Q&A：現在のエージェント型 AI とあるべき姿とは何か

「AI エージェント」と呼ばれる自動化されたソフトウェアシステムの導入は、最近爆発的に増加しました。2025 年 11 月に*[MIT スローン経営大学院とボストン・コンサルティンググループ](https://sloanreview.mit.edu/projects/the-emerging-agentic-enterprise-how-leaders-must-navigate-a-new-age-of-ai/)*が発表したレポートによると、調査対象企業の 35% がすでに AI エージェントを導入しており、さらに 44% がまもなくアジェンティック AI の実装を計画していることが明らかになりました。 これらのますます普及するツールの基本原理と潜在的な影響を理解するために、*MIT ニュース*は、AI エージェントが持つ知能や、アジェンティック AI システムを支える基盤となるモデルおよびメカニズムを研究している電気工学・コンピュータサイエンス学部（EECS）准教授であり、コンピュータ科学人工知能研究所（CSAIL）のメンバーであるフィリップ・イソラ氏にインタビューを行いました。 **Q: **アジェンティック AI とは何か、また ChatGPT や Claude などの生成 AI モデルとはどのように異なるのでしょうか？ **A: **アジェンティック AI とは、現実世界で行動を行う AI です。その行動には、ロボットの操作のような物理的なアクションや、フライトの予約のようなデジタルなアクションが含まれます。一方、私たちは生成 AI を、私たちに代わって行動するのではなく、物語、詩、芸術、画像などを創作するものとして捉えています。 「エージェント」という言葉は単なるブランド名に過ぎません。通常、これは人々がアプリケーションやウェブサイト、あるいは物理世界と対話するのを支援するための AI を指します。今日私たちが遭遇するほとんどのエージェントはデジタルエージェントであり、製品に関する苦情について話し合うことができるカスタマーサービスエージェントなどが該当します。 エージェントを提供する企業の多くは、裏側で同じ数少ない AI モデルを使用し、それらにアクションを実行したり過去の出来事を記憶したりする能力を与えています。エージェントの核心には、Claude などの基本的な生成 AI システムが置かれます。その後、企業はその基盤モデル（foundation model）の周りに、自社の製品やアプリケーション向けに異なるラッパー（wrapper）を構築します。これらのラッパーは、エージェントが使用できる特定のツールであり、そのツールはアプリケーションに応じて異なります。例えば、計算機へのアクセス権を持たせて数学の問題を解かせたり、より複雑なハードドライブとオペレーティングシステムへのアクセス権を与えて企業の財務データや過去のビジネス交渉を記憶させたりすることがあります。 エージェント型 AI の開発における最大の課題は、トレーニングデータの不足です。オンラインにアクセスして飛行機を予約してくれるシステムを作りたい場合、それは非常にシンプルに見えるかもしれません。しかし、マウスをどこに動かすか、どのボタンをクリックするか、何か問題が起きたらどうするか、あるいは誰かに電話をかけて航空券の価格について交渉する方法かを具体的に示したデータはあまりありません。このようなシステムをトレーニングする一つの方法として、AI エージェントに航空会社のウェブサイトを訪問させ、試行錯誤して何がうまくいき、何が失敗するかを確認させることが挙げられます。これらの環境はモデル化が難しいため、エージェントは往々にして試行錯誤によって学習する必要があります。 **Q: ** エージェント型 AI の有望な応用例にはどのようなものがありますか？ **A: ** 最も成功が見られている分野は、コーディングエージェントの領域だと考えます。これは生成 AI から発展したものです。人々はコードに対して言語モデルをトレーニングし、人間がコーディング問題を解決するために何を行うかを予測できるようにしました。さらに、エージェントはフィードバックループを通じてこれを学習することもできます。つまり、異なるソリューションを試して答えが正しいかを確認するのです。答えを検証できる限り、AI エージェントは良い戦略を見出すまでこの試行錯誤のループを続けることができます。 しかし、意思決定の自動化と、単に人間を支援・情報提供することの間には、常にバランスが必要です。意思決定の結果を予測するシステムのような分析型 AI 手法は、本質的に自律的（アジェンティック）なものではありませんが、人間の意思決定者にとって非常に有益な情報を提供します。医療、セキュリティ、高レベルのビジネス方針など、リスクが大きく安全性が重要なケースでは、AI がこれらのプロセスを完全に自動化できる技術がまだ整っていない場合や、あるいは私たちがそれを望まない場合もあります。 **Q: ** AI エージェントを使用する際に考慮すべきリスクはありますか？ **A: ** 大きなリスク領域の一つは、エージェントに特定の種類の作業を行わせることが非常に容易であるという事実から生じます。コーディングエージェントの場合、「バイブコーディング」して、エージェントにコードを作成させるだけで済むため、自分自身で苦労する必要がなくなります。しかし、あまりにも簡単であるがゆえに、人々がそれが正しいことを十分に検証しようとする努力を怠る大きなリスクがあります。バグが導入され、個人データが漏洩する——これはすでに起こり始めています。 エージェントは完璧ではありません。訓練が不十分であったり、何をすべきか分からなかったりするせいでミスを犯す可能性があります。しかし、たとえ非常に有能なエージェントであっても、人間が適切に使用しなかったり、指示が曖昧すぎたりした場合、AI エージェントは人間のミスによって誤りを犯すことになります。すべての結果を人間が十分に検討する関与が減れば、そうしたミスを犯しやすくなるのではないかと考えられます。 もう一つの側面として、スキル低下のリスクがあります。これがどこまで進むかは不明ですが、宿題やコーディング、数学の問題解決にエージェントを頼りすぎると、自分たちでそれらを行う能力を失う可能性があります。また、その技術がこれらのプロセスを完全に自動化する準備がまだ整っていないため、その能力を失うのが早すぎる恐れもあります。 **Q: **アジェンティック AI の未来には何が待ち受けているのでしょうか？ **A: **現在私たちがアジェンティック AI と呼んでいるものは、デジタルおよび物理システムと対話するためにツールを使用する大規模言語モデルを指します。明白な限界として、内部ではこれらが言語モデルのアーキテクチャを持っており、テキストデータに基づいて訓練されている点が挙げられます。さらに強力な AI エージェントを作るためには、動画、物理力、時系列データ、レーダースキャン、その他のモダリティをモデル化する必要があるかもしれません。連続データ、高次元データ、確率的データなどを処理できる、根本的に異なるアーキテクチャを持つモデルが必要になる可能性もあります。 しかし一方で、極めて優れたコーディングモデルが、センサーやアクチュエータ、Web API と対話するための操り人形として機能する可能性もあるかもしれません。数学、言語、コードを理解する超賢い推論システムを手に入れたら、カメラとキーボードを与えても、空間領域で何をすべきかを自ら見つけ出すことができるでしょう。次の AI の波は、センサーやアクチュエータ、ツールを備えた Claude になるのか、それとも根本から新しい方法で構築されるものになるのか。これが現在、AI 界隈の多くの人々が取り組んでいる大きな問いです。

Q&A：現在のエージェント型 AI とあるべき姿とは何か

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト