Databricks の新プラットフォーム「Mosaic Agent Bricks」が企業AIエージェントの生産化問題を解決 2025年6月11日 6:00 AM 多くの企業AIエージェント開発プロジェクトが生産化に至らない理由と、Databricksが提唱する解決策について解説します。 Databricksは、企業AIエージェントの評価と最適化を自動化する新技術「Mosaic Agent Bricks」を発表しました。このプラットフォームは、手動での評価が遅くて一貫性がなくスケーラビリティに欠ける問題を解決し、企業がAIエージェントを効果的に運用できるように支援します。 Mosaic Agent Bricksは、TAO（Test-time Adaptive Optimization）などの研究に基づいたイノベーションを組み込んでおり、ラベル付けデータなしでAIの調整を行うことができます。また、ドメイン固有の合成データの生成、タスクに応じたベンチマークの作成、品質とコストのバランスの最適化を自動で行います。 DatabricksのCTOであるHanlin Tang氏によると、従来の方法では企業がAIエージェントの評価に苦労しており、手動での調整が大きなボトルネックとなっていました。Mosaic Agent Bricksは、高レベルのタスク説明と企業データを基に、自動的に最適なAIエージェントを構築するため、企業がAIを効果的に活用できるようになります。 さらに、Databricksはデータエンジニアリングプラットフォーム「Lakeflow」の一般提供も開始し、データの取り込み、変換、管理を統合して効率化します。これにより、企業はデータ準備に専念し、AIエージェントの開発と評価に集中できます。 Mosaic Agent Bricksは、自然言語によるフィードバックを自動的に解釈し、適切なシステムコンポーネントを調整する機能を備えており、AIエージェントの操作性を大幅に向上させます。 この新プラットフォームの導入により、企業はAIエージェントの評価インフラストラクチャに時間を費やすことなく、具体的なユースケースの特定とデータ準備にリソースを集中できるようになります。

企業AIエージェントの大半が生産段階に進まない問題とDatabricksの解決策 2025年6月11日、データ科学と人工知能のカンファレンス「Data + AI Summit」で、DatabricksがMosaic Agent Bricksを発表しました。この新プラットフォームは、2024年に発表されたMosaic AI Agent Frameworkの機能を拡張し、AIエージェントの最適化を自動化することで、企業がAIエージェントを効果的に生産段階に導くことを支援します。 Databricksの最高技術責任者であるHanlin Tang氏によると、AIエージェントが生産段階に到達しない最大の理由は、企業が手動での評価に依存していることです。手動評価は遅く、一貫性に欠け、大規模展開が難しいという問題があります。これにより、多くの企業は質の低下や費用増加、期日の遅延に直面してしまいます。 Mosaic Agent Bricksは、高レベルのタスク記述と企業データを基に、全面的な最適化パイプラインを自動化します。まず、プラットフォームはタスク固有の評価基準とLLM（大規模言語モデル）ジャッジを生成します。次に、顧客データを模倣した合成データを作成します。最後に、最適化手法を探索し、最良の設定を見つけ出します。この自動化により、企業は詳細な設定を行わなくても最適なAIエージェントを作成できます。 また、Mosaic Agent Bricksには「人間からのフィードバックによるエージェント学習」（Agent Learning from Human Feedback）功能が導入されています。これにより、自然言語での指導を自動的に解釈し、エージェントの必要な部分を調整することが可能になり、具体的な行動変更のためにどのコンポーネントを調整すべきかの見当をつけるのに苦労することなく、エージェントの行動をより正確に制御できます。 Databricksの統合データスタックの上位に位置するMosaic Agent Bricksは、企業がAIエージェントを本格的に活用するために不可欠なツールです。カンファレンスでは、2024年にプレビュー版として紹介されたLakeflowデータエンジニアリングプラットフォームの一般提供も発表されました。Lakeflowは、構造化データと非構造化データの取り込み、効率的なデータクリーニング、リシェイピング、準備、ならびにプロダクションワークフローとスケジューリングの管理を統合して行います。 Mosaic Agent Bricksは、DatabricksのUnity Catalogとの連携によってデータガバナンス機能も受益します。これにより、アクセス制御やデータ由来の追跡などが自動的に処理され、エージェントの挙動が企業のデータガバナンスに適しており、追加設定の必要性が排除されます。 同プラットフォームは既存のAIエージェント開発フレームワークと異なる点として、TAO（テスト時間適応最適化）、コンテキスト内学習、プロンプト最適化、微調整などの研究手法を自動的に組み込むことが挙げられます。これらは手動の最適化や設定を必要とせず、AIエージェントの品質を保ちつつコスト削減を実現します。 企業の意思決定者にとっての戦略的意義 AIエージェントを生産段階に導くためには、品質と効果性を適切に評価できるシステムが必要です。Mosaic Agent Bricksの導入により、企業は最適化フレームワークの構築から解放され、リソースをユースケースの特定とデータ準備に集中できます。これは、AIエージェントの実用化に向けた大きな障壁を取り除くものと言えます。 Hanlin Tang氏の経歴は、彼が2023年にDatabricksが13億ドルで買収したMosaicの共同設立者兼CTOであることを示しています。Buyt this integration has significantly accelerated their research and product development cycles, allowing them to directly address large-scale enterprise problems and provide impactful solutions. DatabricksはMosaic Agent Bricksを通じて、企業がAIエージェントの開発とデプロイメントをより効果的に進められるように支援します。この革新的なアプローチは、AIエージェントの実用化に一石を投ずるものであり、企業がAI時代において競争優位性を獲得するために重要なツールとなることが期待されます。