グラフエンジニアリングでAIエージェントの予測可能性を高める - ザカリー・ブルーメンフェルド（Neo4j）

하이라이트

• エージェントの作業を明示的なグラフとして設計する実践をグラフエンジニアリングと呼ぶ。

• グラフエンジニアリングにより、エージェントの行動を管理、制御、誘導し監査する能力が得られる。

• 散文形式の資料を取り込んで決定論的なスクリプトにコンパイルし実行させることで、タスクの報酬とパフォーマンスが向上する。

• コンテキストグラフを活用してスキルや過去の意思決定トレースを接続し続けることで、バージョン管理や時間の経過に伴うガバナンスが効くようになる。

• ローン承認プロセスのデモにおいて、AIPスキルを導入することで実行時間が従来の7.5分から大幅に短縮され、Haikuのようなシンプルなモデルの利用が可能になる。

타임라인

1. 00:33 - 03:51

   グラフエンジニアリングの背景と定義

   コンピュータ科学におけるステートマシンやワークフローグラフの概念を基に、エージェントに関連した新しい捉え方としてグラフエンジニアリングが説明される。ノードが作業を行い、エッジが効率的に状態をルーティングする仕組みにより、エージェントは大規模で複雑な作業を引き受けられるようになる。

   • グラフエンジニアリングは、エージェントの作業を明示的なグラフとして設計する実践である。
   • グラフには、一般的な実行グラフ、コンテキストグラフ、手続き的グラフの3つのタイプが存在する。
   • 明示的なグラフを持つことで、エージェントの行動管理や予測可能性の向上がもたらされる。
2. 03:51 - 09:33

   ナレッジレイヤーとメモリグラフの活用

   ランタイム内で完結する代わりにグラフを保存し、異なるランタイム間で移動可能にすることで相互運用性が高まる。短期メモリや長期メモリ、推論トレースを組み合わせたコンテキストグラフの構築により、ドリフトの評価やツール呼び出しの履歴管理が可能になる。

   • Neo4jは記録システムとデータの間に入るナレッジレイヤーの定義に取り組んでいる。
   • 記述資料をグラフ構造へと移行させ、エージェントにアクセスを許可することでパフォーマンスが向上する。
   • メモリグラフを活用することで、すべてのステップの出所情報やバージョン管理、ガバナンスが保持される。
3. 10:47 - 20:25

   ローン承認プロセスにおけるデモと効率化

   事業計画書や過去の決定データをグラフ上で結びつけ、ポリシーの遵守や監査証跡の作成が自動化される。スキルをYAML形式にしてCLIを通じて実行することで、従来2.7分以上かかっていた処理が大幅に効率化され、Haikuのようなシンプルなモデルの活用とコスト削減が実現する。

   • 融資ポリシーや過去の取引データをつなぎ合わせたローン承認プロセスのデモが示される。
   • 成功した実行結果から情報を集約し、スキル内のグラフYAML形式にコンパイルすることができる。
   • AIPスキルや決定論的フォーマットの導入により、実行時間が大幅に短縮されモデルのコストが削減される。