Agentic AIについて非エンジニア向けにわかりやすくまとめてみた（前編）

前置き

はじめまして！株式会社NTTデータグループの技術革新統括本部AI技術部でSmart AI Agent®︎のエンジニアをしている岸川です。

今回は「Agentic AI（エージェント型AI）」について非エンジニア向けにわかりやすくまとめてみました。読者の皆様が、最新のAI技術トレンドや、AI技術部が取り組んでいるテーマについて少しでも理解を深めることができれば幸いです！

はじめに

注意事項
本記事におけるAgentic AIおよびAI Agentsの定義は、学術論文^[1]に基づいています。NTTデータグループ内での用語定義や分類とは異なる場合がありますので、ご了承ください。本記事は、広く普及している技術概念を非エンジニアの方々に理解していただくことを目的としています。

最近、テクノロジー業界で「Agentic AI」あるいは「エージェント型AI」という言葉を耳にする機会が増えているのではないでしょうか。ChatGPTが登場した2022年11月以降、AI技術は日々進歩を続けていますが、その中でも特に注目を集めているのがこのエージェント型AIです。

実際、調査会社ガートナーでは、エージェント型AI（Agentic AI）を2025年の戦略的テクノロジのトップ・トレンドの1つに位置づけています^[2]。また、Google Trendsのデータを見ても、2022年11月のChatGPT登場以降、「AI Agents」と「Agentic AI」への関心が急上昇していることが確認できます。

2022年11月から2025年7月までの日本国内における「AI Agents」と「Agentic AI」のGoogle検索興味度の推移を示す折れ線グラフ

• 期間:2022年11月第1週～2025年7月第4週
• X軸:週次の日付
• Y軸:検索興味度（0～100）
• 青線は「AI Agents」、オレンジ線は「Agentic AI」

本記事では、この「Agentic AI」という概念について、具体的にどのようなものなのか、従来の生成AI(ChatGPTなど)やAI Agentsとは何が違うのかを、最新の学術研究^[1:1]を参考にしながらできるだけ分かりやすく解説していきます。

Agentic AIとは

本記事では、混同しやすい3つのAI概念について順番に解説していきます:

1. 生成AI - ChatGPTに代表される、入力に応じてコンテンツを生成するAI
2. AI Agents - 特定のタスクを自律的に実行するAI
3. Agentic AI - 複数のAI Agentが協調して複雑な目標を達成するシステム

これらは段階的に発展してきた技術であり、それぞれ異なる特徴と用途を持っています。まず、最も高度な概念であるAgentic AIから解説します。

Agentic AIとは

Agentic AIとは、一言で表現すると「複数のAI Agentが特定の役割を担当しながら、目標に向かって協調的に動くよう設計されたシステム」です。

AI Agentsってなんだよと思われたかもしれませんが、この後解説がありますのでご安心ください！

AIが単体で動作するシステムに対して、Agentic AIでは複数の専門化されたエージェントがチームとして機能します。このシステムの中で、個々のエージェントは要約や検索、計画立案、データ分析など、特定のタスクに特化し、全員が連携してタスク全体をカバーする仕組みになっています。

Agentic AIの特徴

Agentic AIの最大の特徴は、目標の分解と協調的実行にあります。ユーザーから与えられた複雑な目標を、システムが自動的に小さなタスクに分割し、それぞれを適切なエージェントに割り当てます。各エージェントは自分の専門領域で自律的に判断・処理しながら、他のエージェントと情報を共有し、目標達成を目指します。

Agentic AIの概念図

• 複数のエージェントが協調して動作する様子を示す概念図
• 中央のオーケストレーターと各専門エージェント（検索、要約、計画立案等）の関係性

具体的な応用例

Webサービスの障害対応

ある大規模なWebサービスで、システム障害が発生した場合を考えてみましょう。Agentic AIは以下のように機能します:

ステップ	エージェント	アクション	結果
1. 検知	Manager	障害を検知し、タスクリストを作成	診断エージェントを呼び出し
2. 診断	診断	ログを分析	「DB接続エラー大量発生」を報告
3. 調査	Manager(インフラエージェントへ指示)	DB状態の確認を依頼	「接続数上限到達。引き上げで解決可能」
4. 計画変更	Manager	調査結果を評価	* 「ロールバック」タスクを削除 * 「接続数上限引き上げ」タスクを追加
5. 実行	インフラ	接続数上限を変更	100 → 300 に設定変更完了
6. 検証	Manager(診断エージェントへ指示)	復旧確認を依頼	「エラー停止、正常復旧」を確認
7. 報告	コミュニケーション	関係者へ通知	「原因:DB接続数上限、対応:上限引き上げ完了」

1. 動的な計画変更
調査結果から「ロールバック不要」と判断し、タスクを削除・追加。
状況に応じて柔軟に対応方針を変更できる。

2. 専門性による深い判断
各エージェントが自分の領域(診断、インフラ、コミュニケーション)で的確に判断。
人間の専門家チームと同様の役割分担を実現。

3. 相互チェックによる信頼性
Managerが復旧を診断エージェントに再確認。
単一エージェントでは見落としがちなミスを防止。

まとめ

Agentic AIは単なる自動化ツールではなく、人間のチームワークを模倣した協調システムとして機能します。
各エージェントが持つ専門性と、全体としての協調能力が組み合わさることで、単一のAIでは処理できない複雑なタスクの自動化が可能になります。

AI Agentsとの違い

Agentic AIを理解するために、まず一つ下の階層にある「AI Agents」との違いを確認しましょう。この2つは密接に関連していますが、設計思想や能力において根本的な違いがあります。

AI Agentsとは

AI Agentsとは、「特定の目的達成に向けて動作する自律型AI」です。入力を認識し、状況を理解したうえで、最適な行動を選び、実行することができます。簡単にいうと、「人間の指示を理解して、必要なツールを使いながら、自分で考えて行動できるAI」です。

AI Agentsは、あらかじめ定められた処理をなぞるだけの従来の自動化ツールとは大きく異なります。構造化されたデータはもちろん、非構造なデータ、つまり自然言語での指示やモニター画面の情報などを入力データにしても柔軟にふるまえることが最大の特徴です。

自然言語とは「人間どうしが普段使う、自然な言葉（日本語・英語など）」

AI Agentsの基本構造図

• 「知覚→推論→行動」のサイクル図
• 外部ツール（API、データベース等）との連携を示す図

具体的な応用例

1. カスタマーサポートボット

企業のWebサイトでよく見かける問い合わせ対応システム。顧客の質問を理解し、社内のFAQデータベースや注文管理システムと連携して適切な回答を生成するシステム。

2. スケジュール調整アシスタント

「来週の木曜日、午後に1時間のミーティングを設定して」といった指示を理解し、参加者全員のカレンダーを確認して最適な時間を提案・予約するシステム。

3. メール自動分類システム

受信メールの内容を分析し、「緊急」「要対応」「情報共有」などのタグを自動で付与。さらに簡潔な要約文も生成して、メール処理の効率化をするシステム。

Agentic AIとの根本的な違い

特徴	AI Agents	Agentic AI
基本構成	単一のエージェント	複数エージェントの協調システム
タスクの複雑さ	特定の単一タスクに特化	複雑・多段階のワークフロー全体
自律性のレベル	中程度（ツールを自律的に使用）	高（プロセス全体を管理）
意思決定	ツール使用の判断	目標分解と役割分担の決定
協調性	独立して動作	エージェント間で情報共有・連携

AI Agentsの限界

単体のAI Agentには、以下の限界があります:

• 長期計画の困難さ: 複数ステップにわたるタスクの管理が苦手
• 文脈の保持: 長時間にわたる作業での一貫性の維持が苦手
• スケーラビリティ: タスクが複雑になると処理能力が限界に達する
• エラー回復: 途中で失敗した場合の立て直しが苦手

これらの限界を克服するために生まれたのが、複数のAI Agentが協調して動作するAgentic AIです。

つまり、AI Agentsは「優秀な個人」であり、Agentic AIは「優秀なチーム」と考えると分かりやすいかもしれません。個人では限界があるタスクも、適切に役割分担されたチームなら効率的に処理できる。これがAgentic AIの基本的な発想です。

生成AIとのちがい

ここまで読んでも「それって生成AIと何が違うの？」と思う方もいるかもしれません。確かに、AI AgentsもAgentic AIも、その基盤にはChatGPTのような大規模言語モデル（LLM）が使われているため、その疑問も当然です。

しかし、生成AIとエージェント型システムには根本的な違いがあります。それは「受動性」と「能動性」の違いです。

生成AIの特徴:優秀だが受動的

生成AIの代表格であるChatGPTは、自然言語での質問に流暢に回答し、瞬時に創造的な文章を書き、複雑な問題について考えることもできます。

しかし、生成AIは基本的に「言われたことに対して応じる」という反応型の動作が基本です。

AI Agents・Agentic AI:自ら動く知的システム

一方、AI AgentsやAgentic AIは「自ら動く」ことを前提に設計されています:

AI Agentsの場合:

• タスクの流れを把握: 「顧客対応→データベース検索→回答生成→フォローアップ」といった一連の流れを理解
• 状態管理: 現在どの段階にいるか、次に何をすべきかを記憶
• ツール連携: 必要に応じて外部API、データベース、計算ツールなどを自動で呼び出し
• マルチステップ実行: 複数の段階を経てゴールに向かう

Agentic AIの場合:

• 目標分解: 複雑な目標を実行可能な小タスクに自動分割
• 役割分担: 各タスクを最適なエージェントに割り当て
• 協調実行: 複数エージェントが並行して作業し、結果を統合
• 動的調整: 状況変化に応じて計画を修正

3つの技術の動作比較図

具体例で見る違い

ケース:「来週の出張計画を立てて」という依頼

生成AIの場合:

• ユーザー:「来週の出張計画を立てて」
• ChatGPT:「出張計画を立てるためには以下の情報が必要です:
  • 目的地
  • 日程
  • 予算
  • 目的
    これらを教えていただけますか？」

→ 情報をすべて与えれば計画案を「文章で」提案してくれますが、実際の予約は取れません。

AI Agentsの場合:

1. カレンダーAPIで来週のスケジュールを確認
2. 過去の出張履歴から好みのホテル・航空会社を特定
3. 航空券検索サイトで最適な便を検索
4. ホテル予約サイトで宿泊先を検索
5. 総合的なプランを提案（実際の予約は人間が確認後実行）

Agentic AIの場合:

1. スケジュール管理Agent: カレンダーを分析し、最適な日程を提案
2. 交通手配Agent: 航空券・電車の最適ルートを検索・比較
3. 宿泊手配Agent: ホテルを検索・比較し、候補を提示
4. 予算管理Agent: 全体コストを監視し、予算内での最適化を提案
5. 統合管理Agent（オーケストレーター）: 各Agentの結果を統合し、最終プランを作成

ポイント: 各Agentが並行して作業するため、単一のAI Agentより効率的。また、一つのAgentが失敗しても他のAgentが代替案を提示できる。

技術的な違いの本質

生成AIは「強力なエンジン」として機能しますが、それだけでは業務で必要とされる「行動の一貫性」や「連携処理」の多くをこなせません。

そこを補うかたちで登場したのが、エージェント型の設計思想です。生成AIの優れた言語理解・生成能力を「思考エンジン」として活用しながら、その上に「行動力」と「協調性」を追加したのがAI Agents・Agentic AIです。

つまり、生成AI→AI Agents→Agentic AIという技術進化は、「知識・生成」→「自律的な行動」→「協調による複雑課題の解決」という能力の段階的拡張として捉えることができます。

前編のまとめと後編予告

前編では、Agentic AIとは何か、AI Agentsや生成AIとの違いについて解説しました。

後編では、以下について詳しく解説します:

• 現在直面している技術的課題（因果関係の理解、エージェント間協調の難しさなど）
• 運用面での現実的な壁（レガシーシステム連携、セキュリティ課題）
• 最新の技術的アプローチ（RAG、ReActループ、オーケストレーションなど）
• NTTデータグループの具体的な取り組みとAI Workflowsの詳細

後編もぜひ読んでみてください！
https://zenn.dev/nttdata_tech/articles/29de2ddd53281a

脚注

1. Ranjan Sapkota et al. (2025) "AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges" Cornell University

2. AIエージェントとは？定義と特性、AIエージェント活用の利点やリスク、導入の課題（Gartner Japan）