この発表は、社内でAIを業務に組み込もうとしている企業の担当者に関係します。個人が今すぐ何かを変える必要はありません。Mistral AIは、企業向けのAI基盤「Mistral Studio」に、マネージドエージェント（AIが自分で手順を進めて作業する仕組み）とアプリの機能を加えました。
中核のAIモデルは「Mistral Large 4」で、愛称は「Le Chonk」です。コーディング、サイバー防御、複雑な文書の読み解きに強いとされています。
サイソクの過去記事では、このモデルが総パラメーター（AIの規模を表す数）約1兆のオープンウェイトモデル（重みを公開したモデル）として公開されたことを伝えています（Mistral Large 4の公開を伝えた記事）。
業務の手順を、エージェントとワークフローに任せる
元の発表では、3つの部品の役割を分けて説明しています。エージェントは調べて動く部分です。ワークフローは手順の順番と承認を管理する部分です。アプリは、社員が使う画面にあたります。
Studioは、この3つを共通の基盤の上にまとめます。
エージェントには、チームの手順（スキル）、コードを動かす実行環境（サンドボックス）、作業を分けて任せる子エージェントを持たせられます。途中の処理には独自の仕組み（フック）を入れて、既存のシステムとつなげられます。
ワークフローは、固定ルールで進める手順、AIが判断する手順、人が決める手順を組み合わせます。途中で止まった処理は、止まったところから再開できます。今回は、社内システムのできごとを合図に起動する仕組み（イベントトリガー）と、処理の流れを図で追える画面も加わりました。
製品運用チームは、社内の提案とお客様からの意見の振り分けにワークフローを使いました。AIが不具合の報告と機能の要望を見分け、ルールに沿って担当チームに回します。元の発表では、この作業で週に約35時間の手間が省けるとされています。
開発チームは、本番環境の障害を調べるエージェントを作りました。アラートが鳴ると、エージェントが手順書に沿って調べ、重要な操作の前にはエンジニアの承認を求めます。
調べた結果はSlackに投稿されます。元の発表では、これにより月に数百時間を節約できたとされています。
社内データにつないで、自社の環境で動かす
Studioは、コネクター（外部サービスと接続する部品）とMCPサーバー（AIに社内の道具をつなぐ仕組み）を通じて、社内のデータやシステムにつながります。新しいMCPサーバーを使うと、開発者はMistral Vibeや普段使っているコーディングエージェントから、1つのコマンドでStudio環境に配備できるとされています。
動かす場所は、自社のクラウド、自社のVPC（クラウド上の専用の囲い）、オンプレミス（社内のサーバー）から選べます。組み合わせることもできます。元の発表では、機密データと、その周りの処理を自社の囲いの中に残せると説明しています。
処理の記録はOpenTelemetry（処理の記録を取る共通の規格）の形式で、モデルの呼び出し、道具の利用、承認を1つずつ追えます。評価機能では、プロンプト（AIへの指示文）やモデルを変えたとき、自社のデータセットで比べてから本番に出せます。
すでに本番で使っている企業として、ABANCA、Accenture、BNP Paribas、Capgemini、CMA CGM、Tata Consultancy Servicesなどが挙げられています。
企業で導入を考えるなら、まず自動化したい業務と、動かす場所を決めるのがよいでしょう。エージェントは「インシデント調査」、ワークフローは「ワークフローの作例集」、アプリは「文書審査」の作例集が公式に用意されています。
元の発表は、大規模な本格導入では担当チームに相談するよう案内しています。
編集部の見方では、個人の読者にとっての判断材料は、社内で任せたい作業を具体的に言えるかどうかです。
