新しいAIモデルへのアップグレードは、エンジニアリングチームにとって大きな課題であり、多くの場合、数か月にわたる手動テストや評価を伴います。AI開発の急速なペースと頻繁な大規模モデルの進化がこの問題をさらに悪化させています。Google Cloudの応用MLチームは、モデルのアップグレード時間を数ヶ月から数時間に大幅に短縮するエージェントティックなワークフローを開発しました。このアプローチはブログ記事で詳しく紹介されており、基礎モデルのアップグレードを加速させるための3つの重要な教訓を提供しています。最初のレッスンでは、実際の移行問題を理解し、迅速な最適化ニーズを特定するために製品チームと密接に連携する実践的な発見の重要性を強調しています。第二の教訓は、多様なデータフォーマットや独特なエッジケースに苦しむ従来の自動化の硬直性に警鐘を鳴らしています。第3のレッスンは、特定のプロジェクト要件に適応する柔軟なエージェントアーキテクチャへのピボットの成功例を強調しています。パートナーチームは、このエージェント的フレームワークを用いて、ビデオ翻訳および吹き替えサービスを基礎モデルに成功裏に移行させました。データセットと基準プロンプトを提供することで、システムは自律的にプロンプトの品質を向上させ、カスタム調整モデルの必要性を排除しました。このプロセスは、特定の複雑なタスクに対してファインチューニングよりもプロンプトエンジニアリングの力を示しました。同様の移行ワークフローを実装するために、チームはGemini Enterprise Agent PlatformやGoogle Antigravityを活用できます。主なステップには、手動レビューの代わりに自動品質評価者(Autorater)を導入すること、Agent Development Kitを用いたエージェントループの構築、Antigravityによるオーケストレーションの自動化が含まれます。手動エンジニアリングからインテリジェントオートメーションへの移行は、技術負債を減らし、組織がAIの進歩に追いつくのを助けています。この共同作業にはGoogle内の多くの貢献者が参加しました。