Trovata、Amazon BedrockとAgentCoreで自律型トレジャリーエージェントを構築

Trovataは、Amazon BedrockとAmazon Bedrock AgentCoreを利用し、日常的な企業トレジャリー業務を継続的かつ自動化されたワークフローへ変えている。AWSの新しいケーススタディが伝えている。プラットフォームは、銀行データへの自然言語アクセスと、資金活動の監視、異常の調査、既存のロールベース権限に基づく更新通知を行うエージェントを組み合わせる。

この発表が重要なのは、トレジャリー業務が依然として、分断された銀行ポータル、スプレッドシート、レガシーなトレジャリー管理システムに大きく依存しているためだ。Trovataのアプローチは質問に答えるAIアシスタントを超えている。エージェントはスケジュール、トリガー、ルールに基づいて実行され、企業のトレジャリー運用システム内で継続的に動作できる。

AWSはこの導入を、エンタープライズソフトウェア事業者が規制対象の金融ワークフローにエージェント型AIを組み込む方法の一例として示している。ただし、利用可能な根拠はAWSとTrovata自身の説明に基づく。ケーススタディに記載された顧客の削減額、導入状況、性能の数値はベンダー報告であり、独立検証されたものではない。

トレジャリーデータの集約から自律型ワークフローへ

Trovataは、自社を1万以上の銀行に直接接続する、AIネイティブな現金・流動性管理プラットフォームと説明している。システムは、現金レポート、予測、分析、資金移動を1つのクラウド環境に集約する。財務チームが多数の銀行ウェブサイト間で情報を照合する必要はない。

AWSによると、Trovataは2023年にトレジャリー向けの生成AIを導入した。その後、静的な洞察の提供から、同じプラットフォームに組み込まれた自律型エージェントのサポートへ拡大した。この違いは製品設計の中心にある。AIはトレジャリーオブジェクトと検証済みデータインターフェースに接続されており、既存アプリケーションの上に置かれた汎用チャットボットとして動作するわけではない。

プラットフォームには、複数銀行のデータについて自然言語で質問できるTrovata AI Chatが含まれる。トレジャリーユーザーは、過去のある日における全口座の純現金ポジションを尋ねられる。システムはTrovataのAPI層を通じて関連情報を取得し、安全な環境内に結果を表示する。

AI Insightsと呼ばれる第2の層は、異常の特定、差異の説明、傾向の発見を目的とする。AI Agentsコンポーネントは、これらの機能を定期的なワークフローに変える。エージェントは活動を監視し、変化を調査し、チームメンバーが毎日同じ分析を繰り返さなくてもレポートを送信できる。

Trovataは、エージェントの動作と範囲を定義するAgent Builder-Configuratorも提供する。企業向けロールベースアクセス制御により、エージェントが利用者や提供対象のワークフローと同じ権限境界を継承するよう設計されている。

Amazon BedrockとAgentCoreが設計に果たす役割

AWSによると、Trovataがクラウドプラットフォームを選んだ主な理由は3つある。リアルタイム実行のためのサーバーレスインフラ、モデル推論のためのAmazon Bedrock、オーケストレーションとセキュリティのためのAmazon Bedrock AgentCoreだ。ケーススタディは利用されたすべてのモデルを明らかにしておらず、インフラ費用の完全な内訳も示していない。そのため、このアーキテクチャは完全に再現可能な導入仕様ではなく、製品パターンとして理解すべきだ。

Amazon Bedrockは、自然言語の理解と生成に使われる大規模言語モデルの推論を提供する。AgentCoreは自律型ワークフローのランタイムとオーケストレーション層を提供する。AWSはAgentCoreを、ロールベースの制御と大規模なデプロイをサポートできる、企業エージェント向けの分離環境と説明している。

実務上の役割分担は開発者にとって重要だ。Trovata独自のアプリケーションは、銀行システムへの接続と検証済みトレジャリーデータの公開を引き続き担当する。AgentCoreはアクションとワークフロー実行を調整し、権限がエージェントに見えるもの、実行できることを制限する。この構成により、言語モデルが金融システムへ無制限の呼び出しを行うリスクが抑えられる。

このアーキテクチャは、実運用のエージェントシステムに関するAWSの広範な推奨事項も反映している。すべてのツールと判断を1つの巨大なエージェントに詰め込むのではなく、専門的な責任を分離するという考え方だ。関連するリファレンスアーキテクチャで、AWSはデータ、モデル推論、オーケストレーション、セキュリティ、アプリケーション提供、可観測性、継続的評価を別々の層にすることを推奨している。これはTrovataが各層を完全に同じ方法で実装している証明ではないが、AWSがケーススタディで強調する設計判断の背景を示している。

Trovataの成果を裏付ける証拠

AWSは、Trovataの顧客が年間換算で100万ドルを超えるコスト削減を達成し、会計チーム1チーム当たり1日5時間以上を節約し、年間TMSコストを77％削減し、トレジャリーレポート作成を数時間または数日から1分未満に短縮したと報告している。

これらの数値が代表的なものであれば、特に資金判断の前に財務スタッフがデータの収集と照合に多くの時間を費やす企業にとって重要だ。しかし、ケーススタディには顧客ごとの方法論、ベースラインの定義、サンプル数、主張の独立検証が示されていない。したがって、一般的なトレジャリー導入のベンチマークではなく、報告された成果として扱うべきだ。

最も強く確認できる証拠はアーキテクチャに関するものだ。AWSは、Amazon Bedrock、AgentCore、サーバーレスAWSインフラ、Trovataの銀行接続、自然言語クエリ、自動化された洞察、RBACで保護されたエージェントの利用を文書化している。また、エージェントが応答を生成する前に、Trovataの検証済みAPI層を通じてデータを取得することも説明している。

このAPI境界は、会話インターフェースよりも重要かもしれない。金融業務の正確性は、モデルの言語出力だけでなく、基盤となる残高、取引、口座データが最新で、適切な範囲に限定され、追跡可能かどうかにも左右される。統制されたデータ経路があれば、プロダクトチームは自由形式の応答に頼るのではなく、既知のトレジャリーオブジェクトに対してエージェントを検証できる。

AI開発者と購入者にとっての意味

開発者にとって、Trovataの例はアシスタント機能から業務自動化へ進む道筋を示している。チャットインターフェースはデータへのアクセスを容易にできるが、手作業をプロセスから取り除くのは反復的なエージェントだ。有用な単位は単なるプロンプトと応答ではなく、スケジュール、トリガー、データソース、権限モデル、配信手段を備えた境界の明確なワークフローである。

このモデルはエンジニアリングの負担も変える。チームは、読み取り専用のアクション、記録を変更したり資金移動を開始したりできるアクション、承認が必要なアクションを定義しなければならない。エージェントの判断の監査証跡、失敗または曖昧なタスクへの制御、金融データに対する根拠性と正確性を測る評価手法も必要だ。AWSの別の企業向けリファレンスアーキテクチャは、可観測性、コスト追跡、安全性チェック、継続的評価を、後から追加するものではなく本番要件として推奨している。

企業の購入者は、エージェントが古い銀行データ、存在しない口座、相反する残高、異常な取引をどう処理するかを確認すべきだ。また、権限が口座、法人、ワークフローの各レベルに適用されるか、説明の根拠をプラットフォームが示せるかも調べる必要がある。Trovataが示すRBACのアプローチは問題の重要な部分に対応しているが、提供されたケーススタディでは、詳細な監査、承認、エラー復旧の動作は明らかにされていない。

競争上の意味は、トレジャリーソフトウェアのベンダーが、ダッシュボードだけでなく組み込み自動化を巡って競争する可能性が高まることだ。流動性を継続的に監視し、変化を説明できるプラットフォームは、手動レポートツールの価値を下げる可能性がある。同時に、特にエージェントが支払いや資金移動のワークフローに近づく場合、購入者は信頼性と制御を証明できるベンダーを選ぶだろう。

AWSの他のAgentCoreケーススタディもこの傾向を裏付ける。Tata Consultancy Servicesは自動テストプラットフォームに専門エージェントとテナント分離を利用した。一方、Greenlight Financialは、同社のLunaシステムが月最大4,000件のセキュリティおよびリスク案件の90％超を人間の介入なしに解決したと報告している。これらもベンダー報告の成果だが、例を合わせて見ると、AWSがAgentCoreをチャットボットのバックエンドだけでなく、規制環境におけるマルチエージェントシステムの基盤として位置付けていることが分かる。

今後注目すべき点

今後の指標は、Trovataが本番利用について、アクティブ顧客数、エージェント実行量、失敗率、人間の承認が必要なワークフローの割合など、さらに詳細を開示するかどうかだ。独立した顧客事例があれば、再現可能な成果と選別された成功事例を区別しやすくなる。

プロダクトチームは、自律型トレジャリーエージェントが監視やレポートを安全に超え、支払い準備、資金移動、予測に基づく意思決定といった制御されたアクションへ進めるかも注視すべきだ。こうした能力には、承認、職務分離、監査可能性、インシデント対応について、より高い要件が生じる。

AWS側では、AgentCoreのランタイム、アイデンティティ、ポリシー、メモリ、評価機能の発展が、企業が運用スタックのどこまでを標準化できるかを示す。トレジャリーベンダーがレイテンシ、信頼性、費用のバランスを取るなか、モデルの選択、推論コスト、ワークフローを再設計せずにモデルを切り替えられる能力は重要であり続ける。

Creati.aiの見解

Trovataの事例が注目されるのは、トレジャリーソフトウェアに会話層を追加したからというより、AIを常時稼働する運用コンポーネントとして扱っているからだ。検証済みAPI、スケジュール実行されるエージェント、RBACの組み合わせは、無制限の自動化より信頼できる企業パターンを示している。エージェントは、その範囲、データ、権限が明確である場合に有用になる。

報告された削減効果が、異なる銀行環境やリスクポリシーでも維持されるかは未解決の問題だ。AI開発者と企業の購入者にとっての教訓は、エージェントシステムを単なるモデル搭載ユーザーインターフェースではなく、権限、根拠、復旧、測定可能な成果を備えた金融インフラとして評価することである。