2026年9月29〜30日、シンガポールのマリーナ・ベイ・サンズにて開催されたTech Week Singaporeに参加しました。クラウド＆AIインフラ、ビッグデータ、AI World、DevOpsなど、エンタープライズAIのさまざまな側面を探るセッションが行われました。
複数のセッションを通じて、議論はAIエージェントそのものを超えた話題へと急速に展開しました。エンタープライズアーキテクチャ、データ、自律的なオペレーション、セキュアなサンドボックスなど、テーマが何であれ、繰り返し浮かび上がった問いが一つありました。「エンタープライズ環境の中でエージェントが確実に機能するためには、その周囲に何が必要か？」
答えはシンプルでした。エージェントの能力が高まるにつれ、それを取り巻くアーキテクチャの重要性も増していく——ということです。優れたエージェントでも、周辺環境が弱ければ、誤ったコンテキストを参照したり、見てはいけない情報にアクセスしたり、誤った判断を下したり、間違ったツールを呼び出したり、誰も気づかないまま失敗したりする可能性があります。エンタープライズAIは、「より良いエージェントをどう作るか」という問いを超えなければなりません。
エージェントはシステムの一部にすぎない
複数のセッションが、異なる角度からこの点を裏付けていました。Google Cloudは、エージェントの本番対応、エージェント時代向けのデータベース、エージェントの長期記憶、AIエージェントの運用化といったトピックを取り上げました。スタンダードチャータードやGoogle Cloudのスピーカーが登壇したパネルディスカッション「エージェント型AIを実現するためのテクノロジーアーキテクチャの再考」では、データの公開範囲、オーケストレーション、エージェント間およびエージェントとツール間の通信、そしてモデルとそのハーネス・サンドボックスの分離が議論されました。他のセッションでは、UOBが信頼性が高く再利用可能なデータの重要性を強調し、GoToがマルチエージェントシステムを用いて本番環境のパフォーマンス低下を根本原因まで追跡する事例を示し、PagerDutyはオペレーショナルエージェントがインシデット履歴とリアルタイムシグナルをどのように活用するかを紹介しました。
それぞれ異なるユースケースでしたが、その根底に共通するアーキテクチャがありました——ステップではなく、レイヤーで構成されたアーキテクチャです。データとコンテキストがエージェントの知識を決定します。ハーネスはモデルを包み、その動作を制御します。サンドボックスはツール呼び出しが実行される隔離環境です。そして評価（Evals）、オブザーバビリティ、人間の権限は、最後に配置されるのではなく、すべてのレイヤーを横断します。エージェントはこのアーキテクチャの中に存在するコンポーネントの一つにすぎません。
データ：エージェントに何を知らせるかを決める
エージェントのパフォーマンスは、プロンプトを書く前からすでに始まっています。エンタープライズエージェントが有用な判断を下すには企業情報が必要ですが、すべてを公開するとガバナンスの問題が生じ、公開が少なすぎるとパフォーマンスの問題が生じます。銀行関連のセッションで気づいたのは、どのデータをエージェントに提供すべきかを各組織が非常に慎重に考えているということです。UOBはたとえば、信頼でき、確実で、アクセス可能で、再利用できるデータを重視しつつ、個人情報の不必要な公開を避けることを強調していました。
これが重要なのは、データアーキテクチャがAIアーキテクチャの一部になりつつあるからです。実践的な問いはもはや「その企業がデータを持っているか」ではありません。「このエージェントは仕事をうまく果たすために何を知る必要があるか、そして何を決して知ってはならないか」——これが本質的な問いです。
コンテキスト：データだけでは理解にはならない
エージェントにデータへのアクセスを与えても、それはビジネスを理解したことにはなりません。顧客レコード、トランザクション、インシデントログは、関係性・定義・履歴がなければ限られた意味しか持ちません。ここでコンテキストが重要になります。あるエージェントは、顧客が契約を更新していないことを知っているかもしれない。しかしコンテキストを見れば、交渉がすでに進行中で、先月サービスインシデントがあり、自動連絡が一時停止されていることがわかるかもしれない。元のデータは正確でも、適切なアクションはまったく異なります。
区別はシンプルです。データが多くなっても自動的に良い判断が得られるわけではない。エージェントがより重要なワークフローを担うようになるにつれ、コンテキストの質が判断の質の前提条件になります。これは私たちが「SuperAI Singapore 2026参加レポート：多くの企業にあるのは『AIの問題』ではなく『コンテキストの問題』である」で強調したテーマを発展させたものです。優れたモデルも、断片化した知識や分断されたシステムを補うことはできません。Tech Weekのアーキテクチャ議論はこの主張をさらに一歩進めます。コンテキストがエージェントのビジネス理解を助けるとすれば、アーキテクチャはその理解を行動の中で確実に活用できるかどうかを決定します。
ハーネスとサンドボックス：知能と実行を分離する
このイベントで最も有益だと感じたアーキテクチャのアイデアの一つは、モデル・ハーネス・サンドボックスの分離という考え方でした。モデルは推論能力を提供します。ハーネスはその動作方法を定義します——指示、ツール、権限、ワークフローロジックです。サンドボックスは、エージェントのコードとツール呼び出しが実行される隔離環境で、問題のある動作が本来アクセスを許可されていないシステムに波及しないよう封じ込めます。
この分離が重要なのは、モデルは変わり続けるからです。企業はモデルを切り替えたり、複数のモデルを並行して利用したりするかもしれません。しかし、ビジネスルール・統合・権限・運用ロジックは持続的であるべきです。また、自律性についての見方も変わります。目標は「エージェントが決して失敗しない」ことを前提にするのではなく、失敗を想定したうえで、その影響が封じ込められ、観察可能で、回復可能なアーキテクチャを構築することです。
「エージェント型ワークフロー管理のための新しいガードレール」というAffinidiのセッション後、スピーカーとの会話でこの点がさらに強調されました。キーワードは「オフスイッチ」——エージェントが意図した動作の範囲を逸脱し始めたときに止められるガードレールです。これは重要なアーキテクチャ原則です。自律性には、動作が境界を超えたときに介入できる明確な仕組みが常に伴わなければなりません。
評価とオブザーバビリティ：システムが正常に機能しているかを把握する
GoToがマルチエージェントシステムを使って本番環境のパフォーマンス低下を特定のコードや設定変更まで追跡した事例から、もう一つの重要な点が見えてきました——本番AIにはシステムが実際に改善されているかどうかを判断する手段が必要だということです。プロンプト、モデル、取得したドキュメント、コンテキストを変更すると、ワークフローの別の場所での動作が変わる可能性があります。エージェントが他のエージェントやツールとやり取りする中では、最終的な回答だけを監視するだけでは不十分です。
組織は、エージェントが何を受け取り、どのコンテキストを使い、どのような判断を下し、どのツールを呼び出し、次に何が起きたかを把握する必要があります。PagerDutyがオペレーショナルシグナルとインシデント履歴を活用した事例も同じ方向性を指し示しています。現在の行動を過去の結果と結びつけられるとき、AIはより有用になります。評価とオブザーバビリティはデプロイ時に終わるテスト段階ではありません。それ自体が本番アーキテクチャの一部です。
人間の権限：重要な判断に人を置く
人間の権限もアーキテクチャに組み込まれなければなりません。これは、すべてのステップに人を介入させることを意味するわけではありません——そうすれば自動化の多くの価値が失われてしまいます。システムが自律的に動いてよい場面と、人が介入しなければならない場面を明確に定義することが重要です。リスクが低く可逆的なアクションはかなりの自律性で実行できます。影響が大きく元に戻しにくい判断には、明確な承認やエスカレーションの仕組みが必要です。目標は最大限のエージェント自律性ではなく、適切なエージェント自律性です——エージェントの行動を可視化・制御可能にするアーキテクチャによって支えられた、適切な自律性。
これらの議論から私が持ち帰る一つの原則があるとすれば、これです。
コンテキストを提供し、アクセスを制御し、失敗を封じ込め、パフォーマンスを評価し、判断を追跡する組織の能力が高まるよりも速く、エージェントの自律性を高めてはならない。
結局のところ、これはアーキテクチャの問いです。エージェントの能力が高まるにつれ、それを取り巻く環境もともに高まらなければなりません。より優れたモデルだけでは、断片化したデータ、欠如したコンテキスト、不十分な隔離、不明瞭なツールアクセス、エージェントの行動への限られた可視性を補うことはできません。モデルが知能を提供するとしても、その知能がエンタープライズ内で確実に機能するかどうかを決めるのはアーキテクチャです。
-1-768x512.jpg)
