こんにちは、AIニュースアプリ Morning AI 開発者の矢野哲平です。この記事では、AIエージェントの今について触れます。
AIエージェントはバズワードになって認知が一気に広がりましたが、その後どうなっているのか、個人的にも気になっていました。「AIエージェントって実際どうなの？」と疑問に感じている人も多いと思います。先日、AIエージェントの95%は失敗しているという話を聞いたこと、そしてOpenAIがAIエージェントの構築ツールを投入してきたことをきっかけに、ここで一度AIエージェントについてじっくり考えてみたいと思います。
この記事では、主に次の3つのポイントを解説します。
AIエージェントを簡単に言うと、「AIが自律的に思考して各種ツールにアクセスし、タスクを遂行するAI」です。
たとえば「北海道に旅行に行きたい」とAIに伝えると、航空券のサイトにアクセスして最安の航空券を調べ、札幌のホテルの最安値を探し、周辺の飲食店をまとめてくれる。こんなふうに、AIが人間の代わりにさまざまなタスクを遂行してくれます。
普段のAIとのやりとりはチャット形式が多いと思います。ChatGPTのチャット画面で質問して、AIが回答を返し、人間がさらに質問を重ねて会話のキャッチボールをするイメージです。一方でAIエージェントは、人間の少ない指示でAIが多くのタスクを実行してくれるイメージです。AIエージェントの位置づけはAIコーディングエージェントとは？でも整理しているので、あわせて読むと分かりやすいと思います。
AIエージェントを使うアプローチは、大きく分けて3つあります。
実は、私たちも普段、何気なくAIエージェントを使っているケースがあります。たとえばChatGPTやGeminiのDeep Research。AIが指示から調査計画を立て、数十以上のサイトにアクセスして情報を収集し、レポートをまとめてくれる機能です。これも調査系のAIエージェントと言えます。あとはエンジニアがよく使うCursorやVS Codeなどのツールも、コーディング系のAIエージェントを使った開発手法と言えます。
「AIエージェント、聞いたことはあるけれど触ったことがない」と思っている人も、実は触ったことがある、というパターンは結構あります。自分でプログラムを書いて作るアプローチはハードルが高いですが、ノーコードで構築する方法や既存ツールを使う方法なら、意外と簡単に導入できます。
そして最近、OpenAIがAIエージェントを構築するツールを発表しました。ここを詳しく掘り下げます。
先日、OpenAIの開発者向けイベントDevDayが開催され、7つほどの新発表がありました。そのなかにAgentKitがありました。これは簡単に言うと「エージェントビルダー」、つまりAIエージェントの環境を簡単に設計できるツールです。イメージとしては、ZapierやDifyのようにノーコードでAIエージェントを構築できるツールです。コードを書かずに、ブロックをつなげる感覚でAIエージェントの中身を作っていけます。
AgentKitはAPIの登録をしている人であれば使えます。ページにアクセスして、ブロックをつなげる感覚でエージェントを組み立てていきます。AIエージェント向けのツールがいろいろ用意されていて、MCPを連携したり、RAGと連携させたりもできます。
こうしたノーコードツールが出たとき、海外では「n8nキラー」と呼ばれたりもしました。n8nは、同じようにノーコードでAIエージェントやAIの自動化ができるツールです。日本ではDifyがイメージ的に近いです。
ただ、私が触ってみた感想としては、現時点ではMakeやn8nのほうが使いやすいと感じました。理由は2つあります。
1つは、現時点でスケジュール機能がないこと。そのため、AIの自動化はできません。たとえば「毎日指定した時間にAIニュースを検索してレポートをまとめる」といったタスクは、現時点ではAgentKitではできないようです。もう1つは、接続できる外部ツールがMakeやn8nに比べて少ないこと。Todoistと連携するなど手軽に外部ツールとつなぐ点では、Makeやn8n、Difyのほうが使いやすいと感じました。
とはいえ、あくまで現時点の話です。そしてAgentKitは文字通りAIエージェントを構築するツールなので、AIの自動化とは少し違ったアプローチなのかもしれません。OpenAIのAPIが使える方は触ってみると面白いと思います。コードを書いて実装することが多かったAIエージェントを、ノーコードでブロックをつなぐ感覚で構築できる。社内でAIエージェント導入の検討があったとき、ノーコードでさっとプロトタイプを作れる。こうした選択肢は、刺さる人には刺さると思います。
2024年ごろからAIエージェントが頻繁に登場するようになり、2025年は「AIエージェント元年」と言われたりしました。じわじわ浸透しているイメージはあります。
ただ一方で、AIエージェントは結構どこも失敗しているという話もあります。マサチューセッツ工科大学（MIT）の「ビジネスにおけるAIの現状 2025年」というレポートによると、AIエージェントのプロジェクトに数十億ドルが投資されているにもかかわらず、95%は失敗していると報告されています。成功しているのは5%にとどまる、というわけです。
この成功している5%の企業がどういうアプローチをしているのか、いくつか紹介されています。
レポートでは、AIツールの企業導入は進んでいるものの、ビジネスの根本的な変革には至っていないところが多いとも指摘されています。業界別で見ると格差は明白で、テクノロジー企業とメディアの2業界では明確な構造的変化が見られる一方、その他の業種では目に見える変革が起きていないそうです。
実際、ソフトウェア企業のような開発分野ではAIの導入が非常に進んでいます。私自身もClaude Codeのようなコーディング特化のツールを使っていて、目に見えて恩恵を感じています。一方で、ある製造業のCOOは「LinkedInの広告ではAIによってすべてが変わったと言われているが、我々の業務では何も根本的には変わっていない。契約書の処理が少し早くなっただけだ」と語っています。AIを導入したすべての企業や職種が根本的な変革を遂げているわけではない、ということです。
明るいニュースばかりではありませんが、テクノロジー企業やメディア企業のようにAI導入で劇的な構造変化が生まれている事例は見逃せません。AgentKitのようにエージェントを簡単に構築できるツールも出てきていますし、モデル自体の進化も続いています。現状の導入は難しいとは思いますが、引き続き淡々と進めていきたいと感じています。AI企業がどう社内導入を進めているかはAIエージェントの活用事例が参考になります。
95%が失敗しているというレポートを見て、正直そこまで驚きはありませんでした。私個人の感覚やインターネット上の意見を見ても、AIエージェントの導入は難しいと感じる点が多かったからです。
どちらかというと、AIエージェントよりもAI自動化のほうがやりやすいと思うことがあります。AIにどのツールを使うか判断させ、裁量権を持たせてタスクを進めさせるのは、聞こえは良いのですが、思うように精度が出なかったりハルシネーションの問題が出たりします。それよりも人間が道筋をしっかり明示し、そのレールに沿ってAIにタスクを遂行してもらうほうが、導入もコントロールもしやすいと感じます。これをAIワークフロー、あるいはAI自動化と呼んだりします。
AIエージェントとAIワークフローは混同されがちです。「AIエージェントと聞いたけれど、実際見たらAIワークフローだった」というケースもあります。整理すると次のようになります。
AIワークフローのほうが導入のしやすさやメンテナンスの面で扱いやすいので、AIエージェントがなかなかうまくいかない人は、ワークフローのアプローチも面白いと思います。
ワークフロー系のツールには、Zapier、Make、n8n、Difyなどがあります。Difyはリコーが企業導入の事業を始めて、国内でも認知が増えてきました。海外ではn8nが有名です。個人的には、無料で使える範囲が広いMakeがおすすめです。n8nも手元のパソコンで動かせる点が良く、AIワークフローもAIエージェント機能も備えています。AIエージェントという視点ではMakeよりn8nのほうがおすすめです。
なお、私自身もどちらかというとAIエージェントよりAIワークフローを多く構築しています。たとえば海外のニュースサイトからAIの情報だけをピックアップして通知するワークフローや、書いた文章を自動で校正するワークフローなどです。AIエージェントはハードルが高いと感じる場合は、まずAIワークフローから試してみるのがおすすめです。
あわせて進めたいのが、自分の仕事の棚卸しです。繰り返しの業務や定型作業は意外と穴場で、「これAIで対処できるかも」というものが見つかります。業務を細分化してAIワークフローを適用できるものを探し、そこから段階的にワークフロー、AIエージェントへと進んでいくのが良いと思います。
最後に、今回のポイントをまとめます。
Anthropicが公開した社内導入ガイドをもとに、財務・法務・営業・プロダクトの4チームのAIエージェント活用事例を紹介。さらに社内へAIを浸透させる5段階のステップと、タスク選定の基準まで解説します。
AIコーディングエージェントの概要、従来のAI補完ツールやチャットとの違い、Claude Code・Codex・Antigravity CLIなど代表的なツールとできること、選び方をまとめて解説します。
Claude Sonnet 4.5を、GPT-5・Gemini 2.5 Proと5つのタスクで比較。コーディングや文章作成に強いClaudeの特徴、ChatGPT・Geminiとの機能面の違い、そして法人市場を支えるClaude Codeの魅力まで実体験をもとに解説します。
Claude Codeのultrathinkが、2.1.311からそのターンのeffortを実際にxhighへ引き上げるようになりました。今の仕様、効く条件と虹色の表示、31,999トークンの時代からの変遷、よくある誤解、/effortとの使い分けを解説します。
AIエージェント「Grok Bot」の活用アイデアまとめ。公式が紹介する営業・採用・サポートなどのビジネス向けと、Cursorと組み合わせるエンジニア向けの使い方に加え、筆者が実際にやっているX連携・ダイエットの記録・勉強・他社のAIエージェントとの連携などを紹介します。
AIエージェント「Grok Bot」の始め方と使い方を実体験から解説。料金と使えるプラン、Xと連携した情報収集やAIポッドキャストなどおすすめの使い方、記憶の整理でミスを減らすコツ、買い物の自動化がまだ難しい理由までまとめます。
Anthropicが発表した先回り型のAIエージェント「Claude Duet」の仕組み、承認の仕組み、誰がいつ使えるのかを整理します。あわせてGrok Bot・Muse・dots・Gemini agentと続くクラウド型AIエージェントの流れと、今試すならどれかを解説します。
Gemini Notebook（旧NotebookLM）とGoogleドライブを連携した時、AIはどこまで情報を参照するのか。指定していないフォルダまで読まれることはあるのか、連携の単位から整理します。
Googleの最上位モデルGemini 4 Argonを、ChatGPT（GPT-6 Astra）やClaude（Fable 5.1・Opus 5.5）と比較。Googleの公式比較、Artificial AnalysisやVals AIなど外部の評価、実際に使った感想から、Argonの得意なこと・不得意なことを整理します。
10月13日のGoogle Playの発表で、Google AI Studioで作ったAndroidアプリを自分のスマホにインストールして使えるようになりました。開発者アカウントは不要で、アプリは非公開。何が嬉しいのか、在庫チェックや日報など自分専用の業務アプリの例と、地域・年齢の注意点を解説します。
GoogleのSynthIDが、TIME誌の「Best Inventions 2026」に選ばれました。AIが作った画像・音声・動画・テキストに目に見えない電子透かしを入れる技術で、これまでに1,800億件以上に適用されています。何ができるのか、私たちユーザーにとって何が大事なのかを解説します。
Metaが今年から本格展開しているAI「Muse」を整理します。Museはモデルの名前でもあり、アプリの名前でもあります。Muse SparkとMuse Wonderの違い、アメリカでStore1位になったパーソナルAIアプリのMuse、日本で使えるのはどこまでか、中小企業での活用事例、キーマンのアレクサンダー・ワン氏まで解説します。
MetaのMuse Spark 1.3を、Claude Opus 5.5とGPT-6.1 Solと比べました。OpenCodeでランディングページを作らせた実験の結果と、Artificial Analysis・Design Arena・Vals AIの外部ベンチマークを整理します。API料金が一番安いMuse Sparkは、Webサイトやデザイン系のタスクで健闘していました。