対話型AIとAIエージェント

「AIエージェント」という言葉を、最近よく耳にするようになりました。けれど、いつも使っている ChatGPT のような対話型AIと何が違うのか、はっきりしないかもしれません。違いは一言でいえば——対話型AIは「答えを返す」ところで止まり、AIエージェントは「自分で動いて、最後まで仕上げる」。この記事では、AIを「脳」にたとえて、その違いと、その先の使い方への入口を整理します。

AIの本体は「脳」だけ

生成AIの本体は、いわば脳みそです（その仕組みは 生成AIとは何か で扱いました）。言葉を理解し、文章を組み立てる力はあります。けれど脳は、頭の中にあるだけでは外の世界と何もやり取りできません。話すこともできなければ、手を動かすこともできない。

だからAIを実際に使えるようにするには、脳に「外とつながる体」を与える必要があります。何を与えるかで、AIにできることが変わります。

与えるもので役割が変わる

脳に何をつけ足すか。代表的なものが3つあります。

• 言葉の窓口（口と耳）を与える → 対話型AI。話しかけると、言葉で答えてくれる。ChatGPT など、いま多くの人が触っているのがこれです。
• 目を与える → 文章だけでなく画像なども扱えるAI。写真を見せて「これは何か」と尋ねられます（こうした「文章以外も扱える」性質を マルチモーダル と呼びます）。
• 手を与える → 自分で道具を使えるAI。Webを検索したり、調べた内容を資料や表にまとめたりできる。この「手」を持って自分で動けるようにしたのが、AIエージェント です。

ノート

「口と耳」は“言葉でやり取りする”ことの比喩で、音声で話しかける機能そのものを指すわけではありません。キーボードで打ち込むチャットも、ここでいう「口と耳」に含みます。逆に、画像や音声など文章以外の情報を扱う性質は、ここでは「目」（マルチモーダル）の側に含めます。

いま多くの人が使っているのは、いちばん上の対話型AIです。問いを投げれば、答えが返ってくる。便利ですが、そのあと手を動かすのは自分です。

エージェントは「自分で動いて仕上げる」

対話型AIとエージェントの違いを、具体的な仕事で見てみます。

対話型AIに頼む場合。 「このお客様へお詫びするメールの文面を考えて」と頼むと、文章を返してくれます。でも、それをコピーして、メールに貼って、宛先を入れて送る——その作業は自分でやります。AIは答えを出すところまでです。

AIエージェントに頼む場合。 「競合3社の料金プランを調べて、比較表にして」と頼むと、AIが自分でWebを検索し、ページを読み、必要な数字を拾い、表に組み立てるところまで進めます。途中で情報が足りないと気づけば、もう一度調べに行くこともあります。段取りを立て、道具を使い、結果を見て次の手を決める——これを自分で繰り返して、成果物まで持っていく。 これがエージェントです。

大事な点は2つで、特に2つ目が決め手です。

1. 道具を使って、実際に外の世界で動く（Webを検索する、資料を作る、など）。ただし、これ自体は対話型AIにもできることがあります。
2. 結果を見て、次に何をするかを自分で決め、目標に届くまで繰り返す。 これがエージェントの核心です。

人が一手ずつ指示しなくても、目標を渡せば自分で進んでいく。ここが「答えて終わり」の対話型AIとの決定的な違いです。

「考える」と「動く」は違う

ひとつ、混同しやすい点を解いておきます。

いまのAIは、答える前に頭の中で段取りを組んで、深く考えることがあります。ごく初期のチャットは一問一答に近いものでしたが、今は「まずこれを考え、次にこれ」と段階を踏んで答えを練ります。これを見て、「自分で段取りするなら、それがエージェントでは？」と思うかもしれません。

けれど、この“深く考える”は頭の中だけの話で、対話型AIでも普通に行われています。エージェントが違うのは、その段取りを実際に外の世界で実行し、道具を使い、結果を見て動き続けるところです。つまり——「考えるだけ」か、「自分で動いて仕上げる」か。線引きはここにあります。段取りを組むこと自体は、エージェントだけのものではありません（この“深く考える”を強めたAIは 即答するモデルとじっくり考えるモデル で扱います）。

よくある誤解

• 「エージェント＝何でも全自動でやってくれる」ではありません。 自分で動けるようになっても、AIの中身が賢くなるわけではありません。計算が苦手、事実をよく間違える、といった弱点はエージェントでも変わりません（→ できること・できないこと）。先ほどの料金の比較表も、拾った数字が正しいとは限りません。むしろ自分で動く分、間違ったまま先へ進んでしまうこともあります。
• 「手を持った＝人格を持った」ではありません。 自分で段取りして動く姿は人間らしく見えますが、考えているわけではなく、相変わらず確率で言葉を選んでいるだけです（→ 考えているわけではない）。

まとめ

AIの本体は脳のようなもので、それ単体では外とやり取りできません。言葉の窓口を与えたのが対話型AI、手（道具を使う力）を与えて自分で動けるようにしたのがAIエージェント。違いは、答えて終わるか、自分で動いて最後まで仕上げるかです。

エージェントは「その先の使い方」への入口です。ただし、何でも任せられる魔法ではありません。どの仕事を任せるかは自社の仕事を分解して見極める必要がありますし（「自社の仕事に当てはめる」）、どう頼むかでも結果は変わります（「うまく頼むコツ」）。脳に体を与えても、それを使いこなすのは私たちの側だ、ということです。