ハーバード大学工学応用科学部（SEAS）の研究チームは、複数AIモデルが連携する複雑なワークフローの構築と最適化を自動化する新フレームワーク「Orla」を開発した。Minlan Yu教授とMichael Mitzenmacher教授を筆頭とする同チームと、ポスドクのRana Shahout氏、ボストン大学のHayder Tirmazi氏による本プロジェクトは、CAIS 2026にてデモ論文が発表され、Proceedingsに収録された。 現代のAIアプリケーションは単一モデルから脱し、ポリシー判定、画像解析、回答生成など複数のモデルが役割分担する形態へ移行している。これに伴い、各工程のモデル選定や連携制御をエンジニアが手動で実装する必要が生じ、開発負荷と運用コストが膨大化していた。Orlaは、開発者が望むワークフローの論理構造を記述するだけで、システムが最適な実行計画を自動生成し、計算コスト、精度、応答速度の総合最適化を実現する。既存のシステム基盤技術であるジョブスケジューリング、負荷分散、メモリ管理の理論をAIワークフロー管理に応用した点が特徴である。 実証試験においてOrlaは、回答品質を一切損なうことなく、計算コストと応答時間の両面で大幅な削減に成功した。AIマルチエージェント化が加速する中、本フレームワークは複雑なAIシステムの低コスト構築と大規模運用の実用化を後押しする基盤技術として期待されている。