企業にメッセージを送ったとき、「適切な」人からの返事を待っている間、延々とたらい回しにされているように感じたことはないだろうか？イライラしますよね？
今、すべての問い合わせが、そのタスクのために特別に構築されたAIエージェントによって即座に処理され、やり取りすることなく必要なものを正確に提供されるとしたらどうだろう。
それがAIエージェント・ルーティングの力です。特定のワークフロー（サポート、スケジューリング、オンボーディングなど）のためにAIエージェントを構築すると、すべての会話が適切なエキスパートエージェントによって即座に処理されるシステムが構築されます。インテント・マッチングの当て推量はありません。ただ正確なだけです。
最初のシナリオはあまりにも身近に感じられるが、2番目のシナリオはSFの夢ではない。レガシーなインテント分類器ベースのシステムに対して、なぜゲームチェンジャーなのかを分解して見てみよう。
AIエージェント・ルーティングとは？
簡単に言えば、AIエージェント・ルーティングとは、マルチエージェント環境において、クエリの性質に基づき、ユーザーのクエリを関連性のある最も適切なAIエージェントに誘導するプロセスである。
このプロセスは、受付係が電話を適切な部署に効率的に誘導するようなもので、問い合わせが迅速かつ正確に処理されることを保証します。このアプローチは、効率を最大化し、ユーザーの満足度を向上させ、スムーズなワークフローを実現します。
最新のAIエージェント・ルーティングは、高度な大規模言語モデル(LLMs)に依存し、文脈に基づいてクエリを動的に分析・ルーティングするため、事前に定義されたインテントや膨大な学習データを必要とせず、ゼロショット機能を容易に実現します。
レガシー・インテント分類器 vs AIルーティング
従来のインテント分類器は、初期の会話AIシステムの基盤だった。その主な仕事は、ユーザーのメッセージの背後にある"何 "を特定することであり、"注文状況 "や "パスワードリセット "のようなバケツに意図を分類することであった。
例えば、ユーザーが"Please help me reset my password "と言えば、システムはそのインテントを"password reset "と分類する。インテントの識別として知られるこのプロセスは、事前に定義されたカテゴリーに対してはうまく機能した。
しかし、これらのシステムには大きな限界があった：
- あらかじめ定義されたカテゴリーに大きく依存していたため、新しいクエリーやニュアンスの異なるクエリーに対して柔軟性に欠けていた。
- ユーザーの意図が時間とともに変化するような、複雑で何ターンにもわたる会話に苦労していた。
- 彼らは外部の知識ソースから文脈を取り入れる能力に欠けていた。
対照的に、LLM-powered AI routingは全体的なアプローチをとる。あらかじめ定義されたカテゴリにクエリを厳密にマッピングするのではなく、LLMs 、ユーザー入力のコンテキスト全体を分析する。これにより、微妙なニュアンスの違いを識別し、あいまいな言い回しを処理し、言い換えられたクエリに適応することができる。
AIエージェント・ルーティングの仕組み
AIエージェントのルーティングのプロセスは、いくつかの重要なステップに分けることができる：
.webp)
1.文脈分析
パスワードの再設定を手伝ってほしい」というようなクエリは、意図、トーン、およびコンテキストについて分析されます。システムは、"How do I change my password? "のように言い回しが異なっていても、目的（パスワードのリセット）を特定します。
2.エージェントマッチング
システムは、最も関連性の高いエージェントに問い合わせを照合します。パスワードをリセット "の場合、一般的なサポートエージェントではなく、パスワードエージェントを選択します。
3.クエリ・ルーティング
クエリは、選択されたエージェントにルーティングされ、正確な応答を保証します。例えば、パスワードエージェントは、ステップバイステップの指示または直接リセットリンクを提供します。
4.学習と適応
時間の経過とともに、LLMs はインタラクションから学習する。もし"I forgot my email too "のようなクエリが現れた場合、システムはRAG(Retrieval-Augmented Generation)または同様の動的データ依存メソッドによって適応し、将来同様のケースをよりうまく処理できるようになる。
その結果は？より迅速な解決、より幸せな顧客、より少ない頭痛。
エージェント・ルーティングの実装における課題
自動化されたシステムが、どのツールやリソースを使用するかを動的に決定する場合、すべての決定をエージェントに委ねることは、困難であると感じるかもしれません。ここでは、マルチエージェントシステムにAIルーティングを実装する際に考慮すべき点について説明する。
通信プロトコルの活用、堅牢なロギングフレームワークの実装、リアルタイムパフォーマンスの最適化など、思慮深い戦略でこれらに対処することで、自己動作するマルチエージェントシステムを実装することができる。
AIエージェント・ルーティングの実装方法
効果的なAIエージェントルーティングは、構造化されたマルチエージェントシステムから始まります。各エージェントに明確な役割とアクセスレベルを割り当てることで、集中力を確保し、コンテキストの過負荷を減らし、幻覚を防ぎます。この設定により、トークンの使用が最適化され、各エージェントが効率的に働き、首尾一貫した状態を保つことができます。
.webp)
ユーザー向けエージェントはオーケストレーターとして機能し、クエリーを適切な専門エージェントにルーティングするために正確な命令セットを使用します。これにより、各エージェントの強みを生かしながら、計算負荷を最小限に抑え、タスクが正確に処理されます。
例えば、電子商取引システムの場合：
- 財務クエリ→会計AI。
- スタイルに関する質問 → 推薦エージェント
- 苦情 → 人間の代表
以下は、ルーティング・エージェントをガイドするための命令セット例である：
クエリを分類する：
財務クエリ：支払い、払い戻し、請求などのキーワード → 会計AIに転送。
スタイルクエリ：レコメンド、デザイン、スタイルアドバイスに関する言及 → レコメンドAIに転送。
苦情：ネガティブな感情や不満 → 人間の担当者にエスカレーションする。
一般的な問い合わせ：分類されていないトピック → 対応するか、デフォルトAIエージェントに転送する。
コンテキストの維持：
ユーザーがトピックを切り替えた場合、クエリタイプを更新し、次のエージェントと以前のコンテキストを共有して継続性を保つ。
フォールバック指示：
適切なエージェントがいない場合、明確な質問をするか、未解決のクエリを人間の担当者にエスカレーションします。
シナリオ例
"還付金のことで助けてほしい"→ 会計AI
"冬のジャケットのトレンドは？"→ レコメンデーションAI
"今までで最悪の経験です！"→ 人間代表
簡潔な応答を保証し、ユーザーに問い合わせが処理されていることを知らせる。AIトランジションをAIルーティングに活用
以下のようなツール AIトランジションAIトランジションは、ユーザーの入力をあらかじめ定義されたカテゴリーに効率的に分類することで、AIルーティングを強化することができます。これらのトランジションは、大規模な学習データを必要とせずにユーザーの意図を評価するのに役立ち、ルーティングをより迅速かつ正確にします。
AIトランジションを統合することで、ルーティングを合理化し、精度を確保し、多様なユーザー入力を効果的に処理することができます。
AIエージェントのアクセスとワークフローを容易に管理
顧客がインスタントでパーソナライズされたインタラクションを期待する世界では、LLM-poweredのAIエージェント・ルーティングは単なる利点ではなく、必需品です。硬直的なインテント分類器を動的でコンテキストを認識するシステムに置き換えることで、企業はよりスマートで、より速く、より魅力的なエクスペリエンスを提供することができる。
Botpress では、内蔵のAutonomous Nodeを使用して、各エージェントの権限、行動、トーンを完全にコントロールすることができます。
Botpress は、マルチエージェントシステムの構築と最適化に必要なすべてを提供します。無料のプラットフォームで今すぐ始めましょう。
.svg)
