AIエージェントが来た 人間に残された仕事とは

私にはAIを研究している大学教授の友人がいます。最近、彼が指導する大学院生が、学術倫理の範囲内でAIエージェント(智能代理)を大いに活用して研究を進めました。論文は無事に完成しましたが、その学生は突然こう漏らしたそうです。「あれ、それなら僕は何のために大学院に来たんでしょうか?」――この虚脱感は、多くのエンジニアが初めてAIにコードを書かせ、機能全体を一気に書き上げるのを見たときの心境とよく似ています。先生である友人も、その場では言葉を失い、しばらく何も返せなかったそうです。

AIエージェント時代の到来 人間の価値の再定義

人間が自分自身を「もう役に立たない」と感じてしまう。これは過去との最大の違いであり、その最大の要因はAIエージェントの台頭にあります。1年ほど前、顧客にAIエージェントの話をしても、多くの人はきょとんとした顔をして、それが何なのか分かっていませんでした。しかし今では、顧客企業の社員も多かれ少なかれ、すでにエージェントを使ったことがあります。実際、大手のAIを使ってさえいれば、自然とエージェントに触れることになるのです。

一般の人にとって、以前のAIといえば、対話ボックスに向かって質問し、答えをもらってからも結局自分で作業をする、というものでした。今のAIエージェントは、私たちが子どもの頃から思い描いてきたロボット像に近く、物事を自分でやり遂げ、自分でチェックし、自分で納品し、さらには独り言のようにつぶやきながら次の指示すら自分で生み出します。そのため、人間とAIの関係は非常に微妙なものになっています。機械が最初から最後までプロセスを回せるようになったとき、その隣に立つ人間の価値はいったいどこにあるのでしょうか。

しかし、AIエージェントが実際に動き出すには、実は人間と同じで、道具を何も持たずに一人ぼっちで世界に立つことはできません。さまざまな基盤インフラが必要になります。

良いニュースは、今年に入ってこれらの基盤プロトコルがおおむね収束し、開発に標準ができ始めたことです。モデルコンテキストプロトコル(Model Context Protocol, MCP)はエージェントとツールの接続を担当し、A2Aはエージェント同士の連携を担当し、エージェント型商取引プロトコル(Agentic Commerce Protocol, ACP)と汎用商取引プロトコル(Universal Commerce Protocol, UCP)は商取引を管理します。この3つは互いに競合しているのではなく、異なる層として積み重なっています。

このうちAnthropicのMCPは、ツール層においてすでに事実上の勝者となっており、Anthropic、OpenAI、グーグル、マイクロソフトに全面的に採用され、エージェントが外部ツールと接続する層を押さえています。先日渡米した際に見たところ、グーグルが力を入れて推進するA2Aも、エージェント同士の協働層ですでにリードしており、50社以上の技術パートナーを集めています。ACPやUCPといった商取引志向のプロトコルも、eコマース事業者の間で採用が始まっています。基盤インフラが初期的な形を整えつつある、ということは、機械同士がすでに自分たちで対話し、互いに仕事を委任し合えるようになっているということです。エージェントはすでに新しいソフトウェアの一層となっており、しかも大手各社は皆、それぞれ自社のエージェントをすでに手にしていることに気づくはずです。

インフラ以外で、この成長を最もよく物語っているのは、そこに注ぎ込まれている資金の額です。エージェントというこのサブカテゴリー自体が急成長しており、市場規模は2025年時点で約78億ドルとされ、2030年には526億ドルまで拡大すると見込まれています。年平均成長率は約41%です。ガートナーは、2028年までに企業向けソフトウェアの3分の1にエージェント型AIが組み込まれ、私たちの日常業務における意思決定の約15%がエージェントによって自律的に行われるようになると予測しています。言い換えれば、これまで人手に頼っていた部分が、少しずつエージェントに奪われていくということです。

汎用から専門へ 垂直特化型エージェントが次の勝者に

では、AIエージェント産業の本当のビジネスチャンスはどこにあるのでしょうか。シリコンバレーではずっとこう言われてきました。本当の機会は「垂直特化型」のエージェントにある、と。例えば金融専用、会計専用、法律専用といったものです。その理由は、こうした領域には大量の暗黙知が眠っており、企業内部のデータへの依存度が非常に高く、汎用モデルが簡単に飲み込めるものではないからです。一方、何でも少しずつこなせる汎用型のエージェントは、結局のところ資本力と算力を潤沢に持つ大手企業しか手を出せないゲームになるでしょう。

実際にもそれを裏付ける現実があります。この2年で最も急成長しているのは、ほぼすべて単一業界に深く根を張った垂直特化型のプレイヤーです。法律ならHarvey、医療ならAmbience、カスタマーサービスならSierra(わずか8四半期で年間経常収益1億5000万ドルに到達し、企業向けソフトウェア史上最速とされています)。彼らの堀は、突き詰めれば専有データと、他社が短期間では模倣できないほど深い統合にあります。一流のアクセラレーターやベンチャーキャピタルが今、こぞってこうした垂直特化型エージェントに多額の資金を投じているのも不思議ではありません。狙っているのは、その中から次のSalesforce級の勝者が育つことです。

では誰のAIエージェントを使えばいいのでしょうか。台湾の経営者は「これは自分たちで作ればいい」と言いたがりますが、節約したはずのライセンス料は、結局倍返しになって跳ね返ってくることが多いのです。自社チームを一から育てるための「授業料」は、帳簿上の見た目よりもはるかに高くつくからです。

昨年のMITの研究によれば、外部ベンダーが構築したAIシステムの成功率は、企業が自前で試行錯誤しながら作ったものの2倍だったそうです。同じく昨年のMITのレポートでは、企業向けAIの95%がまだ投資対効果を生み出せていないとも指摘されています。だから企業側には忍耐が必要です。最もコストがかかるのは実行のループそのものであり、もしその作業ループをAIエージェントに任せられれば、成功した際に企業の運営コスト構造に非常に大きな変化をもたらすことになるからです。

AIエージェントがこのまま完成度を高めていけば、残業を終えた深夜、画面の中で自分の代わりに仕事を片付け、しかも自分でチェックまで済ませてくれたエージェントをぼんやり眺めながら、「私は誰なのか、ここはどこなのか、私は何をしているのか」というような放心状態に陥る人が、ますます増えていくと私は思います。しかしエージェントが引き受けるのは「実行」であり、人間に残されるのは「問い」です。あの大学院生は、実のところすでに最良の答えを手にしていました。「じゃあ僕は何をすればいいんだ」と問える人は、それ自体でまだ十分に有用な存在なのです。