複数デバイス跨ぐAIエージェント、障害回復を階層化

複数のアプリケーションやデバイスを横断して業務を遂行するAIエージェントは、エンタープライズ自動化の中核技術として注目を集めている。しかし既存システムの多くは、実行中にエラーが発生した場合、同一の操作手順を再試行するか、タスク全体の計画を最初から立て直すかという粗粒度の対応に留まっていた。この非効率さがトークン消費量の増大と処理完了率の低下を招き、実業務への導入障壁となっていた。

中国科学技術大学を中心とする研究チームは、この課題に対処する階層型再計画フレームワーク「H-RePlan」を発表した。同フレームワークの核心は、障害の「スコープ」を自動判定する仕組みにある。LinuxやAndroidといった個々のデバイス内で解決可能な障害であれば、そのデバイスが保有するAPI・CLI・GUIという三種の実行手段を切り替えながらローカルで回復を試みる。デバイスをまたぐ根本的な計画変更が必要な場合に限り、上位のオーケストレーター層が介入してグローバルな再計画を実施する構造だ。

評価には、LinuxとAndroidを組み合わせたクロスデバイスワークフローに意図的な障害を注入したベンチマーク「HeraBench」を新たに構築して用いた。実験の結果、H-RePlanは単一実行戦略のベースラインおよび粗粒度の多デバイスシステムと比較して、タスク完了率・指示遵守率・完全通過率のいずれにおいても顕著な改善を示した。特筆すべきは、信頼性の高いエンドツーエンド処理に要するトークンコストが削減された点であり、大規模運用時の経済性向上を示唆している。

業務インパクトが最も大きい領域として、金融機関のバックオフィス業務が挙げられる。勘定系・営業支援・コンプライアンス管理といった異種システムを跨いで処理を行う照合業務や報告書作成において、従来RPAが抱えていた「例外発生時の全停止」問題を緩和できる。処理完了率（STP率）の改善と、オペレーター介入件数の削減が直接的なKPIとなる。

製造業においても応用価値は高い。工場フロアのLinuxベース制御端末とモバイル端末を用いた品質記録システムが並存する環境では、一方のデバイスで障害が生じるたびに全工程の再計画が走る従来型エージェントは実用に耐えなかった。H-RePlanの階層回復により、設備稼働率（OEE）への影響を最小化しながら自動化の適用範囲を拡大できる見通しである。

IT部門・デジタル推進部門にとっては、AIエージェント導入時の「ランニングコスト試算」に修正が求められる局面でもある。トークン消費量はLLM APIの従量課金に直結するため、大量処理時のコスト予測精度がROI評価の精度に影響する。H-RePlanが示したトークン効率の改善は、年間数百万円規模のAPI費用を抑制する可能性を持つ。

一方で実用化に向けた課題も残る。HeraBenchはLinuxとAndroidの二種デバイス構成を対象としており、実企業が抱えるWindowsサーバー・SaaSアプリケーション・レガシー端末が混在する環境への適用検証は今後の研究に委ねられている。また、障害スコープの自動判定精度が低下した場合、不必要なグローバル再計画が頻発するリスクも指摘される。企業が本フレームワークの採用を検討する際は、対象業務の環境多様性と障害発生パターンの事前分析が前提条件となる。