「答える」AIから、「動いてくれる」AIへ

業界全体がagentic AIに沸いているのは、カッコいいからではありません。それが「労働」に直接手を伸ばすからです。初期のChatGPTはあなたが「速く考える」のを助けてくれた。でもagentは「代わりに働く」と約束する——その仕事こそ、ほぼすべての企業にとって最大のコストの塊なんです。

数字がこの期待をはっきり映しています。McKinseyは、agentと賢いロボットが米国で年間およそ2.9兆ドルの経済価値を2030年までに生み出しうると見ています。現在の労働時間の平均約27%を代わりにこなせる計算です。そして「AI agents」ソフトウェア市場そのものは、2025年の78億ドルから2030年には約520億ドルへ——年平均46%超で伸びると予想されています。

でも市場規模より大事な数字は「実際に誰が使っているか」です。そしてここが物語の面白いところ。McKinseyの調査では、agentシステムを実務で「スケール」し始めた企業はわずか23%。もう39%はまだ試験段階です。言い換えると——熱気はすごいけれど、本格的に使いこなしている人はまだ少数派。私たちはこのトレンドの「本当に初期」にいるんです。

経営者がとくに沸いているのは「生産性」への期待です。Microsoftは、何段階もの自動化（multi-step automation）によって、マーケティング・営業・オペレーション・研究といった知識労働で、手作業を30〜50%減らせるかもしれないと見ています。この数字が半分でも本当なら、ほぼすべての企業のコスト構造を変えるには十分です。

どのagentにも共通する心臓が、「agent loop」（agentのループ）と呼ばれるものです。一度考えて終わりではなく、「ぐるぐる回る」サイクルで動きます——観察 → 計画 → 実行 → 結果確認、そしてまた最初に戻る、仕事が終わるまで。やりながら見て、また直す本物の働き手のように。頭の中で全部を一度に計画して一気に突っ走るのではありません。

ภาพประกอบ (loop.png)

いちばん大事なステップ——そしてagentを「本当に使える」ものにしている核心——が、3番目の「実行」、つまり道具の呼び出し（tool use / function calling）です。言語モデルそのものができるのは文章を作ることだけ。メールの送信ボタンは押せないし、データベースも検索できないし、支払いもできません。でも、もし私たちが「道具を手渡して」あげれば（たとえばsend_email()やquery_database()という関数）、モデルはその道具を「呼び出す」ことを覚えます——どの道具を使い、どんな値を入れるかを判断し、あとはシステムが実際に動かしてくれる。これが「話せる頭脳」と「動かせる手」をつなぐ橋なんです。

そしてagentが「本物の作業に手を出せる」からこそ、欠かせないのが「人間をループに（human-in-the-loop）」——送金、データ削除、顧客へのメール送信など、取り返しのつかないことをする前に、agentが必ず人の承認を求めて止まるよう設計することです。これはおまけではなく、企業が安心してagentを実験室の外に出せるようにする安全ブレーキです。

tool useがagentに道具を使わせることだとすると、次の疑問はこうです——いったい誰が、agentを世界中の「あらゆる」道具（Slack、Google Drive、社内データベース、会計システム…）に一つずつコードでつなぐのか？ この問題は、USBポートが生まれる前の時代に似ています。機器ごとに差込口の形がバラバラで、もう大混乱でした。

答えがMCP（Model Context Protocol）。Anthropicが2024年末に公開したオープン標準です。ざっくり言えば「AI世界のUSB-Cポート」——道具ごとに専用のつなぎ口を作るかわりに、みんなが同じ「標準プラグ」を使うと決めた。ある道具が「MCP server」を出せば、どのagentもすぐ差し込んで使えるんです。

ภาพประกอบ (plug.png)

驚くのは、広がるのがとても速かったこと。2025年末までに、公開されたMCP serverは1万個超、SDKのダウンロードは合計で月9,700万回超に達しました。ほぼすべての陣営が対応——ChatGPT、Gemini、Microsoft Copilot、Cursor、VS Code——そして2025年12月、AnthropicはMCPを、OpenAIやBlockと共同で設立したAgentic AI Foundation（Linux Foundationの傘下）に「寄贈」しました。誰か一社が所有するのではない中立の標準にするためです——業界全体がこれをインフラとみなし、一企業のオモチャとは見ていないというサインです。

MCPのほかにも、いま育ちつつある層が「orchestration（オーケストレーション）」とmulti-agentです——得意分野の違う複数のagentを協力させること。たとえば1つは情報を集め、もう1つは要約を書き、もう1つは校正する、そして「取りまとめ役」が仕事を割り振って結果をまとめる。チームリーダーが仕事を配るチームのように。これが、agentにどんどん複雑な仕事をこなさせていく方向性です。

agentic AIは単独で浮かんでいるわけではありません。AI技術全体のスタックの下の層に乗っかる「いちばん上の層」です。ビルにたとえるなら——agentは利用者の目に見える階。でも、それが立っていられるのは、足元に頑丈な土台があるからです。

• Foundation Models（基盤モデル）の上に乗る： agentが考え、計画を立て、判断するための「頭脳」は、まさに大規模言語モデルそのもの。agentがどれだけ賢くなれるかは、使う基盤モデルの能力で決まる——新しい世代のモデルが持つ「何段階も計画して道具を使う」力こそ、agentを解き放ったものなんです
• AI Tooling & MLOpsで作る： agentを作るフレームワーク、orchestrationの仕組み、agentの挙動を追跡・監視する仕組みは、すべてこの層の道具
• AI Applications & Copilotsと親戚： 「提案するcopilot」と「手を動かすagent」の境界線は、どんどんぼやけてきている。多くの製品はcopilotから始まり、少しずつ自律性を高めてagentになっていく
• AI Computeを大量に食う： agentはloopを何度も回り、一段ごとにモデルを繰り返し呼ぶので、一度の往復で答えるチャットボットより何倍も計算力とtokenを「燃やす」——これがagentがチップとデータセンターの電力の両方の需要を押し上げる理由

そして何より、agentはほかのAIトレンドを現実世界へ送り出す「手足」です。それはAIがロボットとPhysical AI（自分で計画して働くロボット）をenableし、さらにBiotechの研究支援やサイバー防御にまで広がっていく仕組み——agentは、ほぼあらゆる分野で「AIが手を動かすやり方」なんです。

agentic AIで最初に手応えのあるお金を生んだのは、消費者ではなく企業の業務自動化でした——人手と時間を食う、繰り返しの裏方仕事。たとえば顧客サービス、IT ticketの処理、書類処理、営業など。ここならROIがはっきり測れるからです：人を減らし、時間を減らし、コストを減らす。

いちばん分かりやすい例がSalesforceと、その製品Agentforce。「企業向けagentは本当に売れる」ことを証明する存在になりました——2026会計年度の第4四半期（2026年1月締め）までに、Agentforceの年間経常収益（ARR）は8億ドル、169%増に到達。約29,000件の契約を成約し、「agent業務ユニット」として処理した回数は24億回超に——業界中の競合がすぐに追走を迫られた数字です。

企業向けインフラ側も大きく動いています。MicrosoftはAgent 365を発表——システム内のすべてのagentを見える化し、管理し、セキュリティを統制する中央の「管制塔」です。さらに自分で何段階もこなし始める「Copilot Cowork」も。一方ServiceNowは「社内のすべてのagentを統治する」ためAI Control Towerを推進しています——2026年に共通するテーマは、ただ「agentを作る」ことではなく「膨大な数のagentをどう統制するか」だと気づきます。これは、このトレンドが大規模な実用フェーズに入り始めたことを物語っています。

第一の方向は、agentが「チームで協力する」ようになること。今はまだ単独のagentが単独で働くのがほとんどですが、未来は仕事を分け合う複数agentの群れ、そしてキューをさばく取りまとめ役。これが、もっと複雑な仕事（たとえば全社決算の締めや、サイバー事案の一件まるごとの調査）をend-to-endでこなせるよう押し上げます。

第二の方向は、「共通標準」が主戦場になること。MCPが、OpenAI・Microsoft・Google・AWSが揃って後押しする中立の財団へ寄贈されたことは、どの陣営もagentに道具と幅広く会話させたいという表れです——でも「統治とセキュリティの層」（MicrosoftのAgent 365やServiceNowのControl Towerのような）を握る者が、いちばん交渉力の高い場所を握るかもしれません。そこが企業がいちばん怖がる部分だからです。

第三の方向は、「copilot → agent」の境界線が消えること。製品は一段ずつ自律性を高めていきます。「提案して受け入れてもらう」から「自分でやって報告する」へ——そして人間の役割は「やる人」から「チェックして承認する人」へ移っていきます。ここが、労働をめぐる問いがいちばん鋭くなる地点です。

熱い盛り上がりの裏で、agentic AIには正直に言うべきヒビもあります。そしてこの記事で最も重要な数字は、これかもしれません：Gartnerは、agentic AIプロジェクトの40%超が2027年末までに中止されると予想しています。コストがふくらみ、事業価値がはっきりせず、リスクを制御できないからです。

ภาพประกอบ (trust.png)

第一のリスクは「信頼性」。言語モデルはまだ「でっち上げる（hallucinate）」ことがあります——そしてagentがでっち上げた情報の上で「手を動かす」と、結果はただの間違った答えではなく「間違った行動」になります。たとえば実在しない保険契約の情報を顧客に送る、偽の情報をもとに取引をするなど。agentの自律性が高いほど、一度のミスが遠くまで波及します。Gartnerは、2026年には約3社に1社が、AIを急いで出しすぎて「顧客体験を壊す」とまで警告しています。

第二のリスクは「agent washing」（誇大なうたい文句）。多くのベンダーが古い製品に「agentic」のラベルを貼って波に乗ろうとしています。Gartnerは、数千のベンダーのうち本物のagentはわずか約130社と見ています——企業（そして投資家）にとって、これは「本当に働く本物」と「ただ名前を変えただけのもの」を見分けなければならないということです。

第三のリスクは「セキュリティと統治」。McKinseyによれば、企業の約3分の2近くが「セキュリティとリスクへの懸念」をagentをスケールする最大の障壁に挙げています——技術的な制約や法律よりも上です。本物のシステムにアクセスできるagentは、だまされたり誤作動したりすれば、動き回るセキュリティの穴になってしまうから。これが「agentの管制塔」がagent本体と同じくらい売れる商品になっている理由です。

ひとことで言えば：agentic AIは、「話がうまい」AIから「仕事ができる」AIへの一歩です——そしてそれは、はるかに大きな一歩。労働コストに直接手を伸ばすからです。勝負を決める問いは「agentは働けるか」（もう働けます）ではなく、「すべての段階に人を付けずに本番を任せられるほど、いつ信頼できるようになるか」——その答えが「まだ」であるかぎり、人間をループに置くことは、このトレンドに欠かせない部品であり続けます。