『AIエージェント導入を任されたら読む本』の著者に聞く、7つの軸で考えるAIエージェント導入

著者インタビューを読む：前編 ／ 後編

書籍紹介漫画を読む(カラー版・全6ページ)

まんがは右上のコマから左へ読みます。左右の矢印ボタンでページを送れます。画像をクリックすると大きく表示できます。まんがは右上のコマから左へ読みます。横にスワイプ、または左右の矢印ボタンでページを送れます。画像をタップすると大きく表示できます。

AIエージェント導入の全体像を理解する

図1　AIエージェントを全体で捉える

AIエージェントは、目標に向けて次の行動をAIが判断し、ツールを使って作業を進める仕組みです。そのため導入する側は、AIにどこまで判断を任せ、どこを人や既存のシステムが受け持つかを決める必要があります。

書籍が示す判断の地図をつかむ

AIエージェントを導入するには、特定のフレームワークの使い方に加えて、構成要素やAIと人とシステムの分担、評価、安全な運用まで横断して理解する必要があります。ところが、それらをまとめて学べる入門的な情報は、まだ十分ではありません。

そこで書籍では、AIエージェントを一つのシステムとして捉え、基盤の理解から最小実装、典型的な構成、本番運用までを段階的に扱っているのです。

志賀さんは、書籍が目指すのはシステム全体を自分で作れるようになることではなく、次の三つを判断できるようになることだと話します。

この三つを判断できれば、変化の速いAIエージェントの分野でも、自社にとっての次の一歩を考えられます。つまり書籍は、そのための地図の役割を果たすのです。

三つの立場に必要な判断を知る

書籍が想定する読者は、企画や要件定義を担う非エンジニア、投資判断や体制づくり、ベンダー選定に関わる意思決定者、これから実装に携わるエンジニアの三者です。ただし、同じ仕組みを理解していても、立場によって、判断することは異なります。

図2　三つの立場と判断すること

なかでも書籍が中心に置くのは、技術者やベンダーと対話しながら、自社の業務要件を整理する立場の方です。この方は、自分でコードを書かなくても、どの仕事をAIに任せるかを自分の言葉で伝える役割を担います。

業務で使い続ける状態を目指す

そうした読者に向けて、書籍がゴールの一つとしているのは、次の三つの境界を自分の言葉で説明できるようになることです。

• 固定の手順にする範囲
• AIに判断を任せる範囲
• 人の承認を置く位置

さらに、もう一つ目指したいのが、動く試作品を作って終わりにせず、業務で使い続けられる状態まで進めることです。そのためには、成果物を誰が確認し、次の仕事へどうつなげるかまで具体的に決めておきます。

新しい技術を三つの問いで見極める

「新しいAIの技術が次々に出てくるけれど、全部追いかけないといけないのでは？」
と、焦っている方もいるかもしれません。

確かに、AIエージェントの分野では、新しいモデルやサービス、フレームワークがこれからも次々に登場するはずです。しかし、すべてを追いかけるより、自社に必要なものを見分けられる土台を持つほうが、変化に振り回されずに済みます。

そこで役立つのが、新しい技術に出会ったときに使う、次の三つの問いです。

• これは何をするものなのか
• 自社に必要なのか
• 既存の仕組みと何が違うのか

また、志賀さんは、AIに関する情報を整理するための「本棚」を持っておいてほしいと話します。ニュースが流れたときに「これはこの棚にしまえばいい」と分かれば、情報の波に埋もれずに必要な情報を選び取れるからです。

図3　情報の本棚と三つの問い

本棚という比喩は志賀さんの発言に基づき、図3の棚の区分と配置は、その内容を説明するために本記事で整理しています。

PR

AIエージェント導入を任されたら読む本

著：志賀琢也／監修：川西里佳・上山俊佑／日経BP／2026年9月24日発行／定価3,300円（10％税込）

AIエージェントを一つのシステムとして捉え、基盤の理解から最小実装、典型的な構成、本番運用までを段階的に整理した一冊です。

書籍の詳細を見る（Amazon）

AIエージェント導入の対象業務を見極める

図4　技術より先に、仕事と目的

対象業務が決まらないまま構成だけを選ぶと、何ができれば成功かを決めにくくなります。だからこそ、まず改善したい仕事を具体的にし、そのあとで仕事に合う任せ方を考えます。

対象業務と改善したい目的を決める

最初から「LangGraphを使おう」「MCPを導入しよう」と技術を決めるのが、いつも正解とは限りません。対象業務と成功条件があいまいなまま作るものだけが先に決まると、かえって遠回りになりがちです。

もちろん、早めに試作品を作ること自体は、良い進め方です。ただし、その場合も、何のために、誰のために、何を改善するのかをはっきりさせておきます。

商談準備を例に取ると、改善したい目的によって、設計は変わるものです。そこで、次の問いに順に答えていくと、必要な技術と評価の方法が見えてきます。

ここで気をつけたいのは、資料を自動で作っても、担当者が毎回すべてを調べ直すなら、期待した効果は得られないという点です。つまり改善を考える範囲は、AIの処理だけではなく、人の確認や修正まで含めた仕事全体なのです。

業務に合う三つの構成を比べる

志賀さんは、目指すべきなのは「AIエージェント化すること」そのものではなく、業務に合った構成を選ぶことだと話します。

三つの構成の違いを、以下の表で比べます。

「マルチエージェントは複数のLLMを使うから、一番品質が高いのではないか？」
と、思った方がいるかもしれません。

結論から言うと、マルチエージェントにすれば、品質が上がるとは限りません。処理の重複や結果の統合、時間と費用の増加に見合うかを確かめてから選びます。

図5　業務に合う三つの構成を選ぶ

つまり、ワークフローよりAIエージェント、AIエージェントよりマルチエージェントのほうが優れている、というわけではありません。

AIと人とコードの担当を分ける

また、AIにある程度任せる場合でも、最終判断やレビューなど、人が入る箇所は分けておきます。さらに、権限の確認や正確な計算は、プログラムのコードに任せる設計もできます。

図6　AIと人とコードの担当

ただし、人による承認と、コードによる権限の確認は役割が違います。そのため、実際の業務では、それぞれをどの工程に置くかを決めておきます。

依頼する側も構成を説明する

こうした仕組みの見極めは、エンジニアだけの仕事ではありません。依頼する側も、AIで何ができるかを理解し、どの部分にどの構成が合いそうか当たりをつけておきます。

具体的には、依頼する側が次の三つを整理して伝えます。

• 固定できる手順
• 状況によって変化する判断
• 人が確認する箇所

この三つを整理しておけば、製品名を指定しなくても、エンジニアやベンダーに業務の要望を具体的に伝えられるはずです。

AIエージェント導入の要件を7つの軸で整理する

図7　7つの軸で検討の抜けを防ぐ

対象業務が見えたら、次はAIに何を求めるかを整理します。このとき、七つの軸を共通の問いにすると、業務を知る人と技術を知る人が同じ論点で話せます。

七つの軸で検討の抜けを防ぐ

書籍の七つの軸は、使う技術を決める前に、業務上の判断や人とAIの分担、扱う情報、評価基準を整理するためのものです。

七つの軸の名前と、検討する問いの例を以下にまとめました。

表の問いは、自社の業務に置き換えて使います。たとえば商談準備なら、利用する担当者、集める情報、成果物、確認する人を当てはめるイメージです。

関係者と分担して仮置きする

志賀さんは、七つの軸は導入担当者が一人で埋める宿題ではなく、関係者の認識をそろえる道具だと話します。その最初の一歩は、業務担当者と一緒に「利用者と業務目的」と「出力・成功条件・評価」を仮置きすることです。

次に、エンジニアやデータ・システムの管理者と、必要な情報や操作、利用方法を確かめます。そのうえでAIと人の分担を具体的に決め、必要に応じてセキュリティや法務の担当者にも加わってもらいます。

図8　七つの軸を関係者で埋める

なお、最初の仮置きで答えが完成している必要はありません。業務側の期待と技術側が確かめた制約を同じ軸の上で突き合わせながら、AIに任せる範囲を少しずつ固めていきます。

PoCの前に共有事項と未決事項を残す

PoC（概念実証）は、本番導入の前に、構想が実現できるか、期待する効果が出るかを限られた範囲で試す検証です。

「PoCを始める前に、七つの軸を全部決めておかないといけないのでは？」
と、不安に思う方もいるかもしれません。

実は、その必要はありません。ただし、次の四つだけは関係者と共有しておきます。

• 対象範囲
• 使ってよいデータや権限
• 成功条件
• 検証する不確実性

まだ決まっていない事項についても、何が未決かに加えて、誰がいつ確認するかまで記録しておきます。そうすれば、共有済みの条件と、検証しながら確かめる点を区別できるのです。

図9　PoC前の共有メモ

さらに、この整理は外部ベンダーに出すRFP（提案依頼書）にも使えます。共通の条件を示しておけば、ベンダーごとの提案を同じ物差しで比べられるからです。

セキュリティと法務も全体像を共有する

志賀さんは、何を実現するためにどこを守るのかを全体像として理解すると、「攻めのセキュリティ・法務」が実現できると話します。

• 何を実現するために導入するか
• その目的のために、どの範囲を守るか
• 仕組みの勘所を、関係する担当者と共有できているか

そのためには、導入担当者が理解して伝えるだけではなく、必要に応じてセキュリティや法務の担当者にも書籍を共有すると効果的です。仕組みの勘所がそろえば、同じ前提で要件を検討しやすくなります。

PR

AIエージェント導入を任されたら読む本

著：志賀琢也／監修：川西里佳・上山俊佑／日経BP／2026年9月24日発行／定価3,300円（10％税込）

要件を整理する7つの軸は、書籍の第3章「典型構成を解剖する」で紹介しています。技術選定より前に、自社の業務要件とAI・人の役割分担を整理できる一冊です。

書籍の詳細を見る（Amazon）

AIエージェント導入のPoCで効果を確かめる

図10　動くだけでなく、仕事が良くなるか

志賀さんは、PoCでは回答の精度だけではなく、人の確認まで含めて業務が改善するかを評価すると話します。さらに、想定どおりに進まない場面への対応も、確かめる対象に入ります。

成果物と人の手間を合わせて測る

改善したい対象は、人の確認も含めた仕事全体です。そのためPoCでは、成果物の品質と人の手間を、次の観点で合わせて測ります。

なぜなら、文章が自然に見えても、その内容を仕事で使えるとは限らないからです。また、品質が高くても、使うまでに手間がかかれば、期待した効果は得られません。

通常時と異常時の振る舞いを試す

次に、PoCのテストには、代表的な通常のケースに加えて、情報がない、権限がない、外部システムが応答しないといった異常なケースも入れます。うまく答えられる場面だけを試すと、実際に使うときの問題を見落としかねないためです。

図11　答えられない場面も検証する

答えられないときに「未確認」と示したり、人へ引き継いだりできることも、品質の一部です。したがって、無理に答えを出させるのではなく、その場面に合った対応ができるかを確かめます。

指標が実際の業務改善につながるかを見る

成果を測る指標としては、KPI（重要業績評価指標）がよく使われます。ただし、KPIの数値が良くなっても、業務そのものが良くなっているとは限りません。

そこで、業務の改善につながる「真のKPI」かどうかは、損益につながる改善か、減った労力をどこに振り向けるかまで見て判断します。

図12　数値の改善と仕事の改善を確かめる

本番へ進むか業務や構成を見直すかを判断する

こうした評価を踏まえ、本番へ進むかどうかは次の三つの観点で判断します。

「PoCで期待した効果が出なかったら、その取り組みは失敗だったのでは？」
と、心配になる方もいるでしょう。

しかし、期待した効果が出ないと分かり、対象業務や構成を見直すと決めることも、PoCの立派な成果です。本番へ進むことだけが、PoCのゴールではありません。

AIエージェント導入でPoC後の本番化を進める

図13　PoCの後は、使い続ける条件を整える

PoCの結果を受けて本番へ進むと決めたら、次は業務で使い続けるための準備に移ります。その準備の中心は、運用を続ける条件と、その担い手を決めることです。

運用の四本柱と担い手をそろえる

志賀さんは、PoCから本番へ踏み出せるかどうかは、この二つが決まっているかで分かれると話します。そのうえで書籍では、運用を続ける条件を次の四本柱にまとめています。

実際の準備では、表の四本柱を自社の業務に当てはめ、それぞれの担当者と、問題が起きたときの対応手順まで決めておかなければなりません。

モデルと情報の変化を観測して改善する

志賀さんは、PoCは「ある時点のスナップショット」として、うまくいったかを見るものだと話します。一方の本番では、変化の大きい環境の中で、これから先も運用を続ける方法を考えなければなりません。

図14　変化を観測して品質を保つ

たとえばモデルが変わると、以前は適切だったプロンプトが、半年後には適切でなくなることもあります。だからこそ、こうした変化（ドリフト）を観測し、改善し続ける仕組みを用意しておくのです。

更新と通知と品質確認の担当を決める

また、本番の運用では、社内規程の改定、検索やツール呼び出しの失敗、モデルの変更といった出来事に備えます。具体的には、出来事ごとに、誰がどの手順で対応するかを決めておきます。

図15　三つの運用イベントと担当

このとき、担当は役職で一律に割り当てず、その業務の情報やシステムを実際に扱う責任者から選びます。部門ごとの大まかな役割とは別に、出来事ごとの対応を決めておくのです。

対象を絞って監視しながら広げる

「本番化するなら、全社に一気に広げたほうが早く効果が出るのでは？」
と、考える方もいるかもしれません。

しかし、本番化は一度に全面展開する必要はありません。次の順で、対象を少しずつ広げていきます。

1. 監視、人への引き継ぎ、停止・切り戻しの手段を用意する
2. 対象者と業務範囲を限定して運用する
3. 監視しながら継続を判断し、対象を段階的に広げる

なお、切り戻しとは、問題が起きたときに変更前の状態へ戻すことです。監視と切り戻しの手段を先に用意しておくからこそ、対象を段階的に広げられるのです。

PR

AIエージェント導入を任されたら読む本

著：志賀琢也／監修：川西里佳・上山俊佑／日経BP／2026年9月24日発行／定価3,300円（10％税込）

RAG、Function Calling、MCP、LangGraph、マルチエージェント、評価、ガードレールなど、AIエージェントを構成する仕組みを本番運用まで体系的に整理した一冊です。

書籍の詳細を見る（Amazon）

AIエージェント導入の体制を整えて実践する

図16　業務と技術をつなぎ、実践で育てる

ここまで見てきた業務選定から本番運用までを支えるのが、体制と人材、そして実践を通じた学び方です。この章では、その三つを順に整理します。

各立場の意思決定をつなぐ

まず体制づくりでは、役職名よりも、誰が何を判断し、誰が運用を担うかをはっきりさせます。四者の分担は、次のとおりです。

このうち導入担当者は、各部門の判断を代わりに引き受けるのではなく、判断どうしをつなぐ立場です。志賀さんは、その役割を次のように話します。

経営層が現場のメリットまで具体化する

志賀さんは、導入のメリットを最初に受けるのは経営層なので、経営層が自ら推進を主導するのが望ましいと話します。

さらに経営層は、現場の一人ひとりにどんなメリットがあるかまで具体的に考えます。そこまで落とし込まなければ、組織は動かないからです。

「AIエージェントの導入を主導するなら、経営層もコードまで読めないといけないのでは？」
と、思った方もいるかもしれません。

その必要はありません。まずは経営層自身が仕組みを理解し、導入担当者にも書籍を読んでもらうところから始められます。

専門性を持ち業務と技術を翻訳する

こうした体制を支えるのが、業務と技術を幅広く理解したうえで、自分の専門性も持つジェネラリストです。用語をたくさん覚えるより、知識をつないで業務の判断に生かす力が問われます。

たとえばベクターDBは、情報をベクトルとして扱い、意味の近さで検索できる仕組みです。この仕組みを従来のデータベースとの違いから理解すると、業務でどう応用できるかを考えられます。

具体的には、「犬」と「ワンちゃん」のように表現が違っても、意味の近い情報を探せます。この特性が自社のどの仕事に役立つかまで考えることが、業務と技術をつなぐ「翻訳」です。

図17　広い理解と専門性を業務へつなぐ

部門を越えて結果を次の設計に戻す

こうした知識が幅広く求められるため、機能別の縦割りの組織よりも、フラットで横のつながりがある組織のほうが機能しやすくなります。そこで、自社でも部門を越えて同じ業務を話し合える場があるかを見直してみてください。

図18　部門を越えて同じ業務を見る

そのうえで企業が育てたいのは、業務と技術をつなぎ、AIへの任せ方を設計し、結果から改善できる人材です。うまくいかなかったときも、その理由を次の設計に戻せば、任せ方を見直せます。

図19　結果を次の任せ方へ戻す

一件の仕事から自社の導入案を作る

明日ひとつ取り組むなら、現場の担当者と、実際にあった仕事を一件だけ振り返ります。そのうえで、図20の欄に沿って一枚にまとめ、AIに任せたい範囲と、ここが改善すれば役立つという条件を一つ置きます。

書き出したメモをエンジニアや導入パートナーに見せれば、自社の業務に沿った具体的な検討を始められるのです。

図20　一件の仕事を一枚にする

その先は、自社の業務に七つの軸を当てはめ、業務設計や導入計画に生かします。外部に依頼する場合は提案依頼書（RFP）を作り、エンジニアなら実際の構築に進むのも次の一歩です。

なお、書籍は全章を読み終えてから使い始める必要はありません。一つの業務を選び、必要な章に戻りながら導入案を作っていけます。

また、自分がよく知る業務と技術の知識をつなぐ練習は、早めに始めるほど力がつきます。一つの業務で身につけた任せ方の考え方は、ほかの業務にも応用できるのです。

書籍と二つの研修を使い分ける

PR

AIエージェント導入を任されたら読む本

著：志賀琢也／監修：川西里佳・上山俊佑／日経BP／2026年9月24日発行／定価3,300円（10％税込）

コードキャンプの「AIエージェント速習研修」でも、教本として使っている一冊です。仕組みの全体像と、業務への適用を考える判断軸を学べます。

書籍の詳細を見る（Amazon）

書籍で全体像と判断軸をつかみ、研修の演習で知識を実践に近づければ、理解から実装へ進みやすくなります。そのため研修を選ぶときは、実際の業務を題材に設計と評価を経験できるかを確かめましょう。

図21　書籍と二つの研修の役割

書籍と二つの研修の役割に、研修の時間と前提を加えて、以下にまとめました。

たとえば、周囲にも同じ知識を持ってほしいのに、書籍を読んでもらうのが難しい場合は、速習研修を受けてもらうのがスムーズです。速習研修は、文章より手を動かして学ぶほうが入りやすい方にも向いています。

一方、構築研修は、概要を理解したうえで、実際に作る力を身につけたいエンジニアに向いています。実装が必要な案件を控え、開発チームのスキルを高めたい場合にも選べる研修です。

AIエージェント速習研修の内容を見る

AIエージェント構築研修の内容を見る

AIエージェント導入の進め方のまとめ

最後に、この記事のポイントを5行で振り返ります。あわせて、図20の一枚シートを使った、明日やることを示します。

明日やること（図20の一枚シート）

1. 現場の担当者と、実際にあった仕事を一件だけ選ぶ
2. 図20の一枚シートに、何を受け取ったか・何を調べたか・どこで判断したか・何を出したか・どこで時間がかかったか・どこを間違えると困るか・AIに任せたい範囲・何が改善すれば役立つかを書き出す
3. 書き出したシートをエンジニアや導入パートナーに見せ、具体的な検討を始める