AIエージェントとは？仕組みと生成AIとの違い、身近な例を解説

AIエージェントとは、目標を伝えると自分で手順を組み立て、検索やファイル操作などの道具を使いながら作業を最後まで進めるAIの仕組みです。質問に答えるだけの生成AIとの違いは「答える」か「作業を進める」かにあり、会社で使うときは、どこまで任せてどこで人が確認するかを先に決めることが大切になります。ChatGPTやClaude、MicrosoftのCopilotにも、すでにエージェントとして動く機能が入っています。だからこそ、エージェントを試す前に、社員が毎日使うAIを会社として揃えておくと安心です。

AIエージェントとは｜国のガイドラインの定義と、ひとことでの説明

AIエージェントを一言で表すなら、「目標を渡すと、やり方を自分で考えて動くAI」となります。人が一つひとつ指示を出す代わりに、AIが作業を小さな手順に分け、必要な道具を選び、結果を見て次の一手を決めていきます。言い回しは各社で少しずつ違うため、定義は国の文書を土台に押さえておくと安心です。

国のAI事業者ガイドライン（第1.2版）の定義

総務省と経済産業省が2026年3月31日に公表した「AI事業者ガイドライン（第1.2版）」は、本編第1部の用語の定義で、AIエージェントを「特定の目標を達成するために、環境を感知し自律的に行動するAIシステム」と定めています。同じ箇所には参考として、国際規格ISO/IEC 22989:2022の「自動化された主体であり、環境を感知して応答し、自らの目標を達成するために行動を取るもの」という定義も載せてあります。

注目したいのは脚注で、ここでいう「自律」は高度な自律状態だけでなく、ある程度の自律性を持つものも含むと補足している点です。人の確認を挟みながら動く半自律の道具も、国の定義ではAIエージェントに含まれることになります。AIエージェントは「完全に任せきりのAI」だけを指す言葉ではありません。社内で話すときもこの前提をそろえておくと、議論が噛み合いやすくなるでしょう。

※出典：総務省・経済産業省「AI事業者ガイドライン（第1.2版）」本編・別添（付属資料）（令和8年3月31日）。2026年9月25日に経済産業省のサイトからPDFを取得し、該当箇所の原文を確認しています。

生成AI・チャットボット・RPAとの違い

違いを分けるのは、AIが「答えを返すだけ」か「作業を進めて結果まで持ってくるか」という一点です。似た言葉が多く、社内の会話で混ざりやすいため、まずは4つの言葉を1つの表で並べてみましょう。

生成AI（チャット型AI）との違い

生成AIは、指示に応じて文章や画像、要約などを作るAIの総称になります。ChatGPTの通常のチャットのように、質問を送ると答えが返り、次に何をするかは人が決める使い方が中心となっています。AIエージェントは、この生成AI（大規模言語モデル）を頭脳として使いながら、検索・ファイルの読み書き・他のシステムの操作までを自分でつなげて進めます。生成AIが頼れる相談相手だとすれば、エージェントは作業を任せられる担当者に近い存在でしょう。生成AIそのものの仕組みは生成AIとは、頭脳にあたる大規模言語モデルはLLMとはで詳しく扱っています。

AIアシスタント・チャットボットとの違い

チャットボットは、あらかじめ用意したシナリオや回答集にそって受け答えをする仕組みを指すことが多い言葉です。AIアシスタントは、人の依頼に応じてメールの下書きや予定の確認などを手伝う役回りで、動き出すきっかけはいつも人の指示になります。AIエージェントはその先にあり、目標を受け取ったあとは途中の判断を自分で重ね、必要なら人に確認を求めながら仕上げまで進んでいきます。同じ画面の中でも、短い質問にはアシスタントとして答え、時間のかかる依頼はエージェントとして引き受けるサービスが出てきました。

RPA・ワークフロー自動化との違い

RPA（パソコンの操作を記録して自動で繰り返す仕組み）やワークフロー自動化は、人が決めた手順を毎回同じようになぞる道具です。手順が決まっていて例外が少ない仕事なら、RPAのほうが速く、結果もぶれません。AIエージェントは手順そのものを状況に応じて組み立てるため、書式がばらばらな書類の読み取りや、調べ物のように道筋が毎回変わる仕事に向いています。実際には、決まった流れの中の判断が要る部分にだけAIを組み込む形も多く、国のガイドラインの別添でも、利用者が業務の流れ（ワークフロー）を組み、それに沿って自律的に動くAIエージェントを作れるサービスが例として取り上げられているほどです。定型の仕事はRPA、判断が要る仕事はエージェント、と分けて考えてみてください。

エージェンティックAI（エージェント型AI）との違い

エージェンティックAIは、AIエージェントよりも一回り広い考え方として使われる言葉になります。先のガイドラインは脚注で、エージェンティックAIを「複数のAIエージェントにより自律的に意思決定を下しアクションを起こす目標主導型のAIシステム」と説明しています。1つのエージェントが道具を使う形を超えて、複数のエージェントが役割を分け合い、全体として目標に向かう状態を指すと考えると分かりやすいでしょう。製品の宣伝では両者がほぼ同じ意味で使われることもあるため、言葉の違いより「何を任せ、どこで人が止められるか」を確かめるほうが実務では役に立ちます。

ChatGPTはAIエージェントか

通常のチャットで質問に答えるChatGPTはAIエージェントではなく、時間のかかる作業を任せる「Work」などの機能がエージェントにあたる、というのが一文での答えになります。OpenAIのヘルプは、ChatGPTには会話で素早く答える「Chat」と、時間のかかる複数ステップの作業を進めて成果物を仕上げる「Work」があるとし、Workを「エージェント」と説明しています。Workでは、トピックの調査や情報の分析に加えて、文書・表計算・プレゼンテーション・レポートの作成までを1つの依頼で進めることが出来ます。接続したアプリの出来事、たとえばGmailへの新着メッセージをきっかけに作業を始めるタスクも作れるとされています。

以前の「ChatGPTエージェント（エージェントモード）」について、同じヘルプは「ご利用いただけなくなりました」と案内しており、時間のかかる作業の行き先はWorkです。古い解説でエージェントモードの手順を見かけても、今は使えない機能である点に気を付けてください。調べ物に特化したdeep researchも、複数の情報源を読み比べて出典つきのレポートを作る、エージェント的な機能のひとつです。ヘルプによると、チャットでのdeep researchは接続済みアプリの読み取り操作だけを使い、調査の途中でアプリへの書き込みはしないとされています。同じChatGPTでも、機能によって答えるAIと動くAIが分かれていると覚えておけば、社内での説明がぐっと楽になります。

※ChatGPT Workの説明はOpenAIヘルプ「ChatGPT ワークと Codex」（2026年9月25日確認）、エージェントモードの案内は同「ChatGPT エージェント」（2026年9月17日確認）、deep researchは同「ChatGPT の deep research」（2026年9月17日確認）によります。料金や管理画面の違いはAIエージェント比較にまとめています。

AIエージェントの仕組み

AIエージェントは、周りの状況を読み取り、次の一手を考え、道具を使って動き、その結果を見て考え直す、という輪を目標に届くまで回し続けます。

仕組み：知覚→推論・計画→行動→振り返りのループ

最初の「知覚」では、依頼文や添付ファイル、画面やWebページの内容など、いま手元にある情報を読み込みます。次の「推論・計画」で、目標までの道のりを小さな手順に分け、どの順番で何を使うかを決めていくことになります。「行動」の段階では、検索をかける、ファイルを開く、表を作る、別のシステムに入力するといった実際の操作を行います。最後の「振り返り」で結果を確かめ、足りなければ計画を立て直して、もう一度輪を回すのが基本の流れです。

たとえば「来週の出張先の候補を3つ調べて、表にまとめて」と頼むと、エージェントは条件を読み取り、交通手段と宿を検索し、候補を比べて表を作り、条件に合わない案があれば探し直すでしょう。人から見ると一度の依頼でも、裏側では多くの小さな判断と操作が重なることがあります。

構成要素：頭脳のLLM・計画・メモリ・ツール

エージェントの中身は、おおむね4つの部品に分けて考えられます。頭脳にあたるのが大規模言語モデル（LLM）で、依頼の意味を読み取り、次に何をするかを文章で考える役目を担っています。計画の部品は、大きな目標を順番のある手順に分け、途中で行き詰まったときに組み直す働きを受け持ちます。メモリには、作業中の内容を覚えておく短期の記憶と、過去のやり取りや好みを次回に持ち越す長期の記憶があります。

ツールは、Web検索、社内文書の検索（RAG）、表計算、メール、他社サービスのAPI（ソフト同士をつなぐ窓口）など、エージェントが実際に手を動かすための道具です。どのツールにつながっているかで出来ることも危うさも大きく変わるため、会社で使う際は、つなぐ先を管理者が選べるかを必ず確かめましょう。社内文書を検索して答える仕組みはRAGとはで紹介しています。

シングルエージェントとマルチエージェント

1つのエージェントが最初から最後まで受け持つ形をシングルエージェント、複数のエージェントが役割を分けて協力する形をマルチエージェントと呼びます。マルチエージェントでは、全体を見渡して仕事を割り振る「オーケストレーター」役のエージェントが、調べる係・書く係・確かめる係などに作業を渡す形がよく取られています。上下関係のある階層型と、同じ立場のエージェント同士が意見を出し合う水平型という分け方もあります。Claude Coworkの公式ヘルプも、複雑な仕事を小さなタスクに分け、並行する作業をまとめて進める機能を挙げており、利用者が意識しないところでこの仕組みが使われ始めています。役割が増えるほど途中の受け渡しで誤りが混ざりやすくなり、どこで間違えたかも追いにくくなってしまいます。

AIエージェントの種類

AIエージェントの種類は、教科書的な「判断の賢さ」で分ける方法と、「どこまで人の手を離れて動くか」で分ける方法の2つを知っておけば十分です。

古典的な分類：単純反射・モデルベース・目標ベース・効用ベース・学習・階層型

人工知能の教科書で昔から使われてきた分類は、エージェントの判断の仕方の違いに注目したものになります。単純反射型は、室温が設定を下回ったら暖房を入れるといった、決まった条件に決まった動きで応える素朴な型です。モデルベース型は、目の前の情報だけでなく、周りの様子を頭の中の見取り図として持ち、見えていない部分も推し量りながら動きます。目標ベース型は目標にたどり着く道筋を比べて選び、効用ベース型はさらに速さや費用などを点数にして、満足度の高い道を選ぶことが出来ます。学習型は結果から学んで次の判断を良くしていく型で、階層型は上位のエージェントが下位のエージェントに仕事を分けて渡す形を指しています。いま話題のAIエージェントの多くは、大規模言語モデルを頭脳にした目標ベース型に近く、階層型やマルチエージェントの要素を組み合わせたものと捉えるとよいでしょう。

自律性の段階で見る

会社で使う立場からは、「賢さ」よりも「どこまで人の確認なしに動くか」で分けるほうが判断に直結します。段階の低いほうから、下書きや提案を出すだけ、情報を読みにいくだけ、成果物を作るところまで、人が承認してから実行、条件つきで自動実行、と進むにつれて人の出番が減っていきます。同じ製品でも設定で段階を変えられることが多く、たとえばClaude Coworkには、操作のたびに承認を求める手動の承認、AIが安全を確かめながら進める自動の承認、確認をすべて省くモードの3つがあります。公式ヘルプは確認を省くモードについて、関わるすべての操作・接続先・ファイルを完全に信頼できるときだけ使うよう求めています。段階ごとの権限の決め方は、AIエージェント比較の記事で表にしてまとめました。

AIエージェントの身近な例

身近なAIエージェントの例としては、暮らしの中の自動化の道具と、仕事で使うAIサービスに入ったエージェント機能の2種類が挙げられます。

暮らしの中の身近な例

お掃除ロボットは、部屋の形や障害物を感知しながら自分で進む道を決めて掃除を進めるため、エージェントの説明によく使われる例です。渋滞を読み取って道順を組み直すカーナビ、室温を見て冷暖房を調整するエアコン、閲覧の履歴からおすすめを出す通販サイトも、程度の差はあれ同じ考え方で動く道具と言えます。国のガイドラインの別添では、利用者の希望に合わせて旅行先と便を提案し、外部の予約システムと連携して空席の確認から予約の確定までを一続きで行うAIエージェント型のサービスが例として示されています。答えるだけでなく、実際に予約という結果まで持っていくところが、エージェントらしさの分かれ目になります。

仕事で使えるエージェント機能の実名

社員が明日から触れる可能性が高いのは、普段のAIサービスに組み込まれたエージェント機能のほうでしょう。料金の比較は別の記事に回し、ここではどの機能がエージェントとして動くのか、どのプランで使えるのかに絞って並べます。

• ChatGPTのWorkは、調べ物・分析・文書やスライドの作成といった複数ステップの作業を任せる機能です。製品紹介ページでは、Web版とモバイル版はPlus・Pro・Business・Enterprise・Eduで使えると案内され、会社のワークスペースでは管理者が「権限とロール」の画面でWorkの利用を役割ごとに管理できます。
• Claude Coworkは、Claude Codeと同じエージェントの仕組みを事務作業に広げた機能で、公式ヘルプでは有料プラン（Pro・Max・Team・Enterprise）で使えると案内されています。Enterpriseプランでは、Web版やモバイル版は管理者が有効にした場合に使える形です。
• MicrosoftのCopilot Coworkは、メールの送信や会議の設定、文書の作成、Teamsへの投稿などを利用者に代わって行い、既定では各操作の実行前に利用者の承認を求めます（事前承認や、以後の確認を省く設定もあります）。使うにはMicrosoft 365 Copilotのライセンスに加えて、管理者が使用量に応じた課金を有効にする必要があります。
• Microsoft Copilotのリサーチ ツールは、Webと、社員がアクセスできるファイル・メール・会議・チャットをまたいで調べ、出典つきのレポートにまとめるエージェントです。
• GeminiのDeep Researchは、数百のWebサイトを自動で参照して複数ページのレポートを作る機能で、個人向けのヘルプではAIプランに入っていない方も含めて使えると案内されています（混雑時は使えないことがあります）。なお、Googleの個人向けAIプランの案内のうちUltraプランの説明では、Gemini Agentは米国のみ・英語のみの提供とされています。

こうして並べると、エージェント機能は個人向けの有料プランにも入っている一方、会社向けのプランでは管理者が有効にするまで使えないものがあると分かります。社員が個人で契約したアカウントでは、管理者が止める・選ぶ仕組みが働きません。この点は後の節で、会社としての備えにつなげて考えてみてください。各社の料金や承認の既定値の違いはAIエージェント比較、個別の機能はDeep ResearchやCopilot Coworkの解説で詳しく取り上げています。

※各機能の提供条件は、各社の公式ヘルプ・製品ページで確認した内容です（ChatGPT Workのヘルプ・Claude Cowork・Microsoft Copilotのリサーチ ツールは2026年9月25日、ChatGPTの製品紹介ページは9月17日、Copilot Coworkは9月18日、GeminiのDeep Researchは9月16日、GoogleのAIプランの案内は9月18日に確認）。Anthropicは2026年9月から、Pro・Maxプランで順次ChatとCoworkを1つのClaudeにまとめているため、画面にCoworkの表示が出ない場合があります。提供条件は変わることがあるため、導入前に公式ページでご確認ください。

業務での活用例

業務でのAIエージェントの出番は、問い合わせ対応、営業、社内の困りごと窓口、経理や法務の事務作業など、手順はあるものの毎回少しずつ中身が違う仕事に集まっています。

カスタマーサポート・コンタクトセンター

問い合わせ対応では、質問に答えるだけでなく、注文の状況を調べる、返品の受付を登録する、担当部署へ引き継ぐといった後ろの作業までをつなげる使い方が考えられます。国のガイドラインの別添も、営業やカスタマーサポートの部門で、見込み客への対応から問い合わせ対応までを24時間支える業務支援型のAIエージェントを例に挙げています。社外のお客様と直接やり取りさせる前に、まずは担当者向けの回答案づくりから始めると、誤った案内のリスクを抑えやすいでしょう。

営業・マーケティング

営業では、顧客管理システムの記録を読み、商談の日程を調整し、相手に合わせたメールの下書きを用意するといった一連の作業が候補になります。先の別添の例でも、顧客管理（CRM）や営業支援（SFA）のシステムと連携し、見込み客の管理から日程の自動調整、メールの配信までを一続きで進める姿が描かれています。マーケティングでは、競合の公開情報を集めて比べる、キャンペーンの結果を集計して要点をまとめる、といった調べ物と整理の組み合わせが得意分野です。顧客へのメール送信のように社外に出る操作は、送る前に人が目を通す形から始めてください。

社内ヘルプデスク・ITセキュリティ運用

社内のヘルプデスクでは、パスワードの再設定の案内や、よくある質問への一次回答、申請書の不備の確認などをエージェントに受け持たせる使い方が考えられます。情報システムの運用でも、警告の記録を読んで重要度を仕分けし、担当者に知らせる下準備までを任せる形があります。どちらも、社内規程やマニュアルが文章で整っているほど回答の質が上がり、古い規程が残っているとそのまま古い答えを返してしまいます。

経費精算・請求書・契約書チェックなどのバックオフィス

経理や総務では、領収書の読み取りと経費精算の下書き、請求書の内容と発注の記録の照らし合わせ、契約書の条文と自社のひな形の違いの洗い出しなどが代表的な使い道です。いずれも書式がそろっていない書類を読み、決まった基準と見比べる作業で、手順を固定しにくい点がエージェント向きといえます。一方で、支払いの実行や契約の締結といったお金や約束が動く最後の一手は、人が行う形を崩さないようにしましょう。

業界別の例（金融・医療・物流・製造）

国のガイドラインの別添は、AI全般の活用例として、物流でのロボットによる配送の自動化や需要予測、人事での給与計算の自動化、医療分野での診療履歴などの利用を挙げています。同じ別添によると、AIエージェントは複数のシステムやアプリと連携することで、これまで人手に頼っていた調整・分析・意思決定を自動化できる可能性があるとされます。金融での審査書類の確認や、製造での設備の記録を読んだ保守の段取りなども候補になり得ますが、影響の大きい判断ほど人の確認と組み合わせることが前提になります。10〜200名規模の会社であれば、業界の事例を追うより先に、自社の中で繰り返し発生している事務作業に目を向けるほうが近道でしょう。

国内の企業や自治体が発表している実際の導入事例と、それぞれAIに任せた範囲・人が確認する場面は、AIエージェントの活用事例の記事で1件ずつ整理しています。

AIエージェントを使うメリット

AIエージェントのメリットは、人が手を動かしていた「調べる・まとめる・つなぐ」作業の時間を減らし、人が判断に使える時間を増やせることにあります。

業務効率化・生産性の向上

複数の画面を行き来して情報を集め、表に貼り付けて整えるといった作業は、エージェントが得意とする分野となります。待っている間に作業を進めてくれるため、依頼したあとは別の仕事に移り、仕上がりを確かめるだけで済む場面も出てきます。効果を数字で語るときは、各社が自社で集計した数値なのか、第三者が確かめた数値なのかを分けて見るようにしてください。

24時間の稼働と判断の一貫性

人の勤務時間に縛られず、夜間や休日にも決まった作業を進められる点は、問い合わせ対応や定期的な集計で効いてきます。ChatGPTのWorkやClaude Coworkにも、決まった時刻に作業を走らせるスケジュール実行の仕組みがあります。同じ基準で繰り返し判断できる点も利点ですが、国のガイドラインの別添は、同じ基準やポリシーで運用していても、モデルの確率的な性質から場面によって異なる判断を下すことがあると注意を促しています。一貫性は仕組みで保証されたものではなく、抜き取りで結果を確かめる運用とセットで考える必要があるわけです。

意思決定の支援・データ分析

複数の資料を読み比べて論点を整理し、出典つきで差し出してくれる点は、経営判断の下ごしらえで役に立ちます。MicrosoftのCopilotのヘルプも、簡単な要約や短い返信には標準のチャットを、複数の情報源にまたがる深い調べ物や共有できるレポートにはリサーチ ツールを使うよう、使い分けを示しています。決めるのは人で、エージェントは材料をそろえる役と線を引いておきましょう。そう割り切っておけば、任せすぎを防げます。

顧客体験の向上

お客様を待たせずに一次対応を返せることや、問い合わせの履歴を踏まえて案内を変えられることは、顧客の満足につながります。ただし、間違った案内がそのまま外に出ると信頼を損ねるため、社外に向けた使い方ほど慎重な段取りが欠かせません。

AIエージェントのリスクと課題

AIエージェントのリスクは、答えを間違えるだけで終わらず、間違ったまま操作まで進んでしまう点にあります。国のガイドラインの別添にも、AIエージェントならではの失敗の例がいくつも並びます。

情報漏えい・プライバシー・不正利用

別添は、AIエージェントが外部のシステムやクラウドサービスと自律的に連携する過程で、弱点を突いた攻撃によって挙動が不正に操作され、内部のデータが意図せず外部に送られるおそれを示しています。代表的な手口が、間接プロンプトインジェクションと呼ばれる攻撃です。エージェントに読ませたWebページやメール、PDFの中に、人には見えにくい形で「この資料を外部のアドレスに送れ」といった指示が仕込まれていると、エージェントがそれを本来の依頼と取り違えて従ってしまう可能性があります。

AnthropicのClaude Coworkの安全ガイドは、この攻撃が成り立つには、信頼できる範囲の外の情報を読めることと、利用者に害のある操作ができることの2つが同時にそろう必要があると説明しています。読む範囲か動ける範囲のどちらかを絞るだけでも、攻撃は難しくなります。英国の国家サイバーセキュリティセンター（NCSC）は2025年12月、プロンプトインジェクションはSQLインジェクションのようには完全に防ぎきれないかもしれないとの見方を示しました。点検の項目は生成AIのセキュリティ対策チェックリストにまとめています。

誤った出力（ハルシネーション）とデータの偏り

生成AIがもっともらしい誤りを返すハルシネーションは、エージェントでも起こります。別添は、AIエージェントの場合、自律的な動作の中で人の意図しない商品の注文やファイルの削除などを行う可能性があると書いています。同じ別添の脚注は、エージェントの自律性が高まるにつれて、人による監視だけでは高速なAI同士のやり取りに追いつけない場面が十分に考えられるとも指摘しました。学習に使われたデータに偏りがあれば、提案や仕分けの結果も偏ってしまう点は、チャット型のAIと変わりません。

責任の所在と判断のブラックボックス化

エージェントが途中で多くの判断を重ねると、なぜその結論や操作に至ったのかを後から説明しにくくなります。別添も、AIエージェントのように複雑な構成を持つAIシステムは、通常のAIシステムに比べて保守や不具合の切り分けが難しくなる場合があると述べています。誤った注文や送信が起きたときに、依頼した社員、設定した管理者、サービスの提供元のどこまでが責任を負うのかは、使い始める前に社内で決めておくべき事柄です。AIの判断を人がそのまま信じてしまう「自動化バイアス」について、ガイドラインの本編は、人の判断が左右されないような対策を講じるべきだとしています。

計算コスト・処理時間・導入運用コスト

エージェントは1つの依頼の裏で何度もAIを呼び出すため、普通のチャットより多くの計算を使い、仕上がりまでに数分から数十分かかることもあります。Anthropicの企業向けの案内も、Claude CodeやCoworkは標準的なチャットよりかなり速いペースで消費が進むと説明しています。料金の仕組みが席単位か使った量に応じた課金かで、予算の立て方は大きく変わってきます。各社の課金の形の違いはAIエージェント比較で詳しく比べてみてください。

データの質と整備が前提になる

エージェントの出来は、読ませる社内の資料と、つなぐシステムのデータの状態に大きく左右されます。規程が複数の版で散らばっていたり、顧客名の表記がそろっていなかったりすると、エージェントは古い情報や誤った相手を選んでしまいがちです。導入の前に、参照させる資料を最新の1版に絞り、置き場所を決めることから始めましょう。情報が外に出る経路は、エージェントに限らず、社員が毎日使うチャット型のAIにも同じようにつながっています。

任せる前に確かめる3つの問いと、人の監督

エージェントに任せてよいかは、取り消せるか、社外に出るか、お金や契約が動くか、の3つの問いで大まかに判断できます。

任せる前の3つの問い

1つ目は、操作を取り消せるかどうかです。下書きの作成や社内フォルダでのファイルの整理は元に戻せますが、ファイルの完全な削除やメールの送信は取り返しがつきません。2つ目は、情報や成果物が社外に出るかどうかという点になります。取引先へのメール、SNSへの投稿、外部サービスへのデータの登録は、一度出ると回収できないものとして扱いましょう。3つ目に確かめたいのは、お金や契約が動くかどうかです。支払い、注文、申し込み、契約への同意は、国のガイドラインの別添が挙げる意図しない注文の例とそのまま重なります。

3つのうち1つでも当てはまる操作は、実行の前に必ず人の承認を挟みましょう。どれにも当てはまらない作業から任せ始めれば、失敗しても被害は手元で止まります。

任せる前の3つの問い：取り消せるか、社外に出るか、お金や契約が動くかの3つです。1つでも当てはまれば、実行の前に人が承認する形にします。

影響の大きい操作の前に人が確認する

3つの問いに当てはまる操作の前で止まる設定は、主要なサービスにも用意されています。MicrosoftのCopilot Coworkは、既定では自動のタスクがメールを送ったり、メッセージを投稿したり、共有のシステムを変えたりする前に利用者の承認を求めます。Claude Coworkも、どのモードでもファイルを完全に削除する前には必ず許可を求める設計です。セキュリティの国際的なコミュニティであるOWASPも、プロンプトインジェクションへの備えとして、権限を必要最小限に絞ることと、危険度の高い操作に人の承認を求めることを挙げています。

ChatGPT・Claude・Geminiの管理画面で連携を絞る設定や、MCPでつなぐ前の社内チェック手順は、AIエージェントのセキュリティ対策で詳しく取り上げました。

一方で、承認の画面が出るたびに中身を読まずに押す癖がつくと、確認の意味がなくなってしまいます。ガイドライン本編の脚注でも、人がAIの判断を承認するときは、承認する理由や根拠を自分で考えてから承認すべきだという提案が紹介されています。承認する人を決めるときは、その業務の中身を分かっている方を選ぶことが大切です。

ログ・監視・止める手段

任せたあとに何が起きたかを追えるよう、操作の記録（ログ）を残し、定期的に見返す仕組みが欠かせません。ChatGPTの会社向けプラン（Business・Enterprise・Edu）のワークスペースエージェントでは、管理者が管理コンソールでエージェントの動きと利用状況を確認できるとされています。実行中のタスクをすぐ止められるか、定期実行を一時停止できるかも、使い始める前に確かめておきたい点です。Claude Coworkの安全ガイドも、使っていない定期タスクは動かしたままにせず、一時停止か削除をするよう勧めています。様子がおかしいと感じたら、まず止めてから原因を調べる、という順番を社内で共有しておきましょう。

社内で最初に試す業務の選び方と導入の進め方

最初に試す業務は、効果の大きさより「失敗しても困らないこと」を優先して選ぶのが近道です。

最初に試す業務の5つの条件

社員10〜200名の会社で最初の題材を選ぶなら、次の5つがそろう仕事から探してみてください。

• 頻度が高い週に何度も発生し、1回あたりの時短は小さくても積み重なる仕事かどうかを見ます。
• 手順が文章になっているマニュアルや過去のやり取りが残っていて、正しい結果の見本を示せる仕事が向いています。
• 間違えても取り消せる下書きや社内向けの資料のように、やり直しがきく成果物から始めます。
• 社外に出ない取引先や顧客に直接届かず、社内で止められる仕事を選びます。
• 結果を人が数分で確かめられる出典や元のデータと突き合わせれば、正しいかどうかがすぐ分かる仕事にします。

たとえば、Webでの調べ物を出典つきのレポートにまとめる作業は、5つの条件を満たしやすい題材になります。会議のメモから担当者と期限つきのToDo一覧を作る作業や、社内向けの説明資料の下書きも、同じく試しやすいでしょう。反対に、請求書の支払い、顧客へのメール送信、採用の合否の判断は、慣れるまで題材にしないほうが安全です。

導入の進め方：目的→データ整理→小さく試す→本番→効果測定

進め方は、目的を決め、使う資料を整え、小さく試し、範囲を広げ、効果を測る、の5段階で考えると迷いにくくなります。目的の段階では、月に何時間かかっている何の作業を、どこまで減らしたいかを一文で書き出してください。データ整理の段階で、読ませる資料を最新版に絞り、読ませてはいけない資料の置き場所を分けておきます。小さく試す段階では、1〜3名の担当者が数週間使い、うまくいった依頼の書き方と失敗した例を記録していくとよいでしょう。

本番に広げるときは、任せる範囲と承認の要る操作を社内ルールに書き加え、利用する社員に説明します。効果測定では、目的で書いた作業時間が実際にどれだけ減ったかと、承認の段階で人が直した回数を見比べるのが現実的な物差しです。社内ルールの作り方は生成AIの社内ガイドラインの作り方で詳しく紹介しています。

AIエージェントの用語ミニ辞典

製品の説明や社内の会議で出てきやすい用語を、総務・情シスの方向けに短くまとめました。

エージェンティックAIは、複数のAIエージェントが自律的に意思決定し行動する、目標主導型のAIシステムを指す言葉として、国のガイドラインで説明されています。マルチエージェントは、役割の違う複数のエージェントが仕事を分け合う仕組みのことです。

MCP（Model Context Protocol）は、AIのアプリをファイルやデータベース、検索などの外部のシステムにつなぐためのオープンな標準規格で、公式サイトはClaudeやChatGPTを接続できるアプリの例に挙げています。つなぐ先ごとに専用の仕組みを作らなくても、エージェントが使える道具を増やしやすくなる点が特徴です。

A2A（Agent2Agent Protocol）は、作り手の違うエージェント同士が互いを見つけ、仕事を頼み合い、結果を受け渡すための公開規格になります。公式サイトによると、もとはGoogleが開発してLinux Foundationに寄贈したもので、MCPはエージェントと道具を、A2Aはエージェント同士をつなぐという役割分担とされています。

コンピューター操作やブラウザ操作は、AIが画面を見ながらクリックや文字入力を行い、人と同じようにアプリやWebサイトを使う機能のことです。Claude Coworkの安全ガイドは、コンピューター操作ではほかの道具にある許可の確認を通らずに画面を直接操作するため、特に慎重に使うよう求めています。

ディープリサーチは、数多くの情報源を時間をかけて読み比べ、出典つきのレポートにまとめる調べ物向けの機能で、ChatGPTのdeep researchやGeminiのDeep Research、Claudeのリサーチなどがあります。ヒューマン・イン・ザ・ループは、AIの処理の途中に人の確認や承認を組み込む考え方を指し、エージェントを会社で使う際の土台になります。

※MCPは公式サイト modelcontextprotocol.io（2026年9月17日確認）、A2Aは公式サイト a2a-protocol.org（2026年9月25日確認）の説明によります。

エージェントを試す前に、日常のAIを会社で揃える

エージェントを本格的に試す前に、社員が毎日使うチャット型のAIを会社として揃えておくことが、遠回りに見えて確実な第一歩になります。先に挙げたエージェント機能の多くは個人向けの有料プランにも入っており、社員が自分で契約すれば、会社の知らないところで使い始められてしまいます。個人のアカウントでは、会社の管理者がAIサービス側で使える範囲を選んだり止めたりすることができません。

国のガイドラインの別添も、企業のルールが整っていないと、社員が会社の管理の外で個人向けの生成AIを業務に使い、危うい使い方をするおそれがあると指摘しています。そのうえで、ビジネス利用を想定したセキュリティ機能を組み込んだ対話型の生成AIもあり、機密情報を扱う場合はそうしたサービスの利用が推奨されるとの記述もあります。

会社で安全に使うための4つの土台

日常のAIを会社で揃えるときに押さえたい土台は、学習させない設定、ログの管理、社員への配布、複数のAIの使い分けの4つです。1つ目の学習させない設定は、入力した業務の情報がAIの学習に使われないよう、会社側で全員に一律で適用できるかが要になります。社員ごとの設定に任せる形では、1人の設定漏れがそのまま漏えいの入口になってしまいます。2つ目のログの管理では、誰がいつどのAIをどう使ったかを、会社が後から確かめられる状態を作ります。エージェントに任せる段階で必要になる操作の記録も、この土台の上に積み上がるものです。

3つ目の社員への配布は、一部の人だけでなく使いたい社員全員に会社のアカウントを渡し、個人契約に流れる理由をなくす取り組みになります。4つ目の複数のAIの使い分けは、調べ物・長文の読み込み・資料作成など、得意分野の違うAIを用途ごとに選べる環境を用意することを指しています。この4つが整った会社では、エージェント機能を試すときも、つなぐ先や承認の設定を同じ管理の下で決められます。野良AIの見つけ方と減らし方は野良AI（シャドーAI）、複数のAIの使い分けは主要4AIの違いと使い分けやマルチAIとはで紹介しています。

よくある質問

まとめ

AIエージェントとは、目標を受け取ると手順を自分で組み立て、道具を使いながら作業を進めるAIで、国のガイドラインは「特定の目標を達成するために、環境を感知し自律的に行動するAIシステム」と定めています。答えを返す生成AIや、決まった手順をなぞるRPAとの違いは、途中の判断と操作を自分で重ねる点にあります。ChatGPTでは通常のチャットではなくWorkやdeep researchがエージェント的な機能にあたり、ClaudeやMicrosoft、Googleのサービスにも同じような機能が入ってきました。

便利な反面、意図しない注文や削除、仕込まれた指示による情報の持ち出しといった、エージェントならではの失敗も起こり得ます。任せる前には、取り消せるか、社外に出るか、お金や契約が動くかの3つを問い、1つでも当てはまる操作には人の承認を挟んでください。そして、エージェントを試す前に社員が毎日使うAIを会社で揃え、学習させない設定とログの管理を効かせておくことが、安全に広げていくための土台になります。法人のAI活用に関するほかの記事はAI活用コラム一覧にまとめています。