「ChatGPTに質問する」から始まり、「AIに資料を作らせる」を経て、今は「AIエージェントに仕事を任せる」ところまで来ました。ここまで来ると、当然こんな疑問が浮かびます。AIが「質問に答える存在」から「仕事を実行する存在」に変わったのだとしたら、次に何が起きるのでしょうか。人間は、AIに何を指示すればいいのでしょうか。

今回はこの問いを手がかりに、AIエージェントの次に来る変化を考えてみます。ただし、これから先の話は確定した事実ではなく、現時点で見えている潮流からの見立てです。断定できる部分と、予測にとどまる部分を区別しながら見ていきます。

そもそも今は「次の技術」を探す段階なのか

まず前提として、AIエージェント市場の勢いはまだ止まっていません。市場調査会社MarketsandMarketsの推計では、市場規模は2025年の約78億ドルから、2030年には約526億ドルまで拡大するとされています。調査会社Gartnerも、2026年末までに企業アプリケーションの40%がタスク特化型のAIエージェントを組み込むと予測しており、これは2025年時点の5%未満から急拡大する計算です。複数のエージェントを連携させる「マルチエージェントシステム」への企業からの問い合わせも、Gartnerによれば2024年第1四半期から2025年第2四半期の間に1,445%増加したといいます。

これらの数字が示しているのは、「もう次のブームが来ている」段階ではなく、今のブームの中身そのものが変わりつつある、ということです。次に来るのは全く新しい技術というより、AIエージェントという技術自体が、単体のツールから、企業の業務プロセスに組み込まれる存在へと変わっていく、という方向性です。

単体エージェントから、役割分担するマルチエージェントへ

1つの万能なAIに何でもやらせるのではなく、役割ごとに専門特化したAIを組み合わせて動かす流れが強まっています。例えば、次のような業務の流れです。

営業担当が問い合わせを受ける→AIが過去の顧客情報を確認する→別のAIが関連資料を探す→別のAIが提案書の下書きを作る→人間が最終確認する。

それぞれの工程を専用のAIが担当し、人間は最後の確認と判断に集中する、という形です。こうした複数のAI・ツールが連携するためには、AI同士が情報をやり取りするための共通のルールが必要になります。異なるAIやツールをつなぐ「MCP(Model Context Protocol)」や、AI同士が直接連携するための「A2A(Agent-to-Agent Protocol)」といった標準規格が広がりつつあるのは、単なる技術トレンドというより、AIが単独で動く時代から、複数のAI・システムをまたいで仕事をする時代への移行を支える土台づくりだと捉えると理解しやすくなります。

「指示するAI」から「目的を渡すAI」へ

現在の使い方の多くは、「この資料を要約してください」「このメールを書いてください」のように、細かい作業単位でAIに指示する形です。AIエージェントでは、「この顧客への提案準備をしてください」というように、少し大きな単位の仕事を渡せるようになってきました。

この延長線上には、「今月の営業目標を達成するために、優先すべき顧客とアクションを整理してください」のように、具体的な作業手順ではなく「目的」そのものをAIに渡す方向へ進む可能性があります。ただし、これは現時点で確立した使い方ではなく、今後そうなる可能性がある、という見立てにとどまります。目的を渡す範囲が広がるほど、AIの勝手な判断、誤った実行、権限の逸脱、想定外のコスト増加、セキュリティ上の問題といったリスクも大きくなります。「目的さえ渡せば、あとは全部AIがやってくれる」という話ではなく、任せる範囲を広げるほど、その分の管理も必要になるという、表裏の関係にあります。

AIを追加するのではなく、AI前提で業務を作り直す

これまでの多くの導入は、「今の業務にAIを追加する」という発想でした。しかし今後は、「AIが前提なら、この業務フロー自体をどう作り直すか」という発想が重要になっていく可能性があります。

従来の問い合わせ対応であれば、問い合わせ→担当者が確認→資料を探す→回答を作る→上司確認→顧客へ回答、という流れでした。AIを前提に設計し直すと、問い合わせ→AIが内容を分類→関連情報を検索→回答案を作成→人間が確認→顧客へ回答、という流れに変わります。AIを既存業務の補助ツールとして追加するだけでなく、業務プロセスそのものを見直す視点が必要になってきているということです。

自律性が上がるほど、ガバナンスが重要になる

AIエージェントの自律性を高めていくほど、逆説的に重要になるのが、「自由にさせること」ではなく「安全に制御できること」です。AIが何をしたのか、なぜその判断をしたのか、どの情報を参照したのか、誰の権限で実行したのか、どこまで任せてよいのかを、後から確認できる状態にしておく必要があります。

ここで重要なのは、すべての工程に人間を挟むことではありません。情報収集、データ整理、下書き作成、分類、定型処理といった作業はAIに任せつつ、顧客への最終回答、契約に関する判断、金額の変更、外部への送信、重要な意思決定など、リスクの高いポイントにだけ人間を配置する、という設計の方が現実的です。

この「実行の追跡可能性」が重要になっていることを象徴する動きの一つが、Anthropicが2026年8月に発表した、Claudeのテキスト生成物への透かし埋め込みです。2026年8月2日以降にリリースする新しいモデルのテキスト出力から、目に見えない形で機械可読な識別情報を埋め込み始めており、それ以前のモデルについても2026年12月2日までに順次対応するとしています(画像やファイルについては、透かしとは別に、C2PA規格に基づく来歴情報を添付する方式が採られています)。これは2026年7月に多くの企業が署名した「EU AI生成コンテンツの透明性に関する実践規範」で求められている対応の一つで、EU域内に限らず世界共通で適用するとされています。AIに何をさせて、何が生成されたかを追跡できることが、今後のAI活用における一つの評価軸になっていくと考えられます。

導入すること自体をゴールにしない

海外の調査でも、AIエージェントを試験的に使っている企業は多い一方、実際に本番環境まで組み込めている企業はまだ少数派だと報告されています。調査によって数値に幅はありますが、4社に1社程度にとどまるという報告も複数あります。「導入してみた」段階と「実際に使いこなしている」段階に差が生まれる理由の一つは、AIの性能ではなく、どの業務を任せるのか、どこまで権限を与えるのか、どこで人間が確認するのか、失敗した場合にどう戻すのか、ログをどう残すのか、誰が責任を持つのか、といった設計が追いついていないことにあります。企業にとって重要なのは、AIエージェントを導入すること自体ではなく、こうした設計です。AIの性能そのものより、業務設計・権限設計・ガバナンス設計の比重が、これから増していくと考えられます。

中小企業にとっても、他人事ではない

ここまでの話は大企業だけのものに聞こえるかもしれませんが、考え方自体は規模を問わず当てはまります。例えば次のような業務です。

  • 営業:問い合わせ→AIが内容を整理→顧客情報を検索→回答案を作成→人間が確認
  • 総務:社内からの問い合わせ→AIが規程・マニュアルを検索→回答案を作成→必要に応じて担当者へエスカレーション
  • 経理:請求書→AIが情報を抽出→仕訳候補を作成→人間が確認→会計システムへ登録

いずれも、AIがすべてを完結させるわけではなく、要所要所に人間の確認が入る形です。規模の大小にかかわらず、「どこをAIに任せ、どこに人を置くか」を設計するという考え方は共通しています。

結局、次に来るものは何か

ここまでの潮流を踏まえた、現時点での見立てはこうです。AIエージェントの次に来るのは、新しいAIというより、AIエージェントが企業の業務プロセスそのものに組み込まれていく変化ではないか、ということです。「AIを使う」から、「AIが組み込まれた仕事をする」への移行、と言い換えてもよいかもしれません。これはあくまで現時点の潮流から導いた見立てであり、確定した未来ではありません。

PIMOAでも、AIエージェントは導入するだけで価値が生まれるものだとは考えていません。どの業務を任せ、どこに人間を置くのかまで設計して初めて、現場で使える仕組みになります。任せる範囲を少しずつ広げながら、現場で何が起きているかを人が把握できる状態を保つ——そうした進め方についてもっと知りたい方は、導入の流れのページもご覧ください。

参考記事

How Claude's text watermarking works - Anthropic
Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026 - Gartner
7 Agentic AI Trends to Watch in 2026 - MachineLearningMastery.com