大半のAIアシスタントは、質問されるまで待機します。質問を入力すると答え、その後また待ちます。貿易コンプライアンスでは、このモデルに根本的な問題があります。リスクは質問されるのを待ちません。
Atlas Verifiedは、誰も指示を入力しなくても、サプライチェーンを継続監視し、政府データベースを確認し、予定に従ってコンプライアンスリスクを示す自律型クラウドエージェントのシステムを構築しました。プラットフォームのすべての組織でバックグラウンド稼働し、構造化された情報をダッシュボードに直接届けます。
この記事では、常時稼働AIエージェントの設計を説明します。会話型AIとの違い、構造化出力の重要性、自律型エージェントを大規模に稼働させる統合実行の課題です。
受動型から能動型へ
会話型AIは本質的に受動的です。質問を受け、推論し、ツールを呼び、回答します。随時の調査や文書分析には有効です。しかし、コンプライアンス監視には能動的な情報収集が必要です。
次を考えてください。供給業者の有機認証が夜間にUSDAによって停止される。その業者の出荷はすでに輸送中。新たなOFAC指定で貨物利用運送事業者が制裁リストに加わる。現在輸入している商品にFDA輸入警告が発行される。
これらは担当者がログインして適切な質問をするまで待ちません。確認を思い付く頃には、先回りして対応できる時間が終わっているかもしれません。品物は港にあり、書類は提出され、リスクは現実です。
クラウドエージェントは、この関係を逆転させて解決します。ユーザーがAIを動かす代わりに、AIが予定に従って自ら動き、重要なものを確認し、結果をユーザーへ届けます。
象限ごとのエージェント構造
最初の試作では、規制変更、供給業者状況、出荷追跡、文書処理を一つのエージェントに任せました。出力は焦点が定まらず冗長でした。興味深い一筋の情報を追う一方、情報カテゴリー全体を放置しました。
解決策は、対象を、象限と呼ぶ重点分野に分けることでした：
情報。 規制警告、市場動向、分野横断のリスク。組織に影響する新しいFDA輸入警告、OFAC更新、関税変更、有機認証状況変更を、政府データベースで監視します。
供給業者。 供給業者ネットワークの健全性。検証状況、コンプライアンスの空白、認証失効、ネットワーク集中リスクを審査します。有機供給の80%が単一の認証機関に依存する場合、警告します。
出荷。 輸送中の出荷の監視。船舶位置、航路逸脱、遅延を確認し、出荷書類が揃っているか検証します。想定以上に港に滞留するコンテナや、申告航路を外れる船舶などを示します。
ワークスペース。 業務の健全性。文書処理状況、検証待ち、チームの活動、利用傾向を確認します。処理に失敗して対応が必要な書類や、長すぎる検証待ちなどを示します。
各エージェントは、焦点を絞ったシステム指示と、分野に関連する限定されたツール群で稼働します。専門家チームが一人の汎用担当者を上回るのと同じ、集中の深さという理由で、万能の一つのエージェントより大幅に良い出力が得られます。
チャットエージェントとツールレイヤーを共有
最も重要な設計判断の一つは、クラウドエージェントに会話型チャットとまったく同じツールレイヤーを使わせたことです。同じOFAC照合、USDA照会、船舶追跡、貿易データ照会、文書分析ツールが両方を支えます。
設計上、重大な利点があります：
ツールの重複なし。 新しい情報源を追加し、既存アダプターを改善すると、両方がすぐに恩恵を受けます。実装、テスト群、保守対象はそれぞれ一つです。
一貫した結果。 クラウドエージェントとチャットユーザーの制裁確認は、同じ論理で同じ関数を呼びます。結果は直接比較・照合できます。
課題は、対話向けツールが一括処理では同じように動くとは限らないことです。照会が曖昧ならチャットはユーザーに確認できますが、クラウドエージェントはできません。より具体的な指示と高い再帰制限を与えて対応します。リアルタイムで回答を待つ人がいないため、自己修正に使える時間が増えます。
構造化出力：自由文からダッシュボードカードへ
ここが両者の最も大きな違いです。チャットは文章を作り、ときに構造化カードを埋め込みます。クラウドエージェントは、直接ダッシュボードに表示される構造化出力だけを作る必要があります。
実行ごとに情報カードの配列を作ります。各カードには定義された種類とスキーマがあります：
カウンター は、輸送中の総出荷、認証失効が近い供給業者、検証待ちなど、主要指標を動向表示とともに示します。
リスク警告 は、認証停止の供給業者、制裁一致、FDA輸入警告など、対応が必要な特定の懸念を強調します。
アラート は、規制変更、新たなOFAC指定、輸送中の出荷に影響する関税更新など、時間が重要な情報を伝えます。
グラフと表 は、出荷量推移、貿易ルート分布、検証完了率などの分析データを示します。
地図 は、船舶位置、港湾活動、供給業者分布などの地理情報を示します。
設計上の課題は、LLMに一貫して有効な構造化出力を作らせることです。言語モデルは文章で説明し、条件を付けたがります。正しい種類、項目、データを持つ整ったJSONカード配列を生成させるには、慎重な指示設計と出力検証が必要です。
期待するカードスキーマに一致しない場合、実行全体を失敗させず、解析できるものを使い、不正な形式のカードを破棄します。部分的な情報でも、情報がないより有用です。
独自エージェント：ユーザー定義の自律監視
四つのシステムエージェントに加え、ユーザーは独自のクラウドエージェントを作成できます。名前、ユーザーが書くシステム指示、予定を持ち、同じツールレイヤーで同じ種類のカードを作りますが、重点は完全にユーザーが定義します。
特定の貿易ルートの混乱を監視する、特定の供給業者を毎日制裁リストと照合する、特定商品の価格変動を貿易データで追跡するなどが可能です。可能性の限界は、ツールレイヤーがアクセスできる範囲だけです。
安全で役立つものにするため、いくつかの設計判断が必要でした：
組織による範囲設定。 各独自エージェントは組織に所属し、その組織のデータだけにアクセスできます。ユーザーの指示が求めても、組織の境界を越えられません。
ツール能力による絞り込み。 独自エージェントはシステムエージェントと同じ検証・調査ツールにアクセスできますが、組織の権限範囲を引き継ぎます。ユーザー自身がチャットでアクセスできないツールやデータにはアクセスできません。
予定の管理。 独自エージェントはユーザー定義の予定で、プラットフォームの制限内で稼働します。単一の組織が数十のエージェントを毎時実行させ、計算資源を不均衡に消費することを防ぎます。
大規模な統合実行
多数の組織で自律型エージェントを毎日稼働させると、チャットシステムにはない統合実行の課題が生じます。
重複排除。 スケジューラーが起動した際、組織Aのエージェントが重複排除期間内に実行済みなら省略します。再試行、予定の重なり、スケジューラーの不調による二重実行を防ぎます。各エージェントと組織の組を固有の実行単位として扱います。
障害の分離。 ツールのエラー、解析できないLLM出力、依存サービスの停止などで一つの組織のエージェントが失敗しても、他の組織に影響してはなりません。各実行は独立したジョブです。障害を記録し、失敗と表示し、次へ進みます。
カードのライフサイクル。 情報カードには有効期間があります。古いカードは失効し、次の実行で置き換えます。古い結果を蓄積せず、常に最新の情報を示します。新しいカードを生成すると、その象限の以前のカードを不可分な操作で置き換えます。
資源の予算管理。 実行はLLMトークン、外部API呼び出し、データベース接続を消費します。実行・組織ごとのトークン使用を追跡し、費用管理と過剰な資源を使うエージェントの特定を行います。10で十分なのに50回呼び出す暴走エージェントには警告を付けます。
クラウドエージェントとチャットを接続
両者は孤立したシステムではありません。フィードバック循環を形成します。
チャットエージェントはクラウドエージェントの出力を照会できます。"エージェントは何を発見した？"、"知っておくべきコンプライアンスリスクは？"と聞くと、最新の情報カードを取得し、会話形式で示します。リスク警告の説明、追加の文脈、結果への対応を支援できます。
自然な流れが生まれます。夜間に問題を示し、朝にダッシュボードを確認し、深く調べたければチャットを開きます。チャットは発見内容をすでに知り、その続きから始められます。
逆方向も機能します。ユーザーのチャットから現れる傾向は、クラウドエージェントの指示調整に役立ちます。提示されていない特定リスクへの質問が多ければ、重点を調整すべき兆候です。
学んだこと
自律型AIの構築から、会話型の構築だけでは分からない教訓を得ました：
構造化出力は自由文より難しい。 有効でスキーマに沿ったJSONを一貫して生成させるのは、良い段落を書かせるのとは大きく異なる課題です。説明したがるモデルの分析力を、構造化項目へ導く必要があります。
範囲がすべて。 明確な分野に絞ったエージェントは、すべてにアクセスする幅広いエージェントより良い情報を生成します。象限ごとの構造は、最大の品質改善でした。
部分結果は実行失敗より良い。 一括処理では、問題時にユーザーへ対応を尋ねられません。作れるカードを作り、空白を明記する段階的な縮退が不可欠です。
ユーザーは制御を求める。 独自エージェントは最も要望の多い機能の一つでした。専門家は固有のリスクを汎用システム以上に理解しています。自然言語で自律監視を設定できることが、大きな価値を生みました。
フィードバック循環が重要。 両者は単独より、組み合わせたほうが価値があります。能動的な情報が課題を示し、会話型AIが深さを提供します。最初から双方向の流れを設計し、両システムを改善しました。
今後に向けて
クラウドエージェントは、コンプライアンスのAIの考え方を根本的に変えます。問いは"質問されたら何に答えられるか"ではなく、"質問されなくても何を確認すべきか"です。
情報源を増やしてツールレイヤーを拡張し、規制環境が複雑になるほど、自律監視の価値は高まります。専門家の一日は、六つの政府データベースと三つの追跡サービスの手動確認で始まるべきではありません。夜間の変更と対応が必要なものを正確に伝えるダッシュボードで始まるべきです。
クラウドエージェントはそれを提供します。信頼性、拡張性、有用性を確保する設計課題は、取り組む中で最もやりがいのある問題の一つです。
Atlas Verifiedのクラウドエージェントは、サプライチェーンを自律監視し、政府データベースを確認し、コンプライアンスリスクを示します。専門家はデータ収集ではなく判断に集中できます。