AIエージェントとは——「質問に答えるAI」から「仕事を任せられるAI」へ

「AIエージェント」という言葉を聞かない日はなくなりました。ニュースでも、ツールの宣伝でも、展示会でも。でも、「ChatGPTに質問するのと何が違うの？」と聞かれて、はっきり答えられる人は意外と少ないのではないでしょうか。

一言でいえば、こうです。チャットボットは質問に答えるAI、エージェントは仕事を任せられるAI。この記事では、その違いを3つに整理したうえで、エージェントが実際に「働いている」様子をコマンドレベルで1手ずつ追いかけます。中身が見えれば、エージェントは魔法ではなく、道具として付き合える存在になります。

チャットボットとの違いは3つ

違い①：仕事が「完了」するまでやる。 チャットボットの本質は、テキストの出入り口です。テキストを入れると、テキストが返ってくる。それだけです。だから実際の仕事では、人間がこういう往復をしています——依頼内容をコピーしてチャットに貼る、出力をコピーして資料に貼る、できたものをドライブに置く、チャットで完了報告を書く。AIがどれだけ賢くても、システムとシステムの間をつなぐ「接着剤」の役割はずっと人間でした。

AIエージェントは、この「間」そのものに入り込めます。Google Workspace（カレンダー・メール・ドライブ）、SlackやChatworkといったチャットツール、kintoneのような業務アプリ基盤——連携先は多岐にわたります。だから「Slackで仕事の指示を受ける→指示の背景にあるスレッドの経緯や関連ファイルまで読み込んで作業する→成果物をドライブに格納する→Slackに『終わりました』と報告する」という流れを、一連でこなせます。「情報の提供」で終わらず、「手続きの完了」で終わるのが1つ目の違いです。

違い②：覚えたことを、仕事に使える。 最近はチャットボットにも会話をまたぐメモリ機能が搭載されつつありますが、覚えた内容は基本的に次の「回答」の参考になるだけです。エージェントは過去のやり取り・好み・関連ドキュメントを、次の作業の実行にそのまま活かします。「前回と同じ形式でよろしく」と言えば、実際にその形式で成果物が出てくる——毎回ゼロから説明が必要な新人と、育った部下の違いです。

違い③：自分から動ける。 チャットボットは、聞かれるまで待っています。エージェントは期限や異常を検知して自分から動き、報告してきます。受け身の道具から、先回りする働き手へ。

観点	チャットボット	AIエージェント
入出力	テキストのみ	各種システムと直接連携
出力の終わり方	情報の提供	手続きの完了
記憶の使い道	次の回答の参考まで	次の仕事の実行に活かす
動き方	聞かれるまで待つ	検知して自分から動く
人間の役割	コピペで各システムをつなぐ	ゴールを渡して結果を確認する

実際に見てみよう——エージェントが「働く」様子をコマンドで追う

では、エージェントの中では何が起きているのか。実際の動作を見るのが一番早いので、ファイル整理を頼んでみます。Claude Codeのような、PC上で動くタイプのエージェントに、こう依頼したとします。

「ダウンロードフォルダに溜まった請求書PDFを、月別のフォルダに整理して」

エージェントは、次のようなコマンドを1手ずつ発行しながら作業を進めます。コマンドとは、コンピュータに文字で出す指示のことです（前回の記事で紹介した「CLI」という入り口で使うものです）。

① ls ダウンロード/
   → invoice_20260601.pdf  invoice_20260615.pdf  invoice_20260702.pdf ...

② mkdir -p 請求書/2026-06 請求書/2026-07

③ mv ダウンロード/invoice_202606*.pdf 請求書/2026-06/
   mv ダウンロード/invoice_202607*.pdf 請求書/2026-07/

④ ls 請求書/2026-06/
   → invoice_20260601.pdf  invoice_20260615.pdf

1手ずつ日本語にすると、こうなります。

1. ls（list）＝まず現状を見る。「ダウンロードフォルダに何があるか」を一覧表示させ、ファイル名から「6月分と7月分がある」と把握する
2. mkdir（make directory）＝フォルダを作る。①で見た内容から「2026-06と2026-07の2つが要る」と自分で判断して作成する（-p は「親フォルダごとまとめて作る」という指定。こういう細かい作法もエージェントが自分で判断します）
3. mv（move）＝ファイルを移動する。ファイル名が6月のものは6月フォルダへ、7月のものは7月フォルダへ、まとめて移動する
4. もう一度 ls ＝結果を確認する。ちゃんと移動できたかを自分の目で確かめる

なぜこんなことができるのか。AIが、日本語の指示を解釈できるほど賢くなったからです。「請求書PDFを月別に整理して」という、コンピュータにとっては曖昧きわまりない日本語を受け取り、「この作業をするには、まず中身を確認して、フォルダを作って、ファイルを移動すればいいのね」と自分で考え、そのために必要なコマンドを自分で書いて実行する。人間の言葉とコンピュータの言葉のあいだに立つ、翻訳者と実行者を兼ねた存在——それがエージェントの頭脳であるLLM（大規模言語モデル）の役割です。

ここで大事なことに気づきます。ls も mkdir も mv も、そして別のフォルダに移動する cd（change directory）も、エンジニアがターミナルで毎日打っている、ごく普通のコマンドです。エージェントは何ひとつ特別な道具を使っていません。

特別なのは道具ではなく、使い方です。①で現状を見て、②の計画（フォルダ名）を①の結果から自分で決め、③を実行し、④で確認する——もし④で移動漏れが見つかれば、原因を考えて別の手を試します。この「現状を見る→計画する→実行する→確認して次を決める」というループを、人間の指示なしに回し続けられること。それがエージェントの正体です。

チャットボットは1回の質問に1回答えて終わりですが、エージェントはこのループを、ゴールにたどり着くまで必要なだけ繰り返します。だからこそ「任せられる」のです。

なぜ何とでも連携できるのか

ファイル整理はPCの中の話でしたが、違い①で触れたとおり、エージェントはSlackやドライブのような外部サービスともつながります。仕組みを一言でいうと——手元のファイルはCLIで、外部サービスはAPI（プログラム専用の窓口）で操作し、それらの道具をAIが共通の作法で使えるようにする規格がMCPです。それぞれの意味と仕組みは前回の記事「なぜAIはSlackやドライブを操作できるのか」で詳しく解説しています。

補足すると、外部サービスの操作も、先ほどのコマンドとまったく同じ要領で進みます。エージェントが発行するものが、コマンドからAPIへのリクエストに変わるだけです。たとえば「整理が終わったらSlackの経理チャンネルに報告して」と付け加えれば、エージェントはファイル整理の仕上げに、こんなリクエストを発行します。

⑤ POST https://slack.com/api/chat.postMessage
   Authorization: Bearer xoxb-●●●●（Slackが発行した鍵）
   {
     "channel": "#経理",
     "text": "請求書PDFの月別整理が完了しました（6月分2件・7月分1件）"
   }

2行目の「鍵」は、前回の記事の約束事②で説明したAPIキー（Slackでは「トークン」と呼びます）です。誰でもSlackに投稿できては困るので、事前に発行した鍵を毎回のリクエストに添えて、本人であることを証明します。

mv の代わりに「Slackの窓口（API）に、鍵を添えてメッセージ送信を依頼する」——道具が変わっただけで、発行して、返ってきた結果を確認して、次を決めるというループの回し方は、コマンドのときとまったく同じです。

ひとつだけ再確認しておきたいのは、エージェントは渡された権限の範囲でしか動けない（裏を返せば、渡した範囲では人間の確認なしに動ける）ということです。何を任せ、どの権限を渡すか——エージェント時代の人間の仕事は、ここに集約されていきます。

まとめ——中身が見えれば、怖くない

整理します。AIエージェントとチャットボットの違いは3つ——仕事が完了するまでやる、覚えたことを仕事に使える、自分から動ける。そして中身を開けてみれば、ls や mkdir のようなごく普通の道具を、「見る→計画する→実行する→確認する」のループで使い続けているだけでした。

魔法ではないとわかれば、付き合い方も見えてきます。まずは今回のファイル整理のような、失敗してもやり直せる小さな仕事から任せてみる。エージェントがコマンドを1手ずつ発行する様子を眺めれば、「AIに仕事を任せる」という感覚が、きっと具体的なものに変わります。