AIエージェントの相場観 ― #ContextLayer の前に理解しとくこと

先日ある経営幹部と「AIエージェント」が前提のハナシをしたら伝わらなかった。それは、AIエージェントを体験したことがないからだった。
そりゃそうなるよね。

でも詳しく聞いてみると、「AIエージェント」は無意識のうちに使ってることがわかった。

つまり、この状況は、企業AIエージェントの実務論の前に、まず「AIがどのように業務システムと繋がり、複数ステップで仕事を進める方向へ移っているのか？」が無い。
ということだと思う。

「AIエージェントが業務で動いてる相場観」が無いのだ。

同様な事が他でも繰り返し起こった。
というわけで、経営者や、企業AI責任者（役員）の理解の前提がすすむように「なるほどな」的な記事を書いておきたい。

なぜなら、企業経営に必要不可欠なものだからだ。

AIの変化は早い。
でもAIの変化が激しいのではない。
AI技術論文を読んで、進化の方向性が読めているかどうかなのだ。

なんか、偉そうな物言いで書き始めてしまったが
「AIエージェントが業務で動く相場観」を持つために、これらを一つの流れとして説明する記事が読みたかった。
しかし、私が調べる限りでは、そのような記事は見当たらなかった。

約9,000字。最後までどうぞお付き合いください。

注：この記事は、AIエージェントの技術解説記事ではない。
経営者や企業AI責任者が、次に起きる変化を理解するための「相場観」の記事である。

サクッと動画はこちら

0.はじめに

これまでは、AIを「答える道具」として使ってきた。

例）
ChatGPTに質問する。
Copilotで資料を作る。
Claudeに長い文書を要約させる。
社内RAGで規程やFAQを検索する。
この段階では、AIはまだあなたのパソコンの画面の中にいた。

人間が質問し、AIが答え、人間が最後に確認する。
AIが、多少間違えても、人間が読んで直せばよかった。
しかしAIは、答える道具から、仕事を進める存在へ変わってきた。

私が感想を言ってるのではない。
AI各社の動向を整理すると下記のようになる。

1. そもそも、何が変わってきてるのか？

ざっくり言うと

AIは「一つの画面で答えるもの」から、
「複数のシステムをまたいで仕事を進めるもの」へ移っている。

2. そもそもAIエージェント化とは何か？

AIエージェントは、AIが単に答えるだけでなく、AIが自分で考えて自動で次の処理へ進む。

例）
ファイルを探す。社内データを読む。過去のやり取りを参照する。候補を比較する。メール案を作る。次の担当者に引き継ぐ。業務ツールを呼び出す。そして、複数のAIエージェントが連携していく。

イメージとしては、AIが課長になって、複数の部下AIを使うようになる。

重要なのは、明日からAIが勝手に会社を動かす、という話ではない。
AIが単なる「回答」マシンから、「業務フローの一部」へ入るということなのだ。

3. なぜ経営者／企業AI責任者に関係するのか？

今までなら、情報システム担当役員にまかせておけば良かった。
それが変わる。
組織横断した、経営課題になるからだ。

そもそもチャットAIの時代は、AI推進の仕事はわかりやすかった。
例）
どのツールを入れるか。誰に使わせるか。どんな研修をするか。どこまで社外秘を入れてよいか。プロンプト集をどう配るか。

しかし、AIエージェントが業務の中に入ると「問い」が変わる。
例）
AIはどの資料を正しい根拠として見るのか。どの文書は最新版なのか。どの情報は見えても回答に使ってはいけないのか。どの部署の判断を優先するのか。どの条件なら実行してよいのか。どこから先は人間に戻すのか。AIが間違えたとき、誰が原因を追跡できるのか。

これはプロンプトの問題ではない。
会社側の文脈設計の問題である。

下記を見れば解るとおもうが
AIに単に「情報」を渡すだけではダメだ。
「どの情報を、どの条件で、どの権限で、どこまで使ってよいか」
を教えてやる必要がある。

4. 人間が頭の中で補っていた文脈が「AIには見えない」（理解できない）

チャットAIなら、人間が最後に文脈を補っていた。
例）
「この資料は古い」「この例外は今回使えない」「この表現は法務に確認が必要」「この顧客には別ルールがある」「このFAQは現場では使われていない」「この議事録はまだ正式決定ではない」など。

人間は、こうした前提を頭の中で補正している。
暗黙知というやつだ。
これは、仕事でいちばん大事な「経験」の集合体と言える。

しかしAIエージェントにはそんなものはない。
あなたの常識は、他では非常識だからだ。

彼らが業務の流れに入ってくると、その補正を人間の頭の中をAIに教えてやらねばならなくなる。

AIが次の処理へ進む前に、会社としての前提を渡す必要がある。
これが超めんどくさい。
なぜなら、形式知として整理されていない（場合がほとんど）だからだ。

これを、システム部だけに押し付けると、悲劇が起こる。
ほとんどのクソ仕事は、上から下へ、そして外へ流れていく。
※汚くてゴメン
やがてそのクソは、外部に丸投げされ、社内の現場に質問が飛ぶ。
暇な時間は現場にない。以下繰り返す。

AIエージェントは、歪んだ形で会社に実装されることになる。
日本のデジタル赤字は増える。
実際に「これはつかえる！」というAIエージェントになるには、遠回りすることになる。
これが、失われた３０年を４０年にする根っこになるだろう。

5. だから「会社の文脈」が必要になる

会社の文脈とは、単なる社内文書を束ねたものではない事はご理解頂けていると思う。

例）
業務上の定義、承認済みの根拠、使ってよい資料と使ってはいけない資料、部署間で判断が割れたときの優先順位、例外対応の条件、過去の判断、責任者、更新日、失効したルール、AIが止まるべき条件など。

これらが必要なのだ。
こうした会社の辞書が整理されていなければ、AIは一般論としては正しいが、会社としては使えない答えを出すようになる。

面倒なのは、AIエージェントの場合、その誤解や誤認が、次の処理へ進めてしまう。

6. AIエージェント時代の失敗は「このあたり」

では、念の為、おさらいしておこう。

7. ここでやっと文脈レイヤー（Context Layer）が出てくる

海外では、この問題がContext Layer、context engineering、agent context、enterprise intelligence、ontology、agent interoperabilityなどの言葉で語られている。

AIエージェントに、会社の業務定義、権限、来歴、判断条件を渡すための文脈層のことだ。

ここで、理解が進みやすいように補助線として、
最近話題の「パランティア（Palantir）」の「オントロジー（Ontology）」について書いておく。

パランティアは、以前記事として書いた
https://note.com/ikematsu/n/n58b8f408715c

このnoteで、Palantirを「判断OS」を持ってると書いた。
メイブン（ゴッサム等）のプレゼンを見ると面白い。
「Palantir's Maven system」でYouTube検索すると他にも沢山ある。
なおこの深い部分では、今回のContext Layerの話も、方向性としては近い。

パランティア（Palantir）は、オントロジー（Ontology）を、単なるデータの意味づけではなく、組織の業務・ロジック・アクション・権限をつなぐ operational layer として説明している。

単にデータを整理するだけではなく、現場が何を見て、どう判断し、どの操作へ進むのかまでつなぐ層が必要だと言っている。

つまり、AIエージェントが業務フローに入るなら、文書やデータだけでなく、業務定義、権限、例外条件、承認ルール、停止条件まで渡す必要があるということ。

Palantirが示唆する「データを判断と行動へつなぐ層」は、AIエージェント時代に、一般企業にも必要になってきたという事に繋がっている。

◆注意すること

ただし、海外企業と、日本企業に本当に問われているのはちょっと違う。
この解説が必要だ。
でも、ここは、比喩として聞いてほしい。

・海外の場合は、会社がYes or NOがはっきりしている。
「一神教で出来ている」
・日本の場合は、会社が「空気を読む」ことで出来ている。
「多神教、八百万の神でできている」

だから海外の情報をそのまま鵜呑みにすると、大体の場合は間違える。
会社の文脈や意味が、日本と海外では「あり方」が違うのだ。

だから舶来至上主義的な思考様式はやめたほうがいい。
注※これは、私の感覚なので誤解しないでほしい。

だから、もっとシンプルな「問い」にしよう。

前述のとおり、AIは、答える道具から、仕事を進める存在へ変わりつつある。

だから、企業AI責任者の仕事も変わる。
次に問われるのは、AIの利用率ではない。
AIに会社の文脈をどう教えるかにシフトしている。

最新事例：
Claude Tag。AIがチームの業務空間へ

ちょうどいいタイミングでニュースが入ってきた。

Anthropicは2026年6月23日、Claude Tagを発表した。
まずSlack上で開始し、Claude EnterpriseおよびTeam顧客向けのベータとして提供される。

Anthropicの説明では、Claudeを選択したチャンネルに参加させ、必要なツール、データ、コードベースに接続し、チャンネル内の誰でも@Claudeで呼び出してタスクを委任できる。

Claudeはチャンネル内の関連情報を記憶し、将来完了すべきタスクの計画も行える。

Anthropicは、自社内のClaude Tag相当の仕組みによって、プロダクトチームのコードの65%が作られていると説明している。
この数値はAnthropic自身の主張なので、第三者検証値ではないが、少なくとも同社がClaude Tagを社内業務の中核的な作業者として位置づけていることが分かる。

Claude Tagで特に重要なのは、Agent Identityという考え方である。

Anthropicは、1対1のAI利用ではAIが利用者本人のアカウントや権限を使えばよかったが、複数人がいる共有チャンネルでは、そのモデルが破綻すると説明している。

チーム全体のAIとして動くには、AI自身が組織に紐づくアカウントを持ち、管理者がそのアクセス範囲を設定する必要がある。

まぁ雑に言えば
Slackの中に、一人の担当っぽくClaudeが入ってきた感じ。

これは企業AIにおける「非人間ID」の問題だ。
人間社員と同じように、AIエージェントにも最小権限、監査ログ、チャンネル境界、アクセス停止、データ境界が必要になる。

ちなみに他AIでも、SlackやTeams上で近いことは可能である。

しかしClaude Tagの特徴は、Slack連携機能そのものではなく
「AIをチームの業務空間に置く」
「Agent Identityを前面化する」
「チャンネル単位の記憶と権限を設計する」
というコンセプトが明確な点にある。

まとめ

AIエージェントとは、AIが単に「答える」のだけでなく「仕事を進める」ようになること。

仕事を進めるAIには、会社のルール、権限、正本、例外、承認条件が必要になる。

だから、企業AI責任者の仕事は、AIを使わせることから、AIが参照する会社の文脈を整えることへシフトする。

こういうのを書くと、異論反論は常に出てくる。
どうぞコメント欄にお願いします。

たしかに、国内でも、AIエージェント、コンテキストレイヤー、権限設計、監査ログの記事は出始めている。

しかし多くは技術解説、ベンダー発表、セキュリティ論、海外情報の翻訳、海外のイベントレポートだ。

経営者や企業AI責任者が「AIエージェントの相場観」を持てないままコンテキストレイヤー（Context Layer）の議論に入っている、というズレを正面から扱った記事は、検索してもほとんど見当たらない。

経営者や企業AI責任者が「AIエージェントが業務で動く相場観」を持つために、これらを一つの流れとして説明する記事が読みたかった。

だから「AIエージェント・そもそも論」を書いた。

#読みたいことを書けばいい 　
（田中泰延さんの名著）を思い出す。

次回は
「コンテキストレイヤー（Context Layer）になぜ注目が集まるのか？海外と日本の違い」
でも、時間がある時に書いておきたい。

お忙しいなか、ここまで読んでいただいた奇特な方には感謝です。
またnoteでお会いしましょう。

池松潤
https://lit.link/junikematsu

参考情報

Microsoft Work Trend Index 2025
https://www.microsoft.com/en-us/worklab/work-trend-index/2025-the-year-the-frontier-firm-is-born
OpenAI - New tools for building agents
https://openai.com/index/new-tools-for-building-agents/
Anthropic - Introducing the Model Context Protocol
https://www.anthropic.com/news/model-context-protocol
Google Developers Blog - Announcing the Agent2Agent Protocol (A2A)
https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/
Google Cloud Blog - Introducing Google Agentspace
https://cloud.google.com/blog/products/ai-machine-learning/bringing-ai-agents-to-enterprises-with-google-agentspace
Anthropic Engineering - Effective context engineering for AI agents
https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents
NIST AI Risk Management Framework
https://www.nist.gov/itl/ai-risk-management-framework
ISO/IEC 42001:2023 - AI management systems
https://www.iso.org/standard/42001
OWASP GenAI Security Project

#AIエージェント
#コンテキストレイヤー
#企業AI
#AIガバナンス
#コンテキストガバナンス
#Palantir
#Claude Tag