Trane、AgentCoreで空調データの分析を60倍速に。20分が20秒へ

空調機器大手の Trane Technologies は、Amazon Bedrock AgentCore を使って構築したAI エージェントにより、ビル設備の運用に関する情報を得るまでの時間を60分の1に縮めた。AWS のブログで設計を公開した。同社は年間売上高210億ドル超、100か国以上で事業を展開し、世界で数百万台の空調（HVAC）機器をネットワークにつないで管理している。

課題は、データはあっても答えにたどり着けないことだった。稼働データの集約基盤「Trane Cloud」には膨大な情報が集まるが、1つの運用上の疑問に答えるには、複数のダッシュボードを突き合わせ、メニューを掘り進めて20分以上かかることもあった。しかも立場によって欲しい情報が違う。現場の技術者は冷媒圧力や故障コード、営業担当は稼働率やコスト削減の余地、ビルのオーナーは効率や環境面の指標を求めるが、既存ツールは全員に同じ画面を見せていた。

同社の技術チームは3〜4週間でエージェントを作り、20分かかっていた複数画面での診断作業を、自然言語による20秒のやり取りに置き換えた。技術者と数週間かけた社内計測に基づく数字だ。エージェントの枠組みには Strands を、実行環境・記憶・ツールゲートウェイなどの本番基盤にはAgentCore を使い、インフラは AWS CDK でコード化した。

設計上の判断は3つある。1つ目はエージェントの判断ロジックとツールの実行を分離したこと。2つ目は、リアルタイムの稼働データを集中管理のツールゲートウェイ経由で取り込んだこと。3つ目は、利用者の役割に合わせて回答を変えたことだ。構成は1つの巨大なエージェントではなく、それぞれ専用のシステムプロンプトを持つ複数のエージェントに分けた。資料の検索と要約、機器の仕組みやパラメーターの技術回答、稼働データから効率改善の余地や点検対象、故障の原因を探る分析、製品提案の支援、必要なリンクやツールの案内といった具合に、役割ごとに範囲を絞っている。

IoT のデータ基盤を持つ製造業が、その上に会話型の入口を載せて現場の検索時間を削った事例だ。エージェントを機能ごとに分割し、ツール接続をゲートウェイに集約する構成は、同種のシステムを作る際の参考になる。