✓ 「AIエージェント」を検討しているが、結局なにを作っているのかが社内で説明できていない

✓ 賢い1つのAIに大量のデータと指示を渡せば動く、というイメージのまま進めようとしている

✓ AIが出した報告に見落としやもっともらしい誤りが混ざり、現場で使えるか確信が持てていない

✓ 自社のどの業務をどう分解すればAIエージェントとして組めるのか、当たりがつけられていない

もし一つでも当てはまるなら、

問題は「AIがまだ賢くない」ことではありません。

1つのAIに全部を丸投げする構造のまま考えているだけです。役割を分けて分業させる、という設計の発想が抜けているだけです。

この45分で、AIエージェントの正体を「役割を分けた複数AIの分業」として捉え直し、自社の業務をどう分解すればよいかの見立てを持ち帰ることができます。

■ こんな方におすすめです

────────────────────────────────

✓ AIエージェントを検討しているが、結局なにを作るのかを社内で説明しきれていないDX推進・経営企画の方

✓ 「賢いAIに丸投げすれば動く」前提で進めていて、品質が安定するか不安な方

✓ 設備ログ・問い合わせ・文書など、人手では見切れないデータを抱えている方

✓ PoCを始めたいが、適用業務の選び方とコストの見立てを知りたい方

✓ AI開発の検討役として、技術の中身を非エンジニアにも分かる粒度で押さえたい方

■ セッション説明

────────────────────────────────

「AIエージェント」という言葉は急速に広がりましたが、いざ自社で検討しはじめると「結局、何を作っているのか」が見えづらいものです。チャットAIなら使ったことがある。では業務を任せるAIエージェントは、その延長線上で「賢い1つのAIにデータと指示を渡せば動く」ものなのでしょうか。実は、ここで丸投げの発想のまま進めると、見落としや事実でない報告が混ざり、現場では使えないという壁にぶつかりやすいのです。

本セッションでは、AIエージェントを「役割を持った複数のAIの分業」として捉え直します。段取りを決める担当・実際にデータを計算する担当・結果が妥当か評価して差し戻す担当・人が読める報告に落とす担当。この役割分担がなぜ品質を担保するのかを、研究の知見も交えて解説します。

そのうえで、製造業の設備ログ分析エージェントという具体ケースで「結局なにを作っているのか」を実装の解像度で見せます。膨大なログから定期の分析レポートを自動生成し、確認すべき箇所まで添える構成です。抽象論で終わらせず、自社のどの業務をどう分解すればAIエージェントとして組めるかを持ち帰っていただきます。

■ 今回話す内容

────────────────────────────────

1. 「賢い1つのAIに丸投げ」がなぜ現場で壁にぶつかるのか（見落とし・もっともらしい誤り・確認できない報告）
2. AIエージェントの正体は「役割を分けた複数AIの分業」、段取り・分析・評価・報告と、評価役が差し戻すループ
3. 製造業の設備ログ分析エージェントで見る「結局なにを作っているのか」と、自社業務の分解のしかた

■ 登壇者

────────────────────────────────

三好大悟（株式会社リベルクラフト 代表）

データサイエンティスト出身。製造業・大手ITを中心に、AI・データ活用のコンサルティングと社内研修を手がける。「技術を現場で動く施策に翻訳する」をミッションに、導入判断から構築・運用展開まで一気通貫でサポートしている。Python・SQLによる実装経験と、経営層へのプレゼン・合意形成の両方を持つ実務家。

X: 三好大悟, リベルクラフト