生成AIの技術を用いた新たな概念「AIエージェント」が登場し、2025年は本格的な実用化の年となっています。AIエージェントは2025年以降も引き続き、利用者の業務をより的確かつ効果的に自動化していくソリューションとして、研究開発、事例研究、導入・活用が進んでおり、さまざまな形でAIエージェントに関わるビジネスが増えていくことが予想されます。
2025年春に公開した「AIエージェントとは？次世代技術の活用と未来展望をわかりやすく解説」では、AIエージェントの定義や生成AIとの違い、仕組み、技術動向、活用例、導入ステップなどを解説しました。
本記事はその続編として、AIエージェントに関わる関連テクノロジーをマップに整理し、2025年度上半期のテクノロジー・ビジネスの進展についてまとめます。主な内容として、LLM・生成AIモデルの進化、AIエージェントとの協働に向けたプロトコルの発展、セキュリティ・ガバナンスに向けた機能、自社サービスの差別化要素としての組み込みについて解説します。
- AIエージェントとは？
- AIエージェントに関連するテクノロジー、周辺プレイヤーや社会、ビジネスへの影響の俯瞰
- 2025年度上半期のAIエージェントの最新動向
- さまざまなアプローチをとる企業・AIエージェントの紹介
- 周辺領域への影響
- AIエージェント活用に向けて企業に求められること、ヒント
- おわりに
- 関連するソリューション
AIエージェントとは？
AIエージェントとは、目標達成のために自律的に計画・実行・適応を行うAIシステムです。AIエージェントの定義は、既報「AIエージェントとは？次世代技術の活用と未来展望をわかりやすく解説」にて記載しており、この定義は引き続き同じ考え方で研究開発・ビジネス開発が進んでいます。
AIエージェントに関連するテクノロジー、周辺プレイヤーや社会、ビジネスへの影響の俯瞰
AIエージェントは、インフラからアプリケーションまで幅広いレイヤーのテクノロジーによって機能することができます。下の図ではAIエージェントと関わっているテクノロジーを一覧にしています。
(1) AIエージェントを構成するテクノロジー
AIエージェントの中でも、コアとなるLLM・生成AIモデルやRAG・データ基盤、システム連携（MCP）などのテクノロジーだけでなく、複数エージェントでの協働体制に必要なA2AやAGNTCYのプロトコル、AIエージェントを安全に稼働させるためのガードレール、監査、ID・権限管理などのテクノロジーが組み合わせられています。
(2) AIエージェントと相互に影響する周辺領域
AIエージェントと相互に影響する周辺領域としては、AIエージェントとの入力・出力を行うアプリケーション、AIという新たな攻撃対象を踏まえたセキュリティ・ガバナンス、LLM・生成AIモデルなどを高効率で稼働させるインフラ、現実世界との入力・出力を可能とするIoT・CPS(Cyber Physical System)の4領域が挙げられます。
(3) AIエージェント登場によって考慮すべき社会、ビジネスへの影響
AIエージェント活用の本格化が労働環境や労働市場に大きく影響を与えることや、倫理、教育面への影響、各国や国を横断しての規制、国際的なAI開発競争の激化など、テクノロジー以外の社会動向の要素もAIエージェントビジネスに大きく関わってきます。
(4) AIエージェントに関わるプレイヤー
図1で表しているように、AIエージェントは、非常に多くのテクノロジーが組み合わさっていることから、さまざまな出自を持つプレイヤーがAIエージェントビジネスに参入しており、ソリューション開発が日進月歩で行われ、競合環境も激化しています。
2025年度上半期のAIエージェントの最新動向
2025年度上半期のAIエージェントの最新動向として、注目すべき点は下記の4点です。
1. LLM・生成AIモデルの進化
LLM・生成AIモデルはAIエージェントを構成する基幹テクノロジーであり、より高い精度の出力を行うLLM・生成AIモデルの活用がAIエージェントの性能を左右します。世界各国で研究開発・性能改善が進められています。
1） コンテキストエンジニアリングの登場
これまでLLM・生成AIモデルやAIエージェントへの設定時・作業時の入力はプロンプトによる指示が一般的でしたが、限定されたプロンプトに基づいた出力の質の限界が指摘される中、出力の精度を高める手段の一つとして、“コンテキストエンジニアリング”が注目されています。プロンプトやRAGだけでなく、自身や自社に関わる独自の状況・情報、過去の出力など、幅広い情報を統合して「コンテキスト」としてとらえ、より大規模なコンテキスト（情報）を入力し、より適切な出力を得る、というのがコンテキストエンジニアリングの狙いです。コンテキストはプロンプトを含めたより広範な入力情報となっており、コンテキストエンジニアリングは既存のプロンプトによる入力技術を拡張したものとなっています。
情報処理を行うLLM・生成AIモデルに対して、大規模なコンテキストに対応した結果、より大きいトークン量を入力・処理できるような対応が行われています。実例として、Anthropic、Googleなどが100万トークンのコンテキストウィンドーを提供しているなど、コンテキストエンジニアリングを前提としたAI戦略を進めている企業が現れています。
構成要素 |
概要 |
|---|---|
| システムプロンプト（Instructions / System Prompt） | モデルの挙動を決める初期設定プロンプト。 |
| ユーザプロンプト（User Prompt） | ユーザからの直近のタスクや質問などのプロンプト。 |
| 履歴（State / History） | 現在の会話履歴(下記の長期記憶と比較し、短期的なやり取りを指します)。 |
| 長期記憶（Long-Term Memory） | ユーザとの過去のやり取りや好み、属性、重要な事実などを記録したもの。 |
| RAG | モデル外部にあり、情報源となるデータベースやドキュメント。 |
| 利用可能なツール | モデルが呼び出せる関数やツール。 |
出所：Philipp Schmid 2025年6月30日 「The New Skill in AI is Not Prompting, It's Context Engineering」
2） 画像、動画、音声、音楽に対応する生成AI
LLMは自然言語を介しての入力・出力が得意なモデルですが、モデルのアップデートに応じて、画像や動画といった領域への入力・出力の対応幅を広げているモデルが増えています。また、画像生成や動画生成に特化したモデルでは、コンテンツの背景、テイストを踏まえた出力やオブジェクトの位置関係、操作による修正、調整といった、上記のコンテキストエンジニアリングのテクノロジーを生かした生成も可能となっています。音声、音楽生成についても動画コンテンツを補助するユースケースを第一歩として活用が進んでいます。
これらのモデルの活用先は、広告・コンテンツなどのクリエイティブ系が中心です。具体的には、コンテンツそのものの制作に加え、その前段階となるコンテや試案のアウトプットに利用されています。
3） 利用環境についての選択肢の増加
これまで多くの企業のAIエージェント開発基盤はクラウドサービスで提供されており、その基盤内で利用できるLLM・生成AIモデルを利用するというのが主な選択肢でした。データ取り扱いやシステム環境の制約から、一方で、データ取り扱いやシステム環境の制約から、特に個別構築のAIエージェントではどのような環境でLLM・生成AIモデルを稼働させるかが検討事項となっています。従来のクラウド基盤に代わる選択肢としては、以下の二つがあります。
(1) 個別環境に構築できるオープンソースモデルや有償のクローズドモデルなどを活用する。
(2) LLM・生成AIモデルをクラウドサービスとして利用するMaaS（Model as a Service）の形で利用する。
個別環境で利用できるLLM・生成AIモデルについても実用的なものが多く登場し、企業の要件、ニーズに合わせてより柔軟にAIエージェントが構築できるようになってきました。結果として、データ主権・ソブリンAIといったデータやガバナンスの戦略として、もしくはクラウド・AIサービスの価格変動が起きる中でコスト戦略としてオンプレミス・個別環境でAIエージェントを構築していくケースも発生しています。
2. AIエージェントとの協働に向けたプロトコルの発展
1） MCP
AIエージェントは当初、Webページ上の情報検索やファイルの操作など、アプリケーション内で完結するユースケースが中心でしたが、企業の業務自動化を実現する上では企業が活用するさまざまなシステム、データとの連携が必要となります。MCP（Model Context Protocol）はLLMがアプリケーションを操作するために定められたプロトコルです。LLM側だけでなく、アプリケーション側もMCPへの対応が求められます。多くの場合、アプリケーション側はMCPサーバという接続先を設置し、MCPへの対応を行っています。
2） AIエージェント間連携（A2A、AGNTCY）
AIを使って業務を遂行する取り組みが深化する中で、複数のエージェントが連携して業務を遂行していくマルチエージェント連携の必要性が生じており、A2A、AGNTCYといったプロトコル整備が進められています。いずれもAIエージェント間の連携のためのプロトコルですが、A2Aは1対1のAIエージェントの連携について、AGNTCYは企業のAIエージェント活用を俯瞰的にとらえられるよう、AIエージェントの検出、認証、オブザーバビリティに加え、エージェント、人、アプリケーションに対応する低遅延な暗号化通信の機能を定義しています。
プロトコル |
目的 |
概要、主要なテクノロジー |
|---|---|---|
| MCP | LLMとシステム・データベース・アプリケーションの連携 | AIエージェントに限らず、LLMが既存のシステム・データ・アプリケーションを参照・操作する(連携する)ためのプロトコルです。連携するシステム側が対応のハブとなる「MCPサーバ」を構築し、上記の連携を成立させます。 |
| A2A | AIエージェントとAIエージェントの相互連携 | 任意のAIエージェントと別のAIエージェントが相互に連携するためのプロトコルです。1:1のエージェント間連携を実現します。A2Aでは、AIエージェント同士が自律的に連携する際に自身の役割や操作対象などを定義した要素「エージェントカード」が存在します。 AIエージェント間の連携を多重に行うことでマルチエージェント体制を構築します。 |
| AGNTCY | AIエージェントによって構成されるエージェントネットワークの全体運用 | ユーザ企業が使用する多数のAIエージェントを俯瞰的にとらえられるように、AIエージェントの検出、認証、オブザーバビリティを実現し、エージェント間の通信についてもマルチ主体(エージェント、人、アプリケーション)対応の低遅延な暗号化通信SLIM（Secure Low-latency Interactive Messaging）を備えています（注1）。 |
出所：大和総研作成
（注1）Vijoy Pandey 2025年7月29日「AGNTCY project donated to Linux Foundation with major industry backing」
3. セキュリティ・ガバナンスに向けた機能
企業のAIエージェント活用にあたっては、AIエージェントの出力が情報漏洩や法規制・倫理的に不正な結果をもたらすリスクも発生します。これらのリスクを制御するため、AIエージェントには「ガードレール」などの名称でAIエージェントの出力を制御する機能が設けられています。これには、個人情報や企業の重要情報を匿名化する、部外者・外部に漏洩させない、誹謗中傷などの不適切なコミュニケーションを制御するなどの、リスクの検知・軽減・遮断などの機能を有しています。
特に社内外のユーザが接触可能なAIエージェントについては、意図的・非意図的、悪意のある・なしにかかわらず、情報漏洩や不適切なコミュニケーションのリスクが存在するため、このようなセキュリティ・ガバナンスに向けた機能の実装は不可欠です。
AIガバナンスは、以下の記事で詳しく解説していますので、ぜひご覧ください。
AIガバナンスとは？～AIガバナンスの最前線、AIガバナンス構築の4つの要所を解説～
4. 自社サービスの差別化要素としての組み込み
1） SaaSへの組み込み
AIエージェントの普及が進んでいく中、従来のSaaSベンダが自社のSaaSにAIエージェントを組み込み、差別化を図る事例が増えています。SaaSが支援対象としている業務の一部もしくは全部を自動化していくことで、従業員の作業の手間を減らし、ミスの発生を防ぐことが期待できます。次の章で紹介するSalesforceやTOKIUMなどがこのケースに当てはまります。
2） ITサービス・人的サービスへの組み込み
従来は人によって提供されていたサービス事業の業務の中にAIエージェントを組み込むことによって、従業員の数や働く時間に制限されないサービス展開が可能となります。特にIT領域のサービスはいち早く自動化に取り組む企業が多く、日本では2025年の夏ごろからアプリケーション、ハードウェアやセキュリティの設計・運用の自動化が進んでいます。また、それ以外にもコンタクトセンターや監査、調査・キュレーションなどの情報を取り扱うサービスにおいて、AIエージェントと人の協働が先行しています。
現状は完全な自動化というよりは、AIエージェントと人が協働することで、人がより付加価値の高い業務、要求品質の高い業務に集中し、AIエージェントが量的な課題（作業の量や対応時間などの問題）の解決を行うといった相互支援の形が成り立っている事例が中心となっています。
さまざまなアプローチをとる企業・AIエージェントの紹介
図1「AIエージェントに関連するテクノロジー、周辺プレイヤーや社会、ビジネスへの影響の俯瞰図」のように、AIエージェントは、多種多様なレイヤーからの参入が進んでいます。AIエージェントそのものを提供する企業についても、グローバルなクラウドサービスベンダ、AIソリューションの開発を行ってきたSIベンダ、AIソリューションベンダ、SaaS・ソフトウェアベンダを中心に多くの企業がAIエージェントの提供を開始しています。
ここでは、三つの企業の事例を紹介します。
Google「Gemini」「Gemini Enterprise」「Google NotebookLM」
BtoC、BtoBを問わず、多くのクラウドサービスやAI機能を世界的に提供しているGoogleもAIエージェントに取り組んでいます。AIアシスタントを含めたブランド「Gemini」の中ではそれぞれの用途に特化したAIエージェントを提供し、企業の業務に合わせたAIエージェントの構築・運用に適したプラットフォーム「Gemini Enterprise」、ナレッジワークに特化したアプリケーション一体型AIエージェント「Google NotebookLM」などを提供しています。Googleは自社設計のチップ・ハードウェアからLLM・生成AIモデル、アプリケーションまで、AIソリューションの開発に網羅的に取り組んでいます。
※Google Cloud、Gemini および Gemini Enterprise、Google NotebookLM は Google LLC の商標です。
Salesforce「Agentforce 360」
CRMを中心に顧客接点業務の支援を行ってきたSalesforceも自社のバックグラウンドを生かしたAIエージェント「Agentforce 360」の提供を進めています。「Agentforce 360」はSalesforceのAIエージェントを横断した名称となっており、コンタクトセンターや営業など、これまで同社がSaaS提供で支援してきた業務にひもづいた特化型のAIエージェントや、業務に合わせてAIエージェントを構築する構築基盤、AIエージェントの稼働を安全に行うデータ・ガバナンス・セキュリティ基盤をラインアップし、従来以上の範囲の業務にリーチしていく姿勢をみせています。
※Salesforce、Agentforce 360はSalesforce, Inc.の商標であり、許可のもとで使用しています。
TOKIUM「経理AIエージェント」
TOKIUMは業務に特化したAIエージェントに注力しています。同社は経理業務に特化したSaaSと、経理業務SaaSに連動するAIエージェントを「TOKIUM」シリーズとして提供しています。申請の確認・1次承認や出張手配、規程管理・整合性チェック、請求照合、明細入力といった特定の業務に合わせたAIエージェントを提供し、ユーザの理解度に左右されないAIエージェントの導入・活用を実現します。
周辺領域への影響
AIエージェントは、企業のシステムの在り方そのものを変革していく一つの契機となっており、企業のシステムを取り巻く周辺の機能もAIエージェントを意識した形に変化していくことが想定されます。本章では、AIエージェントと情報セキュリティ、インフラ、IoT・CPSとの相互影響について解説します。
情報セキュリティ
AIエージェントによる情報セキュリティへの影響はポジティブ・ネガティブの両面があります。ポジティブな影響としては、従来、人を中心に業務が行われていたMSS（Managed Security Service）（注2）やツールそのものにAIエージェントの機能が組み込まれ、人手不足で利用している企業が限られていたセキュリティサービスの恩恵を、より多くの企業が享受できるようになるほか、常時の1次対応が可能となるなど、インシデントへの反応速度が上がります。一方、ネガティブな影響では、大きく以下の二つが挙げられます。
（1） 攻撃者側のAIエージェント活用によって、世界的に攻撃の回数・規模・質が悪化している点
（2） 企業が事業に用いるAIエージェントが新たな攻撃対象となっている点
特に（2）に関しては「Security for AI」という新たなセキュリティのジャンルとして、検証・対策が進んでいます。
（注2）セキュリティ機器の設定、運用、インシデント対応
インフラ
AIエージェントやLLMを稼働させるインフラも、非常に大きな課題として認識されています。特にLLMが稼働するコンピュータリソースが重要であり、GPUやAIアクセラレータなどを搭載した高い処理能力を持つマシンが必要となっています。また、これらのAIエージェント・LLMの演算では既存のシステムに比べて多くの電力を必要とするだけでなく、演算によって排出される排熱の処理についても、ボトルネックとなる重要な課題となっています。データセンターやサーバ、ファシリティ関係の企業が課題解決に取り組んでいます。
IoT・CPS
AIエージェントは、従来はシステム上、オンライン上の業務を自動化するものとして認識されていましたが、ロボットなど物理的な装置を介して、リアルな世界への入力・出力も行われるようになります。まずはセンサーやカメラなどを用いてリアル世界の状況を把握し、オンライン上の動作を行うもの、続いてロボットや制御装置などを介して現実世界への出力も自動化するものの登場・開発が進みます。
AIエージェント活用に向けて企業に求められること、ヒント
AIエージェントは2025年度下半期に入ってもなお市場形成の途上にあり、提供企業が掲げる理想像を完全に実現しているAIエージェントはまだ限られています。それでも、徐々に業務の自動化が進められる具体事例が登場しており、企業の労働力や働き方、提供価値を大きく左右するテクノロジーとなっています。
一方で、AIエージェントも「魔法のように万能に自社の業務を自動化する」というほど高度化していないため、どのような業務・作業を自動化していくのかを明確にすることが重要です。
市場環境としても、徐々にAIエージェントの利用を前提とした企業間競争が発生していくため、自社商材の内容、品質、価格などを見直すまでになることも考えられます。その際、自社の競争力、コアとなる価値が何かを把握し、その価値をどのように伸ばしていくかを再定義し、AIエージェントはその付加価値向上や持続的な業務体制の構築に対してどのように寄与するかといった活用設計が必要になります。
そして、AIエージェントを活用するために必要なシステムやデータは何か、どのようにして連携させるかといった逆算の思考で必要な要素をそろえていくと良いでしょう。
おわりに
大和総研では、AIエージェントだけでなく、LLM、RAGなどのAIエージェントを構成する要素についても検証、導入支援、活用支援を行ってきました。また、個別環境、クラウドを問わず、エンタープライズのシステムで利用できるAIエージェントの活用についてご検討されている方は、ITソリューションサービスサイトよりお問い合わせください。
（本記事の内容は2025年12月時点のものです。）
関連するソリューション
大和総研ではお客様のAIエージェントの導入支援を行う「AIエージェント導入サービス」を提供しています。
AIエージェント導入サービス｜大和総研
また、戦略策定からPoC、データ活用環境の構築まで、お客様のAI・データ利活用に関する幅広いフェーズを支援する「AI・データ利活用ソリューション」を提供しています。
データ利活用・データ分析基盤構築ソリューション｜大和総研
