※ 本記事は、Aphrodite Brinsmeadによる”Agents, Tools, and Skills: A More Efficient Approach to Enterprise AI“を翻訳したものです。
2026年11月1日
AIで役立つものを作ることは、以前より簡単になっています。一方、作られたものすべてを管理することは、難しくなっています。社内のさまざまな人が、自分の仕事のためにプロンプト、自動化の仕組み、エージェントを作っていますが、同じ機能がすでに存在するかを知らないことも少なくありません。
AI導入の次の段階では、単に作るものを増やすだけでは不十分です。何を個人用にとどめ、何を再利用し、何をガバナンスの対象にするかを判断する必要があります。それによって、チームは作業の重複を避け、AIの利用をより効率的に拡大できます。
これは、生産性だけでなく、コストの面でも重要です。重複するシステム連携、ワークフロー、エージェントは、どれも構築と保守に時間がかかります。さらに、AIの利用が増えると、その基盤で発生するコストを把握、管理することも難しくなります。
より効率的な取り組みは、エージェント、ツール、スキルの役割と、それぞれをどこで使うかを理解することから始まります。
単発のAIプロジェクトだけでは利用を拡大できない
データサイエンティストは、学習データの準備、モデル出力の比較、モデル性能の評価を行うワークフローを構築するかもしれません。AI開発者は、ERPから未決済の請求書を取得し、CRMからアカウント情報を取り出し、分析システムから指標を取得するエージェントを構築するかもしれません。データ部門のリーダーは、AIを使ってデータ品質の問題を見つけ、データの来歴を追跡し、運用やガバナンスの指標を監視するかもしれません。
課題は、こうした取り組みが独立して進められがちなことです。別のチームが、すでに存在するものを知らないまま、似たロジックを再び作り、同じシステムに接続し、重複した機能を構築することがあります。
同時に、ITやAIのリーダーは、何が作られ、どのデータを使い、誰が管理責任を持ち、安全に利用を拡大できるかを、十分に把握できていない場合があります。AIの利用が広がると、システム連携、インフラストラクチャ、開発作業の重複によって、コストの把握と管理も難しくなります。
再利用するAIの構成要素を決める
役立つAIとのやり取りを、すべてエージェントにする必要はありません。一度限りのタスクなら、チャットやプロンプトだけで十分な場合があります。しかし、複数のチームで同じタスクやワークフローを実行し、同じ企業システムやデータに依存し、定期的に同じ処理を繰り返す場合は、再利用可能な機能にする価値があるかもしれません。
問うべきなのは、何を個人用のままにし、何を再利用可能にし、何をガバナンスの下で管理するエージェントにするかです。
エージェント、ツール、スキルの違い
エージェント、ツール、スキルには、それぞれ異なる役割があります。違いを理解すると、何を構築し、何を再利用すべきかを判断しやすくなります。
エージェント
エージェントは、明確に定義された、繰り返し行うタスクやワークフローを遂行するために設計されます。依頼を解釈し、文脈を活用し、必要に応じて他の機能を呼び出して仕事を完了します。複数のステップにわたる推論や調整が必要な仕事には、エージェントを使います。
ツール
ツールは、エージェントのために特定の操作を実行します。たとえば、別のシステムから顧客情報を取得する、ファイルをPDFに変換する、メールを送信するといった操作です。多くの場合、ツールはMCPサーバーを通じて公開でき、エージェントが外部の機能にアクセスするための標準的な方法を提供します。
スキル
スキルは、ある種類のタスクを適切に処理するための、再利用可能なノウハウをまとめたものです。仕事の進め方をエージェントが判断するための指針、ルール、確認事項、手順を含めることができ、その途中で1つ以上のツールを使う場合もあります。たとえば、レポート作成スキルでは、構成、含める情報、実施するチェック、文体や形式を定義できます。
例：支払期限を過ぎた請求書への対応
売掛金担当者が、請求書の支払期限が過ぎていることに気付き、次に何をすべきか判断する場面を考えてみましょう。担当者は、請求書のフォローアップを行うエージェントに支援を求められます。
エージェントは、関連するアプリケーションの顧客、請求書、支払いのデータと、取引履歴や社内ポリシーなどの業務上の文脈を利用できます。そのうえで、債権回収スキルを呼び出して自社のフォローアップ手順を適用し、MCPサーバー経由で公開されたツールを使って、ERPの最新の入金状況を確認したり、Oracle Analytics Cloudからアカウントの指標を取得したり、確認のメールを送信したりできます。
顧客への連絡など、次の操作に承認が必要であれば、実行前に担当者を再びプロセスに戻して確認を求められます。
支払いが遅れている理由が契約上の紛争である場合、請求書フォローアップエージェントは、Agent2Agent（A2A）を使って、契約に特化したエージェントと連携できます。契約エージェントが関連条項を確認して結果を返し、請求書フォローアップエージェントは、自ら契約分析まで担わずに、その結果を使って次の対応を判断できます。
請求書フォローアップエージェントは、企業データと、再利用可能なスキル、ツール、他のエージェントを組み合わせて、業務タスクの完了を支援します。
各エージェントの担当範囲を明確にする
各エージェントに、明確で限定された責任を持たせることが、有用な原則となります。対象が広すぎると、ガバナンス、テスト、処理の振り分け、改善が難しくなります。一方、狭すぎると、不必要なエージェントの乱立につながることがあります。
各エージェントは、明確な業務上の成果に焦点を当て、その仕事を支えるために複数のツールやスキルを利用できます。ワークフローのステップごとに、新しいエージェントを作る必要はありません。
必要な業務の文脈、権限、システム、管理責任、評価基準が異なる場合には、エージェントを分けるほうが適しています。たとえば、財務エージェントと営業エージェントは、同じツールやスキルの一部を利用することがありますが、補助的な機能を共有しているというだけで、1つにまとめる必要はありません。
複数のエージェントが同じ機能を必要とする場合は、その機能を再利用可能にできます。顧客データの検索やメール送信は共有ツールとして公開し、共通の業務手順やルールは共有スキルとしてまとめられます。
エージェント型ワークフローが複雑になるにつれて、AIコストの管理もますます重要になります。新しいエージェントは、ソリューションのすべてを一から作り直す代わりに、既存のデータ、システム連携、ツール、スキルを土台にできる場合があります。新しいワークロードによる追加コストがなくなるわけではありませんが、AIの利用拡大に伴う不必要な重複を避けるうえで役立ちます。
共有するものをガバナンスの対象にする
企業規模での再利用が機能するには、組織が、何が存在するかを把握し、誰が利用できるかを制御し、どのように使われているかを理解できる必要があります。
企業規模での再利用には、明確な管理責任、メタデータ、アクセス制御、レビューが必要です。ガバナンスの下で管理されるカタログやレジストリは、承認済みの機能の追跡、アクセス管理、より広い再利用に進めるかの判断を支援し、そのための仕組みを提供できます。
AIを効率的に活用できる企業をつくる
AI導入が進むにつれて、企業には、承認済みの機能を整理し、アクセスを制御し、適切なAIを適切なユーザーに提供するための、一貫した方法が必要になります。
Oracle AI Data Platformは、信頼できる企業データ、業務の文脈、AI開発、データやエージェントなどのAI資産へのアクセス制御を統合し、この取り組みの基盤を提供します。組織が再利用可能なAI機能を構築し、実際の業務ワークフロー全体に適用できるよう支援します。
何を再利用し、何をガバナンスの対象とし、何を作り直す必要がないかを理解することが、効率化につながります。
Oracle AI Data Platformで企業向けAIを構築し、利用を拡大する方法について、詳しくはこちらをご覧ください。