知るメモ｜【AIエージェント】｜ただのチャットAIとは違う「自律型AI」の衝撃！～何がそんなにすごいの？

今回は、Podcast風に書いてみます。

登場人物

• Kento（健人）：AIエンジニア。LLMやエージェント系システムの設計・開発が専門。週の半分はコードと格闘している。

• Yuki（由紀）：ソフトウェアエンジニア。Webアプリ開発が本業だが、AIは「使う側」の意識が強く、エージェントはまだあまり触っていない。

• Mana（愛奈）：フリーランスのグラフィックデザイナー。ChatGPTは毎日使うが、AIエージェントという言葉は聞いたことがある程度。

Kento： はい、始めましょうか。
今日はAIエージェントについて話すんですよね。

Yuki： 最近よく聞くようになったじゃないですか、「エージェント」って言葉。
でも正直、ChatGPTとどう違うの？って感じで。

Mana： あ、私もそれ思ってました。
なんか賢いAIのことを「エージェント」って呼んでるだけ？みたいな認識で……。

Kento： はははっ、それは鋭いツッコミですよ（笑）。
確かに言葉が先走ってる感はありますよね。でも実はちゃんと定義があって、そこがすごく面白いんです。

Yuki： じゃあ今日は健人さんに全部ぶつけていこう。

Kento： どうぞどうぞ、遠慮なく。

Mana： では、ちょっと聞いてもいいですか。
健人さんって、普段どういう場面でAIエージェント使ってるんですか？日常的に？

Kento： めちゃくちゃ使ってますよ。
たとえばコードのバグを調べるとき。昔だったら「エラーメッセージをコピーして、検索して、StackOverflowを読んで…」みたいな流れじゃないですか。
でも今は、エージェントに「このエラー直して」って言うと、コードを読んで、問題を探して、修正案を作って、テストまで回してくれたりする。

Yuki： えっ、テストも？それはもうコーディングアシスタントのレベルじゃない気がするんだけど……。

Kento： そこなんですよ！それがまさにエージェントの話で。

Mana： 私はもう、ChatGPTにバナーの文章考えてもらうだけでも十分便利だと思ってたけど……なんかスケールが違う話になってきた（笑）。

Yuki： Manaさん的にAI使って「これは便利！」って思ったのって、どんな瞬間でした？

Mana： うーん、クライアントへの提案メール書くとき。
状況説明して「丁寧なトーンで」って頼んだら、めちゃくちゃいい文章が来て。私、文章苦手なので本当に助かった。

Kento： それ、実は今日の話に全部つながるんですよね。
「状況を伝えて、目的を伝えて、判断してもらう」というのが、エージェントの基本的な考え方でもあるので。

そもそも「エージェント」って何が違う？

Mana： じゃあ聞いちゃいます。ChatGPTと、AIエージェントって、何が違うんですか？

Kento： 一言で言うと、「会話するだけか、行動するか」の違いですね。

Yuki： 行動する、か。

Kento： 普通のチャットAI、たとえばChatGPTに何か聞くと、答えを「テキストで返す」じゃないですか。
それ自体はすごいんですけど、基本的には「入力→応答」の一往復なんです。
エージェントはそこから先があって、「その答えをもとに、次に何をするか自分で決めて、実際に動く」んです。

Mana： 自分で決める……？

Kento： そうです。
たとえば「来週の出張の移動を手配して」って頼んだとします。
普通のAIだと「新幹線の予約方法はこうですよ」って教えてくれる。
でもエージェントは、カレンダーを見て日程を確認して、乗換案内を調べて、予約サイトにアクセスして、チケットを取る、みたいな一連の行動を自分でこなしていく。

Yuki： それ、全部自動でやるってこと？

Kento： できるように設計されたエージェントなら、そうです。
ポイントは「ツールを使える」「複数ステップを自分で計画して実行できる」「途中の結果を見ながら次の行動を変えられる」の3つがそろってることですね。

Mana： ちょっと待って。
「途中の結果を見ながら次を変える」って、それもうAIが考えてるってこと？

Kento： そうなんです。そこが大きな違いで。
以前のAIは「1回答えを出したら終わり」だったんですが、エージェントは「今の状況を観察して、目標に近づくために行動を選ぶ」という繰り返しのループで動いてます。
これを専門的には「ReActループ」とか「Observe → Think → Act」のサイクルって言ったりします。

具体的にどういう仕組みになってる？

Yuki： ちょっとエンジニア目線で聞かせてください。エージェントって、コード的にはどういう構造になってるんですか？

Kento： 大雑把に言うと、中心にいるのは「LLM」大規模言語モデルです。
で、そのLLMが「司令塔」として動いてます。
そのLLMに対して「ツール」と呼ばれる機能を用意しておく。
Web検索、コード実行、ファイル読み書き、メール送信、API呼び出し……そういうものです。

Yuki： LLMが「このツールを使え」って判断するわけか。

Kento： そう。
たとえば「明日の東京の天気を教えて」ってエージェントに頼んだとします。
LLMが「これは天気APIを呼べば解決できる」と判断して、API呼び出しというツールを使って、結果を受け取って、それを自然な言葉で答える。
これが最も単純なエージェントの動作です。

Mana： へー、そのAIが「どのツールを使うか」を自分で決めるんですね。

Kento： そうです。
ここがLLMが優れている部分で、「自然言語で意図を理解して、適切な手段を選ぶ」という判断ができる。
だからプログラム的に「もし〇〇なら△△を呼び出す」って全パターンを書かなくていいんです。

Yuki： 確かに、それを全部if文で書いたら地獄だ（笑）。

マルチエージェントって何？

Mana： ちょっと前に「マルチエージェント」って言葉も聞いたんですけど、それはまた別の話ですか？

Kento： いい質問！単純に言うと、「エージェントが複数いて、協力して動く」仕組みです。

Yuki： チームで働くAIってこと？

Kento： そう、チームの比喩はわかりやすいですね。
たとえばニュースのリサーチをしてレポートを書くエージェントがあったとして、「情報収集専門のエージェント」「情報を整理・分析するエージェント」「文章を書くエージェント」の3体が分業して、それぞれの結果を渡し合いながら最終成果物を作る、みたいな構成が取れるんです。

Mana： なんかもう、AIの会社みたいだ（笑）。

Kento： まさにそのたとえはよく使われます。
「オーケストレーター」って呼ばれる調整役のエージェントが全体を管理して、各タスクを専門エージェントに割り振る、みたいな構成もあります。

Yuki： そうなると、エラーとか失敗ってどうなるんですか？1つのエージェントが間違えたら全体が崩れる？

Kento： そこ、今まさに業界全体が研究してるところで（笑）。
「フォールバック」って言って、失敗したら別の手段を試す仕組みや、「ヒューマン・イン・ザ・ループ」って言って、重要な判断は人間が確認するステップを挟む設計が主流になってきてます。
完全自律はまだリスクがあるので、今は「AIが下案を作って人間が承認する」という協調モデルが現実的ですね。

最近の動向──何がすごいのか

Yuki： 今年あたりから急にエージェントの話が増えた気がするんですよね。何かブレイクスルーがあったんですか？

Kento： いくつかあって。
一番大きいのは、LLMそのものの「文脈を扱える量」が劇的に増えたことです。
以前は数千トークン、だいたい原稿用紙数十枚分しか扱えなかったのが、最近のモデルは10万トークン以上、長いものだと100万トークンを超えるものも出てきた。

Mana： 100万トークン……それが長いのはわかるんですけど、実際どういう意味があるんですか？

Kento： エージェントって、仕事をしながら「自分が今まで何をやったか」という記録を持ち続けるんですね。
その記録が膨大になっても全部記憶できるようになったので、長時間・複数ステップの作業が安定してできるようになってきた、ということです。

Mana： あー、短期記憶が長くなった、みたいなイメージかな。

Kento： あとは「ツール呼び出しの精度」が上がってきたことも大きくて。
昔のモデルって、「どのツールをどう使うか」の判断がわりとブレてたんですが、今は安定してきて、実用レベルで動くことが増えた。

Yuki： じゃあ例えば「Claude」って、そのあたりどうなんですか？

Kento： エージェント用途に強いと言われてますよ。
特にコード生成とツール呼び出しの組み合わせは評判いい。
AnthropicがClaude Codeっていうコーディングエージェントを出してますけど、あれは端末で動いてリポジトリ全体を読んでコードを書いてくれるやつで、開発者界隈でかなり話題になってます。

実際の活用事例

Mana： 具体的に「今こういう会社や職場でこう使われてる」みたいな例ってありますか？

Kento： ありますよ。たとえばカスタマーサポート。
ユーザーから問い合わせが来たら、社内FAQを検索して、注文データベースを引いて、状況に応じた回答を作って返す、という一連をエージェントがこなす、みたいな事例が増えてます。

Mana： あー、問い合わせ対応って、人間がやると情報を調べてまとめるのが大変ですよね。

Kento： まさにその「情報を収集して、整理して、回答を組み立てる」のが得意なんですよエージェントは。
あとはソフトウェア開発の現場だと、「バグが報告されたら、再現手順を確認して、関連コードを読んで、修正案を提出する」を自動でやるエージェントを組み込んでる会社もあります。

Yuki： それ、うちのチームでも導入したいな正直（笑）。

Kento： あとは金融系だと、レポート作成。
「各種データを収集して、グラフを作って、文章で解説したレポートを作る」を毎朝自動で出す、みたいなユースケース。

Mana： デザイン系だと……まだそういう話は少ない気がするけど、どうなんですか？

Kento： 増えてきてますよ。
たとえばUI/UXの領域だと、デザインを分析して「ここのボタンはアクセシビリティ基準を満たしていない」と指摘して、修正案のHTMLを書いて、テストまでするエージェントとか。
あとはブランドガイドラインに沿ってSNS用の画像とコピーを自動生成して投稿する、みたいなのも出てきてます。

Mana： あー、それはちょっと怖いような、便利なような（笑）。

エージェントの課題と現実

Yuki： いいことばっかり言ってるけど、課題はないんですか（笑）？

Kento： もちろんあります（笑）。
正直に言いますと、まず「ハルシネーション」の問題は残ってます。
エージェントが間違った情報を信じて、そのまま行動を続けてしまう、というリスク。

Mana： ハルシネーションって、AIが嘘をつくやつですよね。

Kento： そうです。
ただ単に嘘の答えを返すのと違って、エージェントの場合は「その嘘をもとに行動する」ので被害が大きくなりうる。
だからさっき言ったヒューマン・イン・ザ・ループ、重要な判断には人間を挟む、というのが安全設計として重要なんです。

Yuki： あとコスト面も気になって。エージェントってLLMを何度も呼び出すじゃないですか。
API料金がすごいことにならない？

Kento： そこも課題のひとつです。
タスクの複雑さによっては、1回の仕事で何十回もLLMを呼ぶことになって、コストがバカにならない。
だからキャッシュを上手く使ったり、「本当にLLMが必要な判断だけLLMに任せて、それ以外はルールベースで処理する」みたいなアーキテクチャの工夫が求められます。

Mana： 難しいですね。でも、そういう課題があるっていうのは、まだ発展途上ってことですよね。

Kento： そうですね。
でも今これは爆速で進化している分野なので、半年前の常識が覆ることは普通にあります。

AIエージェントとこれから

Yuki： ちょっと先の話を聞きたいんですが、たとえば5年後とかにどうなってると思います？

Kento： 個人的な予測ですが、「AIエージェントが仕事の下書きをして、人間がレビューして承認する」という分業が、いろんな職種に広がると思ってます。
今でも弁護士がAIに契約書の草案を作らせたり、医師がAIに病歴の整理をさせたりする使い方は始まってるんですが、それが一般的になる。

Mana： デザインも、AIが5パターン作って、私が選ぶ、みたいになるのかな。

Kento： それはもう起きてますよね、ある意味。
Midjourneyとか使ってる人は似たような感覚だと思いますし、それがさらに「エージェント化」して、クライアントのブランドガイドラインを理解して、過去の制作物を参照して、提案まで込みで出してくれる、みたいになるんじゃないかと。

Yuki： エンジニアとしては……複雑な気持ちですよ（笑）。
コーディングエージェントが育ったら仕事取られる？

Kento： 取られる部分はあると思いますよ。
ただ、エージェントを設計する、エージェントを正しく評価する、エージェントがうまく動かないときに直す、みたいな役割は人間が担う必要があって、むしろそういうスキルの重要性が増してる感覚があります。

Mana： 使いこなす人間が強くなる、みたいな感じ？

Kento： まさにそれです。
「プロンプトエンジニアリング」って言葉が数年前に出てきましたけど、エージェントの設計や評価ができる人って、今後すごく重宝されると思う。

Yuki： 改めて整理すると、AIエージェントって「行動するAI」で、単純な会話AIとは目的も設計も違う、ということですね。

Kento： そう、「答えるだけ」から「動く」へのシフト。
これが一番のポイントです。

Mana： 私の認識が「賢いChatGPT」止まりだったのが、全然違うとわかりました。
LLMを核として、ツールを使いながら、計画と実行を繰り返す……そういう仕組みなんですね。

Kento： あとは「マルチエージェント」で複数のAIが協力して動けること、課題としてはハルシネーションやコスト、そして「人間との協調設計」が今の重要テーマ、というあたりも押さえておくと全体像がつかめると思います。

Yuki： 個人的には「ヒューマン・イン・ザ・ループ」って考え方が印象的でした。
AIが全部自動化するんじゃなくて、人間が意思決定に関わりながら動く、という発想は健全だなと。

Kento： そこは大事なところで、完全自律エージェントは今のところリスクが高いし、法的・倫理的な問題もある。
Anthropicが「Responsible Scaling Policy」って言って、AIの能力が一定を超えたら安全基準を見直すというポリシーを持ってますが、エージェントの文脈でも同じ姿勢が必要だと思っています。

Mana： AIを「使いこなす側に回る」ためにも、今日みたいな基礎知識を持っておくのは大事ですね。
なんとなく怖い、だけで終わらせないで。

Yuki： エージェントって名前だけ知ってて「なんか自動でいろいろやってくれるやつ」ってぼんやりしてたのが、ちゃんとした仕組みとして理解できた気がします。

Mana： 「AIに文章書いてもらう」っていう使い方しか知らなかったけど、もっとその先があるんだなって。
デザインの仕事でも意識してみようと思います。

Kento： エージェントって、「仕組みを知っている人」と「名前しか知らない人」では、使い方のアイデアの幅が全然違うと思うので、今日の話がちょっとでも役に立てたなら嬉しいです。

Yuki： 次回は実際にエージェントを動かしてみる回をやりたいですね！

Kento： いいですね。
Manaさんもデザイン業務でエージェントを試してみて、どうだったか報告してもらいましょう（笑）。

Mana： えっ、宿題になってる（笑）！でも、面白そうなのでやってみます。

Yuki： では今日はここまでにします。見てくださった方、ありがとうございました！

Kento： ありがとうございました！

Mana： ありがとうございました〜！

これから数年で、AIエージェントはパソコンやスマートフォンと同じくらい当たり前の存在になる可能性があります。
今はまだ始まりの段階です。
だからこそ、「AIに仕事を奪われるか」ではなく、「AIをどう使うか」を考え始めた人が大きな恩恵を受けるでしょう。

未来は突然やってくるように見えて、実際は少しずつ日常に入り込んできます。
AIエージェントも、まさにその段階にいるのかもしれませんよ！

もしこの記事が役立ったら「スキ」やフォローしてくれると嬉しいです！
次回は「ゼルダの伝説」について少し書いていますので、お時間あれば読んでみてください。

日々の出来事から日記代わりにいろいろ書いています。
前回の記事も時間がありましたら読んでみてください。