# AIエージェントを作った後、どう統制するか:Lyzr AI共同創業者Ani Narayan氏に聞く

- 番組: [VUX World](https://ai-curator.jp/podcasts/shows/cmv3z5c18000u5o10xwpb42xf)（Kane Simms）
- 元のタイトル: You built AI agents. How do you keep them under control? Ani Narayan, co-founder and CGO of Lyzr AI
- 配信日: 2026年11月4日
- 長さ: 40分
- 要約作成日: 2026年11月4日
- トピック: [#AIエージェント](https://ai-curator.jp/topics/AI%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88) [#オブザーバビリティ](https://ai-curator.jp/topics/%E3%82%AA%E3%83%96%E3%82%B6%E3%83%BC%E3%83%90%E3%83%93%E3%83%AA%E3%83%86%E3%82%A3) [#コントロールプレーン](https://ai-curator.jp/topics/%E3%82%B3%E3%83%B3%E3%83%88%E3%83%AD%E3%83%BC%E3%83%AB%E3%83%97%E3%83%AC%E3%83%BC%E3%83%B3) [#LLM](https://ai-curator.jp/topics/LLM) [#レガシーシステム統合](https://ai-curator.jp/topics/%E3%83%AC%E3%82%AC%E3%82%B7%E3%83%BC%E3%82%B7%E3%82%B9%E3%83%86%E3%83%A0%E7%B5%B1%E5%90%88) [#Human-in-the-loop](https://ai-curator.jp/topics/Human-in-the-loop)
- URL: https://ai-curator.jp/podcasts/cmw12j8pz00022r124n2az7c6

## 要約

VUX WorldのKane Simmsが、Lyzr AI共同創業者でCGOのAni Narayan氏と、エージェントを日常業務へ展開する際の課題を議論した回。Lyzrはデータ分析ツールからフルスタックのエージェント基盤へ進化し、現在は複数基盤のエージェントを一元管理するOpenControllerを提供している。企業がフロンティアモデルを使わず自社環境を求める理由、保険会社の事例、カスタム構築が必要な場面、オブザーバビリティの考え方も語られた。

## ポイント

- Lyzrは2023年8月にデータ分析SDKとして始まり、ローコードのエージェントビルダー、フルスタック基盤を経て、現在はエージェント管理用のコントロールプレーンOpenControllerを打ち出していると説明された。
- 企業が自社版のClaudeやChatGPT的環境を求める理由として、コスト(動機の7〜8割とされる)、モデル切替の柔軟性、プライバシーの3点が挙げられた。
- 月25万ドルや300万ドルをClaudeに使う顧客の例を挙げ、繰り返しタスクをオープンウェイトモデルへ移すShadow LMなどの手法に触れた。
- 保険会社Old Mutualの例では、葬儀関連の繊細な顧客対応は人間が前面に立ち、裏側の情報収集や書類作成などをAIが担う設計が紹介された。
- レガシーシステムが絡む大企業ではカスタム統合が必要で、中小企業やスタートアップは既存のエージェント系SaaSで足りるという見方が示された。
- オブザーバビリティでは、各種エージェントを発見し共通フォーマットのレジストリに整理した上で、評価、ゲートウェイ、ガードレールで管理する構成が説明された。

## 章立て

- [00:46] **Lyzrの成り立ちと進化** — データ分析SDKから始まり、ローコードのエージェントビルダー、フルスタック基盤、そしてエージェント管理基盤OpenControllerへ至る流れが語られる。
- [04:36] **エージェントの主な導入分野** — 営業、マーケ、HR、サポートなど部門別のワークベンチ、レガシー情報のデジタル化、エアギャップ型の私有環境といった需要が挙げられる。
- [07:14] **コスト・柔軟性・プライバシー** — 自社環境を求める理由として、従量課金への移行、モデルのルーティング、データ保護が説明される。
- [12:02] **コンサル・マーケ等の事例** — 大手コンサルとの協業の三つの形態や、自動車・化粧品のマーケ、営業ABM、カスタマーサポート、スポーツ分野の例が紹介される。
- [17:19] **教育と優先順位付け、保険会社の例** — リーダー層への教育やアイデアの優先順位付け、人間が前面に出る保険会社の事例が語られる。
- [20:45] **カスタム構築が必要な場面** — KaneのChatGPTによる動画編集体験を踏まえ、レガシー連携が必要な大企業ではカスタム構築が要ると議論される。
- [26:54] **オブザーバビリティとコントロールプレーン** — エージェントの発見、形式の統一、評価、ゲートウェイ、ガードレールまでの管理の流れが画面を使って説明される。
- [31:41] **提供側と顧客が得意なこと・課題** — FDEモデルや業界特化の強み、エージェント的な体験設計の不足、マルチモーダル出力への期待が語られる。

## 解説記事

AIエージェントを作るのは簡単になったが、増え続けるエージェントをどう管理するかが新たな課題になっている。VUX WorldのKane Simmsが、Lyzr AI共同創業者でCGOのAnirudh(Ani)Narayan氏にこのテーマを聞いた。Lyzrの事業の変遷、導入が進む分野、カスタム構築の判断基準、観測と統制の仕組みが話題になった。以下、発言は本人の説明に基づく。

#### データ分析SDKからエージェント管理基盤へ

Narayan氏によれば、Lyzrは2023年8月に共同創業者のSiva氏が始めた会社で、当初は数行のコードでExcelなどのデータをアップロードして質問できるデータ分析SDKだった。その後、既存プラットフォームでの構築が難しいことから、ローコードのエージェントビルダーを作り、さらにLLM、データ、デプロイ層、観測層を含むフルスタックのエージェント基盤へ広げたという。

直近1年半ほどで需要が強まったのが、すでに作られた大量のエージェントの管理だという。同氏はInstagramに例え、投稿が増えた結果、管理が課題になったのと同じだと語る。ClaudeやGemini、LangChain、Cursorなど異なる基盤のエージェントを一か所で把握し、ROIの確認や、トークンを浪費してループするエージェントの発見を行う。その中核がOpenControllerだ。

#### どこでエージェントが使われているか

導入先は営業、マーケティング、HR、カスタマーサポート、IT運用、調達、財務など全部門に及ぶという。まず社員が共通で使える「ワークベンチ」型のエージェント群から始め、その後に重要業務へ移る流れが多いとされた。紙などアナログ情報をOCRエージェントでデジタル化し、社内の知識ベースとして検索や分析に使う需要もある。

大手コンサルティング会社との協業も紹介された。内部ソリューションの構築、共同のGo-to-Market、プラットフォームのホワイトラベル提供の三つだという。事例として、自動車メーカーの撮影画像生成、化粧品ブランドのトレンド連動キャンペーン、営業のABM(アカウント単位の営業)自動化などが挙がった。カスタマーサポートでは、人間主体の対応から最大40%程度をAI主導にする例があり、常に人間が関与する形だとされた。

#### なぜ自社環境を求めるのか

企業が自社専用でプライベートな環境を求める理由として、Narayan氏は三つを挙げた。第一にコストで、動機の70〜80%を占めるという。利用者のうちヘビーユーザーは5%程度なのに一律の月額を払う構造への不満や、オープンウェイトモデルが約10分の1のコストで性能を追い上げていることが背景だ。月25万ドルをClaudeに使う顧客や、月300万ドルを使うFMCG企業の例も語られた。繰り返しタスクをフロンティアモデルから小型モデルへ移すShadow LMやファインチューニングが対策として触れられた。

第二は柔軟性である。特定モデルが停止した場合に備え、複数モデルを切り替えるルーターが求められる。第三はプライバシーで、仮想プライベート展開から完全なベアメタルまで段階があるという。

#### カスタム構築か既存ツールか

Kaneは、ChatGPTに撮影した動画を渡し、トリミング、縦型クリップ化、字幕、サムネイル、確認用HTMLページまで約30分で作らせた体験を話した。これを受けNarayan氏は、レガシーシステムが絡む大企業ではカスタム構築が必要だと述べた。メインフレームなど旧来のシステムはHubSpotやSlackのようにID認証だけでは接続できず、データの所在や関係者の把握も含めた複雑な作業になるためだ。一方、SMBやスタートアップは、エージェント系SaaSを使い人員を増やさずに回すのが賢いという見方を示した。

保険会社Old Mutualの例では、葬儀に関わる繊細な場面で顧客の窓口は人間のコンシェルジュにし、裏側の情報収集、書類記入、ローン手続きなどをエージェントが支える構想が紹介された。優先順位付けには、ROIで整理する方法と、アイデアを集めて同社のツール「Architect」で影響度や実装難易度、技術的負債を評価する方法があるという。

#### オブザーバビリティとコントロールプレーン

観測の対象は、モデル、プラットフォーム、フレームワーク、コーディングエージェント、自社構築のエージェントなど多岐にわたる。コントロールプレーンは、これらを自動検出して共通フォーマットのレジストリに整理する。身長をcmとフィートが混在して測るのでは比較できないのと同じで、役割、説明、接続ツール、機能などを統一形式で記録する。

その後、活動の把握、テストケースによる評価、本番展開へと進み、エージェントゲートウェイでアクセス制御、LLMゲートウェイで障害時のモデル切替やタスクに応じたモデル選択、ガードレールでの制御を行う。アプリ、ユーザー、エージェントの各レベルで状況を見られるという。

#### 提供側と顧客の勝ち筋

Narayan氏は、成果にコミットするFDE(顧客先に入り込んで導入を支援する)モデルの事業者が勝っていると述べた。逆に、Claudeで容易に代替できる低価格製品は厳しいとし、業界特化で業務のニュアンスを捉えるHarveyのような戦略を評価した。顧客側では、コンサル各社が業務を製品化して既存顧客に売る動きを良い点とし、課題はダッシュボードをクリックさせるような体験で、エンドツーエンドでエージェント的な体験にすべきだと指摘した。

#### まとめ

この回の要点は、エージェント導入の焦点が「作る」から「統制する」へ移りつつあるという主張だ。コスト、モデル冗長化、データ保護は日本企業にも共通する論点で、複数のツールが乱立する前にレジストリや評価、ゲートウェイの設計を考える意義は大きい。一方で、数値や顧客事例はNarayan氏自身の説明であり、自社の事業を前提にした見方であることには留意したい。レガシー連携が必要な大企業ではカスタム構築、小規模組織では既存ツール活用という切り分けも、判断の参考になる。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: VUX World「You built AI agents. How do you keep them under control? Ani Narayan, co-founder and CGO of Lyzr AI」