職場のAIについて語るとき、多くの人が思い浮かべるのは、社員がチャット画面を開き、メール作成、文書要約、データ分析をAIに頼む姿だ。作業は速くなるが、人が一つずつ指示を出し、その結果を次の仕事へつなげていく構図は変わらない。
AIエージェントは、その境界をさらに動かす。
エージェントは一つずつPromptを待つのではなく、Goal（目標）を受け取り、必要な手順を考え、ツールを使い、結果を確認し、定められた範囲の中で複数の行動を続けられる。経済的な問いは「AIは一つのTaskをどれだけ速くできるか」から、AIが一連のTaskをWorkflow全体にわたって管理できるようになると何が起きるかへ変わる。
OECDは2026年9月、複数の地域・産業の組織へのインタビューをもとにした Agentic AI in organisations を公表した。そこから見えるのは、Agentic AIがすでに開発・導入され始めている一方で、ガバナンス、効果測定、運用方法はまだ標準化の初期段階にあるという姿だ。
前の記事 AIは本当に仕事を奪うのか – それとも一部の仕事の価値を高めるのか？ では、AIは多くの場合、Job全体より先にTaskを変えると説明した。複数のTaskがエージェントによってつながるようになると、再設計の対象は個別TaskではなくWorkflowそのものになり得る。
AIエージェントは単に賢くなったチャットボットではない
一般的なチャットボットは、次のような単純な流れで動く。
ユーザーが質問 → AIが回答 → ユーザーが次の行動を決める
エージェントはより長いループを実行できる。
目標 → 計画 → ツールを使う → 実行 → 結果を確認 → 調整 → 継続またはエスカレーション
Anthropicは、エージェントを複数のアプリケーションをまたいで作業し、コードを書いて実行し、ファイルを管理し、複数ステップのTaskを完了できるシステムとして説明している。これによりエージェントは、一般的なチャットボットより高い Autonomy（自律性） を持つ。ただし、その行動は人が与えたツール、権限、制約の中にある。
営業を例に考えてみる。
チャットボットならフォローアップメールを書くところまでかもしれない。エージェントなら「成約可能性の高いリードをフォローする」という目標を受け、CRMを確認し、顧客の状況を調べ、連絡文を作り、送信時間を選び、結果を記録し、面談を設定し、人の判断が必要になった時点で営業担当者へ引き継ぐところまで進められる。
それぞれのTask自体は新しくない。新しいのは、すべての受け渡しに人を置かなくても、それらを一つの流れとしてつなげられることだ。
AIがTaskからWorkflowへ移ると経済性が変わる
職場での初期のAI利用は、文章作成、検索、会議要約など、個人のProductivity向上に焦点が当たりやすかった。
しかし企業は、孤立したTaskの集合として動いているわけではない。仕事は人、チーム、ソフトウェア、承認プロセスを通って流れていく。
調達なら、依頼を受ける、在庫を確認する、見積もりを取る、仕入先を比較する、承認を得る、発注書を作る、納品を追跡する、会計へ情報を渡す、といった工程がある。遅れは一つの作業が遅いからではなく、情報待ち、再確認、部門間の調整から生じることが多い。
ここでエージェントは、一人の社員を支援するCopilotとは異なる経済効果を持ち得る。
McKinseyの2026年Global Survey on AIでは、回答者の80%がAIによって個人の生産性が向上したと答えた一方、組織のAI利用がEBITに少なくとも一定の影響を与えたと答えたのは37%だった。この差は、エージェントがすべてを解決すると証明するものではない。ただ、一人を速くするだけでは企業全体の利益が自動的に増えるわけではないことを示している。
Workflowに重複承認、ファイルの受け渡し、分断されたシステムが残れば、AIの効果はその社員の机の上で止まりかねない。
お金が生まれるのは工程間の受け渡しかもしれない
したがって、エージェントの事業価値は削減できた労働時間だけでは測れない。
待ち時間、コピー＆ペースト、進捗確認、データ転記ミス、システム間を人が調整する回数を減らすことから価値が生まれる可能性がある。
請求書処理なら、書類を受け取り、項目を確認し、発注書と照合し、異常を検出し、会計処理を準備し、承認へ回す。構造化された工程をエージェントが連続して処理できれば、人が入るのはデータ不一致、金額上限超過、例外が発生したときだけになるかもしれない。
ただし、エージェントはコストゼロのデジタル労働者ではない。
企業はモデル利用料、Software Integration、データ整備、権限設定、Monitoring、評価、セキュリティ、例外確認を行う人の時間に費用を払う必要がある。大きな削減につながるWorkflowもあれば、構築コストが便益を上回るWorkflowもある。
だからAgentのROIは、見かけ上節約できた社員の時間だけでなく、Workflow単位で測る必要がある。
人の仕事は「全工程を行う」から「システムを監督する」へ移るかもしれない
エージェントが実行部分を多く担うほど、Workflow内での人の位置は変わり得る。
これまでの流れが、
実行 → 引き渡し → 確認 → 続行 → 承認を依頼
だったものが、
目標設定 → 制約設定 → 例外確認 → 判断 → 結果に責任を持つ
へ変わるかもしれない。
これはA10の労働市場の議論と直結する。AIが一部のTaskをより上手にこなすなら、人の価値は判断、文脈理解、コミュニケーション、Accountabilityへ移る可能性がある。エージェントは孤立したTaskではなく複数のTaskの連鎖を担えるため、この問いをさらに強くする。
MicrosoftのThailand向けWork Trend Index 2026では、調査対象となったタイの労働者の32%が「Frontier Professionals」に分類され、世界平均の16%を上回った。一方で、タイの組織には個人レベルのAI利用から中核的な組織Workflowへの組み込みへ移る課題が残るとされた。
これはMicrosoftのプラットフォームと調査に基づく情報であり、タイ全国の労働市場を代表する統計ではない。それでも重要な違いを示している。個人がAIを上手に使うことと、AIを前提に組織を再設計することは同じではない。
Autonomyが高まっても人をシステムから外す必要はない
エージェントの魅力は、一つずつ監督しなくても仕事を続けられることにある。同じ性質がリスクも広げる。
チャットボットが一つの誤った答えを返した場合、人が実行前に気づけるかもしれない。しかしエージェントが目標を誤解し、複数システムへの権限を持っていれば、誰かが気づく前に誤りが何段階も進む可能性がある。
Anthropicは、ユーザー意図の誤解や、エージェントに本来してはいけない行動を取らせようとするPrompt Injectionなどのリスクを挙げている。
そのため Human-in-the-loop は「すべてのクリックを人が承認する」という意味ではない。
組織は次のような枠を設定できる。
- エージェントがアクセスできるシステム
- 取引額や支出の上限
- 承認が必要な行動
- 境界の外へ出してはいけないデータ
- 人へエスカレーションすべき例外
- 人の判断を待つために停止するポイント
目的は必ずしもWorkflowから人を排除することではない。人の判断が最も価値を持つ場所を選ぶことだ。
大企業とSMEは同じ速度で恩恵を受けないかもしれない
エージェントの性能はAIモデルだけで決まらない。データ品質、システム連携、権限、既存Workflowがどれだけ明確に定義されているかにも左右される。
CRM、ERP、API、Data Governance、ITチームを持つ企業は、表計算、チャットアプリ、複数システムに散らばった文書で運営している小規模企業とは出発点が違う。
OECDの2026年D4SME Surveyでは、SMEのAI利用が増え、一部企業がAIエージェントを試している一方、事業運営への戦略的かつ安全な統合はまだばらつきが大きいとされた。時間不足、保守コスト、スキル不足などが障壁になっている。
ここで重要なのは、誰が最初にチャットボットを使うかではなく、競争力がどう変わるかだ。
エージェントが本当に調整コストを下げるなら、データとシステムが整った企業は、競合する小規模企業より先に1件あたりの処理コストを下げたり、より多くの仕事を処理したりできる。この優位が積み重なれば、企業間の生産性格差は広がる可能性がある。
逆の道もある。安価で導入しやすいパッケージ型エージェントが、SMEの技術的不利を小さくする可能性もある。大企業だけが恩恵を受けると決めつけるにはまだ早い。
もしさらに先へ進みAGIに近づいたらどうなるか
現在のAIエージェントは、幅広い領域で一般的な能力を持つ Artificial General Intelligence（AGI） ではない。
OECDと欧州委員会のAI literacy frameworkは、AGIを高い教育を受けた成人と同等以上の認知的な汎用性と熟達度を持つシステムとして説明し、そのようなシステムは現在存在していないとしている。
映画で描かれるのは、それよりはるかに広い存在だ。ほぼあらゆる領域で自ら学び、計画し、判断し、行動するデジタルな知性である。企業が今日試しているエージェントは、そこから大きく離れている。
現在のエージェントは、人が与えた目標、ツール、権限、境界の中で動き、日常的に見えるTaskでも失敗することがある。
もし将来、システムが専門的なWorkflow管理からAGIと結び付けられるような広範な一般能力へ進むなら、企業と労働への影響は次元の違う問題になる。その前に現実的に考えるべきなのは、エージェントがWorkflowの実行を多く担うとき、人はどこに置かれるべきかだ。
次に見るべきポイント
第一は、エージェントがPilotから本番のWorkflowへどれだけ速く移るかだ。成功したデモと、実データ、顧客、資金を使って毎日運用することは同じではない。
第二は、企業がWorkflow単位でROIを測り始めるか。利用率や節約できた社員の時間だけを報告するなら、経済効果は見えにくいままかもしれない。
第三は、組織がエージェントにどこまで権限を与えるか。読み取り専用、下書き、取引実行、承認なしの行動まで、どこまで許すかは信頼と受容するリスクの両方を示す。
第四は、例外率と人へのエスカレーションポイントだ。画面上は自律して見えるシステムでも、裏側で相当量の見えない人手に依存している可能性がある。
タイではさらに、SMEが信頼できるエージェントシステムを手頃なコストで利用できるかが重要になる。高価なデータ基盤や統合が必要なら企業間の生産性格差は広がり得る。パッケージ化されたシステムがそのコストを大きく下げるなら、小規模企業も予想より早く恩恵を受けられるかもしれない。
職場AIの第一波は「このTaskをAIに手伝わせられるか」と問わせた。AIエージェントはさらに進んで、「そもそもWorkflowを今の形で設計し続ける必要があるのか」と問いかける。ビジネスへの影響が単なる高速な文章作成支援を超えて深くなるのは、そこかもしれない。
