AI Agentの作成と管理

このトピックでは、Control RoomでAI Agentを作成および管理する方法について説明します。 さまざまなアクションを実行できます。たとえば、AI Agentの実行、移動、チェックイン、表示、編集、コピー、および削除などがあります。編集および削除には特定の権限が必要です。

Control RoomでAI Agentを作成するには：

手順

  1. Control Room にログインし、オートメーショ > 新規作成または+アイコン に移動して、AI エージェント を選択します。
  2. 名前と説明を入力し、作成と編集 をクリックして、テンプレートのアウトラインを表示します。 試しに 請求詳細 AI エージェント作成しましょう。
  3. エージェントのプロンプトを定義する: エージェント用のプロンプトを生成（クラウド限定機能）の画面が表示され、プロンプトの入力を求められることに気付くでしょう。

    AI Agentを作成する最初のステップは、それに使命を与えることです。 あなたは、エージェントの目的を自然な言葉で説明する明確で詳細な初期画面プロンプトを提供することで、これを行います。 このプロンプトは、エージェントの全体的なロジックが構築される基礎です。

    例えば、例に示されている請求内容 エージェントを作成するために、ユーザーはこのような簡潔で情報量のあるメッセージから始めたかもしれません。

    Your job is to retrieve claim details:
*  Retrieve policy and police report details.
*  If any information is missing, ask a human for assistance.

    この初期入力はコア要件を提供し、AI Agent Studioがそれを使用してより詳細で構造化されたプロンプトを生成できます。 AI Agent Studioは柔軟性を持つように設計されており、すべての詳細を事前に提供する必要はありません。 しかし、提供するコンテキストが多いほど、AI Agent Studio はあなたが洗練するための出発テンプレートをより良く生成できます。

    システムはこの初期入力を基にして、包括的なプロンプトを作成します（下記に例を示します）。

    注: 生成された役割/目標/アクションプランのテキストは、使用されているモデルによってわずかに異なります。 あなたの例はこの言葉と一語一句一致することはできませんが、構造と意図は似ています。

    例の出力：

    ロール： あなたは盗難物件の請求を専門とする保険請求処理者であり、自動化ツールと必要に応じて人間の支援を使用して、請求、ポリシー、および警察報告の詳細を取得および確認する専門知識を持っています。

    目標：あなたの目標は、提供されたクレーム ID を使用して盗難財産の請求に必要なすべての詳細を取得し、検証することです。出力値が null でないことを確認し、必要に応じてタスクを完了するために人間に相談してください。

    AI Agent- クレーム内容
  4. モデル接続を選択: モデル タブに移動し、選択 をクリックして、アクセス可能な Model connections のリストから選択します。 モデル接続の詳細については、モデル接続を参照してください。
    これらの Model connections はオートメーション管理者によって作成され、カスタム ロールでユーザーに割り当てられます。 Automation Anywhereから提供されたモデルまたは持ち込みライセンス（BYOL）から作成されたModel connectionsのみが許可されています。 AI Agentではカスタムモデル定義は現在サポートされていません。
    注:
    AI エージェントは以下をサポートします：
    • GPT-4oおよびGPT-4.1（標準タイプ）モデルを利用するOpenAIおよびAzure OpenAIモデル接続
    • Automation Anywhere モデル接続は GPT-4o を使用します。

    モデルを選択する際は、最新の利用可能なバージョン（例えば、GPT-4o 2024年11月 以降）を選択して、最新の安定性とパフォーマンスの改善を活用してください。

  5. エージェント変数を定義: 入力 & 出力 タブに移動します。 ここでは、エージェント に入力変数としてどの情報を探すべきか、また出力変数として何を提供すべきかを伝える必要があります。 これらの変数は、LLMがコンテキストを理解し、ツールと通信するために使用されます。 表現豊かで描写的な言葉を提供するが鍵です。 説明が詳細であればあるほど、LLM はその目的を理解し、目標を達成する能力が向上します。

    • 入力変数：

      • 名前： claim_id

      • 説明: 詳細を取得するクレーム ID

    • 出力変数：

      • 名前： claim_details

      • 説明: クレームの最終詳細（ポリシーおよび警察報告情報を含む）。

  6. エンドユーザー表示を定義する: このステップでは、AI Agent の実行がユーザーにどのように表示されるかを設定できます。 目標は、ユーザーが Co-pilot インターフェースで見るタスクのために、明確で意味のあるタイトルを提供することです。 エンドユーザー表示 タブに移動します。 エージェント リクエストのタイトルに、タスクのタイトルを入力してください。 このタイトルは必須項目であり、AI Agentが Co-pilot で実行されると表示されます。 例えば、請求内容 エージェントの場合、タイトルはクレーム内容リクエストとなります。 これにより、ユーザーはエージェントが何をしているのか一目で理解できます。
  7. ツールの追加および構成:

    ツール タブで、エージェントがタスクを実行するために必要な自動化を追加してください。 この例では、クレーム照会、警察報告書、データ トラッカー、およびポリシー プロセスの自動化をツールとして追加します。

    ツール名 目的 入力変数 出力変数
    クレーム照会 クレーム請求の詳細を提供します。 INPUT_id：クレーム ID claim_id: クレーム ID, policy_id: ポリシー ID, stolen_property_item: 盗まれたアイテム, claimed_replacement_cost: クレーム アイテムの交換費用, location_of_incident: 事件の場所, police_report_id: 警察報告 ID, date_of_incident: 事件の日付, claim_status: クレームのステータス, claimant_name: 請求者名, 受領書：クレームに関する財産の領収書
    警察報告書 警察報告の詳細を取得します。 INPUT_id: 警察報告 ID police_report_id: 警察報告 ID, report_date: 報告日、officer_name: 署名、officer_badge_number: バッジ番号、incident_type: 事件の種類、description: 入力の説明、incident_location: 事件の場所、suspect_name: 容疑者の名前、arrest_made: 逮捕は行われましたか、reporting_station: 報告ステーション
    データトラッカー これまでに受け取ったデータや受け取っていないデータを追跡するために、このツールを常に呼び出します データが受信されるか、これまでに欠落しています: 受け取ったデータの詳細、または欠落しているデータ（または null 値を持つデータ）が JSON 形式でフォーマットされています データが受信されたか、これまでの応答が欠落しています: これまでに受け取ったデータまたは不足しているデータは JSON 形式です
    ポリシープロセス これはポリシーの詳細を取得します INPUT_id: ポリシー ID policy_id: ポリシーID, policy_number: ポリシー番号, policy_type: ポリシータイプ, issue_date: 契約が発行された日付、expiration_date: 有効期限、status: 契約のステータス、premium_amount: 保険料、payment_frequency: 支払いの頻度、insured_name: 被保険者の名前、insured_address: 被保険者の住所、insured_phone: 被保険者の電話番号、insured_email: 被保険者のメール、coverage_type: 補償タイプ、policyholder_id: 保険契約者 ID、coverage_amount：補償額、agent_id：保険エージェントの ID、deductible_amount：免責金額、was_successful： データが見つかった場合は True、そうでない場合は False。

    ツールの構成の詳細については、AI Agentのツールでの設定をご覧ください。

  8. アクション プランを定義する： アクション プラン セクションは、あなたのプロンプトと追加したツールに基づいてシステムによって生成されます。 それは論理の流れを概説しています：
    • クレームの詳細を取得する： claim_idを使用してクレームの紹介ツールを呼び出してください。
    • 警察の報告書を取得する： 警察報告ツールを呼び出します。
    • データを追跡する：データトラッカーツールを呼び出します。
    • ポリシーの詳細を取得するには、ポリシープロセスに電話してください。
    • 請求の詳細が不完全な場合は、Human in the Loopを使用して支援を求めてください。
  9. テストして改善： すべての設定が完了したら、実行 をクリックして、エージェントが期待通りに動作するかテストしてください。 エージェントとの会話をシミュレートし、クレーム ID を入力して、クレームの詳細、警察報告書、保険情報を正しく取得できるか確認できます。 変数の説明とツールのプロンプトを必要に応じて洗練し、エージェントのパフォーマンスと精度を向上させてください。
    注:

    注： プライベートワークスペースでAI Agentsをテストおよび実行しても、Automation AI クレジットは消費されません。 本番環境への移行時のクレジット消費に関する詳細については、「AI Agents のライセンスモデル」を参照してください。

    .

次のステップ

AI Agentを作成して設定したら、それをビジネスプロセスに組み込み、エンドツーエンドの自動化にインテリジェンスをもたらします。 プロセスに AI Agent を追加する方法の詳細については、プロセス オートメーションに AI Agent を追加する をご参照ください。 次の図は、エージェントの作成からパブリック環境での実行までの一般的なワークフローを示しています。

AI Agentワークフロー

AI Agentを開発環境から公開環境に移行するプロセスには、いくつかの重要なステップとユーザーの役割が含まれます。

作成してテスト
プロ開発者またはオートメーション管理者が AI Agent を作成し、テストします。
プロセスで構成する
プロ開発者は、その後、より大きなプロセス内でAI Agentを構成します。
チェックイン
プロセスはリポジトリにチェックインされ、使用可能になります。
パブリックで実行
プロセスはその後、パブリック ワークスペースで実行できるようになり、Automation Co-Pilot を通じて呼び出すことができます。
注:

必要なAutomation Co-Pilot ビジネスユーザー ライセンスを持つビジネスユーザーは、そのプロセスを実行し、AI Agentと対話することができます。 この図は、これらのタスクを実行するために各ユーザーロールに必要な特定の権限も示しています。 ロールと権限の詳細については、ロールおよび権限 を参照してください。