サーバーレス クラウド アーキテクチャは最新の AI エージェントに失敗している

10 年近くにわたり、クラウド アーキテクチャは、すべてをステートレスに保つという単純なルールによって形成されてきました。 AWSラムダなど サーバーレス プラットフォームでは、チームがワークロードを、永続的な状態を持たず、ローカル リソースを最小限に抑えた、小さくて短期間の関数に分割することを奨励しました。このモデルは拡張性に優れ、コスト効率が高く、現代のバックボーンとなりました。 マイクロサービス。

2025 年までに、 AIエージェント 金融、ヘルスケア、エネルギー、電子商取引、ソフトウェア開発などの分野にわたる生産に直接導入されました。インシデントの調査、ドキュメントの分析、複数ステップのタスクの調整、テストの実行、内部システムの操作など、実際のビジネス ワークフローに取り組み始めると、1 つのパターンが避けられなくなりました。Lambda スタイルのアプローチではそれらをサポートできないということです。サーバーレスを魅力的なものにしている前提は、まさにエージェントが違反した前提でした。

2 つの教訓により、2025 年は企業がエージェントを安全かつ予測どおりに運用できるようになるということになります。

レッスン 1: Virtual Private Cloud (VPC) とオンプレミスが、機密エージェントのワークロードのデフォルトになりました。

一か八かの環境では、プライベート クラウドとオンプレミス実行への移行が特に明確になりました。パブリック大規模言語モデル (LLM) API を使用した初期段階の実験では、リスク、コンプライアンス、セキュリティ チームからの難しい質問に取って代わりました。データはどこに行くのか、誰が閲覧できるのか、何がログに記録されるのか、監査要件を強制できるのかなどです。顧客情報、内部 API、または機密文書に触れるエージェントのワークフローでは、パブリック エンドポイントは受け入れられなくなりました。

スノーフレーク2025 年の継続的な拡大 皮質 業界がどのように反応したかを説明しました。これまで、Snowflake は、コンピューティングとストレージが Snowflake が管理するインフラストラクチャに密接に結び付けられた、集中型のクラウドホスト型モデルを運用していました。 Cortex はそのパターンからの脱却を示しました。 Cortex は、Snowflake の環境でモデルを実行するのではなく、顧客の既存の Snowflake VPC 内で直接実行します。つまり、エンベディング、モデル推論、ログ、エージェント駆動ツールの呼び出しはすべて、企業独自のネットワーク境界内に留まります。この変化は単なる便宜的なものではありませんでした。スノーフレークは、厳格な監査規則と外部からの影響を一切許容しない業界にとって、これを不可欠なものとして位置づけました。 データの移動、しかしエージェントのリスク管理は暗黙的でした。

他のセクターでも同様の変化が見られました。 Sana の 2025 年後半の産業および金融展開の分析では、企業が VPC またはエージェント プラットフォームのオンプレミス インストールをますます要求していることが強調されました。これらの組織は、エージェントが内部 ID プロバイダーを使用して認証し、内部権限構造を尊重し、既存のクラウド セキュリティ境界内で完全に動作する必要がありました。それ以外の場合は、許容できない運用上および規制上のリスクが生じます。

この傾向は、より広範な認識を反映しています。エージェントが機密データを操作したり、運用システム内でアクションを実行したりできるようになると、エージェントは特権のあるソフトウェア コンポーネントになります。また、特権システムは企業の境界の外に存在することはできません。

なぜそれが重要なのか: エンタープライズ AI プログラム エージェントのワークロードが内部データに影響を与えることを想定する必要があります VPC ネイティブまたはオンプレミスのデプロイメントが必要になります。この変化により、ベンダーの選択、コスト計画、ネットワーク アーキテクチャ、アイデンティティ設計、および組織がエージェントの開発と監視のためのパイプラインを構築する方法が形成されます。

レッスン 2: エージェントの実行はステートレス機能から永続的なクラウド ワークステーションに移行しました。

2025 年を決定する 2 番目の変化は建築面でした。 AI エージェントはミリ秒単位で動作するわけではありません。これらは、過去のコンテキストの参照、中間ファイルの作成、検証の実行、複数のツールの呼び出し、長時間にわたるタスクへの戻りなど、一連のステップにわたって機能します。このワークフローは、呼び出しが終了すると何も保持されないというサーバーレスの前提と基本的に互換性がありません。

従来のサーバーレスでは、関数が短時間実行され、ローカル状態が保持されず、毎回ツールがリロードされることが前提となっていますが、エージェント ワークフローでは、長期間存続するワークスペースに近いものが必要です。彼らはツールに安定してアクセスできる必要があります。ステップ全体でコンテキストを保持する必要があります。行動のたびに環境を再構築する余裕はありません。そして、それらは一連の孤立したイベントではなく、連続した作業単位として観察可能でなければなりません。

フロンティア モデル ラボは、2025 年を通じてこの変化を実証しました。OpenAI と Anthropic の公開デモでは、エージェントがコードの作成と実行、ブラウザ インターフェイスの操作、ドキュメントの検索、ツール間での調整ができることが示されました。これらのワークフローは、ステップ全体で状態とツールを保持する永続的な実行環境内でのみ意味を持ちます。基盤となるインフラストラクチャは、一時的な機能というよりは、軽量のクラウド ワークステーションのように見えました。

Google DeepMind の調査でも同じパターンが反映されています。そのツールを使用するデバッグ、コード実行、ブラウザベースのタスクのためのエージェントはすべて、繰り返し試行しても依存関係、キャッシュ、テスト ランナーが利用可能な安定した環境に依存していました。継続性がなければ、ワークフローは失敗するか、非常に遅くなります。

多くの企業がこのことを直接発見しました。強制しようとしています エージェントをステートレス アーキテクチャに統合 環境の再構築、ウォームアップ時間の遅さ、一貫性のない動作、デバッグの課題が発生しました。チームが永続的な環境を採用するにつれて、予測可能なパフォーマンス、トラブルシューティングが容易になり、分離されたログではなくエージェントの軌跡を観察できるようになりました。

なぜそれが重要なのか: 永続的な実行環境への移行により、オーケストレーション、リソース管理、コスト、セキュリティに関する組織の考え方が変わります。コンピューティングのコアユニットはマイクロ呼び出しではなくなりました。セッションです。企業には、分離とガバナンスを維持しながら、エージェント セッション全体をスケジュール、一時停止、再開、監査、終了できるツールが必要です。

クラウド アーキテクチャの向かう先

これら 2 つの変化は、AI エージェントの新しいクラウド パターンを指しています。

1. 導入は、データの保存場所、監査可能性、および規制要件に合わせて行う必要があります。
2. 実行では、ステートフルな複数ステップのワークフローをサポートする必要があります。
3. オーケストレーションでは、個々のプロンプト コールではなく、エージェントのセッション全体を信頼性と制御の単位として扱う必要があります。

これは、作業をステートレスな小さな部分に分割することを中心に構築された 10 年間のクラウド設計からの脱却を表しています。エージェントは企業に、意味のある自動化には継続性、コンテキスト、制御が必要であるという単純な現実を受け入れるよう強いました。

今後、この新しいアーキテクチャに適応する組織は、信頼性が高く、管理され、運用の準備ができているエージェントを実行することになります。エージェントのワークロードに関してサーバーレス時代のパターンを拡張しようとする人は、モデルではなくインフラストラクチャが本当のボトルネックであることに気づくでしょう。