チャットボットとAIエージェントは、部品の何が違うのか

AIエージェントとChatGPTのようなチャット型の生成AIは、賢さではなく部品が違い、差は4つの部品のうち道具と判断ループの2つに出ます。チャット型は問いに文章で答えて終わり、AIエージェントは社内システムを操作する道具を選び、結果を見て次の手を決める判断ループを終了条件まで回します。自社で検討に値するのは、手順を固定できない処理があり、その処理に道具と終了条件を用意できる場合です。

AIエージェントは、道具と判断ループを持つAI

AIエージェントとは、指示に沿ってAIのモデルが道具を選び、その結果を見て次の手を決める流れを終わりの条件まで回し、人に代わって仕事をやり遂げる仕組みです。ここでいう道具は、社内システムの検索や登録、メールの下書き作成といった操作を指します。問いに文章で答えて終わるチャットボットとは、道具と判断ループの有無が違います。

OpenAI はエージェント構築の手引きで、エージェントを「利用者に代わって自律的に仕事をやり遂げるシステム」と定義しています。同じ手引きは、LLMを組み込んでいても仕事の実行を任せない単純なチャットボットや、一問一答で返すだけのLLMはエージェントではないと線を引いています。

国の文書も同じ方向です。総務省と経済産業省のAI事業者ガイドライン第1.2版は、AIエージェントを、特定の目標を達成するために環境を感知し、自律的に行動するAIシステムとしています。別添が挙げる特徴は、単なる指示の実行にとどまらず、複数のシステムやアプリケーションと連携する点です。

Anthropic の技術記事は、もっと素っ気なく書いています。エージェントはたいてい、環境から返ってきた結果をもとに、ループの中で道具を使うLLMにすぎない、という説明です。つまり中身のモデルが同じでも、道具とループを持たせるかどうかで呼び名が変わります。

賢さの差ではありません。

チャット型の生成AIとは、4つの部品のどこが違うか

チャット型の生成AIとAIエージェントを指示・記憶・道具・判断ループの4部品で比べると、チャット型は指示と会話の流れから文章を返すまでで止まります。エージェントは記憶と道具を使い、判断ループを終了条件まで回します。

この4部品は、公的に決まった定義ではありません。OpenAI が中核部品として挙げるモデル・道具・指示の3つと、Anthropic が基本部品として挙げる「検索・道具・記憶で拡張したLLM」、両社が説明するループの考え方を、本記事が経営者の確認用に並べ直した整理です。モデル自体は両方に共通するため、表からは外しました。

指示は、質問文ではなく仕事の決まりになる

OpenAI は指示を、エージェントの振る舞いを決める明示的な指針とガードレールと説明しています。チャット型で毎回打ち込む質問文とは役割が違います。エージェントでは、どの順で調べるか、何をしてはいけないかを、人が先に文章で渡しておく必要があります。

社内の手順が担当者の頭の中にしかない処理は、この部品でつまずきます。書けない決まりは、AIにも守らせられないからです。

判断ループには、止める条件が要る

OpenAI はエージェントの実行を、終了条件に達するまで回るループとして説明しています。Anthropic は、制御を保つために最大の反復回数などの停止条件を入れることが多いと書いています。どこまで進んだら終わりか、どこで人に戻すかを決めていない処理は、ループを回し始められません。

道具と記憶は、誰が用意しなければならないか

AIのモデルは道具の呼び出しを返すだけで、利用者が定義した道具を実際に動かすのは自社のアプリケーションの側です。記憶も、会話をまたいで保存と取得をする別の仕組みとして用意します。AIの利用契約を結んだだけでは、この2つは揃いません。

Claude の開発者向け資料は、道具の実行について、利用者のアプリケーションが実行するクライアントツールと、Anthropic 側が実行するサーバーツールに分けて説明しています。社内の販売管理や会計の画面を操作する道具は、前者に当たります。どの社内システムに、AIから呼び出せる操作の窓口があるかを確かめるのは自社の仕事です。

記憶も同じです。同じ資料群のメモリツールの説明では、メモリ用のファイルの置き場所に情報を保存し、会話をまたいでその情報を取り出せるとしています。前回どこまで処理したか、どの取引先に何を送ったかをエージェントに覚えさせるなら、その置き場所と中身を誰が見られるかを決めることになります。

道具を渡すと、何が起きうるか

道具は、渡した瞬間からAIが実際に操作できる範囲になります。AI事業者ガイドラインの別添は、AIエージェントが自律的な動作の中で、人の意図しない商品の注文やファイル削除を行うおそれを挙げています。外部のシステムと連携するエージェントの挙動が不正に操作され、内部データが意図せず外へ送られるおそれにも触れています。

どの道具にどこまでの権限を渡すかは、別の判断になります。処理ごとの権限の段階は、AIエージェントに渡す権限を処理ごとに絞る考え方をまとめた記事で整理しています。

手順を固定できる仕事は、エージェントでなくてよい

Anthropic は、AIを使う仕組みを2つに分けています。ワークフローは、あらかじめ決めたコードの道筋に沿ってLLMと道具を動かす仕組みです。エージェントは、LLMが自分の進め方と道具の使い方をその場で決める仕組みです。

この区別で見ると、手順を最初から最後まで書き切れる処理は、ワークフローの側に入ります。決まった画面操作をなぞるRPAも、手順を先に固定するという点ではこちらに近い考え方です。AIを途中に挟む場合でも、進め方を人が決めているならエージェントである必要はありません。

OpenAI の手引きは、エージェントが向く条件として、複雑な判断が要る、ルールが増えて保守しにくい、文章やメールのような形の決まっていないデータに頼る、の3つを挙げています。そのうえで、これに当てはまらなければ決まった手順の仕組みで足りうるとしています。

Anthropic の勧めは、できるだけ単純な解から始め、必要なときだけ複雑さを足すことです。理由として、エージェントは自律的に動くぶん費用が高くなり、誤りが積み重なるおそれがあると書いています。1回の判断の誤りが、次の操作の前提になってしまうということです。

エージェントを持たないことは、遅れではありません。

自社で検討に値するかは、何を確かめれば分かるか

自社で検討に値するかは、2段で決めます。1段目は、任せたい処理の手順を固定できるかです。固定できればワークフローや決まった手順の自動化で足ります。2段目は、固定できずに残った処理について、4部品を用意できるかです。

2段目では、対照表の右端の4つの問いをそのまま使います。手順と禁止事項を文書にできるか。前回の結果を残す置き場所はあるか。AIからつなげる操作の窓口があるか。終わりの条件と人に戻す場面を言えるか。1つでも答えられなければ、エージェントの前にその部品の準備から始めることになります。

3つの処理を判定に掛けると

ここからは仮の例です。同業が問い合わせの一次返信をAIエージェントで回していると聞いた経営者が、自社の3つの処理を2段の判定に掛けたとします。

請求書の下書きは、受注の記録から決まった様式に写すだけなら、1段目で手順を固定できます。在庫表の照合も、2つの表の品番を突き合わせて差を出す所までは固定できます。どちらもワークフローの側です。

残るのは問い合わせの一次返信です。文面が毎回違い、どの資料を調べるかも問い合わせによって変わるため、手順を固定できません。2段目では、答えてよい範囲を書けるか、過去のやり取りを残す場所があるか、受付の仕組みと社内資料をAIから呼べるか、人に回す条件を決められるかを確かめます。

正直に書くと、ある製品が表のどちら側に入るかは、4部品の整理でも線を引ききれない所が残ります。製品名や「エージェント」という呼び名だけでは決まりません。製品名で判断せず、つないだ道具とループの止め方を聞いて確かめてください。

検討に値すると分かった後、どの仕事から任せるかは、AIエージェントに任せられる仕事と任せない仕事の例を並べた記事で扱っています。

公開日：2026年10月