ZenML (ゼンエムエル) は2026年7月9日(現地時間)、共同創設者のハムザ・タヒール (Hamza Tahir) 氏が、AIエージェントをデモ段階から信頼性の高いプロダクションシステムへ移行させるためのMLOps原則に関する知見を提示し、同社の新しいプロジェクト「Kitaru (キタル)」を発表しました。このプロジェクトは、開発者がレジリエントでリプレイ可能、かつ観測可能なエージェントシステムを構築することを支援します。
ZenMLの共同創設者であるハムザ・タヒール (Hamza Tahir) 氏は、Practical AIのポッドキャストで、MLOps (機械学習運用) の原則がGenerative AI (生成AI) の未来をどのように形成しているかについて説明しました。同氏の議論は、AIエージェントをデモ段階から信頼性の高いプロダクションシステムへ移行させるために必要なワークフロー、エージェントハーネス、フリート、およびインフラストラクチャに及んでいます。
ZenMLの新しいプロジェクトKitaru (キタル) は、開発者がレジリエントでリプレイ可能、かつ観測可能なエージェントシステムを構築することを支援します。このプロジェクトは、オープンソースツールやプロダクションにおける課題にも対応するものです。
タヒール氏は、ZenMLを約5年前に共同設立したと述べ、MLOpsがAIおよび機械学習ワークロードをプロダクション化する方法について議論が活発だった時期と重なるとしました。MLOpsにおける経験から得られた原則は、AIエージェントの領域においても再発見されていると指摘。非決定的なコードを安全かつ信頼性高く、リトライ可能な形で実行するための良いソフトウェアエンジニアリングコードの書き方に集約されると説明しました。
ホストのダニエル・ウィットナック (Daniel Whitenack) 氏は、過去のGenerative AIにおけるワークフロー自動化の段階と、現在のAIエージェントにおけるワークフローの存在について言及しました。タヒール氏は、すべてのソフトウェアは本質的にグラフであり、if-else分岐や一連のステップ実行もグラフ構造に該当すると述べました。従来の機械学習パイプラインにおけるワークフローは、データのロード、前処理、モデルのトレーニング、評価など、事前にステップが分かっていたためDAG (有向非巡回グラフ) 構造に適していたと説明しています。
参考: Practical AI (Changelog) — 2026年7月9日 18:00 (JST)