Prefactor
Prefactor：AIエージェントの品質・リスクをリアルタイムで評価・制御する信頼性プラットフォーム
Prefactorは、AIエージェントの実行をリアルタイムでスコアリングし、品質、ドリフト、リスクを管理する革新的なプラットフォームです。単なる監視に留まらず、評価に基づいたリアルタイムの介入を可能にします。SDKやCLIを通じて既存のスタックに数分で導入でき、人間の介入や自動ブロック機能により、AIエージェントの信頼性を劇的に向上させます。開発から本番運用まで、エージェントのライフサイクルを統合管理します。
2026-07-30
--K
Prefactor 製品情報
Prefactor: AIエージェントの信頼性を最大化するリアルタイム評価プラットフォーム
現代のAI開発において、AIエージェントの挙動を完全に制御し、信頼性を確保することは最大の課題の一つです。多くのモニタリングツールは「何が起きたか」を後からチャートで示すだけで、問題が発生した瞬間に介入することはできません。Prefactorはこの課題を解決するために開発された、世界初の「リアルタイム・エージェント評価・介入プラットフォーム」です。
What's Prefactor?（Prefactorとは）
Prefactorは、本番環境で動作するAIエージェントのすべての実行（ラン）をリアルタイムでスコアリングし、品質、ドリフト、およびリスクを評価するプラットフォームです。従来の「Observability（可視化）」ツールがダッシュボードの提供で終わるのに対し、Prefactorは評価結果を直接アクションに繋げる「Reliability Loop（信頼性ループ）」を構築します。
「監視（Observe）するだけでは不十分です。介入（Intervene）できなければ意味がありません。」
多くの開発現場では、AIエージェントが個人情報（PII）を漏洩させたり、誤った判断を下したりした後に、ダッシュボードを見て気づくという「手遅れ」の状態が発生しています。Prefactorは、エージェントが行動を完了する前に、その内容がポリシーに適合しているかを検証し、リスクが高い場合には実行を一時停止したり、人間の承認を求めたりすることを可能にします。
Prefactorの主な特徴（Features）
1. リアルタイム・スコアリングと評価
Prefactorは、実行の瞬間に以下の3つの軸でAIエージェントを評価します。
- 品質（Quality）: LLM-as-judge、技術的チェック、定性的メトリクスを用いて、エージェントの回答精度を測定します。
- ドリフト（Drift）: 以前のバージョンや期待されるスキーマからの逸脱を検知します。
- リスク（Risk）: PII（個人情報）やPCI（クレジットカード情報）などの機密データ漏洩リスクを17のカテゴリでスキャンします。
2. クローズドループによる実行制御（Enforcement）
Prefactorの最大の特徴は、評価をアクションに直結させる「エンフォースメント（強制）」機能です。
- Human-in-the-loop: リスクの高いアクション（例：高額の返金処理）を検知した際、SDKを介して実行を一時停止し、人間の承認を待ちます。
- 自動ブロック: ポリシー違反が検出された場合、ランタイムで即座に実行を遮断します。
3. カスタム・スパン（Custom Spans）による文脈の強化
単なるログ出力ではなく、GitHub、Jira、データベース、内部APIなどの外部データソースからコンテキストを取り込み、エージェントの判断が「事実に基づいているか（Grounded）」を正確に評価します。
4. エージェント開発ライフサイクル（SDLC）の管理
AIエージェントをソフトウェアと同じように管理できます。dev、staging、prodの各環境でバージョンを管理し、評価スコアが基準を超えた場合のみ次のステージへプロモート（昇格）させるフローを構築できます。
5. 幅広いスタックへの対応
TypeScriptおよびPython SDKを提供しており、LangChain、Claude、Vercel AI、OpenClaw、LiveKitなどの主要フレームワークに数分で統合可能です。
Prefactorの導入方法（How to Use）
Prefactorは、既存のスタックを入れ替えることなく、わずか数ステップで導入できます。
ステップ1: CLIのインストールと初期化
まず、Prefactor CLIをインストールしてワークスペースを接続します。
$ prefactor init
これにより、実行環境内のエージェントが自動的に検出されます。
ステップ2: SDKの統合
プロジェクトにSDKをインストールし、エージェントをインストルメント（計測可能に）します。
TypeScriptの例:
import { prefactor } from "@prefactor/sdk";
const pf = prefactor({ agent: "claims-processor" });
LangChainを利用する場合:
import { init } from "@prefactor/langchain";
const mw = init({ agentIdentifier: "claims-processor" });
ステップ3: リアルタイム監視の開始
SDKを導入すると、すべてのモデル呼び出し、ツール利用、意思決定がトレースとしてPrefactorにストリーミングされます。ダッシュボード上で、P95レイテンシ、コスト、リスクスコアを即座に確認できるようになります。
主なユースケース（Use Case）
ユースケースA：金融サービスのカスタマーサポート
課題: AIエージェントが誤って顧客の返金処理を実行してしまうリスクがある。 解決策: Prefactorを導入し、100ドル以上の返金アクションが発生した際に実行を「保留（Hold）」に設定。管理者がPrefactorの画面から内容を確認し、承認ボタンを押すまで処理が実行されないように制御します。
ユースケースB：機密データを扱う法務エージェント
課題: 契約書分析中に、AIがPII（個人情報）を外部のログツールに送信してしまう。 解決策: Prefactorの機密データ検出機能を有効化。PIIが検出されたランをリアルタイムで検知し、データが外部に送信される前にブロックします。
ユースケースC：継続的なデプロイメント（CI/CD）
課題: 新しいプロンプトを導入した際、意図せず回答の質が低下する。 解決策: Prefactorでバージョン間のスコアを比較。ステージング環境での評価スコアが本番環境（v1.4）のスコア（例：0.92）を超えた場合のみ、自動的に本番環境へデプロイ（Promote）します。
よくある質問（FAQ）
Q: エージェントの可視化（Observability）とは具体的に何を指しますか？ A: すべてのエージェントの実行を構造化されたトレースデータとしてキャプチャすることです。これには、LLMの呼び出し、ツールの使用、意思決定のプロセス、コスト、パフォーマンスが含まれます。
Q: Prefactorを導入するのに大規模なコードの書き換えは必要ですか？ A: いいえ。TypeScriptやPythonのSDKを数行追加するだけで、既存のロジックを維持したまま導入可能です。CLIによる自動検出機能も備わっています。
Q: ランタイムでの強制介入（Enforcement）はどのように動作しますか？ A: SDKまたはAPIを通じて、実行中のプロセスを一時停止、スロットリング、またはブロックします。これにより、リスクのある行動が完了する前に介入することが可能になります。
Q: セキュリティ面での配慮はされていますか？ A: はい。Prefactorはエンタープライズレベルのセキュリティを考慮して設計されており、最小権限アクセス、完全な監査ログ、17カテゴリの機密データ検出機能を備えています。SSO（シングルサインオン）にも対応しています。
Q: 無料で試すことはできますか？ A: はい。月間25,000スパンまでは無料でご利用いただけます。また、現在早期サインアップ特典として、最初の50名様に100万スパン（2,500ドル相当）を無料で提供しています。
まとめ：AIエージェントの未来をPrefactorと共に
AIエージェントが自律的に行動する世界では、それを監視するだけでは不十分です。Prefactorは、評価をアクションに変え、エージェントが常に安全かつ高品質に動作することを保証します。あなたのAIエージェントに「ブレーキペダル」と「知能的な監視の目」を授けましょう。
