AIエージェントとは、与えられた目標に対して状況を読み取り、複数の手順に分解した行動を計画し、ツールを呼び出して実行し、結果から学んで次の判断を改善する自律型ソフトウェアである。動ける範囲は、人間が設定したガードレールで区切られる。 指示を待って応答するチャットボットや、行動案を提示して人間の承認を待つAIコパイロットと違い、AIエージェントは権限を委譲されて動く。「この商品の立ち上げでメールの反応を最大化する」という粒度の目標を受け取り、それをタスクに分解し、複数のシステムをまたいで実行し、結果を評価して戦略を組み替える。そして、エージェントの判断の質は、言語モデルの性能よりも、参照できる顧客データがどれだけ統合され最新であるかで決まる。
チャットボットやAIコパイロットとの違い
違いは使っている技術の種類ではなく、どこまで自律性を委ねるかにある。
| 種類 | 何をするか | 人間の関与 |
|---|---|---|
| チャットボット | 問い合わせに台本または言語モデルで答える。会話の外では行動しない | 会話ごとに人間が話しかける |
| AIコパイロット | 状況を踏まえて次の行動案を提示する（「この見込み客へのメールを下書きする」） | 人間が一件ずつ確認して承認する |
| AIエージェント | 目標を受け取り、手順を計画し、システムをまたいで実行し、結果を見て調整する | 人間は目標とガードレールを決める |
| マルチエージェント | 役割の異なるエージェントを協調させ、複雑な課題を分担して解く | 人間は全体の目標と優先順位の方針を決める |
境界を決めるのは製品名ではなく権限の設計である。同じ製品でも、承認を挟む設定ならコパイロットとして動き、承認を外せばエージェントとして動く。この自律性を支える技術と設計思想の全体を指す語がエージェンティックAIであり、AIエージェントはその具体的な実装単位にあたる。
AIエージェントが動作する流れ
AIエージェントは次の6段階を回し続ける。
- 認識：顧客プロファイル、在庫、施策の成果、外部シグナルから現在の状況を集める
- 推論：言語モデルと機械学習モデルで状況を解釈し、何が起きているのかを見極める
- 計画：目標をタスクと行動の順序に分解する
- 実行：ツール連携を通じて行動する（メールの配信、広告予算の変更、ワークフローの起動、データベースへの照会）
- 観測：開封率、コンバージョン、顧客の反応といった結果を監視する
- 学習：結果にもとづいて戦略を更新し、次の判断に反映する
このループは止まらずに回るため、認識と観測の段で読み取るデータの鮮度と一貫性が、そのままエージェント全体の精度になる。
断片化した顧客データがAIエージェントに何を起こすか
AIエージェントが賢く振る舞えるのは、参照できるデータの範囲までである。顧客データが部門ごとのシステムに分かれたままだと、次の三つが起きる。
1. コンテキストの欠落
行動データはウェブ解析ツール、購買履歴はEコマース基盤、メールへの反応はメール配信基盤に分かれていると、エージェントは一つの判断のために複数のシステムへ問い合わせることになる。APIのレイテンシーとデータ形式の不一致が、そのまま判断の質を下げる。
2. アイデンティティの断片化
名寄せが済んでいなければ、エージェントは同じ顧客をウェブ、メール、アプリで三人の別人として扱う。同じ案内が重複して届き、矛盾したオファーが並び、顧客体験が崩れる。
3. 連携の脆さ
4〜5社の製品を組み合わせたコンポーザブルCDPの構成では、その数だけ連携を維持し続ける必要がある。どれか一つが壊れた時点でエージェントはデータを読めなくなり、古い前提のまま判断を続ける。
CDPがAIエージェントに渡すもの
CDP（カスタマーデータプラットフォーム）がAIエージェントの前提になるのは、この三つをまとめて解くためである。CDPはファーストパーティデータを一人の顧客像へ統合し、エージェントがその場で照会できるリアルタイムのプロファイルとして保持する。データ基盤、組み込みのAI意思決定、アクティベーションを一つのプラットフォームに束ねたエージェンティックCDPであれば、システム間のレイテンシーと連携を維持する手間そのものがなくなる。
Tomasz Tunguzは「AIのバンドリングの瞬間」で、AIはコンポーザブルな構成よりも端から端まで一体のプラットフォームを有利にすると論じている。自律的に動くエージェントが求める速度、コンテキスト、信頼性を満たせるのは統合されたシステムだからである。この論点をマーケティング、営業、サポートの各領域にわたって扱っているのがすべての顧客接点AIエージェントにCDPが必要な理由である。
マーケティングと顧客接点での使われ方
施策の企画から配信、予算の再配分までを一続きに任せる形はエージェンティックマーケティングとして扱っている。用途が変わっても、データ要件は同じ形で現れる。
- 施策のオーケストレーション：休眠顧客の再活性化という目標を受けたエージェントは、90日間反応のない顧客をCDPに照会し、商品との親和性と過去の行動でセグメントを切り、件名と本文を生成し、一人ごとの反応履歴から配信時刻を決め、初期の結果を見て次の波を組み替える
- リアルタイムのパーソナライズ：閲覧、検索、カート離脱といった行動を読み、サイトやアプリの内容とオファーをパーソナライズする
- 予算の最適化：媒体をまたいだ成果を監視し、あらかじめ決めた上限の範囲で広告予算を配分し直す
- サポートと営業：問い合わせの解決はAIカスタマーサービスエージェント、見込み客の見極めと初期接触はAI営業エージェントが担う。どちらも読み取るのは同じ統合プロファイルである
どの用途でも、エージェントが最初に行うのは返信や配信の作成ではなく、プロファイルの読み取りである。
ガードレールと人間の監督
自律的に動くエージェントには、意図しない結果を防ぐための統制が要る。
- 予算の上限：エージェントは広告予算を自分で動かせるが、動かせる幅は人間が決める。日次または施策単位の上限を先に置く
- 承認フロー：100万人への一斉配信のように影響の大きい行動は実行前に人間の承認を挟み、件名のA/Bテストのように低リスクな行動は任せる
- 同意と規制の遵守：同意管理で記録した同意をアクティベーションの直前に適用し、本人が撤回した範囲をエージェントの行動から除く。個人情報保護法の下では、提供先が自らの目的でも使うかどうかで委託と第三者提供のどちらに当たるかが変わるため、エージェントが送り先を自分で選べる設計では、この判定をあらかじめルールとして持たせる
- 監査ログ：エージェントのすべての行動を記録し、なぜその行動を選んだのかを後から追えるようにする。どのエージェントがどのデータにアクセスでき、どの操作まで実行できるかの線引きはデータガバナンスの設計に属する
人間が担うのは、目標の設定、ガードレールの設計、そして例外の処理である。
単体のエージェントからマルチエージェントへ
現在のAIエージェントの多くは、あらかじめ決められたシステムをAPIで呼び出す段階にある。次に来るのは役割の分担で、行動シグナルを監視するエージェント、メッセージとクリエイティブを生成するエージェント、チャネルとタイミングを決めるエージェント、成果を分析して戦略を調整するエージェントが、共通の事業目標のために連携する。
この形が成り立つ条件は、すべてのエージェントが同じ顧客プロファイルを読み書きできることである。プロファイルが部門ごとに分かれていれば、エージェントを増やすほど矛盾したメッセージが増える。
AIエージェントを構築するか、買うか、組み込むか
エージェントを導入するチームは皆、同じ分岐に立つ。自社で構築するか、単体のエージェント製品を買うか、すでに顧客データを保持しているプラットフォームに組み込まれたエージェント機能を使うか。この問いを決めるのは、ほとんどの場合モデルの品質ではない。どの道を選んでも最先端のモデルは使えるからである。決め手は、モデルを取り巻く連携、評価、保守の作業を誰が担うかにあり、コストの大半はその作業にかかる。
| 選択肢 | 自分で担うこと | 向く状況 | 成果が出るまで | 破綻する条件 |
|---|---|---|---|---|
| 自社で構築する | モデルの選定、ツール連携、評価スイート、ガードレール、そして終わりのない保守 | 業務プロセスが独自で、エージェントの振る舞い自体が競争優位になる場合 | 四半期単位で、週単位ではない。大半は連携と評価に費やす | 構築した技術者が離れ、担い手のいないままエージェントが劣化する |
| 単体のエージェント製品を買う | 設定、ポリシーの調整、自社データをベンダーのエコシステムにつなぐ作業 | 業務が汎用的で、既製品のほうが自社構築より速く解決できる場合 | 数週間から数か月。データ接続が大半を占める | ベンダーのロードマップや価格が変わり、買った業務との整合が崩れる |
| 運用中のプラットフォームに組み込む | 目標、ガードレール、コンテンツ戦略。推論のループとデータアクセスはプラットフォームが供給する | 顧客データがすでに一つのシステムにまとまっていて、エージェントがそのデータに直接動ける場合 | 数週間。新しい連携を作る必要がないため | プラットフォームのエージェントが外部のシステムに届かない |
決め手は通常、モデルがどこから来るかではなく、データがどこにある方である。断片化したシステムに後付けしたエージェントは、どの調達経路を選んでも、前の節で述べたコンテキストの欠落をそのまま再現する。プロファイルを先に統合するチーム、とりわけエージェントに直接使わせるために作られたエージェンティックデータプラットフォームへ統合を進めるチームは、その後のすべての道を短くできる。エージェントのコンテキストが、照会の時点で組み立てられるのではなく、あらかじめ組み上がった状態で届くからである。
構築がまだ勝る場合が一つある。エージェントの振る舞い自体が競争優位であり、他社と同じに見えてはならない場合である。買ったエージェントも組み込んだエージェントも、他の顧客と同じプレイブックを共有する。自社で構築したエージェントだけが、自社の運用ロジックをそのまま刻める。その見返りとして、終わりのない負担を負う。エージェントは完了するプロジェクトではなく、ドリフトし、担い手を必要とし続けるシステムである。
AIエージェントの成果の測り方
エージェントは、間違った目標に対して完璧に実行することもある。測っていなければ、その失敗は見えない。測定は公開の前に始める。エージェントに動かしてもらいたい指標を、条件が近い過去の期間で記録し、超えるべき基準線を作っておく。その上で、それぞれが異なる失敗の型を捉える、短い指標のセットを追う。
| 指標 | 何がわかるか | 捉える失敗の型 |
|---|---|---|
| タスク完了率 | 人間の助けを借りずにエージェントが完了した目標の割合 | 例外的なケースで停止したり、同じ動きを繰り返したりするエージェント |
| エスカレーション率 | どの頻度で、どんな理由で作業が人間に移るか | ガードレールが厳しすぎる（過剰なエスカレーション）か、緩すぎる（気づかれない失敗）か |
| 行動の誤り率 | 取り消し、修正、謝罪が必要になった行動の割合 | ツールの誤用。誤ったセグメントへの配信、意図に反する予算の移動 |
| 成果までの時間 | 目標の割り当てから測定可能な結果までの経過時間 | 動いているだけで進んでいない状態。活動量は多く、完了した成果は少ない |
| ホールドアウトでの改善幅 | エージェントを適用しなかった対照群と比べた結果 | アトリビューションの誤り。季節性や無関係な変更をエージェントの成果として数える |
ホールドアウトの行は強調に値する。エージェントは複数のチャネルで絶えず動くため、実施前後の比較はエージェントを過大に見せる。プロモーション、価格変更、無関係な修正が、すべて「実施後」の期間に入るからである。ランダム化したホールドアウトだけがエージェントの寄与を切り分けられ、経理チームが受け入れる唯一の証拠の形でもある。
同じループにバイアスの点検を加える。エンゲージメント指標を最適化するエージェントは、動かしにくいセグメントを疎かにする方向へドリフトすることがあり、完了率の指標ではそれが表面化しない。集計結果だけでなく、セグメントごとのエージェントの行動の分布を点検し、マーケティングにおけるAIバイアスに当たる偏りがないかを確かめる。偏った分布は癖ではなく欠陥として扱う。
自律型エージェントの新たなセキュリティリスクと統制
コンテンツの提案だけをするエージェントのセキュリティ上の位置づけは、ダッシュボードと同じである。行動を実行するエージェントは、認証情報を保持し、金を動かし、顧客に見える状態を変える。ルールベースのシステムが持たなかった権限であり、それ自体のリスクも生む。
| リスク | 起きる仕組み | 統制 |
|---|---|---|
| 過剰な権限の認証情報 | ツールごとに権限を絞るのが手間に見えて、エージェントがメール配信基盤、広告アカウント、CRMへの広いAPIキーを持ったままになる | ツールごとの最小権限。侵害された行動が一つのシステムだけで止まるようにする |
| プロンプトインジェクション | 取り込んだコンテンツ（ウェブページ、サポートチケット、サードパーティのフィード）に仕込まれた指示が、エージェントを有害な行動へ導く | 外部コンテンツを信頼できない入力として扱う。どの目標に影響を与えられるかを制限し、エージェントが従った指示をすべて記録する |
| 連鎖する行動 | 一つの誤った判断が機械ならではの速さで伝播する。読み違えたセグメントが、誰も確認する前に顧客全員への配信になる | 影響範囲の上限（配信人数の上限、支出の上限、実行回数の上限）に加え、デプロイなしでエージェントを停止できる緊急停止の手段 |
これらの統制のどれも特別なものではない。三つとも、自律的に動くシステムに適用される設定の規律である。ただし順番が重要である。影響範囲の上限と最小権限は、最初の本番導入に含める。後に起こりうる失敗の被害の上限を、その時点で決めておくためである。この二つがあれば、数か月後に見つかった失敗も遡って封じ込められている。
複数のエージェントが互いに作業を渡し合うと、表面はさらに広がる。受け渡しの一つ一つが指示の経路になり、受け取る側のエージェントは送り手に一定の信頼を置く。この段階でAIエージェントオーケストレーションは、効率の話題から統制の一つへと変わる。各エージェントの内側の振る舞いだけでなく、エージェント間のプロトコルの担い手を決めなければならない。
FAQ
AIエージェントとMAツールはどう違うのか
MAツールはあらかじめ書かれたシナリオを実行し、AIエージェントはその場で判断する。 MAツールは「顧客がXをしたらメールYを送る」という分岐を設計時に書き切る。AIエージェントは現在の状況を読み、複数の選択肢を予測される結果で比べ、台本のないまま行動を選ぶ。条件が変わったときMAツールは人間が組み直す必要があるが、エージェントは結果を見て自分で調整する。
AIエージェントはマーケターの仕事を置き換えるのか
置き換えない。 AIエージェントが得意なのはデータの分析、パターンの検出、大量の実行である。戦略の判断、創造性、共感、ブランドの理解は人間の側に残る。成果が出るのは、反復的な作業をエージェントに任せ、人間が戦略と物語、関係づくりに時間を使う形である。
AIエージェントが成果を出すために必要なデータは何か
行動、取引、本人が申告した属性を一人の顧客として統合したプロファイルと、それを数秒で読み出せる仕組みである。 顧客の動きに即応するためのリアルタイムのイベント、何が効いたかを学ぶための過去の成果データ、在庫や季節性といった状況のシグナルも必要になる。これらが名寄せされて速いAPIから参照できることが、CDPをAIエージェントの基盤にしている理由である。
AIエージェントの導入はどこから始めればよいか
モデルの選定よりも、エージェントに読ませる顧客プロファイルの整備が先である。 断片化したデータの上で強力なモデルを動かしても、古いプロファイルを読んだ分だけ誤った判断が返る。最初の対象は、結果が数値で確認でき、失敗しても影響が限定される業務（休眠顧客への再アプローチ、問い合わせの一次対応など）に絞り、ガードレールと監査ログを同時に用意する。
AIエージェントがミスをしたときはどうなるのか
ミスは行動のログに現れ、復旧の道筋はその行動が何に触れたかで決まる。 すでに送ったメッセージは取り消せない。予算の変更やオーディエンスの更新は、通常は一日のうちに元に戻せる。だからこそ自律性は段階的に広げ、上限を付ける。初期のミスは提案の範囲にとどまり、後のミスは影響範囲の上限の内側にとどまる。ログを定期的に見ているチームは、個々の事故だけでなくパターンを捉えられる。
AIエージェントとエージェンティックAIは同じものなのか
違う。エージェンティックAIのほうが広い概念で、AIエージェントはその中で配備された一つの実体である。 エージェンティックAIは、推論し、計画し、自律的に行動するシステムの類全体を指し、顧客に一切触れないアーキテクチャも含む。AIエージェントは具体的な実体であり、本番環境で目標とツール、ガードレールを与えられたものを指す。この区別が効くのはベンダーとの話し合いである。配備するのも、統制するのも、常に範囲の定まった一つのエージェントである。
関連用語
- AI意思決定：エージェントがどの行動を取るかを選ぶ、判断そのものの仕組み
- ネクストベストアクション（NBA）：一人ひとりに次の一手を選ぶ枠組みで、エージェントはこれを実行する側にあたる
- カスタマージャーニーオーケストレーション：エージェントが端から端まで動かす、複数ステップの顧客体験の制御
- リアルタイムCDP：エージェントが数秒でプロファイルを読み出せるための、CDP側の要件
- シングルカスタマービュー（SCV）：エージェントが読み取る、一人の顧客像そのもの
- 会話型AI：チャットや音声で顧客の意図を読み取って応答する技術で、エージェントと顧客をつなぐ接点にあたる
この記事は他の言語でも読めます： AI Agent