AIで自分のサービスやアプリを作り始めると、どこかで「AIエージェント」という言葉にぶつかります。ノーコードでクリックだけで作れるという紹介も、コードでがっつり組む話も出てきて、どれが自分に関係あるのか分かりにくいところです。

受講生のYさんも、同じところで足を止めていました。「ChatGPTみたいな汎用のエージェントがもう充実しているのに、自分で作るのっていつするんですか」。これは、AIで何かを作ろうとする人の多くが一度は抱く疑問だと思います。既製品がこれだけ便利になった今、わざわざ自作する場面がイメージしにくいのは自然なことです。

先に結論を言うと、判断の軸は「広く浅く使えれば足りるのか」「特定の用途に特化して、手元のデータやシステムとつなぐ必要があるのか」です。前者に近いなら既製品で対応できる場合が多く、後者に近づくほど自分で作る理由が出てきます。この記事では、その線引きを具体例とともに整理します。

そもそもエージェントは「作業を代わりにやる」仕組み

話を進める前に、言葉の中身を少しだけそろえておきます。AIエージェントは、AI(LLM)が道具を使って、手順を回しながら作業そのものを進める仕組みを指します。単に「質問したら答えが返ってくる」一問一答とは、ここが違います。

Anthropic社の解説では、あらかじめ決めた順番でAIと道具を動かすものを「ワークフロー」、AIが自分で手順や使う道具を判断しながら進めるものを「エージェント」と呼び分けています。細かい呼び方はさておき、共通しているのは「AIが考えるだけでなく、道具を使って作業まで進める」という点です。

この「道具を使う」という部分は、別の記事で触れた、AIは考えるだけで実際に手を動かすのは周りのプログラムだ、という話とつながっています(AIが検索やファイル作成までできる本当の仕組み)。エージェントは、そのAIと道具の組み合わせに、手順を回す仕組みと記憶を足したもの、と考えると見通しがよくなります。

ムチオ
ムチオ
エージェントって、ChatGPTに質問するのと何が違うの?どっちもAIでしょ?
ルミナ
ルミナ
一問一答で終わるか、道具を使って作業まで進めるかの違いです。調べて、まとめて、どこかに記録する。そこまで一続きでやるのがエージェントに近い動きです。

広く浅くで足りるなら、既製品で十分なことが多い

Yさんの言うとおり、ChatGPTのような汎用のAIはよくできています。文章を書く、調べ物を手伝う、アイデアを一緒に考える。こうした「幅広く、浅く」役立つ使い方なら、既製品でほぼ足ります。わざわざ自分で作っても、同じことを手間をかけて再現するだけになりがちです。

最近は、既製品の側がどんどん「エージェントらしい」動きまで取り込んでいます。会話の中からリマインドを拾って通知してくれたり、メールやカレンダー、チャットツールとつないで予定を調整してくれたりする、秘書のようなサービスも出てきました。Yさんも、そうしたAI秘書のサービスをいくつか挙げていました。こういうものが増えているので、「自分で作るしかない」場面は、以前より狭くなっているのが実際のところです。

技術的な裏付けとしても、AIの設計では「一番シンプルな方法から始めて、必要になったときだけ複雑にする」のが基本とされています。いきなりエージェントを自作するより、まず既製品で試して、どうしても届かない部分が見えてから次を考える、という順番のほうが無駄が少ないです。

特化・連携が要るときに、作る理由が出てくる

では、どこから自作を検討する理由が出てくるのか。Yさんとのやり取りで分かりやすかったのは、ある接客用のAIアバターの例でした。お店に置いて、お客さんの話を聞き取り、音声で案内する仕組みです。

この例では、裏側が既製品ではなく、用途に合わせて作り込まれていました。お店の情報や業務マニュアルを必要に応じて参照して答える、お客様の声を記録として蓄えていく、地図やお店の案内を出す。こうした「そのお店のための、決まった作業」をやらせようとすると、広く浅くの汎用品では届きにくくなることがあります。何かに特化した仕事をさせたいなら、広く浅く使える既製品よりも、自分で作ったほうが向いていると考えています。

もう一つの分かれ目が、外部とつなぐかどうかです。同じ例でも、このアバターはお店が持っている裏側のシステムと連携できるようになっていました。裏側のシステムとつなげられるかどうかは、エージェントを作るか作らないかを分ける大きな違いだと感じています。

既製の汎用AIは、あなたの会社の予約システムや在庫データの中身までは知りません。そこに手を伸ばして「作業」をさせたいなら、自分のデータやシステムとつなぐ部分は自分で用意する必要があります。ここが、作る・作らないの大きな分かれ目になりやすいところです。

ムチオ
ムチオ
じゃあ、自分のお店とか自分のアプリの中身を使ってほしいときは、作る側に寄っていくんだね。
ルミナ
ルミナ
そうですね。幅広く使えれば足りるなら既製品、特定の用途に絞って自分のデータとつなぎたいほど、自作を検討する理由が出てきます。

「作る」と言っても、全部を作るわけではない

ここで一つ、誤解しやすい点を補足します。エージェントを作るといっても、AIそのもの(モデル)を一から作るわけではありません。この点はYさんも気にしていました。使うのは学習済みの既製のモデルで、自分で一から学習させるわけではありません。多くの場合はAI企業のAPIを呼び出して利用します。

学習済みのモデルを自分のパソコンの中で動かす方法もありますが、相当高性能な機械でないと現実には動かしにくいです。普通のノートパソコンで動かそうとすると、メモリをほとんど使ってしまって動かないこともあります。モデルを借りるか自分で動かすかという話は、それ自体が一つの判断になるので、別の記事(AIのモデルは借りるのか、手元で動かすのか)で扱います。

では、自作のときに自分が用意するのは何か。大きくは、モデルと自分のデータやシステムをつなぐ部分です。Yさんも会話の中で、社内システムとの連携は「MCPやAPIを作って」つなぐのでは、と整理していました。実際その通りで、AIに外部の機能やデータを使わせるための土台として、APIやMCPといった接続の仕組みが必要になります。この接続の考え方は、AIの窓口としてのMCPを扱った記事(AIと外部ツールをつなぐ窓口・MCP)で詳しく触れています。

つまり「作る」の実態は、既製のモデルを土台に、必要な道具とのつなぎ込みや、手順の組み立てを自分の用途に合わせて用意すること、というイメージが近いです。ゼロから全部を作るわけではない、と分かると、ハードルの感じ方が少し変わるかもしれません。

自作に寄るか、既製品で足りるかを見分ける

ここまでを、判断の目安として並べ直します。断定ではなく、どちらに近いかで考える材料として見てください。

既製品で足りることが多い
  ・幅広く浅く使えればよい(文章、調べ物、相談など)
  ・特定のお店・会社・アプリの固有データは必要ない
  ・既製の秘書系サービスの連携範囲(メール・カレンダー等)で収まる

自作に寄っていく
  ・特定の用途に特化させたい(このお店の、この業務の)
  ・自分のデータやシステムの中身を参照・操作させたい
  ・既製品の連携では届かない部分がある

迷ったときは、まず既製品で試してみて、どこで届かないかを見てから自作を検討する、という順番が現実的だと思います。はじめから「作るもの」と決めてかかると、既製品で足りたはずの部分まで自分で抱え込むことになりがちです。逆に、特化と連携が本当に必要な場面では、作ったほうが用途に合うことも確かにあります。

なお、自分の身の回りの作業を手伝ってくれる小さなエージェントを、勉強もかねて作ってみる、という入り方もあります。その場合は「便利さ」だけでなく「理解のため」という目的も兼ねるので、既製品で足りるかどうかとは別の軸で考えてよい、という見方もできます。

自分がやりたいことは既製品で足りるのか、それとも作る部分があるのか。この見極めは、言葉の意味だけでは判断しにくいところです。AIで自分のサービスややりたいことを形にしたい方は、使いどころから一緒に整理する方法もあります。ZELK IT・AI相談所では、どこまで既製品で、どこから自分で用意するかを、やりたいことに合わせて1対1で一緒に整理しています。