1. 人工知能と人間社会の関係性の変化

今日、人工知能（AI）の利用が急速に広がっている。2022年末に登場したChatGPT以降、対話インターフェース型の人工知能をはじめ、各種ソフトウェアやチャットボット、Webアプリケーションなどあらゆる場面で活用が広がっている。この普及の背景には、対話型生成AIという技術による飛躍的な言語および思考能力の獲得と、AIエージェントによる自律性の獲得が大きい。急激な進化を果たしたように見えるAIであるが、その歴史は古く、AIという言葉が初めて提唱された1956年のダートマス会議から、第1次AIブーム（1950年～60年代）、第2次AIブーム（1980年～90年代）、第3次AIブーム（2000年代後半以降）と複数のブームを経て、70年越しで大きく花開いたといえる。以下では、これら3つのブームの概要とどのように人間の知性に近づいたかを簡潔に整理する（資料1）。

第1次AIブームでは、人間の知的な営みである「探索」「推論（帰納や演繹）」をコンピューターが担えるようになったことが大きな進歩であった。例えばLogic Theoristというプログラムにおいて、数学の定理を様々な公理の組み合わせで自動的に証明を行うことができるようになり、当時の計算機が持つ機能としては画期的な事であった（注1）。またこの時期に初期の自然言語システムとして代表的なELIZA（イライザ）も開発された（注2）。ELIZAの仕組みは基本的に機械的な推論による定型文の応答である。たとえばユーザがインプットした入力文を一部引用して返答することで、知性は無いが、人間との対話を比較的長く続けられたことから、あたかも会話が成立しているように見えるものである （注3）。当時は、基本的に計算資源の制約などでボードゲームなどを解くような、トイプログラムと呼ばれる人工知能が中心であったものの、ELIZAをはじめとした現代のチャットボットに通ずる対話型AIの原型が、この時代において既に示されていたと考えられる。しかし実用的な展開につながらなかったため、第1次AIブームは終息していった。

第2次AIブームではエキスパートシステムと呼ばれる、専門家の知識をデータベースに格納し、専門家と同様の意思決定が行えるシステムに注目が集まった。例えば、医師などが診断を行う際に用いる前提知識と判断ロジックをコンピューター上に定義することで、医師同様に症状データから診断結果を人工知能が推論するという仕組みである（注4）。しかし、必要な専門家の知識が膨大であり、コンピューターに定義することに対する人間側への量的負荷が高いとともに、人間の意思決定や判断は極めて多様であることからルールベースでの推論では対処しきれない場面が多く、実用性には課題が残った。

第3次AIブームでは、大量のデータからパターンを自動的に認識する機械学習（マシンラーニング）と呼ばれる技術が発展した。特に、深層学習（ディープラーニング）と呼ばれるニューラルネットワーク（神経細胞から着想を得た計算アルゴリズム）を発展させた技術によってはるかにAIの応用範囲が広がった。深層学習では表現学習と呼ばれる意思決定や判断などを行う際の基準（特徴量）を自動的に学習できるため、これまでのAIにおける「局所的・限定的条件下でしか機能しない」というボトルネックを一部解消している。例えば、大量に動物の画像を学習させることで、ある画像に映っている動物がどの種類なのか判断をする際の基準を自動的に導き出すことを可能にする。このようなブレイクスルーにより、コンピュータービジョン（画像情報処理）や自然言語処理、自動運転など人間の認知機能・知的タスクをAIが代替する今日の最先端応用が実現している。

以上見てきたように、1950年代から大きく3次に及ぶブームを経て、AI技術は着実に人間の知性に近づいてきた。

しかし、ここまでの第1次～第3次AIブームに共通していることは、人工知能が処理すべきタスクは指示を行う人間から明示されなければ機能しないということである。すなわち、これまでの人工知能には人間のように問題解決の際、「ゴールを明確化すること」をはじめとした行動前の計画を立てる能力や、タスクを細分化する能力、問題解決に際して方策を変えるなど自律的に試行錯誤する能力が備わっていなかったことを意味する。また人間は複雑な問題解決を行う際、複数人から成るチームを構成し知恵を出し合いながら問題解決に挑む。このような他者との相談や議論といった人間の社会的な問題解決の営みについても、従来の人工知能が自律的に複数の人工知能と協力できておらず模倣に至っていない部分の一つである。

2. 生成AI、AIエージェントの登場

こうした背景の中、2022年末に対話型生成AIが登場した。対話型生成AIとは、自然言語による指示文（プロンプト）に応じて、自然言語や画像、コード、音声などでの出力を生成・返答するAI技術を指す。多くのソフトウェア製品やWebサービスに同様のAIが組み込まれ、文章執筆の支援や推敲、要約をはじめ、動画生成、デザイン支援まで用途は多岐にわたる。一方で課題もあった。対話型生成AIは指示文に忠実なため、人間による適切な指示出しやプロンプトエンジニアリング（どのようなプロンプトであれば最適行動を引き出せるか探索する工学的手法）が求められるようになったのである。

その課題に対応するように2023年から2024年にかけてAIエージェントと呼ばれる新しいタイプの人工知能が登場してきた。AIエージェントは、自律的に意思決定を行う人工知能技術全般を指し、これまでの課題であった「適切な指示出しがないと、最適行動がとれない」という課題が解消されている。その定義や従来の人工知能との線引きは確立途上であるが、参考としてAIエージェントサービスを提供するテクノロジー企業3社の定義を概観する。A社はAIエージェントを「意思決定する主体」と位置づけ、エージェントは独立して、必要に応じて他のエージェントや人間と協力し目標を達成するもの（注5）としている。B社も「ユーザの代わりに目標を追求するシステム」と定義している（注6）。C社では「環境と相互作用し、データを収集し、そのデータを使用して自己決定タスクを実行して、事前に決められた目標を達成するためのソフトウェアプログラム」としている（注7）。

3社に共通するのは、AIエージェントを「目標達成のために自律的に判断、実行するシステムである」とみなしている点である。一方で、各社によって人間とAIエージェントの関係性における位置づけには微妙な差異が見られる。

生成AIとAIエージェントはともに広く注目を集めている概念であるが、異なる背景を持つ。LLM（大規模言語モデル）に代表される生成AIは、人工知能における推論アルゴリズムあるいはモデル群そのものを指している。一方、AIエージェントはそのアルゴリズムやモデルをシステムとして機能させタスクを遂行する包括的な枠組み（フレームワーク）となる。

学術的には、AIエージェントは「環境を知覚し、意思決定を行い、行動ができる人工的な存在」として定義されており、エージェント構成要素である「知覚」「脳」「行動」のうちLLM（大規模言語モデル）が脳として位置付けられている。そこに知覚や行動能力を加えることでさらに汎用性が高まることを期待されている。たとえば、知覚の機能を果たす部分にて外的環境の変化を察知し、脳機能を果たす部分にて思考や計画を行う。そして最後に人の手足のように行動する機能を果たす部分にて外部環境へ影響を与える（注8）。この意思決定や行動能力は、LLMの固有の能力に加えてAIエージェントにおける制御機能により実現される。

次の章では、具体的にAIエージェントがどのようにタスクを処理しているのか、そのプロセスと能力について詳細に解説する。

3. AIエージェントの特徴

AIエージェントの特徴は、ユーザの入力したインプットに対して、単にアウトプットを返答するのではなく、目標に向けた計画策定、目標に到達するための反復試行（イテレーション）、自身の振る舞いを評価しより良い行動をとるための振り返り（リフレクション）をするという自律的かつ探索的な能力が備わっている点にある（注9および資料2）。

この能力を実現するために、AIエージェントは前述のような「知覚」「脳」「行動」という構成要素を持つ。それぞれの機能について説明をする。  

(1) 知覚

人間における目や耳などの感覚器官に対応した役割を果たし、外部環境の変化や情報取得を実施する機能である。ユーザからの指示文などのテキスト入力が代表的である。画像をはじめとする視覚情報、音声をはじめとする聴覚情報においても必要に応じツール利用などを行い、能力拡張して対応できる（注8）。

また、必要であればWebサーチなどを利用して関連情報を収集し、インプットとする（注10）。

(2) 脳

AIエージェントにおける核であり、大規模言語モデル（LLM）で構成される機能である。人間の脳と同様に情報処理や行動の制御などを行う。この機能では自然言語による対話や知識の習得、過去の行動や観察などの記憶、問題解決のための推論と計画などの能力がある（注8）。なかでも、AIエージェントにおける自律的な意思決定を支える推論と計画立案の機能について詳しく説明する。

知覚のプロセスを経て、十分に情報が集まった後、正しい意思決定や実行が精緻なものとなるべくいくつかのアプローチに従って目標達成のために推論・計画立案は実施される。

推論では、人間の知的活動における推論の3つの枠組み（演繹、帰納、仮説的推論:注11）をエージェントにも同様に持たせ、人間同様の自律的な思考や意思決定を再現しようというものである（注8）。推論を実現させる代表的な手法にChain of Thought（CoT）が存在する。この手法には、人間が複雑な問題に対して段階的に物事を考えるように、最終的な答えに至るための中間的なプロセスの例を与える方法（few-shot CoT、注12）や、段階的な思考をとるように明示することで適切な推論が行えるという方法（zero-shot CoT、注13）が存在する。推論は、後続の計画立案や行動を正しく行う上で重要であり、AIエージェントの推論能力が不足していると指示の誤った解釈や含意の考慮不足、文面通りの解釈のみに基づいた返答をしてしまうなどの課題につながる（注9）。そのため、AIエージェントの構成要素の中でも重要な機能である。

計画立案は前述した推論能力を基に実現される能力で、代表的なアプローチとしては以下の5つである（注9）。

• タスクの詳細化（より細かく処理可能なレベルへの分割）

• 複数計画からの比較選択（計画の比較評価と選択）

• 外部モジュールを利用した計画（APIなどのツール利用を含めた計画の実施）

• 振り返りと改善（フィードバックによる計画の再検討）

• メモリを活用した計画（記憶を基とした方策の検討）

以上のような方策を使い分けて、ユーザの期待に応えられるような計画立案やタスク設定を行い、行動に移行する。

(3) 行動

この機能は、ユーザからの指示に対し、知覚したうえで推論および計画立案を行い、意思決定を経由して導き出された行動を最終的にAIエージェントがとる段階である。基本的なテキストやイメージなどの出力にとどまらず、他ツール、API呼び出しなどの外部の情報を参照・利用することで、エージェントが行える行動空間を拡張している。例えば、検索エンジンにアクセスして情報をWeb上から検索することや、科学計算など専門的なタスクを行う際にpythonをはじめとする専門性の高いツールを利用してタスクを実行する。そうすることで、生成AIが生成した情報ではなく、外部ツールで情報処理された結果を用いるため、事実ではない知識を生成AIが生み出してしまう課題（幻覚：ハルシネーション）を防ぐ役割も併せ持つ。さらに、ツールを活用してタスクを遂行するエージェントは、指示方法の変化に対しても安定した正しい答えを出すことができ、生成された出力に対して、結果の導出方法を示せる点において信頼性が高い（注8）。

エージェントにこのような拡張機能を持たせる方法としては大きく以下の2つである。

I. Function Calling

一つ目はFunction Callingと呼ばれている枠組みである。この枠組みでは、定義された関数や外部ツールをエージェント側が認識し、タスクに最適なツールを自動的に呼び出す形で機能する（注14）。

この枠組みでは一部を除き、基本的にはAIエージェント側に利用する関数やツールの定義を個別に実装しなければいけないという制約がある。

II. MCP （Model Context Protocol）（注15）

二つ目は、2024年11月に登場したMCPである。エージェントとツール群をつなぐオープンプロトコル（誰でも利用できる公開規格）であり、異なるエージェントから同一のツールやデータへのアクセスを容易にした。MCPサーバー側で関数やツールを管理するためエージェント毎の実装が不要になりツールアクセスが大幅に容易になる。

このように、さまざまなAIエージェントが標準化されたツールへアクセスできるようになるというのは、人類が火や石器などの道具を使えるようになる進化に近しいブレイクスルーである。これにより情報の取得方法やアウトプット方法が無限に広がることを意味するからである。

行動においては、基本的にデジタル空間上がメインとなっているが、ロボティクス制御などと統合し、身体的行動として物理空間にも行動範囲を拡張することで、仮想知能と物理世界を結びつける将来像も期待されている（注8）。

以上の3つの機能を経て、AIエージェントはまるで人間の知的行動と同様の問題解決能力を手に入れつつある。

4. AIエージェントにおける協調行動（マルチエージェントシステム）とペルソナの埋め込み

AIエージェントのシステムには1体のエージェントから構成されるシングルエージェントシステムと、複数のエージェントから構成されるマルチエージェントシステムが存在する。

マルチエージェントシステムの特徴は複数のAIエージェント、あるいは複数のAIエージェントと人間が相互作用してタスクを処理するという点である。このシステムの利点は複雑な問題を個々の専門家としての役割をもつエージェントに分担させることができる点である。資料4では、文章生成におけるシングルエージェントシステムとマルチエージェントシステムの違いを記載している。シングルエージェントでは、計画から調査、執筆、校閲までを単一のエージェントで実施しないといけない。そのため、各タスクにおける精度を担保することが難しい。マルチエージェントシステムではそれぞれのタスクをそれぞれのエージェントに割り当てることができる。こうすることで、各タスクにおいて、そのタスクに特化したツールや知識を持つエージェントが取り組むことができる。さらに、ペルソナ同士が相互作用によりフィードバックしあうことで並列処理が実現する。また各々のエージェントは分解されたシンプルなタスクに取り組む形となることで、実行精度が高まり堅牢なアウトプットを期待できるのである（注9）。

また、マルチエージェントシステムには大きく二つのアーキテクチャ（垂直アーキテクチャおよび水平アーキテクチャ）が存在する。垂直アーキテクチャでは、一つのエージェントがリーダーとして機能し、他のエージェントがリーダーに報告する形式で機能する。この枠組みでは各エージェントでの役割分担がより明確となる。一方で水平型アーキテクチャでは、すべてのエージェントが対等であり、グループディスカッションのような形式で各エージェントの自発的なタスク処理が進行する（注9）。

このようにエージェントが特定のルールに従って動作することでタスク効率を大幅に向上させる議論プロセスを「秩序ある協調」と呼ぶ（注8）。

エージェント同士の協調においてはA2Aと呼ばれるオープンプロトコルが公開されており、この枠組みを利用すれば異なる企業が開発したエージェント同士を標準化された仕様の下で相互運用することができる（注16）。

マルチエージェントシステムにはタスクに対しての問題解決のみならず、現実世界（人間社会）の現象や議論をシミュレートするという用途も期待されている。これまでの内容で、AIエージェントが人間と同様に計画、意思決定や推論、行動などの知的振る舞いをとることができることを説明したが、人間とAIの決定的な違いは個性やバイアスの有無である。人間が生み出したデータを大量に学習している生成AIは基本的に中立的な観点での意見や意思決定、推論を実施する。したがって、問題解決や情報処理のユースケースであれば特段問題はない。しかしながら、例えばマーケティング用途で顧客目線の意見が欲しい場合、また市場動向のシミュレーションや社会的討論のシミュレーションなどを行いたい場合、より個性付けされた（時として非合理的な）人間らしい思考や意見、意思決定が必要となる。そのために、この複数エージェント同士のコミュニケーションや役割について、タスク効率の向上を目標とせず、人間の行動やコミュニケーションをより精緻に模倣、シミュレーションするという文脈で利用している例がある。これをマルチエージェントシミュレーションという。たとえば、M社が提供しているPython言語向けのツールキットでは、問題解決を最優先とするAIエージェントシステムが目指す正確無比なふるまいではなく、人間の多様性や個性（ペルソナ）を再現することに重きを置いている（注17）。このようなフレームワークではAIエージェントにより詳細なペルソナ（国籍、年齢、職業、性格、信念、行動パターンなど）を設定することができ、そのペルソナに沿った人間らしいふるまいをさせることができる。さらにエージェントたちを複数人用意してディスカッションさせるなど、新しいアイデアの生成や市場調査、A/Bテスト（マーケティングなどの領域において、商品のWebページやデザイン、広告などを検討する際に複数の候補を消費者に提示しどちらがより集客などに効果があるかを判断するテスト）などへの活用が期待できる（注17）。このようなAIエージェントの使い方は、従来の問題解決のためのツールとしての利用のみならず、新規事業企画やイノベーションといった創発的なユースケースにも活用できる展望を示している。

5. AIエージェントのユースケース

AIエージェントに関係するユースケースは多く存在するが、ここでは企業の事例として、日本の大手自動車メーカーと総合ITベンダーのAIエージェント導入事例、クレジット会社A社のマルチエージェントシミュレーション実証事例、また個人向けにAIプラットフォームO社が提供するAIエージェントを紹介する

(1) 大手自動車メーカーのAIエージェント導入例

大手自動車メーカーT社では会社の伝統的な経営手法をAIエージェント上で再現するシステムを構築している。このシステムでは自動車における、振動や燃費など様々な分野にわたる9つの専門家AIエージェントが配置されており、ユーザの質問に各専門家の観点から回答してくれる。ナレッジベースには設計書や法規制、エンジニアの手書きの文書が格納されており、さらにDBにユーザとAIエージェントとの対話履歴や人間の専門家による評価が蓄積されることで、継続的な進化を期待できる設計となっている（注18）。

(2) 総合ITベンダーのAIエージェント導入例

総合ITベンダーのF社は、ビジネス業務向けに人々と協調して業務推進するAIエージェントを提供している。その一つの会議AIエージェントでは、人間が行っている会議に出席し、会議の議論に参加する形で自律的にグラフの提示やデータの解釈の説明を実施する。会議進行のアシストや結論の導出サポートをすることで会議の生産性向上に貢献している（注19）。このように、人間が企業において実施していた複雑な知的活動もAIエージェントによって代替されつつある。

(3) クレジット会社A社のマルチエージェントシミュレーション導入例

クレジット会社A社では顧客データを基に複数体の顧客ペルソナを作成した。ライフスタイルなどが埋め込まれているペルソナそれぞれをエージェントとして、ターゲットとなる商品に対しての仮想的なグループディスカッションを実施。商品の受容性がより高いペルソナをシミュレーションから特定することに成功した。実際にシミュレーション結果をもとにターゲティングを行い販売したことで、購入率が 1.7 倍に増加するという結果を得られている。このユースケースではマルチエージェントシミュレーションが実インタビューなどより優れている点として、①リクルーティングなどに時間のかかるグループインタビューを簡易かつ効率的にシミュレーションできる点、②実在する人間へのインタビューでは引き出しにくい批判の意見を回収できる点が指摘されている（注20）。

(4) AIプラットフォームO社が提供するAIエージェントのユースケース

対話型生成AIをビジネスや個人に広く提供するO社では従来の対話型生成AIのプラットフォームを拡張する形で、AIエージェントを提供している。このAIエージェントでは可能なタスクとして、献立の計画から材料の購入、旅行計画や各種予約など日常のさまざまな作業をAIが代替してくれることを示している（注21）。AIエージェントがビジネスでの活用にとどまらず、今後あらゆる場面で利活用される未来が予想される。

6. 人とAIの関係性の変化と留意すべきリスク

前章までで触れた通り、AIエージェントにおいて社会性や人間の個性までも模倣するフレームワークが登場している。もはや人間と能力や振る舞いにおいて区別できない人工知能が登場するのも時間の問題であろう。ビジネス現場では、アメリカのテック大手企業のCEOが「いまの世代のCEOは『人だけ』を管理する最後の世代になる」と言及したように（注22）、人とAIエージェントが対等な立場で仕事や交流をする未来が迫っている。

テクノロジー大手M社によれば、AIエージェントの企業への導入における人との関係性の変化は3段階あるという。人をアシストする存在として、チャット型の対話型生成AIを使いこなす第1段階、エージェントとして、人の指示の下で自律して働く第2段階、人がエージェントの「上司」となり、エージェントが人間に近しい作業者として組織的に動く第3段階である（注23）。すでに多くの企業が第1段階に到達し、第2段階、第3段階へと進もうとしている。

一方で人間と同等の認知能力をもつAIエージェントの普及はホワイトカラーをはじめとする様々な職種の雇用を代替するリスクや、犯罪行為への悪用、差別の助長などの可能性を内包する。さらにエージェントの自律性の向上は副作用として様々な独自のリスク（AIへの依存や過信、AIにゆだねたタスク実行に対する外部からの攻撃リスクなど）を増大させる。最新の研究では、AIエージェントの利益とリスクを比較し、これ以上の自律性を持たせるべきではないという意見も存在する（注24）。資料5にある通り、AIエージェントの進化はあらゆる側面でトレードオフであるため、急速な開発に対する法的枠組みの整備と人間社会への影響の精査が急務となる。

7. まとめ

本稿では、人工知能の発展の歴史をなぞりつつ、AIにおける大きなパラダイムシフトであるAIエージェントの登場にフォーカスを当ててその特徴や機能、ユースケースやリスクを解説した。AIに対する理解を深めながら、機能拡張の末に来たる人間同様の知性をもつAGI（汎用人工知能）や人間を超えた知性を持つASI（人工超知能）（注25）に対する人間側の備えを進めていくべきであろう。