TITLE

「普及40%、頓挫も40%超」——AIエージェント組織のこれからを分けるのは、モデルでなく組織設計

投稿日：2026.07.08

頓挫の理由に、モデルの話は出てこない

Gartner が挙げる中止の理由は、コスト増大・ビジネス価値の不明確さ・不十分なリスク管理の 3 つです。同社のシニアディレクターアナリスト Anushree Verma 氏は、「現在のほとんどのプロジェクトは初期段階の実験や PoC で、ハイプに駆動されている」と指摘しています。PoC の段階で止まっているということ自体、何をエージェントに任せ、どこまでの運用ルールで動かすかが固まっていない、という組織側の未整備を表していると私は読んでいます。

この 3 つの理由を並べて気づくのは、どれも「モデルが賢いか」の話をしていないということです。少なくとも、コストが増大するのはモデルの性能ではなく使い方の設計の問題であり、リスク管理が不十分なのはエージェントの行動をどう縛るかの設計の問題です。この 2 つは、当社が自社の AI エージェント組織を運用する中で、実際に手を打って効果があった領域でもあります。価値の不明確さ(何をエージェントに任せるべきかの線引き)は、コスト・リスクとはまた別の論点として残りますが、本稿ではこの 2 つ、コスト設計とリスク管理設計に絞って、当社の実知見から裏付けていきます。

Leadeas は専門化された AI エージェント 20 数体と人間 1 名(最終承認者)で、ブログ執筆・コードレビュー・タスク分配・法務一次チェックなどを日常的に運営しています。この記事自体も、その基盤で下書きが作られたものです。

コスト設計:判断は高く、実行は安く

Anthropic のエンジニアリングブログ「How we built our multi-agent research system」は、エージェントがチャット対話の約 4 倍、複数のエージェントを組み合わせたマルチエージェントシステムでは約 15 倍のトークンを消費すると報告しています。同ブログはマルチエージェントが向くタスクを「重い並列化・単一コンテキストを超える情報量・多数の複雑なツール連携を伴うタスク」と説明する一方、「全エージェントが同じコンテキストを共有する必要がある」「エージェント間の依存が多い」タスク(たとえば大半のコーディング)には不向きだとも述べています。つまりマルチエージェント自体が万能な解決策ではなく、向き不向きを見極めた上で、初めてコスト効率が成り立つ仕組みだということです。

判断は高く、実行は安く / 張り紙でなく改札 — AIエージェント組織のこれからを分ける2つの組織設計

実装してみて気づいたのは、この見極めを誤ると、コストは机上の計算より速く尽きるということでした。当社では以前、最上位の高価なモデルを並列で複数体走らせたところ、トークン(=コスト)を短時間で使い切ってしまった経験があります。正確な倍率までは計測していませんが、体感としては Anthropic が公表している 15 倍という数値と近い規模でした。

この失敗を受けて、当社は「高価なモデルは単発の判断・設計にだけ使い、並列実行の労働力には安いモデルを使う」という組織ルールに変えました。判断は高く、実行は安く。頂上の判断者 1 人にだけ高価なモデルを置き、実行部隊には安いモデルを大人数配置する、という組織図に近い形です。さらに、高価なモデルに考えさせた結論はテンプレートと決定ログに必ず保存し、次に同じ形の問題が来た時は考え直させずに安いモデルで再利用する運用にしています。同じ手順を 2 回踏んだら、3 回目が来る前に仕組み化する——これを社内では「2 回ルール」と呼んでいます。コストの頓挫は、モデルを安くすることでなく、どの層にどのモデルを置くかを設計し直すことで防げる、というのが私の結論です。

リスク設計:張り紙でなく改札で止める

Gartner が挙げたもう一つの中止理由、不十分なリスク管理についても、当社は運用の中で同じ構造の教訓を得ています。「プロンプトで指示を書くだけ」のルールは、AI に破られることがあります。どれだけ丁寧に手順書を書いても、それは壁に貼った注意書きのようなもので、読まれなければ意味を持ちません。

そこで当社では、危険操作(破壊的なコマンドの実行・機密情報の漏洩など)については、AI の外側にあるフックで物理的にブロックする方式に切り替えました。壁の張り紙から、駅の改札へ。改札は「通るな」と書いた紙ではなく、通れない構造そのものです。すべてのルールを改札化する必要はありません——通常の作業指示は張り紙のままで十分機能します。ただし、誤ったら取り返しがつかない操作だけは、AI の善意や読解力に頼らず、外側の仕組みで止める。この線引きが、リスク管理を「不十分」から抜け出させる分かれ目だと私は考えています。

もう一つ、当社が運用の最初に固定した境界があります。それは、外部への送信・公開(顧客へのメール、ブログの公開、価格提示など)は必ず人間が最終承認するという境界です。自動化するのは、社内向けのテンプレ化された通知だけに限定しています。何を AI に任せ、どこから先は人間が握るかを先に決めておくことが、リスク管理の土台になります。

まとめ:賢いモデルでなく、仕組みに変換できる組織を作る

Gartner の 2 つの予測を並べると、AI エージェント組織のこれからが見えてきます。普及は進みますが、頓挫の理由にモデルの性能は出てきません。コストが増えるのは判断と実行を同じ格のモデルでやろうとするからで、リスク管理が不十分になるのは張り紙だけで止めようとするからです。どちらも、賢いモデルを買えば解決する問題ではなく、組織側で設計し直せる問題です。

これからあなたが小さく始めるなら、私はまず「取り返しのつかない操作を 1 つ思い浮かべ、それだけは張り紙でなく物理的なブロックに変える」ところから手を付けることを勧めます。ここが崩れると被害が一番大きいからです。判断と実行でモデルの格を分けるのも、外部への送信・公開を人間が握るという境界を最初に 1 行で決めておくのも、同じくらい効きますが、優先順位としてはリスクの物理ブロックが先だというのが私の実感です。AI エージェント組織のこれからは、賢いモデルを買うことではなく、こうした失敗をあらかじめ仕組みに変換できる組織を作ることにあると、私は運用を通じて学んでいます。