人工知能
AIのキラーアプリ：AIエージェントがすべてを変える可能性
Securities.io を Google の優先ソースに追加
AIのブロックバスターアプリを探す
Since the public splash around the release of ChatGPT, AI technology has made headlines and captivated the attention of the general public, IT specialists, and investors.
ChatGPTのリリースに伴う世間の大きな話題以来、AI技術はヘッドラインを飾り、一般市民、IT専門家、投資家の関心を惹きつけてきました。
この傾向は、生成AIの能力が指数的に拡大しているほど顕著です。さらに、DeepSeekのような中国AIが米国製AIのコスト構造と価格設定に挑戦する新たな競争波が進展を加速させています。
それでも、AI業界はやや不安定な状況にあります。何千億ドルものAIインフラ投資が、投資を正当化するだけの収益をまだ生み出していないからです。
過去の技術革命は、テクノロジーを「実体」経済に利益をもたらす形で応用したことに支えられてきました。例えば、オフィス業務（Windows＆Office）、エンターテイメント（ビデオゲームやストリーミング）、広告（Google）、通信（スマートフォン）、取引（オンライン決済＆eコマース）などです。
これまでのところ、AIは多くの人々の働き方や日常生活を革命的に変えるには至っていません。しかし、専門化されたAIが爆発的に多様な性能と能力を持ち始めている今、AIエージェントの登場により状況は変わりつつあります。
AIエージェントとは何か？
AIエージェントの核心的な考え方は、特定の環境で自律的に動作できるAIを作り出すことです。これにより、主に人間が作成したプロンプトに反応する生成AI（LLMや画像生成モデル）とは全く異なる実用的な役割を果たします。
この文脈での「環境」は、実世界の具体的な状況（例：道路上の自動車や自動運転AI）や、特定のソフトウェアやデジタルインターフェースといった完全に仮想的な場を指すことがあります。
AIエージェントは自律的に役割を果たすため、人間がプロンプトで介入し続ける必要がありません。したがって、確認や監督を必要とせずに自ら行動を起こすことができます。
実際には、多くのAIエージェントは組み込みの条件やルールを持ち、人間の監督者からフィードバックを求めることがあります。
- 推論: データを分析し、パターンを特定し、証拠と文脈に基づいて情報に基づく意思決定を行うことができます。
- 行動: AIが仕事を実行する方法です。物理的であれば車輪やロボットアーム、デジタルであればファイルの作成・変更、レポート作成、データ分析などが可能です。
- 観察: 環境や状況に関する情報を収集し、文脈を理解して情報に基づく意思決定を行います。
- 計画: 目標達成のために必要なステップや潜在的な行動、最適な進路を特定し、計画を策定します。
- 協働: 人間や他のAIエージェントと効果的に協力します。
- 自己改善: AIエージェントは経験から学び、フィードバックに基づいて行動を調整し、時間とともにパフォーマンスと能力を継続的に向上させます。
ソース: DevRevAI
本当に新しいのか？
これらの機能により、AIエージェントは従来のAIツール（AIアシスタントやボット）より一段階上の位置づけとなり、より能動的な能力、自律性、そしてより複雑なタスクを処理する力を持ちます。
ソース: Google
物理的な「ボディ」を持つAIエージェントは実世界と直接相互作用でき、デジタルAIエージェントは特定の仮想作業環境に特化する可能性が高いです。
どちらの場合でも、AIに十分なエージェンシーと実行可能な行動を与えることは有用ですが、過度に与えるとエラーによる予期せぬ損害を招く恐れがあるため、バランスが重要です。
全体として、AIの意思決定品質の向上とそれへの慣れが並行して進むことで、人々や当局がAIの意思決定に対してより大きな裁量を与えるようになると考えられます。しかし、これはAIの行動責任に関する法的・倫理的な問題を提起します（以下でその議論を取り上げます）。
AIエージェントの可能性
AIエージェントが自律的に作業できる能力こそが、彼らをAIのキラーアプリにする可能性があります。現代生活は、そこまで単純ではないが、繰り返し行われるタスクで満ちています。
これは例えば、Teslaは2018年に自動化とロボット化を一歩引く必要がありました (TSLA ) という事例が挙げられます。ロボットは優れた仕事ができましたが、わずかな乱れや予期せぬ要件変更が全体の組立ラインを停止させてしまう可能性があります。
“私たちはこの狂ったように複雑なコンベアベルトのネットワークを持っていました… うまく機能しなかったので、全体を廃止しました。はい、Teslaにおける過度の自動化は間違いでした。正確に言うと、私のミスです。人間は過小評価されています。”
Elon Musk
しかし、現代のAIは単にすべてを事前に予測しようとする硬直したルールの集合ではありません。代わりに、十分な関連データが訓練時に与えられれば、ある程度新しい条件に適応し進化することができます。
したがって、AIは顧客をトラブルシューティングアルゴリズムに導くことから高速道路でトラックを運転することまで、非常に繰り返し的なタスクに特に有用になる可能性があります。
人間とは異なり、こうしたAIは24時間365日稼働でき、給与や健康保険などのコストが不要です。
AI能力のレベルを分類する方法は多数あります。全体として、AIの能力を一般人口と比較し、最新のAIエージェントは特定の狭い領域タスクで人口の50〜90％のスキルに近づきつつあり、これはAIの進捗の中間点と見なされ、AGIへの序章に過ぎません。
ソース: Cobus Greyling
AIエージェントの仕組み
AIエージェントは、いくつかの主要な「コンポーネント」から構成され、相互に連携します：
- センサー: 物理的なAIエージェントの場合、カメラ、マイク、LIDAR、無線アンテナなどが含まれます。デジタルAIエージェントの場合、検索機能やファイル読み取りツール、特定のソフトウェアやデータベースからデータを抽出するツールなどが該当します。
- アクチュエータ: AIが仕事を実行する方法です。物理的であれば車輪やロボットアーム、デジタルであればファイルの作成・変更、レポート作成、データ分析などが可能です。
- ブレイン: ニューラルネットワークから構築されたますます複雑になるAIツールで構成され、AIエージェントの意思決定センターです。
- データベース: 事実、訓練データ、人間による修正などを含む知識センターで、’ブレイン’が正しい判断を下すために使用します。
ソース: Thomas Latterner
これらのコンポーネントの組み合わせにより、AIエージェントは記憶と、特化したLLMを基盤としたパーソナリティを持つことが可能になります。
記憶はAIにとって非常に重要な要素であり、従来のボットに比べて画期的な改善です。記憶が欠如していることが、チャットボットなどに対する多くの不満の原因となっており、ボットが推論のループに陥ったり、既に提供された情報を忘れたりする原因となっています。
AIエージェントのタイプ
物理的とデジタルの区別に加えて、AIエージェントを分類する他の方法もあります：
- 1つの方法は、エージェントが人間と対話するか、バックグラウンドで動作するかを考えることです。
- 別の方法は、単一のエージェントで特定のタスクを実行するか、複数のエージェントが相互に会話しながらより複雑な仕事を行うかを考えることです。各エージェントは独自のモデルを持ち、データを共有するかしないかが決まります。
- 複数のエージェントを使用する場合、階層構造を設定でき、1つまたは複数のエージェントが下位エージェントの調整や指示を担当します。
- AIエージェントの分類の別の可能性は、最終目標と複雑性を考慮することです。
- 目標指向型AIエージェントは最終結果に焦点を当て、目標が達成されるまで行動や振る舞いを調整します。例えば、倉庫のAIは荷物を目的地に届くまで指示を出し続けます。
- ユーティリティベースのエージェントは目標に焦点を当てるだけでなく、最適な達成方法も考慮します。例えば、自動運転車はA地点からB地点へ移動するだけでなく、安全性や燃費、走行時間、道路種別なども考慮します。
ソース: Ampcome
汎用AIではなくAIエージェントを使う理由
AI業界が汎用モデルではなくAIエージェントへとシフトする理由は多数あります。
まず第一に、技術的な複雑性と実現可能性の問題です。人間に近い汎用知能（AGI）は、現時点ではまだ手の届かない領域です。
しかし、例えば人間と同様に車を運転できる専用AIエージェントを作る方が、他の分野での推論能力を備える必要はなく、はるかに現実的です。
別の点は効率性です。車を運転するモデルが会話や歩行、ウェブ検索、計算などに優れる必要はありません。そのため、タスクごとに個別のAIエージェントを用意する方が、全目的AI/ロボットシステムを展開するよりはるかに合理的です。
最後に、コストはすべてのAIプロジェクトにとって深刻な課題です。これはトレーニングに必要な何千、あるいは何百万ものGPUの費用だけでなく、AIを稼働させるコンピューティングハードウェアや消費エネルギーのコストも含まれます。したがって、より専門的でシンプルなAIエージェントは、仕事のパフォーマンスが向上しつつ、コスト面でも優先されます。
専門型から汎用型AIエージェントへ？
狭く繰り返し行われるタスクには、非常に特化したAIエージェントが最適でしょう。しかし、AI革命の恩恵を十分に享受するには、やや汎用性の高いシステムも必要です。例えば、AIが設備の保守リストを自動生成するだけでなく、技術者のスケジュール調整や給与、タイムシート管理まで行えるようになることが求められます。
あるアプリケーションでは、タスクと分析が完全に分離できないため、人間労働者を真に支援するための必須ステップとなります。
例えば、診断を行うAIは医療画像を解析し、症状を記述したテキストや音声を理解し、検査結果や患者の履歴を統合し、関連する科学文献や医療プロトコルを検索できなければなりません。
ソース: Nature
このような汎用的でありながらアプリケーション特化型のAIは、マルチエージェント構造を通じて構築される可能性が高く、各サブエレメントが特定タスクに優れ、監督AIが個々のエージェントの出力を統合して一つの全体像を作ります。
アプリケーション特化型だけが唯一の可能性ではありません。例えば、非常に異なる分野のエージェントを組み合わせたマルチエージェントAIは、異なるデータセットを統合することで新たな科学的発見を促すことが期待されます。
AIエージェントの応用
多くの応用はまだ十分に理解されていない可能性がありますが（1995年に誰もインターネットの将来を想像できなかったように）、いくつかの活動はすでにAIエージェントの適用に備えています：
- 顧客サービス: オンラインチャットからレストランでの注文受付まで、顧客の要望は比較的単純で自動化しやすいです。これまでのチャットボットは不十分でしたが、より高度なAIエージェントが多くの仕事を代替し、複雑なリクエストに対応する少数の人間がバックエンドに残るでしょう。
- 科学研究: 非常に複雑で大規模なデータセットの分析や、数千の科学論文（非英語も含む）の閲覧が含まれます。また、タンパク質折りたたみ予測や材料の原子構成予測など、非常に技術的なタスクに特化したAIも対象です。
- ウェブサイトとマーケティング: 現在のオンラインマーケティングや広告の多くは、テンプレートや自動最適化で部分的に処理されています。顧客がよりカスタマイズされた体験を求める中、柔軟なAIエージェントはこの分野で多くの人間と同等の成果を上げる可能性があります。
- 翻訳と法務: 多くの人間のタスクは、特定のトピックに関する豊富な知識が必要で、分析が難しいです。AIが大量のデータを検索できる能力は助けになります。
- しかし、「幻覚」リスクは非常に高く、クライアントがミスに気付くことが難しいため、超信頼性のあるエージェントのみがこれらのタスクを実行できます。
- リアルタイム翻訳や音声間翻訳は、特に観光などの非クリティカルな状況で、スマートフォンの標準機能になると予想されます。
- 芸術: AIが何千人ものミュージシャンや画家、グラフィックデザイナーの仕事を奪うという考えは多くの人にとって議論の的です。しかし、AIは小規模なチームや個人が大手企業と競争して映画、ビデオゲーム、書籍などを制作することを可能にするかもしれません。
- ヘルスケア: すでに、Elon MuskはフォロワーにXのAI、Grokを二次医療意見として使用するよう推奨しています。長期的には、専用の医療AIが医師のデータ分析や治療提案を支援する可能性があります。
- ロボット手術が一般化すれば、AI外科医が人間の介入なしに一部の手術行為を実行できる未来も想像できます。
- セキュリティ: これはローカルセキュリティから警察、さらには軍事まで拡大します。AIは脅威検知やターゲット識別に優れていますが、致命的な決定に過度の自律性を与えることは依然としてタブーです。
- 物流と輸送: 倉庫でのロボットやドローンはすでに増加しており、パッケージ配送やサプライチェーン全体の仕事を引き継ぐ可能性が高まっています。
- もちろん、自動運転車やトラックはさらに大きな革命となり、モビリティの扱い方を根本的に変え、個人所有の車が珍しいものになる可能性さえあります。
- 金融: 「アルゴ」はすでに今日の金融市場の大きな部分を占めており、より高度なAIがさらに関与することが予想されます。カスタマイズされたAIエージェントは、保険案件やローン申請の評価にも普及するでしょう。
- 製造: 3Dプリンティング、CNC機械、その他柔軟な生産ツールのトレンドにより、現代の工場は従来の組立ラインよりもはるかに多用途になっています。産業用ロボットやヒューマノイドロボットに具現化されたAIエージェントは、このトレンドをさらに推進する可能性があります。
法的側面、規制と倫理
責任
AIに関する議論では、技術の責任ある取り扱いが熱く議論されています。
一方で、過度な規制は進歩を阻害し、最も先進的なAIがより柔軟な法域に移行するだけになる恐れがあります。米国と中国のAI技術競争の文脈では、これはどちらにとっても望ましい結果ではありません。
他方で、誰も責任のない制御不能なAIを望んでいません。
したがって、明確な法的枠組みが必要です。例えば、自動運転車が事故を起こした場合、AIエージェントの提供者が責任を負うのでしょうか？エージェントに自律性が高まるほど、その決定が実際の人々に影響を与え、コストがかさむ可能性があります。
また、AIの悪用、例えば身元盗用や詐欺などの問題も含まれます。
多くの場合、どの機関や当局がAIを規制すべきかすら明確ではありません。専用の専門機関が必要でしょうか？それとも金融分野のAIはSECが、空中ドローンはFAAが規制すべきでしょうか？
これらは立法・規制上の問題ですが、技術の進歩に比べて法整備は数年遅れることが多く、AIエージェントの規制枠組みに関する最も緊急の質問に早急に答える必要があります。
雇用と格差
AI開発に対してしばしば懸念されるのは、大規模な失業の増加です。AIが人々が再教育や新たな職の創出に追いつくよりも速く仕事を奪う可能性があります。
理論的には、これはユートピア的なポスト・スカーシティ社会へのステップと考えられますが、実際にはこの段階で何百万人もの人々が貧困に追い込まれる恐れがあります。また、過去の自動化波とは異なり、AIは高度に熟練した知識労働者さえも置き換える可能性があります。
ソース: Intellipoint
独占や富の不平等の深化も深刻な問題で、歴史的に社会全体を不安定にし、危険な結果を招くことが証明されています。
倫理
AIに何を管理させ、何を管理させてはいけないかは、倉庫でパレットを動かすだけのタスクや自動メール返信を超える課題に対して、ますます重要な問いとなっています。
軍事ドローンの標的システムにAIを使用する誘惑がある場合、問題はさらに深刻です。ウクライナでも「AI搭載ドローンの急速な導入」が報じられています。
ロイターは、AI搭載ドローンの競争が「戦争を未踏の領域へと導き、交戦国が技術的優位性を得ようと競い合っている」と報じました。ウクライナでは、AIドローン開発は3つの主要領域に焦点を当てています：ターゲット識別、ナビゲーション用の地形マッピング、そしてドローンの相互接続された「スウォーム」作成です。
ある企業、Swarmerは、ドローンをネットワーク化するソフトウェアを構築し、最小限の人間入力でスウォーム全体に即座に決定を実行させます。
本当にAIにこのような能力を与えたいのでしょうか？しかし、逆に「敵」だけがそれを持つことは望ましくないでしょうか？
これらの問題は国際的に議論し、決定する必要があるでしょう。また、AI業界はこの課題から目を背けてはなりません。
既にサービス中のAIエージェント
OpenAIエージェント
AIの長年のリーダーであるOpenAIが、複数の堅実なGPTベースのエージェントを持っているのは驚くべきことではありません。同社は開発者向けにAIエージェント開発用の専用ツールを提供しています、さらにマルチエージェントOpen AI SDK（標準開発キット）も提供しています。
OpenAIのモデルは主にGPTや他のLLMの改良版を作成し、それらをベースに別個のエージェント開発に利用することに焦点を当てており、GPTを使用したエージェント需要を自社のリーディングポジションで喚起しています。
Google (GOOGL ) は長年にわたりDeepMindモデルでAI分野に関与してきましたが、Gemini 2.0で「エージェント時代」へと本格的に踏み出しました。
GoogleはLLM AIが従来の検索に与える潜在的脅威を痛感しており、現在でも同社収益の90％を占める検索事業がそれに依存しています。
そこでGoogleはGemini 2.0を活用し、AI概要（AI Overviews）という追加検索結果を作成し、数学やコーディングを含むより複雑なトピックや多段階の質問に対応させました。
また、コーディング支援AIエージェントのJulesと、プレイ可能な3Dワールドを生成するAIモデルのGenie 2も開発しました。
Googleはハードウェア研究でも最前線を走り続けており、特にTrillium TPU（Tensor Processing Units）に注力しています。
Manus
中国のスタートアップButterfly Effectは2025年3月にManusをリリースし、完全に自律的に行動できる初の汎用AIエージェントであると主張しています。
一部では、AIエージェントにとって「第二のDeepSeekの瞬間」となり、中国がリードを取る可能性があると見なされましたが、DeepSeekのはるかに計算効率（および財政効率）に比べて状況はやや不透明です。
Manusはやや遅く、クラッシュしやすいものの、ChatGPTよりも詳細な回答を提供するようです。それでも、汎用AIエージェントは予想以上に早く実現可能になるかもしれず、すべての状況に最適とは限らないものの、可能性は高まっています。
Alibaba
TemuやTikTokといった競合プラットフォームから圧力を受けているeコマース大手Alibabaは、AIでテックリーダーとしての地位を取り戻そうとしています。
特に、2025年3月初旬にQwQ-32Bモデルをオープンソース化し、DeepSeek-R1のパラメータの5分の1で効率性を追求すると主張しています。
さらに、2025年3月にAlibabaは同社AI Qwenを搭載したAIアシスタント/エージェント「Quark」の新バージョンをリリースしました。Quarkは深い思考と生成AIを組み合わせており、リニューアル前でも検索エンジン時代に200万人のユーザーを抱えていました。
AIエージェント企業
Alibaba
BABA 価格チャート
西側では主にeコマースプラットフォームや安価な素材・部品・消費財の供給者として知られていますが、Alibabaは中国における巨大テック企業でもあり、AIとクラウドコンピューティングでリーダーシップを取っています。
特に、Alibabaは中国のクラウド市場の36％を占めており、競合他社を大きくリードしています。
ソース: Jeff Townson
さらに重要なのは、Alibabaがすでに6つの新しいDeepSeek AIモデルを提供していることです。このオープンソースAIは、開発コストと利用コストの両方で米国の多くのAIモデルをはるかに上回る性能を示しています。
Alibabaは独自のAIモデルQwenも保有しており、Qwen 2.5はDeep Seek V3よりも優れていると主張しています。
「Qwen 2.5-Maxはほぼ全体でGPT-4o、DeepSeek-V3、Llama-3.1-405Bを上回ります」
Alibaba Cloud部門
全体として、クラウドとAIの成長に加えて、Alibabaは中国のeコマースの巨人であり、TaobaoとTmallは2019年の世界オンライン販売シェアの29％からわずかに低下しています。
ソース: Forbes
最近のAIの進展により、Alibabaの見られ方が変わりました。かつてのプレッシャー下にあるレガシーeコマース企業であり、支配的なクラウド販売（しかし競合からの圧力も受けている）から、中国のテックイノベーションをリードする企業へと姿を変えました。
Quarkは現在、Alibabaが中国のAIアシスタント市場を掌握するために展開する追加の武器であり、最初はAI検索エンジンとして展開し、200万人のユーザーを獲得した土台を築いています。
したがって、株価が比較的低く、長年の中国におけるテック規制や同国への投資懸念に影響されたものの、AlibabaはAIレースで中国がリードすることに賭ける投資家にとってチャンスとなり得ます。（Alibabaに焦点を当てた専用レポートもご覧ください）。
Alibabaに関する最新情報
