AutoSynthData：エンタープライズエージェント向け学習データ生成

ServiceNow CoreAI が、エンタープライズ向けエージェント開発の課題に取り組む新手法「AutoSynthData」を発表した。一般的な LLM は確かに優秀だが、各企業固有の業務フロー、ツール群、データ状態に直面すると失敗が増える。その失敗を「何を学べばいいのか」という指針に変え、学習データ化する仕組みだ。AutoSynthData は、モデルの弱点と強いティーチャーモデルの成功から「次に学ぶべき能力」を決定し、新しいタスクを自動生成し検証する。企業の環境に特化したカリキュラム学習が実現され、改善のサイクルが回る。

AIの鬼の視点から見ると、これはエージェント AI の実用化に向けた構造的な取り組みだ。ChatGPT は汎用性で勝るが、企業内で「完全に正しく動く」には調整が必要。AutoSynthData が示唆するのは、単一の大型モデルではなく「環境に適応するデータ生成パイプライン」の重要性である。タスク設計の三要件（実現可能性、リアリズム、難度）を厳密に定義し、ベリファイア（検証器）を堅牢に設計することで、メンテナンスコストも下げられる。これは大型モデルの時代に、むしろ小〜中規模企業でも実装可能な工夫だ。生データから自動で質の高い学習データを生み出す仕組みは、AI 導入の次のステップとなる。

実務含意としては、自社のエージェント導入時に、単なるプロンプト調整ではなく「失敗事例を学習データに組織的に変える」仕組みを用意することが成功の鍵だ。データ品質が本当の競争力になる時代が来ている。