エージェンティック・エンジニアリング:銀行の 2026 年設計図

エージェンティック・エンジニアリング:銀行の 2026 年設計図 #

監督付きオーケストレーションが直接プロンプトを置き換えます。

TL;DR. エージェンティック・エンジニアリング —— 監督付きオーケストレーションを介して動作する LLM —— は、銀行のデフォルトの AI 採用パターンに進化しました。直接プロンプトを越えて、本番グレードのアーキテクチャはオーケストレーション、ツール使用、状態管理、人間の監督を統合します。

主な要点

• エージェンティック・エンジニアリング は、直接プロンプトの置き換えとして 2026 年に成熟し、複雑な多段階タスクのためにオーケストレーション、ツール使用、状態管理を統合します。
• AWS Bedrock Agents、Google Vertex AI Agent Builder、Azure AI Foundry がすべて収束する設計パターンを提供します。
• 人間の監督 は、規制対応エンタープライズエージェントシステムの最初の防御線です。
• AI Bill of Materials (AIBOM)は、すべての銀行エージェントシステムの規制要件:モデル、データ、プロンプト、ツールのインベントリです。
• MCP (Model Context Protocol)は、ツール使用の業界標準として登場します。
• コスト最適化 が必要:エージェントは、すべてのアクションをオーケストレーションするとコストになる可能性があります —— LLM 呼び出し、データベース検索、ツール呼び出し。
• テスト は、エージェントシステムの最も困難な側面の 1 つです:非決定論的、不安定、変化が遅い動作。

なぜエージェンティック・エンジニアリングなのか #

直接プロンプトは、シンプルなタスクには動作しますが、複雑な多段階の銀行ワークフローには適していません。エージェンティック・エンジニアリングは:

• 複数のステップ を計画してオーケストレーション
• 外部ツール を呼び出す(API、データベース、計算機)
• 状態を管理 タスクを通じて
• 人間 を関与させる、適切なポイントで

これは、銀行の現実の要求 —— ユーザー要求の解釈、複数のシステムからの情報の収集、複数のレベルでの監督による行動 —— に対応します。

主要なプロバイダー #

3 つの主要なエージェントオーケストレーション プラットフォーム:

• AWS Bedrock Agents:Anthropic Claude、AI21、Cohere、その他をサポート
• Google Vertex AI Agent Builder:Gemini に焦点を当てた
• Azure AI Foundry:OpenAI モデルに焦点を当てた

3 つすべてが、ほぼ同じ設計パターン:オーケストレーション + ツール + 状態 + 監督に収束します。

設計パターン #

典型的なエージェントの設計パターン:

┌─────────────────────────────────────────┐
│ ユーザー入力                            │
└──────────────┬──────────────────────────┘
               │
               ▼
┌─────────────────────────────────────────┐
│ オーケストレータ LLM                    │
│ (Claude, GPT-4, Gemini)                 │
└──────────────┬──────────────────────────┘
               │
               ▼
┌─────────────────────────────────────────┐
│ ツール呼び出し              │
│ - データベース検索                       │
│ - 計算機                                │
│ - 外部 API                              │
│ - 人間 (承認、明確化)                  │
└──────────────┬──────────────────────────┘
               │
               ▼
┌─────────────────────────────────────────┐
│ 状態 / コンテキスト                      │
│ - 会話履歴                              │
│ - 中間結果                              │
│ - 監査ロギング                          │
└─────────────────────────────────────────┘

AI Bill of Materials (AIBOM) #

すべての銀行エージェントシステムは、現在 AIBOM を持っている必要があります:システムを構成するすべての要素のインベントリです:

• モデル:LLM (Claude 3, GPT-4, Gemini Ultra)、バージョン、プロバイダー
• データ:訓練データ、検索ソース、コンテキストデータ
• プロンプト:システム プロンプト、テンプレート、例
• ツール:呼び出された API、データベース、計算機
• ガードレール:入力検証、出力フィルタリング、レート制限

EU AI 法は、これを 2026 年 8 月 2 日から効果的に要求します。

Model Context Protocol (MCP) #

MCP は、エージェントが外部ツールを呼び出す方法の業界標準として登場します。これは、エージェントとツールの間のクリーンなインターフェースを提供する重要なステップです。

ただし、MCP は、それ自体のセキュリティ表面を持っています:プロンプトインジェクション、サプライチェーン攻撃、ツールの誤動作。慎重な設計と防御が必要です。

人間の監督 #

銀行のすべてのエージェントは、適切なポイントで人間の監督を持つ必要があります。これは、次のようになります:

• 重要な金額:閾値以上の取引には、人間の承認が必要
• 異常な動作:エージェントの予期しない決定は、人間がレビューする必要があります
• 不明確なケース:エージェントは、明確化のために人間に質問する必要があります
• 規制対象決定:特定の規制対象決定は、常に人間が必要です

テストとモニタリング #

エージェントシステムは、テストするのが困難です:

• 非決定論:同じ入力 → 異なる出力(LLM の固有のランダム性)
• 動作が遅い:プロンプトとモデルの小さな変更が、大きく異なる動作を引き起こす可能性があります
• 長期的な動作:多くのインタラクションにわたる動作のドリフト

これには、新しい監視アプローチが必要です:統計テスト、シャドウ展開、人間によるサンプリング、回帰検出。

結論 #

エージェンティック・エンジニアリングは、銀行の AI 採用のデフォルトパターンになっています。準備された組織は、設計図 —— オーケストレーション、ツール、状態、監督、AIBOM、MCP、テスト —— を中心に組織化し、本番グレードの AI を確実に展開します。これは、長期的な競争上の優位性のための基礎です。

最終確認日 2026-05-16.