IBM、エンタープライズAI向けエージェントロジックを強化
- •IBM Researchは、エージェントロジックがLLMのトークン消費量を削減し、企業向けタスクの性能を向上させると報告した。
- •Asterエージェントは、コードカバレッジを最大45%向上させつつ、トークン使用量を15倍削減することに成功した。
- •マルチエージェント型コンプライアンスシステムは、成功率を80%以上に引き上げ、資産分析時間を97%短縮した。
IBM Researchは2026年6月1日、エンタープライズAIの導入拡大にはエージェントロジックが不可欠であると発表した。同社は、モデルの品質向上、費用対効果、信頼性確保のために、レガシーコード解析や開発者向けのテスト生成、インシデント対応、コンプライアンスの近代化といったミッションクリティカルなタスクで、AIエージェントの有効性を検証した。
レガシーコードの理解において、IBM watsonx Code Assistant for Zを活用した「App Insights」エージェントは、従来のLLMのみを用いた手法と比較して、トークン消費量を約30分の1に抑制しつつ、優れた性能を発揮した。また、75以上のJavaアプリケーションで実行されたコード生成ライブラリ「Aster」は、最先端のコーディングエージェントと比較してコードカバレッジを20%から45%向上させ、トークン使用量を最大15倍削減した。「Instana」のインシデント調査エージェントは、ITBenchベンチマークにおいてGPT-5.1を用いたReActエージェントより4倍高い性能を達成し、Gemini 3 Flashなどのモデルでもトークン消費の低減を確認した。
コンプライアンス自動化のためのマルチエージェントシステムは、適応型プランニングとワークフローシーケンス制御により、固定戦略型エージェントと比較して1.3から2.0倍の性能向上を実現した。このシステムはClaude 4 Sonnetを使用し、成功率を80%以上に引き上げた。医療分野では「CUGA」エージェントが実行時にポリシーをコードとして適用することで、タスクの正確性を15%から26%改善した。さらに、物理資産保守用の「Condition Insights」エージェントは、分析時間を15〜20分から15〜30秒へ97%短縮し、トークン使用量も77%削減した。これらの結果は、エージェントロジックが企業のコアワークフローにモデルを誘導することで、膨大なLLMコンテキストへの依存度を低減できることを示唆している。