。

このような課題に直面したとき、ますます多くのサプライチェーンマネージャーが、意思決定をサポートするために数理最適化ツールに目を向けています。これらのツールは、最新の業務データを使用してアルゴリズムを実行し、利益や収益といった主要なビジネス指標を最適化するための最善の次の一手を推奨します。しかし、課題は、これらのツールはしばしば複雑で、適切なトレーニングなしでは使いこなすのが難しいということです。これに対処するため、私たちは、平易な言葉で表現されたマネージャーの意図を解釈し、データにアクセスして分析し、最適化技術を適用し、最終的に明確なインサイトと実行可能な推奨事項を提供することでマネージャーを支援するサプライチェーンエージェントを開発します。

構築

コードを記述する前に、まずエージェントがどのような種類の質問をされ、それらに答えるためにどのようなツールが必要になるかを理解する必要があります。以下は、エージェントが対応すると想定される質問例です。

1. 完成品Xの需要はどの程度ですか？
2. 最終製品 Y を生産するために必要な材料は何ですか。また、これらの材料の現在の在庫状況はどうなっていますか？
3. どの完成品が原料 Z を使用しますか？
4. サプライヤーAからの供給が途絶え、復旧に4週間かかった場合はどうなりますか？影響を緩和するには、どのようなアクションを取るべきですか？
5. サプライヤーBが操業を停止した場合、需要を失うことなくどのくらいの期間事業を継続でき、推奨される対策は何ですか？

これらの質問に答えるために、エージェントはデータベースに保存されている最新の業務データにアクセスできる必要があります。最初の3つの質問では、意図を解釈し、正しいデータベースクエリを生成する必要があります。これらは、上の図ではデータアクセスツールおよびデータ分析ツールとして表されています。このようなツールを実装する方法は多数ありますが、Databricks Genieは高品質な出力と強力なガバナンスの両方を提供し、実装コストも低い（追加ライセンス不要）ため、有力な選択肢として際立っています。

最後の2つの質問については、エージェントは上記で最適化ツールとして説明されている数理最適化を実行するツールを必要とします。この定式化の目的と制約は実際のビジネス条件を反映する必要がありますが、このブログ記事では、David Simchi-Levi教授が彼の 研究 で提案した柔軟な 表現 を採用します。このツールを定義する際には、いつ、どのように使用すべきかを明確に説明することが重要です。これにより、エージェントはそれを適用するのに適切な状況を判断できるようになります。これらのツールは、Unity Catalog で定義・登録し、MCP Server を通じて公開することで、検出可能性とガバナンスを向上させることができます。

最後に、強力な推論能力を持つ大規模言語モデルが必要です。モデルは、サプライチェーン管理者の質問を理解し、答えを得る方法を計画し、その計画を実行して、結果を解釈して分かりやすく提示できなければなりません。Databricksでは、Foundation Model API（FMAPI）を通じてさまざまな最先端の推論モデルを簡単に試し、ニーズに最も適したモデルを選択できます。ユーザーは、1行のコードで最新のClaudeシリーズとLlamaファミリーを切り替えることができます。Mosaic AI Gateway は Mosaic AI Model Serving 上に構築されており、これらのモデルにアクセスして管理するための、統一され、安全で、管理されたインターフェースを提供します。これらのコンポーネントをどのように組み立てて強力なエージェントを構築できるかについては、ノートブックをご覧ください。

または、ユーザーはAgent Bricks を活用して、ノーコードまたはローコードのアプローチでシステム全体を構築することもできます。Agent Bricks は、応答の最終的な品質を形成するエージェント システム内のプロンプトを含む、多くのパラメータを自動的に最適化します。エージェントが本番環境にデプロイされると、ユーザーはライブフィードバックを提供して、応答の品質を継続的に向上させ、変化する要件にエージェントを適応させることができます。

評価

実世界の環境にエージェントシステムをデプロイする際に、決して譲れないものは品質です。私たちは、エージェントがどの程度うまく機能するかを評価し、明確に理解できなければなりません。このプロセスは、ユーザーが本番環境で尋ねるであろう質問に似た質問を含む評価データセットを準備することから始まります。各質問は、期待される応答など、期待される結果とペアになっています。しかし、エージェントシステムでは、エージェントが適切なツールを適切に使用しているかどうかを評価することが、同等に、あるいはそれ以上に重要です。Databricksでは、Mosaic AI Agent Evaluationを使用して、エージェント実行のあらゆる詳細を検証できます。私たちは、評価駆動開発が AgentOps を達成し、エージェントがプログラミングに従って動作することを保証するための基本的なステップであると考えています。20年以上前にソフトウェア開発における DevOps のムーブメントを可能にしたテスト駆動開発 (TDD) やビヘイビア駆動開発 (BDD) でも、同様の成熟度の軌跡が見られました。正しいツールの使用法とパラメーター設定の両方を検証する方法については、このnotebookをご覧ください。

デプロイ

​​エージェントの品質に満足したら、Databricks Model Serving にデプロイし、そのエンドポイントを使用してリクエストを送信し、レスポンスを受信できます。私たちのコードリポジトリでは、Databricks Apps と、履歴およびセッション管理用の Lakebase を使用して構築したフロントエンドアプリケーションにこのエンドポイントを統合する方法を紹介しています。

UIに直接統合されたMLflow Tracingにより、入力、出力、ユーザーからのフィードバックがコンテキスト内で自動的にキャプチャされるため、フィードバックをまとめてパフォーマンスを継続的に改善することが容易になります。

Databricks上でエンドツーエンドのアプリケーションを構築し、ホストする主な利点は、ユーザー認証を簡単に設定できることと、Unity Catalogを使用してすべてのアセットを1か所で保護し、管理できることです。個別のサービスを組み合わせる必要はありません。これはしばしばセキュリティとガバナンスのボトルネックを生み出します。Databricks Appsは非常に柔軟性が高く、複数の言語とフレームワークをサポートしているため、お好みのフロントエンドを構築できます。サプライチェーンエージェント用の実用的なフロントエンドを構築する方法については、コードを参照してください。

考察

以下に、サプライチェーンマネージャーとエージェント間のサンプル会話のスナップショットを示します。約 15 秒で、マネージャーは特定のシナリオについて、リスクを軽減し、最終的な利益を守る方法に関する詳細な推奨事項を受け取ります。エージェントの応答の速度と精度は驚くべきものです。エージェントは決定変数にアクセスでき、推奨事項はこれらの結果の解釈に基づいているため、レスポンスに含まれるすべての数値は、最適化アルゴリズムの出力から直接導き出されたものになります。人間が同じ量の情報を提供された場合、タイムリーな対応をすることは極めて困難でしょう。しかし、大規模言語モデルにとっては、これは容易なことです。

エージェントからの透明で説明可能なレスポンスが可能なのは、エージェントが依存するツール自体が透明で説明可能だからです。これらは、ビジネス ユーザーがこのテクノロジーを導入するための必須要件です。私たちは、確率的なLLMと決定論的な物理モデルの組み合わせが、サプライチェーン管理などのミッションクリティカルなアプリケーション向けの標準的なアーキテクチャになると信じています。

Databricks を選ぶ理由

Databricksは、最高品質基準を満たすエージェントシステムを構築するための独自のプラットフォームを提供します。Mosaic AI Agent Evaluationを使用することで、チームは本番に近い評価データセットを使ってエージェントの厳密なテストとベンチマークを行い、応答の正確性に加え、適切なツールの使用とパラメータの処理を保証することができます。この包括的な評価機能により、ビジネスのステークホルダーは、エージェントの推奨事項が信頼でき、実用的で、現実世界の要件に沿っていると確信できます。

同様に重要なこととして、DatabricksはUnity Catalogを通じてエンタープライズレベルのセキュリティとガバナンスを保証します。すべてのツール、データセット、モデルは統合されたガバナンスレイヤーで登録、バージョン管理、および管理できるため、使用状況の追跡とコンプライアンスの維持が容易になります。

ガバナンスに加えて、Databricksはエージェント開発のための完全で柔軟な環境を提供します。ユーザーはLakeflow ConnectやDelta Sharing、またはDatabricksの豊富なパートナーエコシステム（たとえばEverstream Analytics）を通じてエージェントの構築に必要な運用データを収集し、最先端の言語モデルで簡単に実験し、最適化エンジンを統合し、オープンインターフェースを介して外部ツールに接続できます。

この品質、セキュリティ、完全性の組み合わせにより、Databricksは、強力かつ本番環境に対応したエージェントソリューションを構築し、デプロイするための理想的なプラットフォームとなっています。

エージェント型サプライチェーンの推進

グローバルサプライチェーンの増大する複雑さと予測不可能性は、インテリジェントで実用的なソリューションを必要としています。手作業での意思決定や専門家主導のモデリングに基づく従来のアプローチでは不十分です。確率的言語モデルと決定論的数理最適化、リアルタイムのデータアクセスを組み合わせることで、組織はサプライチェーンマネージャーがより迅速、正確、かつスケーラブルな意思決定を行えるようにし、多くの場合に毎分数百万ドルのコストを要する専門家と時間への従来の依存を減らすことができます。

Databricksは、このビジョンを実現するための基盤を提供します。AIエージェントの構築とテストから、Mosaic AI Agent Evaluationによる信頼性の確保、Unity Catalogによるデータとモデルのガバナンスに至るまで、Databricksはエージェント型システムをデプロイするための安全で包括的な環境を提供します。外部ツールや最適化エンジンを統合できる柔軟性により、各社の固有のニーズに適応した、さまざまなクラウドプロバイダー間でポータブルなソリューションの実現が可能になります。

その結果、平易な言葉で質問に答えるだけでなく、透明で説明可能なロジックに推奨事項を基づかせるエージェントシステムが実現します。この組み合わせは、ハルシネーションのリスクを低減し、ビジネスのステークホルダーとの信頼を構築し、サプライチェーンマネジメントのようなミッションクリティカルな領域でのAIの導入を加速させます。Databricks を使用することで、企業は実験の段階を超え、今日、真のビジネス価値を提供するエージェントシステムをデプロイできます。

コードをダウンロードして、Databricks上であなたのサプライチェーン管理エージェントを構築、評価、デプロイする方法を探求してください。