20250328_Jagu'e'r_データ利活用科会_Dify×StreamlitによるAIエージェント活用の模索

© 2025 NTT West Corporation. All Rights Reserved. Dify×Streamlitによる AIエージェント活用の模索 Jagu’e’r データ利活用分科会 #26 2025/3/28 NTT西日本 デジタル改革推進部 高須賀 将秀

© 2025 NTT West Corporation. All Rights Reserved. 2 /12 自己紹介 たかすか まさひで 高須賀 将秀 博士（情報学）（2023/3） 研究分野：組合せ最適化，数理最適化，オペレーションズ・リサーチ（OR），グラフ理論 所属：NTT西日本 デジタル改革推進部（2021/8～）， 法政大学 デザイン工学部 兼任講師（2024/4～），個人事業（Udemy講師等）（2024/6～） 業務：データドリブン経営を牽引する立場 ・データ活用基盤のシステム開発 ・データ分析手法の研究 ・データ分析活用事例の提案 ・デジタル人材育成 資格：クラウド資格（AWS 15/15，MCP 39/49，GCP 11/11）， Microsoft Top Partner Engineer Award（2024）， AWS All Certifications Engineers（2024） 高須賀将秀のホームページ

© 2025 NTT West Corporation. All Rights Reserved. 3 /12 私の研究（博論）内容 ◼ 与えられた全ての工事に対して立会者の割当を決定する問題である ◼ 移動距離や立会者のスキル等の様々な条件を考慮し割当を決定している ◼ 条件は万人共通の条件もあれば手配者の思考や嗜好によって異なるものもある 入力 出力 工事4 工事1 1 工事2 4 手配者 工事5 2 1 工事6 3 工事7 工事8 8 工事9 6 工事5 数理モデル 5 工事6 工事3 手配者 の思考/嗜好 = 7 工事2 4 2 5 工事3 立会者1～4 工事4 工事1 立会者4 3 工事7 立会者1 7 立会者2 工事8 ブラックボックス 化 8 工事9 9 9 立会者3 6

© 2025 NTT West Corporation. All Rights Reserved. 4 /12 私の研究（博論）内容 ◼ 高度な技能を有している手配者により意思決定が行われている工事立会者手配 業務に対し実用的な手配結果を算出可能な数理モデルを構築した 長期効果 短期効果 付随効果 過去の工事立会者手配業務 デジタルデータ活用による工事立会者手配業務 人件費 年間1億（関東エリア：年間6万件） 年間0.1億（関東エリア：年間6万件）（想定） 品質 年間工事事故5件 年間工事事故0件（想定） 総移動時間 11,424 s（3.2 h） 11,593 s（3.2 h）※1 総割当ペナルティ 163 pt 81 pt※1 手配時間 3時間2回/1日 5分×2回/1日 やり方 アナログ（手書き） デジタル 手配結果 ※1：数理モデル4で総移動時間を重視すると, 総合移動時間10,697 s, 総品質146 ptとなる.

© 2025 NTT West Corporation. All Rights Reserved. 5 /12 AIエージェントとは • AIエージェントとは “人工知能（AI）を活用して自律的に判断や行動を行うシステムやプログラム” 他の方と調 整をした会議 室Aを予約 来客があるため， 会議予約して 会議予約することでやるべきこと ・空き状況の確認 ・指定した時刻に空き がない場合、調整 ・会議室確保 ・予定表更新 ・関係者への連絡 会議予約システム bot 予定表 bot メール連絡 bot

© 2025 NTT West Corporation. All Rights Reserved. 6 /12 AIエージェントとは • AIエージェントとは（私の解釈） “大小問わず，ずばり，生成AIのフロー化！（AI Agent = LLM×RPA）” 第4次産業革命 自律化 2010～ 第3次産業革命 自動化 1969～ 第2次産業革命 電気化 1870～ 第1次産業革命 機械化 1784～ 厳密解探索 推論 電話 インター ネット パソコン 機械学習 深層学習 RPA スマート フォン 数理最適化 LLM AIAgent Cloud

© 2025 NTT West Corporation. All Rights Reserved. 7 /12 AIエージェントサービスの比較 • AIエージェントサービスを比較 • AIエージェントはメンテナンスのことを考慮しなければ，ツールを使わず， コード内で実装したほうが早い Dify （LangGenius, Inc.） Playbooks 旧Vertex AI Agent Builder （Google） Amazon Bedrock Agentes （Amazon） Azure AI Agent Service （Microsoft） マルチエージェントの実現 ◎ ◎ ◎ △ 外部データの検索 ◎ ◎ ◎ ◎ 外部ウェブサイトの検索 △ ☆ △ ◎ 会話履歴の保存 ◎ ◎ ◎ ◎ 評価の実施 △ △ ◎ 〇 コンテンツフィルタリング 〇 ◎ ◎ ◎ 生成AIのAIエージェントを大手3社（AWS、Azure、Google Cloud）で徹底比較してみた https://blog.g-gen.co.jp/entry/comparing-agent-architecture-across-cloud-vendors ◎：プレビュー画面から設定可能 ◯ : プレビュー画面から設定不可だが API や代替手段が提供されている △ : 実装する等で利用可能 or 一部のみプレビュー画面より設定可能 ☆：ドメイン所有権を確認したウェブサイトのコンテンツをソースとして設定可能

• https://blog.g-gen.co.jp/entry/comparing-agent-architecture-across-cloud-vendors

© 2025 NTT West Corporation. All Rights Reserved. 8 /12 AIエージェントのアーキテクチャの一例（1/4） フロントをStreamlit、バックエンドをDifyで実装することで、エージェント個別の調整（e.g.プロンプト、ファインチューニング）が容易 Streamlit Dify Storage Cloud Storage Datastore Ingest Cloud Run Application & Presentation Pipelines Cloud Bigtable Compute Engine Pub/Sub Dataflow App Engine gemini Analytics Monitoring Kubernetes Engine Dataflow Logging Compute Engine BigQuery Dataproc Artifact Registry データ活用基盤

© 2025 NTT West Corporation. All Rights Reserved. 9 /12 AIエージェントのアーキテクチャの一例（2/4） • データ活用基盤のデータ分析アシストツール ②テーブル情報から分析例の提示 ③②をもとに任意テキスト入力 ⑤分析結果に沿うクライアントに送 信（仮） ①分析したい対象テーブル選択 ④分析結果確認

© 2025 NTT West Corporation. All Rights Reserved. 10 /12 AIエージェントのアーキテクチャの一例（3/4） • Credly 資格分析ダッシュボード 資格数が多く、ソート機能もなくなったため、 ベンダごとの資格提示の機会があるとき困る データ取得 ↓↓ 各分析ごと にデータ加工 ↓ 必要に応じて CSV出力 https://st-app-credly-504242909255.asia-northeast1.run.app/

• https://st-app-credly-504242909255.asia-northeast1.run.app/

© 2025 NTT West Corporation. All Rights Reserved. 11 /12 AIエージェントのアーキテクチャの一例（4/4） • ヤマザキ春のパン祭り点数計算アプリ https://st-app-pan-504242909255.asia-northeast1.run.app/

• https://st-app-pan-504242909255.asia-northeast1.run.app/

© 2025 NTT West Corporation. All Rights Reserved. まとめ • AIエージェントについてまとめてみた • AIエージェントの活用事例について紹介した • StreamlitとDifyを組合わせたAIエージェントのメリットについて 紹介した 12 /12