「AIエージェント」を、言葉でしか知らない人へ。Claude金融10種・AWS営業自動化・Deloitte 75%予測で読む、2026年5月の現在地

「AIエージェントって、結局なんですか？」

ここ1〜2か月で、いちばん多く聞かれた質問です。

聞いてくる人の多くは、ChatGPTもClaudeも触ったことがある。GeminiもCopilotも知っていながら、「AIエージェントは何が違うのか」「自分の仕事のどこに入るのか」が曖昧なまま、言葉だけが先に走っています。

僕も最初はそうでした。「自律的に動くAI」という説明を読んでも、いまひとつ掴めなかった。腹に落ちたのは、自分でClaude Codeに長時間タスクを任せて、横で別の仕事をしながら結果を受け取った日です。「あ、これは”使う”ではなくて”任せる”だ」と分かった。

2026年5月、その「任せる」が一気に企業のメインステージに上がってきました。Anthropicは金融機関向けに10種類のAIエージェントを束で投入し（Anthropic公式）、AWSはレイオフした人員の穴をAIエージェントで埋め始め（eMarketer）、Deloitteは「2026年末までに最大75%の企業がAgentic AIに投資する」と予測しました（Deloitte Tech Trends 2026）。

「使う側」と「使われる側」の差が、もう半年で取り返しのつかない場所に行きそうです。

今日はこの3つを軸に、「AIエージェントとは何か」を定義から実例、そして自分の仕事への転用まで、ひと通り通します。読み終わる頃に「うちのこの作業、エージェント化できるな」が1つでも見えていれば、この記事の役目は果たしました。

---

AIエージェントは「賢いチャット」でも「自動化スクリプト」でもない——両者の隙間に新しく生まれた第三の選択肢

まず定義の話から。AIエージェントは、大きく言うと3つの先輩を持っています。

1つ目は、ChatGPTやClaudeのような対話型AI。問いに答えるのは得意ですが、自分から動き出しません。「今日の天気を調べて」と頼んでも、ブラウザを開いてはくれない。問いと答えのキャッチボールで完結する道具です。

2つ目は、Zapierやmakeのような自動化ツール。決まった条件で動きますが、判断はしない。「メールが来たらSlackに通知する」のような、ルールが事前に固定された処理だけを淡々とやってくれます。

AIエージェントは、この2つの隙間にいます。目的を渡すと、自分で計画を立てて、必要な道具を呼び出して、結果を返してくる。判断する。途中で詰まったら別の手段を試す。終わったら自分から「終わりました」と報告してくる。

たとえば「先週の競合の値下げ動向を調べて、影響を受けそうな自社の3商品を抽出して、対応案を3つ出して」。これを対話型AIに頼むと、複数回の往復が必要になります。自動化ツールでは、そもそも組めない。AIエージェントは、これを1回の指示で受け取って、自分で必要なステップに分解して、ブラウザで競合サイトを見に行き、自社のCSVを読み、出力をまとめて戻してくる。

ここで僕が大事だと思うのは、「自律性の濃度」が連続的に存在することです。完全自律から完全手動まで、グラデーションでいろんな製品が並んでいる。Claude CodeやCursorは「コードを書く」という限られた領域でかなり自律的に動きますが、決済や本番デプロイは人間に確認を取りに来る。一方、AWSが内部で動かしている営業エージェントは、もっと長いタスクを単独で処理しているとされます。

「AIエージェント」と一口に言っても、実装の中身は幅がある。だからこそ「自分の業務のどこまで任せるか」を決めるのが、いま必要なリテラシーです。

---

AIエージェントの中身を5つの構成要素で分解する——目的・計画・記憶・道具・実行

定義の次は、中身の話です。AIエージェントを構成する部品を5つに分けると、ぐっと理解が進みます。

1つ目は「目的（Goal）」。エージェントは目的を渡されて動き出します。「pitchbook（投資提案資料）のドラフトを作って」とか「KYC（本人確認）ファイルをスクリーニングして」のような、ある程度の幅を持った依頼です。一発の指示というより、ミッション。

2つ目は「計画（Plan）」。目的を受け取ったエージェントは、それを小さなステップに分解します。「まず顧客の業績データを集め、類似企業を3社選び、比較表を作り、ストーリーを組み立てる」という段取りを、自分で立てる。ここが対話型AIとの分かれ目です。

3つ目は「記憶（Memory）」。短期記憶（このセッションで何をやったか）と長期記憶（過去のセッションで何を学んだか）の2層を持っているエージェントが増えてきました。Anthropicが2026年に投入したClaude Memoryや、Claude CodeのCLAUDE.mdは、まさにこの長期記憶を担う仕組みです。

4つ目は「道具（Tools）」。エージェントは外部の道具を呼び出して仕事をします。ブラウザを開く、ExcelやPowerPointを操作する、社内DBを叩く、メールを送る。これらを「ツール呼び出し」と呼びます。Claudeなら今やExcel・PowerPoint・Word・Outlookの全部を直接動かせます。AnthropicがMicrosoft 365との完全統合を発表したのは、まさに道具棚を一気に広げるための動きでした。

5つ目は「実行（Execution）」。計画と道具がそろったら、あとは実際に動かす段階です。ここで重要なのが「人間がどこに立つか」という問いです。完全に任せきる、要所で承認を挟む、結果だけ受け取る。この3つをどう組み合わせるかが、AIエージェント導入の成否を決めます。

「賢いチャット」が持っているのは、せいぜい「目的の受け取り」と「ツール呼び出し」の入口まで。「自動化スクリプト」が持っているのは「実行」だけで、計画も記憶も判断もない。AIエージェントは、この5つを束ねて1つの仕事として閉じる存在です。

ここまで分かれば、ニュースの読み方が一段変わります。「Claudeが金融特化の10エージェントを出した」と聞いても、「ああ、5つの部品を金融タスク向けにチューニングして、束で出したんだな」と腹に落ちる。

---

実例1: Anthropicが2026年5月に投入した「金融10エージェント」——専門領域を箱詰めする流れの本格化

ここから3つの実例に入ります。最初はAnthropicが2026年5月5日に発表した、金融機関向けの10種類のAIエージェントです。

何が起きたか。一言でいうと、金融業界で時間がかかる定型業務を、Anthropicが「最初から箱詰めして」提供し始めたということ。今まではClaudeに「pitchbookを作って」と都度指示していた人が、これからは「pitchbook builder agent」を呼び出すだけで済む。

10種類の内訳は、大きく2グループに分かれます。前半5つは「リサーチ＆クライアント対応」系で、pitch builder agent、market researcher agent、valuation reviewer agentなどが入っています。後半5つは「ファイナンス＆オペレーション」系で、月末の帳簿締めやKYCファイルのスクリーニングといった、金融機関がいちばん人手をかけてきた領域です（TechRadar）。

提供形態も興味深い設計です。各エージェントは、Claude CoworkとClaude Codeのプラグインとして使える形と、Claude Managed Agents向けのcookbook（実装レシピ集）の両方で配布されています。「すぐ使いたいチームはプラグインで、自社カスタマイズしたいチームはcookbookで」というハイブリッド戦略です。

ベンチマーク数値も出ています。Claude Opus 4.7は、Vals AI’s Finance Agent benchmarkで64.37%を獲得し、GPT-5.5（59.96%）とGemini 3.1 Pro（59.72%）を上回りました（Anthropic公式）。金融タスクに特化したベンチで首位というのが、Anthropicが本気で「業界別エージェント」のポジション取りに来ている証拠です。

加えて見逃せないのが、Microsoft 365との完全統合発表です。Excel・PowerPoint・Word向けのアドインが一般提供（GA）になり、Claude for Outlookがベータ起動。Moody’sとのデータパートナーシップも同時発表されました（Fortune）。「金融機関の机の上にあるツール全部にClaudeを乗せる」という意思表示です。

ここで読み取りたいのは、AIエージェント市場が「汎用」から「業界特化」へ、明確に1段ギアを上げた事実です。これまでのChatGPTやClaudeは「何でも使える賢い相棒」でしたが、これからは「あなたの業界専用のチームメイト」として箱詰めされて出てくる。金融が最初なのは、規制対応とデータが揃いやすく、ROIが計算しやすいから。次は法務・医療・人事と続くと見ておくのが妥当です。

僕がこの動きで一番気になっているのは「箱詰めの粒度」です。10種類というのは、「業界別に1つ」でも「タスク別に100個」でもない、絶妙なちょうど良さ。Anthropicは「現場の人がツールを覚えなおさずに、業務単位で呼び出せる」サイズに合わせてきた。これ、自社で「うちの業界専用エージェント」を設計する側にとっても、参考になる粒度感です。

---

実例2: AWSが「営業準備業務」をAIエージェントで自動化し始めた——補完と置き換えの境界線

2つ目の実例は、もっと生々しい話です。

2025年末から2026年初頭にかけて、AmazonはAWS部門を含む組織全体で複数回の人員削減を実施しました。そして同じ時期に、社内向けのAIエージェントを次々と立ち上げています。eMarketerが「AWS develops AI agents to automate sales workflows after mass layoffs」と報じた事例で（eMarketer）、The Informationも「AWS Accelerates Internal AI Agents Following Staff Cuts」として後追いしています（The Information）。

具体的に動いているエージェントの中身も少し出ています。1つは「technical specialist agent」。サイバーセキュリティ、ネットワーキングなど複数領域の専門知識を集約して、社内の問い合わせや顧客提案に対応する。もう1つは「partner coordination agent」。顧客レコードの更新やセールスリードの審査といった、これまでパートナー担当者が手作業でやっていた業務を引き取っています。

eMarketerの報道で特に注目されているのは、自動化の対象が「営業そのもの」ではなく**「営業の準備・調整業務」に集中している**点です。リードのスクリーニング、レコード更新、提案資料作成——こうした「準備の8割」がエージェントの守備範囲に入っている。「営業職そのものがなくなる」のではなく、「営業の中で何を人間がやるか」が再定義されている段階と読む方が正確です。

AWS自身は「人員削減はAIが理由ではない、management layersの圧縮だ」と公式に説明しています。広報的にはそう答えるしかない。ただ、現場の現職・元職社員の証言として「automationの動きは、削減で穴が開いた領域を直接埋めるように見える」と各メディアに伝わっています。

eMarketerは「Some of the roles that were eliminated have not been backfilled with humans—they’re being backfilled with software」と表現していて、この一文がいちばん本質を突いています。「補完」という言葉で語られてきた時代から、少なくとも特定の準備・調整業務については、「人間に戻さずソフトウェアで埋める」という動きが実際に起きている。

さらに同じ2026年5月、AWS公式から「Amazon WorkSpaces now lets AI agents operate desktop applications (Preview)」というアナウンスも出ています（AWS公式）。仮想デスクトップ上で、AIエージェントが人間と同じようにデスクトップアプリを操作できるようになった、という機能です。「人間がやってきたGUI操作を、エージェントが代替する」インフラが、ハイパースケーラーから一般法人へ降りてきた瞬間です。

「AWSのような巨大ハイパースケーラーだから出来たんでしょ」と思いたくなります。確かに資金とエンジニアリング体力は段違い。ただ、ここから降りてくる影響は2段階で来ます。1段目は、AWSの顧客企業（つまり、ほぼ全ての中堅・大企業）が同じパターンを真似し始める。2段目は、AWSが社内で磨いたエージェントの仕組みを、Amazon WorkSpacesのような形で外販してくる。どちらも、すでに動き出しています。

---

実例3: Deloitte Tech Trends 2026が描く「最大75%が投資する世界」——市場予測と落とし穴の両面

3つ目は、もう少し引いた視点。Deloitteが2026年初頭に出した「Tech Trends 2026」プレスリリースと、同社の別レポート「AI agents scaling faster」が示している未来像です。

中心の数字をまず3つ挙げます。

1つ目: 最大75%。Deloitteは「2026年末までに最大75%の企業がAgentic AIに投資する可能性がある」と予測しています（Tech Trends 2026 Press Release）。SaaSプラットフォーム経由での自律エージェント支出が急増する、というシナリオです。

2つ目: 11%対74%。Deloitteの別レポート「AI agents scaling faster」では、現時点で本番デプロイにこぎつけたのは11%にとどまり、30%が探索中、38%がパイロット中、14%がデプロイ準備中と詳述されました（Deloitte Insights）。同レポートは「2027年までに74%が少なくとも中程度で利用する見込み」とも述べており、Tech Trends 2026の「最大75%」と方向感は一致しています。「興味」と「実装」の間に大きな谷があることが、この数字から読み取れます。

3つ目: $8.5B → $35B。グローバルAgentic AI市場は2026年の85億ドルから2030年に350億ドルへ、約4倍に膨らむという予測です。エンタープライズが「もっと上手にエージェントをオーケストレーションすれば」最大450億ドルまで伸びる余地もある、と書かれています（Deloitte Insights）。

数字だけ並べると景気のいい話に見えます。ただDeloitteのレポートが面白いのは、同時に**「失敗の構造」も明示している**点です。

引用されているGartnerの予測では、「2027年までに、agenticプロジェクトの40%は失敗する」とされています。理由は技術ではなく、「人間向けに設計された業務プロセスを、そのままエージェントに渡そうとしているから」。Deloitteも同じ趣旨で、「automationではなくredesignが必要」と繰り返し述べています。

これ、現場で使う側にも刺さる話です。「うちのこの業務、AIエージェントで自動化できないかな」と考えるとき、ほとんどのケースで業務プロセス自体が人間の制約を前提に組まれています。「決裁は3人の承認が必要」「報告は週1回まとめる」「会議は1時間単位で予約する」。これら全部、人間がやることを前提にした設計です。

エージェントの長所は「24時間動く」「同時並列で動く」「マイクロな粒度で動く」。この長所と、人間前提のプロセスは噛み合いません。だから多くの企業は、エージェントを入れても「結局人間と同じスピードで動くだけ」という結果になる。

Deloitteが描く「効果が出やすい領域」も具体的に挙がっています。最も影響が大きいのがカスタマーサポート。次いでサプライチェーン管理、R&D、ナレッジマネジメント、サイバーセキュリティ。共通点は、「24時間体制で、同時に大量のリクエストをさばく必要がある」こと。エージェントの長所と素直に噛み合う領域です。

つまり、このレポートが教えてくれるのは2つ。**「この市場は確実に大きくなる」という追い風と、「ただし、組織の側を変えないと半分は失敗する」**という冷水。両方を同時に受け取る必要があります。

---

自分の仕事に転用できるか——5つのセルフチェックで現在地を測る

ここまでの3事例を踏まえて、「自分の仕事のどこにエージェントが入るか」を判断するための5つのチェックポイントを整理します。

チェック1: その業務は”目的だけ渡せば”完結するか

エージェントは目的を渡されて、自分で計画を立てて動きます。ということは、業務の境界が明確で、「ここからここまでをやって」と言える業務でないと向きません。逆に、毎回担当者がその場で判断する業務は、エージェント化の前に「業務の標準化」が必要です。

チェック2: 使う道具が決まっているか

業務で使うアプリケーションやデータベースが定義できないと、エージェントに渡せる「道具棚」が組めません。Excel、Outlook、社内CRM、Webブラウザ——これらをリストアップしてみる。Anthropicが Microsoft 365統合を急いだのも、「企業の道具棚はだいたいMicrosoftに揃っている」という現実認識からです。

チェック3: 失敗のコストはどれくらいか

自律性が高いほど、間違ったときの被害も大きくなります。たとえば「リードのスクリーニングを間違える」と「決済を勝手に通す」では、影響が桁違い。**最初は失敗のコストが小さい領域から始めるのが鉄則です。**AWSが「technical specialist agent」と「partner coordination agent」を最初に選んだのも、社内向けで影響範囲を絞れる業務だったからに他なりません。

チェック4: 業務プロセス自体を見直せるか

これがDeloitteレポートの中核メッセージそのものです。人間前提のプロセスをそのままエージェントに渡しても、効果は出ない。「3人の承認が要る稟議」を「3つのエージェントが順番に承認する」に置き換えても、ただ機械的になるだけ。「そもそもこの承認は必要か」「同時並列で進められないか」を問い直す覚悟が要ります。

チェック5: 「人間が立つ場所」を設計できるか

完全自律にすると失敗が怖い。完全に手動だとエージェントの意味がない。承認を挟む箇所、結果を確認する箇所、最終判断を残す箇所——この「人間ポイント」を設計できるかが、運用の質を決めます。Claudeの金融エージェントが「ケースをエスカレーションして人間にレビューしてもらう」設計を組み込んでいるのは、まさにこのためです。

5つを通してみると、自分の仕事のどこから始められそうかが見えてくるはずです。全部当てはまる業務はそんなにありません。1〜2個でも刺さるところがあれば、そこが入口です。

---

「使う→選ぶ→売る」——2026年5月からの動き出し方とまとめ

最後に、この記事を読んだあとの動き方を3段階で整理します。

段階1: 使う側として、まず1つ動かしてみる

具体的にいうと、Claude CoworkかClaude Codeのどちらかに、自分の業務を1つ任せてみる。Excel上での集計、メールの一次分類、議事録のドラフト——どれでも構いません。「便利な対話AIを使う」のではなく、「目的だけ渡して結果を待つ」体験を1回でもしてみるのが最初の一歩です。Claude Codeの料金や始め方は「claude codeの料金、結局いくらですか？」に答えるで具体的に書いたので、初期投資の判断材料として使ってください。

段階2: 選ぶ側に立つ——業界エージェントの目利きを始める

Anthropicの金融10エージェントを皮切りに、これから法務・医療・人事・営業・カスタマーサポートと、業界別パッケージが続々と出てきます。「自社の業界に来たエージェントを、どう評価するか」のものさしを今のうちに持っておくことが、来年の勝負を分けます。具体的には、(a)5構成要素（目的・計画・記憶・道具・実行）のどこが強いか、(b)失敗のコストが小さい入口設計があるか、(c)既存の業務プロセスにどこまで切り込んでいるか——この3点で評価する習慣をつける。

段階3: 売る側に回る——自分でエージェントを設計する

これが本番です。AIエージェントは「使う」から「売る」へ。コードを書けない人が事業を作る、2026年の現実解で書いたとおり、Stripeが決済インフラを整え、ノーコード基盤が成熟した今、非エンジニアでもエージェントを商品として売り出せる環境が揃いました。「自分の業務知識×エージェント」というフォーマットは、次の起業の入口の1つとして確実に育っています。

3段階全てを今すぐやる必要はありません。まずは段階1。「使ったことがある人」と「使ったことがない人」の差が、AIエージェント領域では特に大きいです。1回でも動かしておくと、来年来るニュースの読み方が180度変わります。

---

この記事の要点

• AIエージェント = 目的を渡すと自分で計画を立て、道具を呼び出して、結果を返してくる第三の選択肢。「賢いチャット」と「自動化スクリプト」の隙間にいる
• 5構成要素（目的・計画・記憶・道具・実行）で分解すると、ニュースの読み方が変わる。「Claudeの金融10エージェント」も「AWSの営業エージェント」も、この5つの組み合わせ方の違い
• 2026年5月の3大アンカー: Claude金融10種（業界特化フェーズ突入）、AWS営業準備業務の自動化（準備業務から始まる人員置換の境界線）、Deloitte最大75%予測（市場確定／ただし40%は失敗）
• 失敗の最大要因は技術ではなく、人間前提のプロセスをそのまま渡すこと。「automation」ではなく「redesign」が要る
• 動き出すなら、(1)使う→(2)選ぶ→(3)売る、の3段階。まずは1つ任せてみることから

「AIエージェント」という言葉が、もう「説明が要る新概念」ではなくなりました。2026年5月時点で、世界の大手はすでに自社で動かし始め、業界別パッケージが束で降りてきている。

ここから半年で、「使う側」と「使われる側」の差は、たぶんもう取り返せない場所まで広がります。今日から1つでも動かしておく。これが、来年の自分への最良の贈り物です。

僕も毎日エージェントを試しています。一緒にやっていきましょう。