Tech Week Singapore 2026 参加レポート(第1回/全5回)
この記事のポイント
エンタープライズAIエージェントの成否は、エージェントそのものよりも、データ、コンテキスト、ハーネス、サンドボックス、評価、人間の権限といった周辺のアーキテクチャによって左右されます。組織は、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、判断を追跡する力が育つよりも速く、エージェントの自律性を高めるべきではありません。
2026年9月29〜30日、シンガポールのマリーナ・ベイ・サンズで開催された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。本記事は、全5回にわたる参加レポートの第1回です。第1回では、以降のすべての回の土台となるアーキテクチャを整理し、第2回から第5回では、同じ問いをガバナンス、人による監督、そして組織の学習へと広げていきます。
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なのでしょうか」という問いです。
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あっても、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、誰にも気づかれ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」という問いの先へ進む必要があるのではないでしょうか。
エンタープライズでAIエージェントを取り巻くものとは
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と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、そしてモデルとハーネス・サンドボックスの分離について議論されました。ほかのセッションでは、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は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紹介しました。また、PagerDutyは、オペレーショナルエージェントがインシデント履歴とリアルタイムのシグナルをどのように活用しているかを示しました。
それぞれ異なるユースケースでしたが、その根底には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は、エージェントが何を知っているかを決めます。ハーネスはモデルを包み込み、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された環境です。そして評価(Evals)、オブザーバビリティ、人間の権限は、最後に置かれるものではなく、すべてのレイヤーを横断しています。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の情報が必要ですが、すべてを公開すればガバナンスの問題が生じ、公開が少なすぎれば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印象的だったのは、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ことでした。たとえばUOBは、信頼でき、確実で、アクセスしやすく、再利用できるデータを重視しつつ、個人情報を不必要に公開しない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。実務上の問いは、もはや「その企業がデータを持っているかどうか」ではありません。「このエージェントが仕事をうまく果たすために何を知る必要があり、何を決して知ってはならないのか」こそが、本質的な問いだと考えています。
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、それだけで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、関係性や定義、履歴がなければ、限られた意味しか持たないからです。ここでコンテキストが重要になります。たとえば、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ません。しかしコンテキストを見ると、すでに交渉が進行中であり、先月サービスインシデントがあり、自動での連絡が一時停止されていることがわかるかもしれません。元のデータは正確でも、取るべき行動はまったく異なります。
その違いはシンプルです。データが増えても、自動的に良い判断が得られるわけではありません。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」で取り上げたテーマを発展させたものです。優れたモデルであっても、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のアーキテクチャに関する議論は、この主張をさらに一歩進めるものでした。コンテキストがエージェントのビジネス理解を助けるのだとすれば、その理解を行動の中で確実に生かせるかどうかを決めるのは、アーキテクチャなのです。
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が、モデル・ハーネス・サンドボックスを分離する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、指示、ツール、権限、ワークフローロジックといった、モデルの動き方を定義します。サンドボックスは、エージェントのコードやツール呼び出しが実行される隔離環境であり、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へ波及しないよう封じ込めます。
この分離が重要なのは、モデルが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。それでも、ビジネスルール、システム連携、権限、運用ロジックは持続的であるべきです。また、この分離は自律性に対する見方も変えます。目指すべきは「エージェントは決して失敗しない」と想定することではなく、失敗を前提としたうえで、その影響が封じ込められ、観察でき、回復できるアーキテクチャを構築することです。
Affinidiが登壇したセッション「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」の後、スピーカーの方々と話す中で、この点がさらに強く印象に残りました。キーワードは「オフスイッチ」、つまりエージェントが意図された動作の範囲を逸脱し始めたときに止めることができるガードレールです。これは重要なアーキテクチャの原則だと考えています。自律性には、動作が境界を越えたときに介入できる明確な仕組みが常に伴っていなければなりません。この考え方は、第2回でさらに掘り下げます。
評価とオブザーバビリティ:システムが正しく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は、もう一つの重要な点が見えてきました。本番環境のAIには、システムが実際に改善し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、参照するドキュメント、コンテキストを変更すると、ワークフローの別の箇所での動作が変わる可能性があります。エージェントがほかのエージェントやツールとやり取りする環境では、最終的な回答だけを監視していても十分とはいえません。
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、その後に何が起きたの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ている事例も、同じ方向を示しています。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工程ではありません。それ自体が、本番環境のアーキテクチャの一部なのです。
人間の権限:重要な判断の場に人を置く
人間の権限も、アーキテクチャに組み込まれている必要があります。これは、すべてのステップに人を介在させるという意味ではありません。そうしてしまうと、自動化の価値の多くが失われてしまいます。大切なのは、システムが自律的に動いてよい場面と、人が介入すべき場面を明確に定義することです。リスクが低く元に戻しやすい行動は、かなりの自律性をもって実行できます。一方、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。目指すべきは最大限の自律性ではなく、エージェントの行動を可視化し、制御できるアーキテクチャに支えられた「適切な自律性」です。人をどこに置くべきかについては、第3回で詳しく考えます。
これらの議論から私が持ち帰った原則を一つ挙げるとすれば、次のとおりです。
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力が育つよりも速く、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成長し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、不足したコンテキスト、不十分な隔離、不明確なツールアクセス、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。知能を提供するのはモデルかもしれませんが、その知能がエンタープライズの中で確実に機能するかどうかを決めるのは、アーキテクチャなのです。
よくあるご質問
Q. AIエージェントを取り巻くアーキテクチャとは何ですか?
本番環境でエージェントがどう振る舞うかを決めるレイヤーの集まりです。エージェントが使えるデータとコンテキスト、指示・ツール・権限を定めるハーネス、行動が実行されるサンドボックス、そしてそれらすべてを横断する評価、オブザーバビリティ、人間の権限で構成されます。
Q. なぜモデル、ハーネス、サンドボックスを分離するのですか?
モデルは頻繁に変わりますが、ビジネスルール、権限、システム連携は持続させるべきだからです。分離しておくことで、統制の仕組みを作り直すことなくモデルを切り替えられ、失敗がアクセスすべきでないシステムへ波及することも防げます。
Q. エンタープライズAIエージェントには、どの程度の自律性を与えるべきですか?
最大限ではなく「適切な」自律性です。リスクが低く元に戻しやすい行動は自律的に実行し、影響が大きく元に戻しにくい判断には承認やエスカレーションを設けます。自律性は、組織が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、評価し、判断を追跡する力の成長に合わせて高めていくことが望ましいと考えます。
本シリーズについて
本記事は、Tech Week Singapore 2026(2026年9月29〜30日、マリーナ・ベイ・サンズ)の参加レポート全5回のうちの1本です。
- 第1回 エージェント周辺のアーキテクチャが、エージェント自体よりも重要な理由(本記事)
- 第2回 AIガードレールからAIコントロールシステムへ
- 第3回 ヒューマン・イン・ザ・ループ:人を「正しい場所」に置けているでしょうか
- 第4回 失注案件は、最も活用されていないバイヤーインテリジェンスなのでしょうか
- 第5回 マーケティングは、市場の変化と同じ速さで学習できているでしょうか
参考文献
- Tech Week Singapore 2026「Rethinking Technology Architecture to Enable Agentic AI」(2026年9月29日) singaporetechnologyweek.com
- Tech Week Singapore 2026「Scaling AI Across the Enterprise: Where Data, Technology & AI Converge」(2026年9月29日) singaporetechnologyweek.com
- Tech Week Singapore 2026「Multi-Agent Systems for Autonomous Performance Root-Cause Analysis in Production」(2026年9月29日) singaporetechnologyweek.com
- Tech Week Singapore 2026「Building Autonomous Operations in the Era of AI Agents」(2026年9月29日) singaporetechnologyweek.com
- Tech Week Singapore 2026「The New Guardrails for Managing Agentic Workflows: Moving Quickly Without Losing Control」(2026年9月30日) singaporetechnologyweek.com
- 01GROWTH「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」(2026年7月3日) www.01growth.com/post/superai-singapore-2026-ai-context-problem




-1-768x512.jpg)
