OpenAIがResponses APIをアップグレードし、AIエージェントの開発に変化の兆しを見せている。一方、コスト削減とパフォーマンス向上を目指し、新たなメモリ構造も登場していると、VentureBeatの最近の報道が伝えている。開発者が単一の呼び出しで複数のエージェントツールにアクセスできるAPIのアップデートには、サーバーサイドコンパクションとホステッドシェルが含まれる。同時に、業界はAIエージェントの能力を強化するため、「観察メモリ」などの代替メモリ構造を模索している。
AIエージェント技術の進歩は、業界がこれらのシステムのスケールアップという課題に取り組む中で起こっている。VentureBeatの寄稿編集者Taryn Plumb氏によると、「不足しているのは、スケールアップに必要な基礎的な要素だ」という。特に、長時間稼働し、ツールを多用するエージェントにおける既存システムの限界が、より効率的なソリューションの探求を促している。「RAGは、最新のエージェントAIワークフローにとって、必ずしも十分な速さやインテリジェンスを備えているわけではない」と、VentureBeatのSean Michael Kerner氏は指摘した。
有望な開発の一つに、Mastraが開発したオープンソース技術である「観察メモリ」がある。これは、動的な検索よりも永続性と安定性を優先する。VentureBeatによると、このアプローチはコスト削減とパフォーマンス向上を目指しており、AIエージェントのコストを10分の1に削減し、長文コンテキストのベンチマークでRAGを上回る可能性があるという。
不正検知におけるAIの応用も、この分野の急速な進歩を浮き彫りにしている。MastercardのDecision Intelligence Pro(DI Pro)は、洗練されたAIモデルを使用して個々の取引を分析し、疑わしい活動をミリ秒単位で特定していると、VentureBeatは報じている。MastercardのEVPであるJohan Gerber氏は、DI Proが「各取引とそれに関連するリスク」に焦点を当てていると説明した。Mastercardは年間約1600億件の取引を処理しており、ピーク時には1秒あたり最大7万件の取引が発生するため、この技術は不可欠である。
AIエージェントの進化は、グローバルビジネスサービス(GBS)の文脈でも探求されている。エージェントAIが企業を変革する可能性は大きいものの、実際の導入は誇大宣伝に遅れをとっている。EdgeVerveのN. Shashidar氏はVentureBeatで、「多くの新技術と同様に、このケースでもレトリックが導入を上回っている」と述べている。
MIT Technology Reviewも、さまざまな分野における生成AIの実用的な応用を探求するため、新しい週刊ニュースレター「Making AI Work」を開始した。このニュースレターでは、具体的なユースケースを検証し、専門家が日常業務でAIをどのように活用できるかについての洞察を提供する。
Discussion
AI Experts & Community
Be the first to comment