「動くもの」を作る前に知っておきたいAIエージェント導入の判断軸と進め方
公開：
「動くもの」を作る前に。AIエージェント導入で判断を誤らないための考え方
AIエージェントは作れる。だが、業務で使い続けられる状態まで設計できているか。
『AIエージェント導入を任されたら読む本』の著者・志賀さんに、導入判断からPoC・本番運用・組織づくりまでを聞いた。
「とりあえず動くものを作る」から一歩進み、生成AI・AIエージェントを“業務で使い続けられる状態”にどうつなげるか。2026年9月24日発行の『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）の著者であるコードキャンプの志賀さんに、企業がつまずきやすいポイントと、その乗り越え方を聞いた。
この記事の要点
- AIエージェント導入は「作るもの」から決めるのではなく、対象業務と成功条件を先に定めることが出発点。目的が曖昧なままでは、動くものができても効果は出ない
- ワークフロー／AIエージェント／マルチエージェントの使い分け、PoCと本番運用で見るべき指標、「7つの軸」による関係者の認識合わせなど、判断の拠り所を体系立てて持つことが重要
- 導入を動かす鍵は経営層と“コーディネーター”役の人材。書籍で判断軸を、コードキャンプのAIエージェント研修で手を動かす経験を得ることで、理解から実装へつなげられる
『AIエージェント導入を任されたら読む本』日経BP
AIエージェント
導入を任されたら読む本
AIエージェントの「仕組み」を体系的に理解し、自社に必要な構成・導入を判断するための一冊。
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体系的に整理。特定の製品やツールの使い方ではなく、「自社の業務に何が必要なのか」「提案された構成は妥当なのか」「どこまでAIに任せるべきなのか」を判断するための考え方をまとめた一冊です。
- RAG・MCP・Function Callingなど、AIエージェントを構成する仕組みを体系的に理解
- 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
- 経営・企画・要件定義からエンジニアの実装まで、AIエージェント導入の判断に活用
| 仕組み | 向いているケース | 判断のポイント |
|---|---|---|
| ワークフロー | 処理の段取りを事前に決められる（例：規程を検索→権限を確認→根拠付きで回答） | 手順は人が決める。その中でLLMを使うこともできる |
| AIエージェント | 相手や調査結果によって、次に調べる情報源や順序を変える必要がある | 手順そのものをAIが考える。柔軟性を使う意味があるかを見極める |
| マルチエージェント | 独立した専門観点を分担させる理由があるとき | 分ければ品質が上がるとは限らない。重複・統合・時間・費用の増加に見合うかを確かめる |
今回話を聞かせてくれたのは
AI研修統括／講師／『AIエージェント導入を任されたら読む本』著者
コードキャンプ株式会社 AI研修統括。ECサイトでの起業、Webアプリケーション開発のプロジェクトマネジャーを経て、講師として各社の研修に登壇。学習用チャットボットや社内向けAIエージェントの構築にも携わってきた。現在は、プログラミング、DX、データサイエンス、生成AI・AIエージェント構築・AI駆動開発などの分野で研修の企画・設計や教材執筆を数多く手掛けるかたわら、AI駆動開発チームのプロダクトオーナーを務める。愛媛県在住。
目次
AIエージェント導入で、どこで判断を誤るのか
「動くものができた」の先を考える
「動くものができた」で満足せず、業務で使い続けられる状態まで見据える。本書の判断軸を、自社の一つの業務に当てはめて使うのが第一歩。
「ChatGPTは何がすごいのか」というフェーズから、「自社の業務でどう使うか」へ。日本国内の関心はいま、確実にその段階へ移っている。書籍の発行にあたり、志賀さんが企業の導入担当者にまず伝えたいことは何か。
「“動くもの（AIエージェント）ができた”の先に、業務で使い続けられる状態まで考えてほしい、ということです。本で得た地図を、自社の具体的な業務に当てはめて使ってほしい。たとえば営業の商談準備なら、どの情報を集め、何を成果物にし、誰が確認すれば次の行動に進めるのか。そこまで具体化すると、必要な技術も評価方法も見えてきます。」
そのうえで志賀さんは、「本のすべてを理解してから始める必要はない」と言い添える。一つの業務を選び、必要な章に戻りながら導入案を作る——そんな使い方ができる本だという。
企業はどこで判断を誤るのか
「作るもの」だけが先に決まり、対象業務と成功条件が曖昧なまま進むと遠回りになる。目的（時間削減か、漏れ削減か、質の向上か）で設計は変わる。
AIエージェント導入で、企業はどこで判断を誤りやすいのか。志賀さんが挙げたのは、「対象業務と成功条件が曖昧なまま、作るものだけが決まってしまう」ことだ。
「いきなり“何ができそうか”から入りすぎている、という面があります。動くものを早めに作ること自体はとても良い。でも、結局それは何のためにやるのか、誰のためにやるのか、それによって何を改善したいのか——そこを明確にした上で入らないと意味がありません。」
たとえば「営業向けエージェントを作ろう」だけでは、何ができれば役立つのかが分からない。情報収集の時間を減らしたいのか、調査漏れを減らしたいのか、提案の質を上げたいのかで、設計は変わる。調査資料が自動生成されても、担当者が毎回すべて調べ直していたら、期待した効果は出ない。現在の業務をどう改善したいかと、確認・修正まで含めた仕事全体を、先に捉えることが欠かせない。
「AIエージェント化しない」という判断
書籍『AIエージェント導入を任されたら読む本』第1章 「LLM」「ワークフロー」「エージェント」の境界線より
境界線は「処理の段取りを事前に決められるか」。決められるならワークフロー、状況で手順が変わるならエージェント。権限確認や正確な計算はコードに任せる。
あえて「AIエージェント化しない」業務を見極めることも、重要な判断だ。志賀さんは、その境界線を「処理の段取りを事前に決められるかどうか」だと説明する。
「“AIは使うけれど、手順は人間が完全に決める”のがワークフロー、“手順そのものをAIが考える”のがAIエージェントです。AIをある程度使っても、手順が決まっているならワークフローで十分な場面は多い。その時々で臨機応変に手順を考えないといけないなら、エージェントの柔軟性を使う意味がある。まずそこを分けて考えることが必要です。」
そのうえで、AIにある程度任せる場合でも、最終的な判断やレビューなど「ここは人間が入らないといけない」箇所を区別する。こうして必要な分解をしたうえで、目的とする効果が出せるかを判断していく。自律的に判断させる部分があっても、権限の確認や正確な計算はコードに任せるなど、役割を分けて設計できる。マルチエージェントも同様で、独立した専門観点を分担させる明確な理由があるときに選ぶべきものだ（上の早見表も参照）。
この見極めは、エンジニアだけの仕事ではない。実装をエンジニアが担うとしても、依頼する側が“AIで何ができるか”という仕組みを理解しておくことが、正しくエンジニアやベンダーに伝えるための前提になる。
「作ってもらう立場、依頼する側としても、AIでどんなことができるのかを理解した上で、“ここはこういう仕組みが良さそうだ”という当たりをつけておく。それによって、開発の方やベンダーの方に正しく伝えられるようになります。」
7つの軸で、関係者の認識をそろえる
![書籍『AIエージェント導入を任されたら読む本』第3章 典型構成を解剖する [10-2]要件を整理する7つの軸より](https://cdn.shopify.com/s/files/1/0744/9290/3734/files/image-2-shiga-codecamp.png?v=1788917913)
書籍『AIエージェント導入を任されたら読む本』第3章 典型構成を解剖する [10-2]要件を整理する7つの軸より
「7つの軸」は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。セキュリティ・法務も“守り”でなく“攻め”に変えられる。
本書が掲げる「7つの軸」は、AIエージェント導入で押さえるべき論点を整理したものだ。
| 7つの軸 |
|---|
| ① 利用者と業務目的 |
| ② 制御主体 |
| ③ 人の介在 |
| ④ 情報要件 |
| ⑤ 外部システム操作と権限 |
| ⑥ 利用形態と会話の継続 |
| ⑦ 出力・成功条件・評価 |
志賀さんが強調するのは、これを「導入担当者が一人で埋める宿題」にしないことだ。まず業務担当者と「利用者と業務目的」「出力・成功条件・評価」を仮置きし、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、利用方法を確認する。そのうえで、何をAIに任せ、どこで人が関わるかを具体化していく。必要に応じて、セキュリティや法務にも加わってもらう。
PoC前にすべてを確定する必要はない。ただし、対象範囲、使ってよいデータや権限、成功条件、検証する不確実性は共有しておく。未決事項は「誰がいつ確認するか」まで残す。この整理は、外部ベンダーへのRFP（提案依頼書）でも効いてくる。同じ条件で提案を比較できるようになるからだ。
ここで見落とされがちなのが、セキュリティと法務の位置づけだ。
「セキュリティや法務は“守り”として捉えられがちですが、どんな要件が求められるのか、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”が実現できます。仕組みを理解した上での検討ができると、非常に強い。」
読者自身が理解して適切に伝えることに加え、必要に応じてセキュリティ担当者や法務にも本書を読んでもらい、勘所を共有する——それも有効な使い方だという。
PoCから本番運用へ、何を見極めるか
PoCでは何を「成功」と見るか
精度だけでなく、人の確認まで含めて業務が改善するかを見る。“偽のKPI”を改善しても意味がない。異常系への振る舞いも品質のうち。
高いコストをかけて自社でAIエージェントを構築しても、「結局どこを評価すればいいのか」で止まってしまう——そんな声は少なくない。PoCでは何をもって「成功」と判断すべきか。志賀さんの答えは明快だ。回答の精度だけでなく、人の確認まで含めて業務が改善するかを評価する、というものだ。
商談準備なら、情報が正しいか、出典が確認できるか、重要な観点が抜けていないか。それに加えて、担当者の確認・修正時間、処理時間、費用も測る。代表的な通常ケースだけでなく、情報がない・権限がない・外部システムが応答しない、といった異常系も用意する。答えられないときに「未確認だ」と示したり、人に引き継いだりできることも、品質の一部だ。
「見える化はもちろん重要ですが、そのKPIが“真のKPI”になっているかがさらに重要です。KPIが改善されても、本質的に業務が改善されていない——そんな“偽のKPI”を改善しても意味がない。最終的にPLに落ちる改善なのか、人の労力が減った分をどこにリソースとして回すのか。そこまで含めて考える必要があります。」
合格基準は業務によって異なる。全体の合格率と、情報漏洩のような重大な失敗は分けて判断する。PoCで失敗しなかったことだけで、本番の安全性が保証されるわけではない。むしろ、期待した効果が得られないと分かり、対象業務や構成を変える判断ができることも、PoCの立派な成果だ。
PoCから本番へ、足りないものは何か
本番化に必要なのは「運用を続ける条件」と「その担い手」。評価と観測性、ガードレールとガバナンス、コストとSLA、知識ベース運用の4本柱。
PoCまでは進めても、本番導入に踏み出せない。その差はどこにあるのか。志賀さんは、「運用を続けるための条件と、その担い手が決まっているか」を挙げる。本書では、評価と観測性、ガードレールとガバナンス、コストとSLA、知識ベース運用の4つを柱にしているという。
「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。一方で本番は、変化の大きいAIの環境の中で、これから先ずっとどう運用していくかを考えないといけない。だから難易度が高いんです。たとえばモデルは日進月歩で、従来は正解だったプロンプトの書き方が、半年後には不正解になっていることもある。そうしたドリフトが起きたときに、どう観測し、どう改善していくか。動き続けるシステムとしてどう扱うかを、前提として考える必要があります。」
社内規程が変わったら誰が更新するのか。検索やツール呼び出しが失敗したら誰に通知するのか。モデルを変えたときに品質が落ちていないと、どう確かめるのか。こうしたことを担当者と手順まで具体化する必要がある。本番化も一度に全面展開する必要はない。対象者や業務範囲を限定し、監視・人への引き継ぎ・停止や切り戻しの手段を用意して、段階的に広げていく進め方が現実的だ。
組織・人材、そして最初の一歩
AI担当者だけでは導入できない
役職名より「誰が何を決め、誰が運用を持つか」。導入担当者はコーディネーター役。最大のメリットを受ける経営層こそ、強力にドライブする立場。
導入担当者、業務部門、エンジニア、経営層——それぞれ何を担うべきか。志賀さんは「役職名よりも、誰が何を決め、誰が運用を持つかを明確にすること」だと言う。業務部門は改善したい仕事と、成果物が使えるかどうかの基準を示す。エンジニアはそれを実現する構成や制約、検証・運用方法を具体化する。経営層は投資の優先順位や許容するリスク、必要な体制を判断する。導入担当者は、その間の論点と未決事項を整理し、判断をつなぐ。
「AI担当者に求められるのは、各ステークホルダーの立場や意見をつないで、それをAIの言葉に落とし込んでいく“コーディネーター”的な役割です。そして特に経営層の役割は大きい。AIエージェント導入で明確なメリットを最初に受けるのは、まず経営層なんです。だからこそ経営層が強力にドライブしないと、なかなか進みづらい。」
現場の一人ひとりにとってどんなメリットがあるのかまで、経営層が落とし込んで考えないと組織は動かない、と志賀さんは続ける。だからこそ経営層こそ本書のターゲットでもある。すべてのコードを読む必要はなく、まず仕組みの部分を理解したうえで、導入担当者に読ませる。そうした主導のかたちが望ましいという。
「情報が大量に流れてくる中で、どの情報をどう位置づければいいか分からず、埋もれてしまう。だから、AIに関する情報をどう体系立てて整理すればいいのか、その“本棚”を持っておいてほしい。ニュースが流れたときに“これはこの棚にしまえばいい”と分かるようになると、情報の波に埋もれずに、必要な情報を選び取れるようになります。ここが、この本の出版の意図でもあります。」
これから企業に必要なAI人材
業務と技術をつなぎ、任せ方を設計し、結果から改善できる人材。ドメイン知識と技術を“翻訳”できるジェネラリストと、フラットで横につながる組織。
AIエージェント活用が進む中で、企業にはどんな人材が必要になるのか。志賀さんが挙げたのは、業務と技術をつなぎ、任せ方を設計し、結果から改善できる人材だ。業務を分解して必要な情報と成果物を整理し、AIに任せる範囲を決め、期待どおりだったかを評価して、うまくいかなかった理由を次の設計に戻す。この一連の力が重要になる。
「従来よりもジェネラリストが重要になります。業務のドメイン知識も分かり、“ベクターDBとは何か”と聞かれれば技術の中身も分かる。その上で自分のスペシャリティを持っている。たとえばベクターDBの仕組みを理解した上で、“従来のデータベースと仕組みが違うから、業務ではこういう応用ができる”とつなげられる。この翻訳ができないと、価値を発揮できません。」
“犬とワンちゃんを区別せずに検索できる”という技術の特性が、業務で何の役に立つのか。そこをつなぐ知識が、AIエージェントの時代には格段に幅広く求められる。だからこそ、機能別に細かく分かれた縦割りの組織よりも、フラットで横のつながりを持った組織のほうが機能しやすくなる、と志賀さんは見る。
明日、最初にやるなら何から始めるか
現場の担当者と、実際にあった仕事を一件だけ振り返る。業務ドメインと技術知識を“つなぐ練習”を早めに始めることが、次につながる。
この記事を読んだ導入担当者が、明日ひとつだけ取り組むなら何がよいか。志賀さんの答えは、意外なほど具体的で小さい。
「現場の担当者と、実際にあった仕事を一件だけ振り返ってください。何を受け取り、何を調べ、どこで判断し、何を出したのか。どこで時間がかかり、どこを間違えると困るのかを、一枚にまとめる。そこから、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く。そのメモをエンジニアや導入パートナーに見せると、具体的な検討を始められます。」
そして、もう一つ。自分が深いドメイン知識を持つ業務と、本書で学ぶ技術的な知識を「つなぐ練習」を早めに始めること。その練習は、すればするほど高まっていく。業務ドメインと技術知識をつなぐところに着手できれば、そこから芋づる式に、いろいろな業務へ適用していけるという。
書籍と研修で、理解から実装へつなげる
書籍で全体像と判断軸を、研修で手を動かす経験を。「AIエージェント速習」で手触りを、「AIエージェント実装」で作れる力を身につける。
書籍で全体像と判断軸をつかみ、演習では実際の業務を題材に設計・評価してみる。研修を活用するなら、ツールの操作だけでなく、この一連の経験を持ち帰れるものにしたい——志賀さんはそう語る。コードキャンプには、本書と接続するAIエージェント研修が用意されている。
一つは「AIエージェント速習」。本書がカバーする範囲を凝縮して学べる内容で、Dify を使って実際にエージェントを動かし、手触り感を持って理解できる。
「“周りにも同じ知識を持ってほしいが、本を読んでとお願いしてもなかなか読んでもらえない”というケースでは、速習を受けていただくのがスムーズな広め方になります。文字より、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。」
もう一つは「AIエージェント実装」。本書でも触れる LangChain・LangGraph といったフレームワークを使い、エンジニアとしてAIエージェントを実装するために必要な技術を、網羅的に学べる。
「“技術の概要は分かった、次は実際にエージェントを作れるようになりたい”という方におすすめです。AIエージェントを実装しなければいけない案件があり、開発チームに対応できるスキルを持たせたい、という場合にはぜひご検討ください。」
経営層や非エンジニアの方は、まず「速習」で全体像と手触りを。実装を担うエンジニアは「実装」で作れる力を。書籍で判断軸を持ったうえで研修に臨めば、理解から実装への距離はさらに縮まる。
理解から、実装へ。AIエージェント導入を前に進める。
『AIエージェント導入を任されたら読む本』で、導入判断からPoC・本番運用・組織づくりまでの“判断軸”を。コードキャンプの法人研修「AIエージェント速習」「AIエージェント実装」で、実際に手を動かす経験を。書籍と研修を組み合わせることで、生成AI・AIエージェントの導入を、成果につながる形で進められます。
コードキャンプ AI研修統括・志賀琢也による新刊
『AIエージェント導入を任されたら読む本』9月24日発行
多くの企業でAI活用の検討が進む一方で、導入フェーズでの迷いや課題を抱える現場も少なくありません。こうした背景のもと、コードキャンプでは新刊書籍『AIエージェント導入を任されたら読む本』の発行に向け、著者・志賀琢也および監修者（川西里佳、上山俊佑）による企画コンテンツを順次公開いたします。
本特集では変革の必要性を見直し、「どう変わるべきか」を具体的な戦略として提案。即実践できるアクションから中長期的な成長戦略まで、個人や企業が取るべき道を示します。
trends.オリジナル企画の記事一覧
What's New
新着記事
【BIMオペレーターor設計者向け】プロファイルファミリ／建具ファミ リの使い方を解説！ 好評セミナー「Revitビギナーこそ知っておくべきファミリの仕組みVol.5/Vol.6」のアーカイブを無料配信
経済産業省、エンの『ソーシャルインパクト採用プロジェクト』で「総合職」「一般職」を公 募
北つくば農業協同組合（茨城県）との協業に向けた協議開始のお知らせ
MIXIとJetSynthesys、インド市場でのデジタルエンターテインメント領域における協業の可能性検討 に向けMOUを締結
