エージェンティックAIとは：定義・仕組み・具体例

詳しい定義

エージェンティックAI(英語ではagentic AI)とは、限定的な人間の監督のもとで、複数のステップを経て目標を達成するように設計された人工知能システムを指します。IBMの定義では、限られた監督のもとで、複数の行動候補を評価し、最も適切なものを選んで特定の目標を達成できるシステムとされています。Microsoftも同様の立場を取っており、目標を追求しながら独立して判断し行動する能力、すなわち「エージェンシー(agentivity)」を持つAIシステムだと説明しています。

これは製品ではなく、カテゴリーです。まったくエージェンティックではないチャットボットを作ることもできますし、完全にエージェンティックなエージェントを作ることもできます。あるシステムをエージェンティック側に分類するのは、次の3つの要素が揃っている場合です。単一の質問ではなく与えられた目標があること、その目標を一連の行動に分解できること、そして、テキストで応答するだけでなく、ツールを通じてその行動を実際に実行することです。

この概念はLLMとともに生まれたものではありません。RussellとNorvigが体系化した合理的エージェントという、人工知能におけるより古い考え方を発展させたものです。エージェントはセンサーを通じて環境を認識し、アクチュエーターを通じてそれに働きかけ、知っていることを踏まえて可能な限り良い結果を追求します。最近の言語モデルによって変わったのは、エージェントの「頭脳」が自然言語で推論し、ドキュメントを読み、あらかじめケースごとにコード化されたルールなしにツールを呼び出すかどうかを判断できるようになった点です。2つの概念の完全な比較については、生成AI vs エージェンティックAIのページもあわせてご覧ください。

仕組み

技術的な説明は、4段階のループという点でおおむね一致しています。Microsoftはこれを、認識(データやシグナルの取り込み)、推論(計画の構築)、行動(ツールやAPIを通じた実行)、そして振り返り(結果の評価と調整)と要約しています。Google Cloudもこれに近いループを説明しており、認識、判断、行動というステップを経て、その結果が次の認識にフィードバックされるとしています。

4つの要素がこのループを可能にしています。

• 計画立案：システムはあいまいな目標を具体的な一連のステップに分解し、あるステップが失敗した場合はその計画を見直すことができます。
• ツールの利用：エージェントは、何をすべきかを説明するだけでなく、APIを呼び出し、データベースに問い合わせ、メッセージを送信します。
• メモリ：進行中のタスクの流れを保つための短期記憶と、セッションをまたいでプロジェクトの文脈を覚えておくための長期記憶があります。
• 自律性：これは白か黒かではなく、承認が必要な行動を提案するだけの単純なアシスタントから、実際に実行し、本当に重要な判断だけを人間に上げるエージェントまで、幅広いグラデーションがあります。

ここに、現在の市場における本当の分かれ目があります。一方には、根本的な目標を与えられ、それを達成するための道筋を自ら選び、専用の実行環境の中で継続的に稼働し、判断が必要な場面でのみ人間の関与を求める非同期の自律型エージェントがあります。もう一方には、Make、n8n、Zapier、Lindy、Copilot Studio、Agentforceといったツール上に構築され、トリガーがほぼあらかじめ決められた一連のステップを起動するトリガー型のワークフローエージェントがあります。どちらのカテゴリーも正当なものであり、異なるニーズに応えています。優劣の問題ではなく、どの程度の自律性の粒度を求めているかという問題です。

Atakoでの具体例

Atakoでは、企業が作成したエージェントは、共有のワーカープールではなく、専用の隔離された実行環境の中で稼働します。この永続性がすべてを変えます。エージェントのメモリ、ファイル、スケジュールされたタスクは、一時停止や再起動を経ても失われません。これはまさに、一度応答したら忘れてしまうのではなく、長期にわたって目標を追求するシステムに求められることです。

具体的には、同一のAIエージェントが、すべて同じメモリを共有する4つのチャネル、チャット、メール、Webhook、cronを通じて呼び出しを受けます。cronチャネルは、エージェンティックな考え方をよく表しています。スケジュールされたタスクは、人間がフォームで設定するのではなく、定期的な確認が目標達成の計画の一部だとエージェント自身が判断したときに、エージェント自らが作成するのです。複雑なサブタスクについては、エージェントは一時的なサブエージェントに委任することもでき、その作業は自身のアクティビティタイムライン上にステップとして表示されます。

この自律性には、きちんと枠組みがあります。すべてのツール呼び出しは、明示的なグラント(エージェント、接続、具体的なアクション、読み取りまたは読み書きの範囲)を経る必要があり、付与されるまではデフォルトで拒否されます。CIとインシデント管理のトリアージのようなユースケースは、この仕組みを実際に示しています。エージェントはパイプラインを監視し、失敗を直近のコミットと関連付け、チームに通知し、レポートを作成します。目標に向けて複数のステップが連なる一方で、重要な場面では人間が関与するポイントがしっかり保たれています。

よくある誤解

最もよくある誤解は、プロンプトに賢く応答するツールを何でも「エージェンティック」と呼んでしまうことです。ドキュメントを要約する優れたチャットボットも、何も計画せず、会話の外で何も行動しないのであれば、エージェンティックとは言えません。逆に、監督なしに動いているとしても、最初から最後まで固定ルールが連なった自動化も、判断が欠けている以上、本来の意味でのエージェンティックとは言えません。

2つ目の誤りは、自律性を単純なオンオフのスイッチだと考えることです。実際にはこれは目盛りのようなもので、あるシステムは行動を計画し、機微な実行の前に毎回承認を提案することもあれば、はるかに先に進み、重要な判断だけを人間に上げることもあります。この両極端を混同すると、本当に自律的なシステムを過小評価したり、単なるコパイロットをあたかも単独で動いているかのように過大に宣伝したりすることになります。

3つ目の落とし穴は、「エージェンティック」と「生成的」を対立するものだと考えることです。実際には、IBMが指摘するように、この2つの概念は大きく重なり合っており、しばしば一緒に機能します。生成モデルは、エージェンティックシステムの内部で推論エンジンとして働いているのです。詳しい比較は、生成AI vs エージェンティックAIのページをご覧ください。

さらに詳しく

単純な生成モデルとの違いをさらに詳しく知りたい場合は、生成AI vs エージェンティックAIのページで、両者を無理に対立させることなく、一方がどこで終わり他方がどこから始まるのかを詳しく説明しています。このテーマに関する当社のブログ記事、生成AI vs 自律型エージェント、本当の違いでは、Atako以外の事例も交えてこの角度を掘り下げています。用語集全体では、エージェントオーケストレーションや自律型AIエージェントなど、関連する他の概念も取り上げており、エージェンティックAIをこの分野の語彙全体の中に位置づけられます。