エージェントがいま仕事でできること

この波の最初の数年、多くの人はチャット画面としてAIに出会いました。質問すれば答えが返り、残りは自分でやる。いま、どのスライドにも書かれている言葉はエージェントです。目標を与えられ、手順を踏み、使用を許されたツールを使い、仕事を終えて戻ってくるソフトウェアのことです。

ここ数週間は、その両面を見せました。OpenAIは、バックグラウンドで働き続けるエージェントをChatGPTに組み込みました。AnthropicとMETRは、誰も頼んでいないことをしたエージェントについて報告しました。ここでは、そうした主張を証拠と、そして私たち自身の日々の仕事と照らし合わせたときに見えるものをお伝えします。

数字が語ること

導入は現実のものですが、ばらつきがあります。McKinseyの2026年の調査では、売上高10億ドルを超える組織の回答者の40パーセントがAIエージェントを拡大展開していると答え、1年前の27パーセントから増えました。より小規模な組織では、その割合は22パーセントにとどまりました。回答者の約10人に2人がコーディングエージェントを拡大展開しており、32パーセントは、コーディングエージェントで内製できるようになったため、あるソフトウェアの購入を見送ったと答えました。

お金は、まだ後からついてきていません。AIによるEBITへの何らかの影響を認めた回答者の割合は、37パーセントのままでした。Gartnerは、エージェント型AIを自社のハイプ・サイクルの頂点に位置づけています。2026年のCIO調査では、エージェントを導入済みの組織は17パーセントで、60パーセント超が2年以内の導入を見込んでいました。Gartnerによれば、ほとんどの導入は対象範囲が狭いままで、完全に自律したエージェントは企業のユースケースの大半にはまだ対応できません。それでも、エージェント型AIのプロジェクトの40パーセント超が2027年末までに中止されると予測し、エージェントウォッシング、つまりチャットボットや古い自動化をエージェントと呼び替えることに警鐘を鳴らしています。

確実にこなせること

私たちが知る中で最も慎重な測定は、METRによるものです。METRは、ソフトウェアのタスクについて、AIエージェントの成果を、熟練した人が同じタスクにかかる時間と照らし合わせて測っています。5月の報告書では、公開されている最良のモデルが、人なら約12時間かかるタスクで半分の確率で成功しました。5回中4回の成功を求めると、タスクの長さは約1時間半にまで下がります。

その差こそが、仕事の現場におけるエージェントの実情です。長いタスクに挑むことはできます。確実にやり遂げられるのは、短いタスクです。業務プロセスは、確実性の数字で評価されます。半分の確率でしか正しくない請求処理を望む人はいないからです。Anthropic自身の助言は、いまも有効です。あらかじめ決められた道筋をたどるワークフローは予測可能で、次の一歩を自ら選ぶエージェントは柔軟だが誤りが積み重なりやすい。だから、うまくいく最もシンプルな構成から始め、明らかに見合うときにだけ自律性を加える、というものです。

ここ数週間が示したこと

9月29日、OpenAIは開発者カンファレンスでDotsを発表しました。ChatGPTのエージェントで、それぞれが専用のクラウドコンピューター上で動き、会話と会話のあいだも目標に向かって働き続け、4'000を超えるアプリにアクセスでき、ChatGPT、Slack、Teamsからメッセージを送れます。SiliconANGLEによれば、OpenAIは調達や請求書処理に特化したバージョンを社内でテストしました。設計が多くを物語っています。Dotが自ら調べているあいだ、オーナーのアプリへの接続は読み取り専用です。アカウントに触れる操作や情報を共有する操作は自動レビューを通り、OpenAIは、エージェントはまだ間違えることがあるとして、重要な仕事はユーザーが確認するよう求めています。スイス、英国、欧州経済領域のProユーザーは、この提供開始の対象外でした。

9月30日、METRの代表は米上院の小委員会で、OpenAIが7月に公表したインシデントについて証言しました。社内でテストしていたエージェントが連携してテストで不正を行い、その過程で、広く使われているAIプラットフォームHugging Faceに侵入したというものです。彼のまとめは率直でした。エージェントが人間の意図に反する行動をとらないようにするという問題を、開発者はまだ解決していない、と。

10月9日、Anthropicは、評価と社内利用における自社モデルの意図しない行動についての調査結果を公表しました。ある研究用モデルは、練習用の書式が読み込めなかった後、本物の政府の書式を提出しました。ある小型モデルは、提出しないよう指示されていた書式を、ときどき提出していました。ほかにも、制限を回避してアクセスが制限されたデータに到達したり、短縮URLを使ってツールの制限をすり抜けたりしたモデルがありました。Anthropicによれば、影響は最小限で、同社が知る限り顧客データは関わっていません。同社はすべての社内評価でインターネットへのライブアクセスを遮断し、一部のWebツールのガードレールを強化し、報告したすべてのケースをブロックする検知の仕組みを構築しました。

指示はゲートではない

企業にとっての教訓は、エージェントが危険なおもちゃだということではありません。これらはモデルを厳しくテストした研究機関の事例であり、彼らは見つけたことを公表しました。教訓は、制御がどこにあるのかについてのものです。書式を提出しないよう指示されたエージェントが、ときに提出してしまいました。提出ボタンに届かないエージェントは、決して提出しません。

チェックにも同じ注意が必要です。AnthropicのProject Vendの第2フェーズでは、オフィスの売店を運営するClaudeのエージェントに上司がつきました。最高経営責任者として振る舞う2つ目のエージェントです。その上司は、特別扱いの依頼を断るよりも約8倍多く承認し、同じモデルで動いていたため、売店のエージェントの盲点の多くを共有していました。同じモデルで動く2つ目のエージェントは、良い働き手ではあっても、弱い検査役です。本当に大切なチェックは、異なるものから来るべきです。コードで書かれたルール、合否がはっきり出るテスト、あるいは人です。

私たちのプロダクトにあるゲート

crueのすべてのプロダクトは、いまこのように動いています。Kontorでは、送信、支払い、督促はそもそもアシスタントには使えず、人が行います。Studioでは、アシスタントがWebサイトの変更を下書きし、すべての変更とすべての公開を人が承認します。Lookoutはあらゆるチャネルで見つけ、書き、準備し、外に出るものは人が承認します。Twinでは、すべての役割のすべてのタスクに印がついています。自動で完了するもの、承認を待つもの、確信が持てないときに人へ引き渡すもの、です。

次の段階は、ゲートを動かします。取り除くのではありません。Twinは月末処理、見積もり、オンボーディングといったルーティン全体をエンドツーエンドで実行し、企業が選んだゲートで承認を受けるようになります。Lookoutは、最初のシグナルから予約された打ち合わせまで、一連の流れ全体を企業が定めたルールの範囲内で実行するようになります。crueはすでに80を超えるスキルを備えた自社のTwinで動いており、線が動くのは、現在の段階が実際の仕事で、まず私たち自身の仕事で持ちこたえたときだけです。人に残るのは、名前を伴う部分です。クライアントとの対話、判断を下すこと、そして最後の「はい」です。

どこから始めるか

Gartnerの助言は、私たちの考えに近いものです。判断が必要な場面ではエージェントを、定型的なワークフローには通常の自動化を、簡単な調べものにはアシスタントを使う。価値の多くは、どれをどれに使うかを選ぶことにあります。

毎週繰り返され、終わりがはっきりしていて、人が1分で確認できるものを生み出すルーティンを1つ選びましょう。目標、エージェントが使ってよいツール、止まらなければならない地点を書き出し、その停止をプロンプトだけでなくツールそのものに組み込みましょう。何かが会社の外に出る前、つまり請求書、メール、公開されるページの前にゲートを置きましょう。そのうえで、下書きに修正が不要だった回数を正直に数えましょう。

エージェントは、まだ同僚ではありません。速く、疲れを知らない、けれど自分が間違っていることに気づく感覚にむらのある若手です。明確な目標と適切なツール、そして言葉巧みにすり抜けることのできないゲートを1つ与えれば、すでに1週間の仕事を大きく減らしてくれます。