AIエージェント革命 「知能」を雇う時代へ

●はじめに　ようこそ、「知能」を雇う時代へ


●第1章　AIエージェントがビジネスに与える影響

○AIエージェントとは何か
米IT大手による特徴づけ
AIエージェントの特徴づけ5点
オープンAIはAIの発展段階でレベル分け

○世界的なレポートにみる生成AIのビジネスインパクト
生成AI市場は年平均48％で急成長
生成AIが影響を与える産業
生成AIが影響を与える領域
生成AIが影響を与えるタスク

○実企業における経営インパクト
国内メガバンクの全従業員数及び部門別内訳


●第2章　AIエージェント活用サービス事例

○一般ユーザー向け活用サービス
PC操作の自動化（Computer Use / Operator）
調査の自動化（Deep Research）
申請の自動化（DoNotPay / 補助金Express）

○企業向けサービス事例
データ分析の自動化（Data Science Agent）
顧客対応の自動化（Pactum / 自動交渉AI / Rexera）
研究活動の支援／実行（The AI Scientist / AI co-scientist）


●第3章　AIエージェントの技術基盤

○AIエージェントの背景となる技術
深層学習の発明と言語モデルへの応用
スケーリング則で言語モデルの大規模化が加速
大規模言語モデルの能力や適用範囲が拡張
推論能力の強化

○AIエージェントの技術的構成
AIエージェントを構築する共通アーキテクチャー4要素
マルチエージェントシステムの動作例
マルチエージェントシステム構築のステップ
AIエージェントを構成する要素技術

○米ハギングフェイスのDeep Researchの動作例
オープンソースDeep Researchとは
オープンソースDeep Researchの構造
マルチエージェントシステムによる性能向上の今後

○コラム 「AIエージェント」の歴史と2つのタイプ
タスクをこなすエージェントの原点
シミュレーションで動くもう一つのエージェント
重なり合う2つのAIエージェント


●第4章　AIエージェントの導入と運用

○AIエージェントの導入準備
AIエージェントが「向いている」業務
AIエージェントが「向いていない」業務
候補とする業務の収集と目的の設定

○主要な開発プラットフォームと選び方
フレームワーク型「LangGraph」
フレームワーク型「AutoGen」
フレームワーク型「Agents SDK」
ノーコード型「Dify」
RPA型「Operator」

○LangGraphを用いたAIエージェントの導入
アプリケーションの目的と入出力の定義
タスクの分割と処理フローの設計
LangGraphによる設計
RAG用データの整備
大規模言語モデルの選択
外部ソースの要否
稼働環境の設計

○AIエージェントの評価と運用


●第5章　AIエージェントが拓く未来

○未来予測

○エキスパートインタビュー
「欲しい、好きという気持ちが最大の価値になっていく」
清水 亮 氏
ギリア ファウンダー・顧問
Free AI 共同創業者

「魚や蜂のエージェントが実装される世界」
爪長 美菜子 氏
NTT 執行役員 研究開発マーケティング本部
アライアンス部門長


●おわりに　AIとの協調と価値の再構築