AI エージェントを作る前に – 定義できないものは設計できない

最近、多くの企業で「AI エージェントを作ろう」「AI エージェントを導入しよう」という言葉を聞くようになりました。生成 AI を業務に取り入れること自体は良い流れです。問い合わせ対応、社内ナレッジ検索、定型作業の自動化、レポート作成、開発支援など、AI エージェントが役に立つ場面はあります。ただし、その前に考えるべきことがあります。自社でいう AI エージェントとは何か。この問いに答えられないまま進めると、ツール選定も、業務設計も、開発方針も、評価基準も、人によって違うものになります。

AI エージェントとは何かを定義する

AI エージェントという言葉は便利ですが、かなり幅があります。ある人は ChatGPT のようなチャット UI を想像します。ある人は Copilot Studio のようなローコードツールを想像します。別の人は、複数の API や社内システムを呼び出し、状態を持ちながらタスクを進める仕組みを想像します。同じ「AI エージェント」という言葉を使っていても、見ているものが違う。この状態で導入を進めると、議論は安定しません。

まず必要なのは、自社で AI エージェントをどう定義するかです。

呼び方	主な特徴	設計上の違い
AI チャット	人間が質問し、AI が回答する	会話品質、参照情報、回答責任が中心
AI ワークフロー	決められた手順に AI 処理を組み込む	入力、処理順序、例外処理が中心
AI エージェント	目的に向けてツールを呼び出し、状態を持って進める	判断範囲、権限、監査、停止条件が中心
RPA	画面操作や定型操作を自動化する	操作対象、失敗時復旧、運用保守が中心

AI エージェントを作ろう、は仕様ではない

「AI エージェントを作ろう」という言葉だけでは、何を作ればよいのか分かりません。チャットボットなのか。社内検索なのか。承認ワークフローなのか。問い合わせ対応なのか。外部 API と連携するのか。社内データベースを参照するのか。人間の承認をどこに挟むのか。これらが決まっていなければ、それは仕様ではありません。方向性を示すスローガンです。スローガンだけでは設計はできません。AI エージェントは、業務、データ、権限、判断、運用が絡む仕組みだからです。

定義できない業務はエージェント化できない

AI エージェント導入で失敗しやすいのは、対象業務が定義されていない場合です。たとえば「問い合わせ対応を AI エージェント化したい」と言っても、問い合わせの種類、回答に必要な情報、回答してよい範囲、エスカレーション条件、最終責任者が決まっていなければ設計できません。AI は曖昧な業務を、自動的に安全な業務プロセスへ変換してくれるわけではありません。むしろ、曖昧な業務を AI に渡すと、曖昧さが表面化します。

定義すべき項目	確認すること
目的	何を速くするのか、何の品質を上げるのか
対象業務	どの業務を扱い、どの業務を扱わないのか
入力情報	どの資料、データ、会話、ログを参照するのか
判断範囲	AI が判断してよいこと、人間が決めることは何か
権限	どのシステムにアクセスし、どの操作を許可するのか
停止条件	不確実な時、危険な時、例外時にどう止めるのか
責任	出力、実行結果、誤りに誰が責任を持つのか

AI エージェントとチャットボットを混同しない

AI エージェントを考える時、チャットボットとの違いを整理しておく必要があります。チャットボットは、基本的には人間の問いに答える仕組みです。AI エージェントは、目的に向けてタスクを分解し、必要に応じてツールを呼び出し、状態を持ちながら処理を進める仕組みとして語られることが多いです。もちろん、実際の製品や実装では境界が曖昧なこともあります。だからこそ、自社の文脈で定義する必要があります。

チャットで回答するだけなのか。社内システムに書き込むのか。チケットを起票するのか。メールを送るのか。承認依頼を出すのか。ここが変わると、必要な設計はまったく変わります。

人間の承認をどこに置くか

AI エージェント設計で重要なのが、人間の承認をどこに置くかです。AI に案を作らせるだけなら、リスクは比較的小さいです。しかし、AI が外部へメールを送る、社内システムを更新する、顧客対応を完了する、設定変更を実行するとなると、話は変わります。AI の出力を人間が確認するのか。一定条件では自動実行するのか。高リスク操作だけ承認を挟むのか。例外時には誰へ通知するのか。この境界を決めないまま「自律的に動く AI」を目指すと、運用で危うくなります。

AI エージェントの失敗は技術不足だけではない

AI エージェント導入の失敗は、モデル性能やツール選定だけで起きるわけではありません。むしろ、業務定義、情報設計、権限設計、責任分界が曖昧なまま進むことが大きな原因になります。

失敗パターン	本当の原因
回答が浅い	参照情報と評価軸が整理されていない
現場で使われない	対象業務と利用場面が定義されていない
危なくて自動化できない	権限、承認、停止条件が設計されていない
保守できない	ログ、変更管理、運用責任が曖昧
効果を説明できない	導入前の課題と評価指標が決まっていない

最初に作るべきものはエージェントではなく定義書

AI エージェントを作る前に、最初に作るべきものはエージェント本体ではありません。自社でいう AI エージェントの定義書です。そこには、対象業務、利用者、入力情報、出力、外部ツール連携、承認フロー、ログ、監査、失敗時の扱い、運用責任、評価指標を書くべきです。この定義書があれば、ツール選定も開発も現実的になります。逆に、定義書がないままツールを選ぶと、製品の機能に業務を合わせることになりがちです。

まとめ

AI エージェントを作る前に必要なのは、流行しているツールを選ぶことではありません。まず、自社でいう AI エージェントとは何かを定義することです。対象業務、入力情報、判断範囲、実行権限、人間の承認、ログ、監査、失敗時の停止条件、責任分界を決めなければ、AI エージェントは設計できません。AI エージェント導入の成否は、AI そのものだけで決まるわけではありません。定義できない業務はエージェント化できない。ここを出発点にした方が、結果として安全で使える AI 活用に近づくのだと思います。