この記事について海外で公開された情報をもとにAIが要約・解説した記事です。原文の翻訳ではありません。正確な内容は記事末尾の出典元をご確認ください。
この記事の要点
  • 6事業部門・150以上の業務シナリオをカバーし、主要カテゴリでチケットを最大84.5%削減
  • 6層構成。窓口はMicrosoft Teams、判断はAgentCore上のオーケストレーターが担う
  • 新ドメインの追加はゲートウェイとMCPツール定義の追加で済み、中核部分は変更不要

何が発表されたのか

マレーシアの5G通信事業者であるU Mobileが、社内の問い合わせ対応をエージェント型AIで自動化する「AiDaH(AI-Driven Agentic Helpdesk)」を構築した事例をAWSが公開した。AWSとAWSパートナーのAxrailが支援し、基盤にはエージェントの構築・接続・最適化をまとめて行うAmazon Bedrock AgentCoreを採用している。導入開始から1年で、6つの事業部門にまたがる150以上の業務シナリオを扱うまでになったという。

社内計測では、主要カテゴリにおいてトラブルチケットの件数が最大84.5%減少したとしている。U Mobileは従来から「少ない人数で多くのことをこなす」リーンな運用を続けており、AiDaHは単発のAI導入ではなく、その延長線上にある取り組みと位置づけられている。まず2体のパイロットエージェントから始め、段階的に対象を広げた経緯も示されている。

エージェント型との違い

従来のAIアシスタントは、問い合わせ対応の下書きやトラブルシューティング手順の提示までは支援できる。しかし、複数のシステムを行き来して原因を調べ、是正策を組み立てるところまでは担えない。U Mobileはこのギャップを埋めるためにエージェント型の構成を選んだと説明している。

原文では「海外でモバイルデータが使えない」という問い合わせを例に挙げている。従来は担当者がローミング状態や国際データの利用資格を手作業で確認し、必要ならチケットを起票していた。AiDaHでは、システム側が設定と資格を確認して障害箇所を特定し、どのサービスをリセットし、どの設定を反映し、ネットワークチケットが必要かを是正案としてまとめる。担当者は内容を確認して承認する。

実運用での例も示されている。アドオンの購入ができないという申告に対し、AiDaHは「Subscriber has pending order」というエラーコードに突き止めた。さらに、同じ利用者が3日間に複数チャネルから30回以上同じ購入を試み、そのたびに同じ未処理注文で止まっていたことも明らかにした。人間の判断は、加入者のアカウントに実際に変更が加わる場面で残す設計としている。

6層アーキテクチャ

AiDaHはAsia Pacific (Singapore)リージョンに展開され、6つの層で構成される。利用者の窓口はMicrosoft TeamsとWebポータルで、WebポータルはAmazon CloudFrontとAWS WAFで保護され、背後のAWS LambdaとREST APIがリクエストを受ける。Teamsを選んだのは、利用者が日常的に使う場所で完結させ、新しいアプリを覚えずに済むようにするためだとしている。

中核はオーケストレーション層で、すべてのリクエストがロールベースアクセス制御、本人確認、ガードレールからなる事前チェックを通る。その後、コスト最適化されたルーティング層に入り、約70%はモデルを呼び出さずキーワードの決定論的マッチングで処理され、20%は軽量モデルで分類され、全体の10%だけがフル機能のオーケストレーターを必要とする。原文は「確実に処理できる最も安い経路が実行される」と説明している。

専門エージェントは8体で、CRM、顧客問題管理、番号ポータビリティ、注文とSIM運用、インフラ監視、ビッグデータ分析、クラウドコスト管理、財務運用を分担する。エージェント同士はAgent2Agent(A2A)プロトコルで連携し、単独では完結しないシステム横断の処理を委譲し合う。バックエンド側ではAgentCore GatewayがMCP(Model Context Protocol)の統一インターフェースとなり、背後のLambda関数やMCPサーバーがエージェントの意図を各システムへの呼び出しに変換する。ナレッジはBedrock Knowledge BasesとAmazon OpenSearch Serverlessのベクトルストアが支え、会話の文脈はAgentCore memory、権限モデルとセッションメタデータはAmazon DynamoDBが保持する。

変更に強い構成とセキュリティ

新しい業務ドメインを追加するときは、ゲートウェイとMCPツール定義を足すだけで済むとしている。リクエスト処理の流れのうち、窓口、事前チェック、ルーティング、応答と監査の部分は変更不要で、原文はこの安定した中核が新ドメインあたりの追加コストを低く保つと説明する。

オンプレミスとクラウドの運用システムへは、AWS Transit GatewayとAWS Site-to-Site VPN(IPsec暗号化)経由で接続し、パブリックインターネットには露出させない。ツール呼び出しの認可はAmazon Cognitoが仲介し、AgentCore Observabilityがプロンプト、ツール呼び出し、トークン数、レイテンシのトレースをAmazon CloudWatchに書き、AWS CloudTrailが対応するAPI活動を記録する。

セキュリティはアプリケーション層だけでは足りないとして、U Mobileは本番拡大の前にAWSへ依頼してLanding ZoneのWell-Architected Security Reviewを実施した。同レビューは環境をAWSのセキュリティベストプラクティスに照らして検証したとされている。加えて、Amazon Bedrock AgentCoreに組み込まれたセキュリティ機能を土台にしている。

現時点で分かっていないこと

公開されている原文は、Landing Zoneレビューの具体的な指摘内容や、その後に実施した対策の記述が途中で終わっている。AiDaHの運用コスト、利用しているモデルの構成、可用性の目標値なども示されていない。

84.5%という削減率はU Mobileの社内計測であり、第三者による検証ではない点には注意したい。対象も「主要カテゴリ」に限定されており、全社のチケット総数が同じ割合で減ったことを示す数字ではない。また、誤った是正案の発生率や、担当者による承認の却下率といった品質側の指標は原文に記載がない。

従来のAIアシストとAiDaHの役割の違い
項目従来のAIアシスタントAiDaH
主な支援範囲回答文の下書きと対処手順の提示複数システムの横断調査と是正案の作成
加入者情報の確認担当者が手作業で確認システムが自動で確認
最終判断担当者が判断して実行担当者が確認・承認して実行
調査のタイミング担当者が作業を始めてから担当者が内容を読む前に完了
原文からの引用
With AiDaH, the system independently checks the subscriber's roaming configuration, verifies international data eligibility, and identifies the specific point of failure.

AiDaHでは、システムが加入者のローミング設定を独自に確認し、国際データの利用資格を検証し、具体的な障害箇所を特定する。

今後の見通し

次の焦点は、同じ構成を他の通信事業者や企業が再現できるかどうかとみられる。AiDaHは既存のMicrosoft Teamsを窓口にし、新ドメインの追加をゲートウェイとMCPツール定義の追加に留める設計で、段階的な拡張を前提としている。効果を判断するには、チケット削減率だけでなく、誤った是正案の発生率や人間による承認の却下率といった品質指標が示されるかが材料になる。原文が途中で終わっているセキュリティレビューの詳細や、推論コストを含む運用費の内訳が公開されれば、導入可否の検討はより現実的なものになる。

日本の開発者・IT企業にとっての意味

日本のIT企業にとっても、社内ヘルプデスクや運用問い合わせは複数システムをまたぐ調整作業が多く、生成AIの下書き支援だけでは工数が減りにくい領域である。AiDaHの構成は、窓口を既存のチャットツールに置き、ルーティングでモデル呼び出しを絞り、バックエンドをMCPのツールとして公開するもので、既存システムを大きく作り替えずにエージェントを足していく進め方の参考になる。特にリクエストの約7割をモデルなしで処理する設計は、エージェント導入で懸念されやすい推論コストへの一つの答えとみられる。一方、権限モデル、監査ログ、ネットワーク経路は自社の統制に合わせた設計が必要になる。小さいパイロットから始め、シナリオ数を段階的に増やす進め方も実務的だろう。

気になる点

エージェント型にすると、担当者の仕事はどう変わるのか
原文の例では、担当者は回答文を一から作るのではなく、システムがまとめた調査結果と是正案を確認して承認する役割になる。加入者アカウントに実際の変更が加わる場面では、人間の判断が残る設計とされている。
コストはどうやって抑えているのか
ルーティングを3段階に分け、約70%はモデルを呼び出さずキーワードの決定論的マッチングで処理する。20%は軽量モデルで分類し、フル機能のオーケストレーターを使うのは約10%にとどめる構成としている。
既存の社内システムは作り替える必要があるのか
原文では、オンプレミスとクラウドの運用システムをAWS Transit GatewayとSite-to-Site VPN経由で接続しており、既存システムを置き換えたという記述はない。新ドメインの追加はゲートウェイとMCPツール定義の追加で対応できるとする。日本リージョンでの提供状況は原文に記載がない。

用語解説

エージェント型AI
指示に応じて複数のシステムを操作し、調査から実行までを段階的に進めるAIの構成。文章生成だけでなくツール呼び出しを伴う点が特徴。
RAG
外部の文書やデータを検索し、その内容を根拠として回答させる手法。原文ではAmazon Bedrock Knowledge Basesが担う。
MCP
モデルと外部ツールをつなぐインターフェースの仕様。ツールの入出力を型付きで公開でき、連携ごとの個別実装を減らせる。
A2A
エージェント同士がタスクを委譲し合うためのプロトコル。専門エージェントの分業と協調を支える。
ガードレール
生成AIの入力や出力を制限する仕組み。権限外の操作や不適切な応答を防ぐ目的で使われる。
ロールベースアクセス制御
利用者の役割に応じて操作できる範囲を決める方式。原文では6段階の権限モデルとして実装されている。

出典

How U Mobile built agentic telco operations with Amazon Bedrock AgentCore

Amazon Web Services / Jin Tiong Lim / 2026年11月5日

https://aws.amazon.com/blogs/machine-learning/how-u-mobile-built-agentic-telco-operations-with-amazon-bedrock-agentcore

AI導入も顧問も、お任せください

何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて整理し、導入から運用まで伴走します。相談だけでも構いません。

AI導入について相談する