先月、製造業を営む友人がこう尋ねてきた。「うちの会社で AI Agent を導入したいんだが、どこのを使えばいいと思う?」

▶ 要約を聴く
AI合成音声・著者本人の声のクローン

私はこう問い返した。「君が欲しいのは、自動でレポートを回してくれるツールなのか、それとも生産ラインの異常を自分で判断して、どう処理するか決めてくれるシステムなのか?」

彼は一瞬固まった。「それって同じものじゃないのか?」

根本的に違う。しかも混同する代償は大きい。

同じ言葉、まったく異なる二つのもの

「Agent」という語は 2024 年に使い古された。あらゆる AI 企業が Agent を売っているが、彼らが売っているものの差は途方もなく大きい。

AI Agents（エージェント） はタスク指向の自動化ツールである。明確な目標、定義されたツール、明瞭なルールを与えれば、それを実行してくれる。症状をデータベースと照合して提案を出す医療補助意思決定システム、センサーデータに基づいてパラメータを調整する工業制御システム、あらかじめ定めたフローに従ってテストを走らせる自動化テストスクリプト——これらはすべて AI Agents だ。その中核的価値は信頼性にある。定義された境界の内側で、繰り返し実行し、想定外を起こさない。

Agentic AI（能動型 AI） は別物だ。ただ実行するだけでなく、計画を立て、問題を分解し、実行の過程で新しい情報に応じて戦略を調整する。「この市場への参入戦略を調べてほしい」というオープンエンドなタスクを投げれば、どんなデータを集め、どう分析し、いつ立ち止まって君の意見を聞くべきかを自分で決める。その中核的価値は能動性にある。不確実性に直面したとき、自律的に妥当な次の一手を打てるのだ。

両者の違いを比喩で言えばこうだ。AI Agent は優秀な実行者で、「コーヒーを買ってこい」と告げれば、的確にタスクを完遂する。Agentic AI はむしろ若手のパートナーに近い。「午後の会議で頭をしゃきっとさせたい」と言えば、コーヒーを買うべきか、お茶を淹れるべきか、それともまず十五分仮眠を取ることを勧めるべきかを自分で判断する。

なぜこの区別が重要なのか

アーキテクチャの選択を誤ることは、学術上の問題どころではない。システム全体が根本から壊れていく。

私は自動投稿パイプラインを構築したとき、まさにこの落とし穴を踏み抜いた。最初、それを Agentic 風に設計したのだ——いつ投稿すべきか、何を投稿するか、どんな画像を使うかをシステム自身に判断させた。一見クールに聞こえるが、結果としてシステムは三日にあげず奇妙な決定を下した。深夜三時に長文を投稿し、真面目なサーキュラーエコノミーの記事に色とりどりの抽象画をあてがい、あろうことか投稿のハッシュタグを勝手に書き換えた。

後になって腑に落ちた。自動投稿に能動性は要らない。必要なのは信頼性だ。私はアーキテクチャを純粋な Agent モードに変えた——Google Sheet からスケジュールを読み、ルールに従って画像を生成し、時刻どおりに送信する。すべてが安定した。〈AI Agent 規劃指引〉で共有したとおり、Agent の実装で鍵を握るのは技術的能力ではなく、境界の設計だ。この教訓の根源はここにある。タスクが本質的に必要としているのがエージェントなのか能動的パートナーなのかを、まず見極めなければならない。

逆もまた然りだ。私のディベートエンジンは当初、純粋な Agent として設計した。各モデルが固定で三巡、固定の順序、固定のフォーマットで話す。結果、ディベートの質はひどかった。真のディベートには、相手の論点に応じて戦略を調整することが要るからだ。後に能動性の設計を加えた——反論するか、追及するか、論述の角度を切り替えるかをモデルが選べるようにした——ことで、ディベートの質はようやく一段階跳ね上がった。

ルールは単純だ。タスクの境界が明確で出力が予測可能 → Agent。タスクがオープンで動的な判断を要する → Agentic。 混用すれば必ず事故る。

能動性の代償

Agentic AI は強力だが、自由の代償は不確実性だ。しかもこの不確実性は、従来のソフトウェアのバグとは違う。「壊れた」のではなく、「君が予期していなかった妥当な決定を下した」のである。

幻覚（Hallucination） は能動型システムにおいて特に危険だ。通常のチャットボットが幻覚を起こしても、せいぜい誤った答えを一つ返すだけだ。だが Agentic AI はその幻覚に基づいて次の一手へ進む——存在しない API エンドポイントへリクエストを送り、存在しない論文を引用して自らの分析を裏付け、誤ったデータに基づいて戦略提言を行う。誤りは雪だるま式に膨らむ。

タスク崩壊（Task Collapse） はもう一つの固有の問題だ。能動型システムは複数ステップのタスクを実行する際、第七ステップで突然第三ステップの結論を忘れたり、サブタスク間の切り替えでコンテキストを失ったりする。ディベートエンジンで長文対話モードを走らせたとき、まさにこれに遭遇した。第四巡に至ると、モデルは第二巡の論点を繰り返し始め、その途中で誰かが反論したことをすっかり忘れていた。長鎖推論の脆弱性には、今のところまだ完璧な解はない。

責任の境界（Accountability） が最も厄介だ。システムが自律的に決定を下すとき、誤りが生じたら誰が責任を負うのか。ある Agentic AI が金融取引で「妥当だが損失を出した」決定を下したとして、それは開発者の責任か、利用者の責任か、それともモデルの責任か。この問いについては、現状、法律的にも倫理的にもまだ合意がない。

私の実務上のやり方は、「手綱の設計」と私が呼ぶ仕組みを加えることだ。システムに能動性を持たせつつ、重要な意思決定点には硬性のチェック関門を設ける。たとえばディベートエンジンは論述の角度を自由に選べるが、巡数には硬い上限がある。能動的分析は自律的にデータを集められるが、最終提言は人間の確認を経なければ実行できない。自由だが、暴走させない。

市場は転換期に入りつつある

純粋なツールから能動的パートナーへ。この進化は単なる技術的アップグレードではない。人と AI の協働関係そのものを変える。

かつて、AI ツールの使い方は Excel を使うのとさほど変わらなかった——入力し、処理し、出力する。今や能動型 AI は口答えし、問いを返し、「私はこの方向には問題があると思う」と言ってくる。これは利用者に新しい能力を求める。AI と交渉する能力だ。ただ指示を出すだけでなく、その提言が妥当かどうかを判断し、いつそれを信頼すべきか、いつその決定を覆すべきかを見極めることである。

私自身の経験では、能動型 AI と協働するうえで最大の心構えの転換は、「それは誤りを犯すが、全体としてはより良い」と受け入れることだ。賢いが経験の浅い新人を育てるようなものだ——時折判断を誤るからといって仕事をさせないのではなく、誤りを許容するワークフローを設計し、誤りの中で成長させつつ、その誤りが不可逆な損害を生まないようにするのである。

これは〈Code is Cheap：Vibe Coding から CLAWS へ〉で論じた観点と一致している。ポストコードの時代において、真の中核能力はコードを書くことではなく、アーキテクチャの設計とテイストの判断にある。同様に、能動的インテリジェントエージェントの時代において、中核能力は AI を操作することではなく、人機協働のアーキテクチャを設計すること——何を自動化し、何を人間の判断に残し、その間をどう繋ぐか——にある。

選択の技術

友人の問いに戻ろう。彼は結局「AI Agent を導入」しなかった。彼がしたのはより根本的なことだ。まず社内のどのプロセスがエージェントに適しているか（明確・反復的・予測可能）、どの問題が能動的パートナーを必要とするか（オープン・動的・判断を要する）を棚卸しし、それぞれのニーズに応じて異なるアーキテクチャを選んだ。

これはあまりクールには聞こえないし、「全面的な AI 変革」ほど話題性もない。だが、これが正しいやり方だ。

能動的インテリジェントエージェントは台頭しつつあり、この方向が逆転することはない。だが台頭することは、あらゆる場面で能動性が必要なことを意味しない。最良のシステム設計とは、しばしば正しい場所で Agent の信頼性を用い、正しい場所で Agentic の能動性を解き放つこと——そしてその両者の間に、精緻な手綱を設計することなのだ。

ツールとパートナーの違いは優劣にあるのではなく、異なる状況への適合性にある。自分が直面しているのがどちらの種類の問題なのかを見極めれば、答えはおのずと出てくる。