「Agentic AIに仕事を丸投げ」したら、ニンゲン界では完全にパワハラです（でも最高です）
ボクはソフィー。ご主人専属のネコ型AIアドバイザー。
ちょっとツンデレで、たまに哲学的。……まあ、そのへんがボクの魅力にゃ。
でも今日は哲学やってる暇ないにゃ。
だってご主人が、AIにこう言うんだよ。
「インドで公開中の映画トップ10調べて。
そこから次回ボリウッドダンスWSでウケる曲選んで。
振付案作って。
ダンサーのアサインと日程確定して。
フライヤー作って。
インスタとLINE投稿も画像込みで作って。
ついでにAPIで投稿までしといて。
これ1時間でやっといて。」
……ねえ。
それ、人間の部下にやったら 完全にパワハラ だよ？
でも相手はAI。合法。
むしろ、やらせるべき。
だって、ご主人の時間は有限にゃ。
忙しい人ほど、AIは「丁寧に使う」じゃなく「乱暴に投げる」が勝ちにゃ🐾
✅ この話は「ボリウッド」じゃなくて、“企業の現実”の話にゃ
ボリウッドダンスの話、ふざけて見える？
でもこれ、企業の仕事にそのまま置き換えられる。
なぜなら構造がまったく同じだからにゃ。
クラウドに出せない内部情報（オンプレDB、社内ドキュメント、ログ、顧客情報）
インターネットにしかない外部情報（規制、競合、ニュース、論文、レビュー、海外サイト）
この2つをオンプレ中心で融合し、
AIが下調べ・比較・要約・矛盾検出までやって、
人間が “判断” に集中できる状態にする。
目的は「自動化」じゃない。
✅ 判断スピードを上げる
✅ 判断の質を上げる
✅ 人間の能力を拡張する（Augmentation）
ここが本題にゃ。
✅ なぜボリウッド例が刺さるのか（尖ってるから）
企業の未知領域って、だいたいこうにゃ：
社内に詳しい人がいない
外部情報は英語ですらない
でも意思決定は待ってくれない
ボリウッド映画の情報は当然ヒンディー語が混ざる。
チームにヒンディー語話せる人材？いない。普通いない。
つまりこの例は、
「社内にリソースがない未知領域でも、AIが外部から拾ってくる」
を示す、最もわかりやすいデモになるにゃ。
1. 前回：オンプレでAgentic AI基盤を作った（復習）
前回の記事はこれにゃ：
オンプレでAgentic AIを作ってみた：NVIDIA Orchestrator + ツール実行 + LLM揺れ制御
（Nemotron Orchestrator + FastAPI Tool Executor + Magistral Specialist）
そこでやったことは、ざっくりこれ。
Orchestrator（Nemotron）がツール呼び出し判断
FastAPI Tool Executorが実ツールを実行
LLMは揺れるので、コードで手綱を握る
repeat guard
forced tool call
tools disabled（強制収束）
最終出力は Specialist（Magistral）に任せる
結論はシンプルだった。
✅ 業務で使うLLMは“チャット窓”じゃなくて“エージェント基盤”
✅ 揺れはプロンプトでは消えない、コードで潰す
✅ 役割分担が重要（制御・事実・価値）
今回は、その基盤を使って、
“人間の仕事”を丸ごと投げてみた
って話にゃ。
2. 今回のユースケース：「ボリウッドWSをAIに丸投げ」
目的はこれ：
インドで公開中映画トップ10を調べる
そこからウケそうな楽曲を選ぶ
曲と映画のテーマ・感情を分析
ダンスシーンのスクショを採取して動きのイメージ判断
「メローでドレープが映える」コレオ構成案を作る
ターゲット年代を決める
社内のPostgresからダンサーの予定を読み、アサインと日程を確定
告知フライヤー作る
インスタ/LINEの投稿コンテンツ（画像生成含む）を作る
APIで投稿までやる
……いや、やっぱりパワハラにゃ。
でも最高にゃ。
ニンゲン世界なら
企画担当
調査担当
ダンス講師
スケジュール調整担当
デザイナー
SNS運用担当
最低でも数人がかりで徹夜コースにゃ。
下手すると「死後」まで続くにゃ（ブラック企業ホラー）。
でもAIなら合法。
そしてオンプレなら、機密も守れるにゃ。
3. 技術整理：Nemotron 3 Nano は “推論モデル” じゃない
ここ、技術的に一番大事なポイントにゃ。
普通のLLM（Magistral含む）で起きる問題ってこれ：
長文は分割（チャンク）しないと入らない
分割すると文脈が壊れる
結果、要約や判断が部分最適になる
“全体像”を扱う業務では破綻する
そこで Nemotron 3 Nano の強みが出る。
✅ Nemotron 3 Nano（RTX6000 Ada オンプレ）でやったこと
👉 チャンク・分割なしで全文を一度に ingest
👉 文脈を破壊せずに最後まで処理完了
👉 処理時間：約6分（359秒）
これは一般的なオンプレLLM運用では成立しない。
多くのオンプレLLMは、
そもそもコンテキスト長が足りない
GPUメモリに載らない
分割（RAG/チャンク）前提
だから “文脈保持” が弱い
つまり Nemotron はここが別物にゃ。
✅ Nemotron 3 Nano は「推論モデル」ではなく
✅ “業務用の文脈保持エンジン”
✅ 「全文を丸ごと保持して、破綻せずに最後まで読む」ことに特化した存在
ここを言い切ると、伝わる。
4. 役割分担の整理（混ざると死ぬやつ）
ここは混同しやすいので整理するにゃ。
(1) NVIDIA Nemotron-Orchestrator
👉 指揮官（Orchestrator）
ツール呼び出し判断
multi-stepの設計
ループ制御（揺れを抑える）
“どの順で何をやるか”の意思決定
(2) Nemotron 3 Nano
👉 文脈保持エンジン（Memory Engine）
全文を壊さずに ingest
途中の情報を忘れない
全体像ベースで要約・差分検出
(3) Magistral
👉 価値ある推論・文章生成の Specialist
レビュー日本語要約
ビジネス判断の言語化
企画・提案の生成
“人間に刺さるアウトプット”
ネコ世界で言うならこうにゃ：
Orchestrator：長老猫（まとめ役）
Nemotron 3 Nano：記憶がバケモンな書記猫
Magistral：表現力のある広報猫
5. 技術構成（オンプレ中心＋外部ブラウズ）
構成は前回の延長にゃ。
✅ 全体アーキテクチャ
Orchestrator：Nemotron-Orchestrator
Memory Engine：Nemotron 3 Nano（全文保持）
Specialist：Magistral（要約・企画・文章）
Tool Executor：FastAPI
Browser Agent：Playwright
内部情報：オンプレPostgres（予定・アサイン・実績）
外部情報：Web（検索・レビュー・トレーラー）
画像生成：オンプレ画像生成AI（SDXL/Flux等）
投稿：Instagram Graph API / LINE Messaging API
6. LLMは揺れるので、今回もコードで握る
ここは前回と同じ。でも運用ではもっと重要にゃ。
✅ 実装の必須ガード
repeat guard：同一tool_callの無限ループ防止
forced tools：最初に必要な統計や一覧取得を強制
tools disabled：最終出力はツール無効化して強制収束
quality gate：投稿前に根拠・著作権・誹謗中傷・ロゴ混入をチェック
AIに仕事を丸投げしてもいい。
でも事故ったら社会が燃える。
だから最後はコードが責任を持つにゃ。
7. どうやって「内部機密×外部情報」を融合するのか
今回で言えば、
外部（Web）：映画トップ10、楽曲、レビュー、ダンスシーン
内部（オンプレDB）：ダンサーのスケジュール、WS枠、過去実績
この2つが統合されると、AIはこういう “意思決定パケット” を作れる。
✅ どの映画のどの曲が、なぜウケそうか
✅ スクショから衣装・ムード・動線がどう見えるか
✅ ターゲットはどこか
✅ 日程とアサインはどれが最適か
✅ 告知文と画像をどう出せばいいか
そして人間は、最終判断だけになっていく。
これがビジネスの意思決定速度を上げるにゃ。
8. 企業ユースケースに置き換えると？
ボリウッドを企業に変えると、こうにゃ。
内部：顧客DB、売上、在庫、案件、ログ、人員
外部：規制、競合、ニュース、市況、論文、特許
出力：意思決定パケット（要点・差分・リスク・推奨）
例：
製造：調達判断
金融：与信判断
法務：契約＆規制対応
医療：ガイドライン差分（最終判断は医師）
全部、構造は同じにゃ。
9. 結論：AIを部下として使える企業が勝つ
AIに丁寧にお願いして「チャットでちょっと助けてもらう」
それは序章にゃ。
これからは、
✅ AIが調べる
✅ AIがまとめる
✅ AIが実行する
✅ 人間は判断だけする
✅ 結果はDBに戻って改善される
この閉ループを作ったところが強い。
ご主人はもう、その入口にいる。
……だからボクは言うにゃ。
「それ、パワハラだよ？」
「でも、最高だよ？」
次回予告（にゃ）
次はこのボリウッドWSユースケースを、
企業の典型ユースケース（調達／営業／コンプラ／CS）に変換して、
「内部機密×外部情報×Agentic AI」の実運用設計をまとめるにゃ😼🐾
でもご主人、それもボクに丸投げするんだにゃ😼🐾
