# チャットボットか、AIエージェントか？

ブダペストのソフトウェア開発会社であるMesterséges Intelligencia Központ Kft. の考えでは、タスクが質問への回答であればチャットボット、システムが照会、登録、予約といったステップも実行する必要がある場合はAIエージェントが必要です。

> **要点：** チャットボットは話し、エージェントは行動もします。タスクをこなせる最もシンプルなソリューションから始め、ステップの順序を事前に書き出せない場面でのみエージェントに切り替えることをお勧めします。その場合も、エージェントは権限を絞り、ログを記録し、重要なステップの前には人による承認を得て動作させるべきです。

## それぞれの用語は何を意味しますか？

「チャットボット」と「AIエージェント」という言葉は、市場ではさまざまな意味で使われています。判断の際に同じものについて話せるよう、ここでは最もシンプルなものから最も自律的なものまで、5つのソリューションを区別します。

### ルールベースのチャットボット

あらかじめ書かれたシナリオに従い、ボタン、キーワード、決定木で構成されます。動作は完全に予測でき、言語モデルを呼び出さず、組み込まれた内容をそのとおりに話します。ただし、理解できるのは準備されたことだけです。言い回しの異なる質問はシナリオから外れてしまい、新しいテーマはすべて手作業で組み込む必要があります。

### 言語モデルを基盤とするチャットボット

大規模言語モデル（large language model、LLM）は自由記述の質問を理解して自然な言葉で回答し、誤字やふだんの言い回しにも対応できます。しかし、モデルの一般的な知識だけに頼ると、企業について誤った回答を自信ありげに返すこともあります。そのため企業で使う場合は、ほぼ必ず企業独自の資料と結びつけます。

### 文書をもとに回答するチャットボット

システムはまず、質問に関連する箇所を企業の文書（よくある質問、規程、マニュアル）の中から探し出し、モデルがそれをもとに、出典を示して回答します。この手法はRAG（retrieval-augmented generation、検索拡張生成）と呼ばれます。その仕組み、ハンガリー語への対応、データの保管場所については、[企業独自の文書を活用するAI（RAG）](https://www.mestersegesintelligenciakozpont.hu/ja/knowledge-base/ai-on-company-documents-rag)の記事でご説明しています。

### AIワークフロー

Anthropicの[エージェントに関するガイド](https://www.anthropic.com/engineering/building-effective-agents)は、ワークフロー（workflow）を、言語モデルとツールがあらかじめ書かれたコードの経路によって制御されるシステムと定義しています。例：受信メール → 分類 → データの読み取り → CRM上の返信の下書き。ステップの順序は固定されており、モデルは各ステップで明確に定められた言語タスクを1つ行います。企業のニーズの多くは、実際にはエージェントではなく、このようなワークフローです。

### AIエージェント

同じガイドは、エージェントを、言語モデルが自らのプロセスとツールの使い方を自分で指示するシステムとして説明しています。[OpenAIのドキュメント](https://developers.openai.com/api/docs/guides/agents)によれば、エージェントはツールを使ってタスクを計画・実行し、ステップをまたいで文脈を保持します。エージェントは目標（「クレームを登録し、お客様に確認のご連絡を送ってください」）を受け取り、それをどのようなステップで達成するかを自分で決めます。注文を照会し、保証を確認し、案件を登録し、メールを書きます。ツールを実行するのはモデルではありません。[Google Geminiのドキュメント](https://ai.google.dev/gemini-api/docs/function-calling)によればモデル自身は関数を実行せず、[Anthropic](https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview)によれば独自のツールはアプリケーションが実行します。モデルは操作を要求するだけで、実行するのは当社のコードです。そして、何が許可されるかが決まるのもそこです。

Anthropicの助言はシンプルです。できるだけシンプルなソリューションを探し、必要な場合にだけ複雑さを増やすべきだというものです。ガイドによれば、エージェントは、必要なステップ数を事前に予測するのが難しい、あるいは不可能なオープンエンドの問題に適しています。また、エージェント型のシステムは多くの場合、より良いタスク遂行と引き換えに、遅延とコストが増えます。

## 一覧表での比較

表では、言語モデルを基盤とするチャットボットを、文書をもとに回答する形で示しています。企業で使う場合、ほぼ必ずこの形で構築されるためです。

| 観点 | ルールベースのチャットボット | 文書をもとに回答するチャットボット | AIワークフロー | AIエージェント |
|---|---|---|---|---|
| 何をするか | あらかじめ書かれたシナリオに従う | 企業の資料をもとに回答する | 言語タスクを含む、固定されたステップの流れを実行する | 目標を受け取り、ステップを自分で選ぶ |
| 何を理解するか | 準備されたキーワードとボタン | 自由記述のテキスト | プロセスに入ってくるテキスト | 自由記述のテキストとツールの結果 |
| 何にアクセスできるか | シナリオ | ナレッジベース | ステップごとに指定されたシステム | 与えられたツール |
| 予測可能性 | 完全 | 出典を示すなら高い | 高い | より低く、厳しい制限が必要 |
| 主なリスク | 柔軟性がなく、多くの質問が外れる | 誤った、または古い回答 | あるステップでの読み取りの誤り | 誤った操作や過剰な操作、積み重なるエラー |
| 管理 | シナリオの保守 | 出典の明示、「わかりません」、担当者への引き継ぎ | ステップごとの確認、承認 | 権限、承認、ログ、制限 |
| 適しているのは | 少数の、明確に定められた質問がある場合 | 質問も文書も多い場合 | プロセスのステップを事前に書き出せる場合 | ステップの数と順序を事前に見通せない場合 |

境界ははっきりしていません。読み取り専用のツール1つで注文状況を照会するチャットボットは、すでにエージェントへ一歩近づいていますが、リスクは低いままです。決め手となる問いは常に、システムが何をしてよいかであって、それを何と呼ぶかではありません。

## どの場面にどれが適していますか？

### カスタマーサポート

よくある質問（配送、支払い、保証、営業時間）には、文書をもとに回答するチャットボットが良い出発点です。時間帯を問わず回答し、行き詰まったときは担当者に引き継ぎます。注文状況には、読み取り専用の照会で足ります。ボットが書き込みも行う場面、つまりクレームを登録したり返金を開始したりする場面では、エージェントの機能が必要になり、お金に関わるステップの前には承認が必要です。

### 営業

ボットは商品カタログから商品をおすすめし、見積もり依頼の準備をし、日時を予約し、見込み客をCRMに登録します。予約と登録はツールの使用であり、つまりエージェントの要素です。一方、価格、割引、納期はボットの権限から外し、担当者に任せることをお勧めします。

### 社内ヘルプデスク

人事やITに関する質問、規程、作業手順には、文書をもとに回答するチャットボットが自然な選択で、新しく加わった同僚の業務習得も支援します。ここでの主な問題は権限です。ボットが回答に使えるのは、質問した社員自身も開くことができる文書だけです。チケットの起票やアクセス権の申請は、すでに限られたツールを持つエージェントの役割になり得ます。

### バックオフィス

請求書、注文、メールの処理は、ステップが事前にわかっているため、一般的にAIワークフローです。読み取り、照合、登録、そして例外は担当者へ、という流れです。エージェントが妥当なのは、ケースが非常に多様な場面です。たとえば、複数のシステムからデータを集める必要があるクレームの調査です。複数のシステムにまたがる自動化については[業務プロセス自動化](https://www.mestersegesintelligenciakozpont.hu/ja/services/process-automation)のページで、連携のパターン（API、Webhook、ツール呼び出し、MCP）については[企業のシステムを人工知能とどのようにつなげばよいですか？](https://www.mestersegesintelligenciakozpont.hu/ja/knowledge-base/connecting-business-systems-with-ai)の記事でご説明しています。

## エージェントのリスクと管理策

エージェントが役立つのは行動するからであり、リスクがあるのも同じ理由からです。Anthropicのガイドは、エージェントの自律性の代償として、コストの増加とエラーが積み重なる可能性を挙げ、適切な制限を設けたうえで、隔離された（サンドボックス）環境で十分にテストすることを勧めています。OWASP GenAI Security Projectのリスク一覧は、[過剰な代理行為](https://genai.owasp.org/llmrisk/llm062025-excessive-agency/)（Excessive Agency）の原因として、不要な機能、広すぎる権限、過剰な自律性の3つを挙げています。そのため、当社は次の管理策を組み込みます：

- **限られたツール：** エージェントには、タスクに必要なツールだけを与えます。カスタマーサポートのエージェントには、削除の機能は必要ありません。
- **最小限の権限：** 可能な限り読み取り専用とします。操作は、何にでもアクセスできるサービスアカウントではなく、ユーザー自身の権限で実行します。
- **対象システムでの確認：** すべての要求は対象システムのルールでも確認されるため、何が許可されるかがモデルの判断に左右されません。
- **人による承認：** お金、契約、お客様へのメッセージ、取り消しのできない変更に関わるステップの前には、人が判断します。たとえば[OpenAI](https://developers.openai.com/api/docs/guides/tools-connectors-mcp)は、リモートのMCPサーバーとデータを共有する前に、デフォルトで承認を求めます。
- **ログ：** すべてのツール呼び出し、パラメーター、結果をさかのぼって確認できるようにし、誤った操作の原因を突き止められるようにします。
- **制限：** ステップ数、頻度、金額に上限を設け、1つの誤りが何倍にも膨らまないようにします。
- **外部コンテンツはデータとして：** 受信したメールやアップロードされた文書のテキストは、指示ではありません。OWASPは[プロンプトインジェクション](https://genai.owasp.org/llmrisk/llm01-prompt-injection/)への対策として、外部コンテンツを分離し、信頼できないものとして明示して扱うことを勧めています。
- **隔離された環境でのテスト：** 本番稼働の前に、テスト環境で、実際の事例と意図的に誤解を招く入力を使ってテストします。

これらの管理策が作業を不必要に遅くすることはありません。承認はワンクリックで済ませることができ、測定に基づいて、本当に必要な場面へと徐々に絞り込めます。

## 透明性：AIが回答していることを伝える必要があります

AI Act、すなわち規則（EU）2024/1689の[第50条第1項](https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32024R1689)によれば、自然人と直接やり取りすることを意図したAIシステムは、当事者がAIシステムとやり取りしていることを知らされるように設計しなければなりません。ただし、状況から明らかな場合は除きます。これがいつから、正確に誰に適用されるのか、またチャットボットについてGDPRが何を定めているのかは、[AI ActとGDPR：企業のチャットボットでは何に注意すべきですか？](https://www.mestersegesintelligenciakozpont.hu/ja/knowledge-base/ai-act-and-gdpr-for-business-chatbots)の記事で詳しくご説明しています。これは情報提供であり、法的助言ではありません。

## 実例：トップページで動く当社のAIアシスタント

当社の[トップページ](https://www.mestersegesintelligenciakozpont.hu/ja/)で動いているゲームの横では、AIアシスタントが訪問者と会話しています。これは当社独自の、実際に稼働しているAIチャットボットで、チャットボットとエージェントの境界がどこにあるのかをよく示しています。

- Claudeの言語モデルで動作し、ゲームのイベント（ライフの喪失、記録更新、レベルアップ）について機械向けの報告を受け取り、それにリアルタイムで反応します。
- ゲームの14言語で回答し、訪問者がくだけた口調で話しかけても、常に丁寧な言葉づかいで応対します。
- 会社については、与えられた事実をもとに話します。指示により、実績、料金、納期、保証を作り出すことはしません。
- 話すことはできますが、行動することはできません。ゲームの状況に介入することはできず、ポイントやライフを与えることもできません。

最後の点が肝心です。権限の境界を決めるのは、モデルの善意ではなく、システムの構造です。当社の自社開発については、[制作実績](https://www.mestersegesintelligenciakozpont.hu/ja/our-work)のページでご覧いただけます。

## 小さく始めるにはどうすればよいですか？

1. **1つの分野、1つの質問リスト：** たとえばカスタマーサポートで、最もよく寄せられる質問を集めます。
2. **自社の資料をもとにしたチャットボット：** 出典の明示、「わかりません」という回答、担当者への引き継ぎを備えます。
3. **実際の質問による測定：** 本番稼働の前は評価セットで、稼働後は会話のログで測定します。
4. **最初のツールは読み取り専用で：** たとえば注文状況の照会です。
5. **承認付きの最初の書き込み操作：** たとえばクレームの登録で、担当者がそれを承認します。
6. **ログに基づく拡張：** 新しいツールの追加や承認範囲の縮小は、測定で裏付けられた場面に限ります。

## 典型的な失敗

- **チャットボットで足りる場面でのエージェント：** 可動部分が増え、リスクが高まるだけで、利点はありません。
- **すべてのツールを一度に：** エージェントが、決して必要としないことまでできてしまいます。
- **「わかりません」がない：** ボットは質問を引き継ぐよりも、何かをでっち上げてしまいます。
- **人への引き継ぎがない：** 行き詰まったお客様が担当者にたどり着けません。
- **ログがない：** 誤った操作がなぜ起きたのか、あとからわかりません。
- **外部のテキストを指示として扱う：** メールに隠された一文が、エージェントを操る可能性があります。

## よくあるご質問

### チャットボットとAIエージェントの違いは何ですか？

チャットボットは質問に回答します。理想的には、企業独自の資料をもとに出典を示して回答します。AIエージェントはそれに加えてツールも使い（照会、登録、予約、メールの作成）、目標に向けてステップを自分で選びます。どちらも同じ言語モデルを基盤にできます。違いは、何をしてよいかにあります。

### チャットボットで足りるのはどのような場合ですか？

タスクが情報提供である場合です。よくある質問、規程、商品情報、社内のナレッジなどです。回答のあとの作業を人が行う場合も、チャットボットで足ります。システムがデータを変更したり、ほかのシステムで操作を行ったりする必要がある場合は、ワークフローやエージェントが候補になります。

### AIエージェントは何を自律的に実行できますか？

ツールと権限を与えられ、そのリスクから見て承認なしでも任せられることです。一般的には、照会、社内での登録、下書きの作成、日時の予約などです。お金、契約、お客様へのメッセージに関わるステップや、取り消しのできないステップの前には、人による承認を求めることをお勧めします。

### エージェントによる誤りはどのように防げますか？

完全に排除することはできませんが、被害を抑えることはできます。限られたツール、最小限の権限、対象システムでも確認される要求、影響の大きいステップの前の承認、ステップ数と金額の上限、完全なログ、そして本番稼働前の隔離された環境でのテストによってです。受信したテキストは、指示ではなくデータとして扱います。

### AIが回答していることを伝える必要がありますか？

一般的には、はい。AI Act第50条第1項によれば、明らかな場合を除き、当事者はAIシステムとやり取りしていることを知らされる必要があります。当社が開発するチャットボットは、最初のメッセージでそのことを明示します。詳しくは[AI ActとGDPR：企業のチャットボットでは何に注意すべきですか？](https://www.mestersegesintelligenciakozpont.hu/ja/knowledge-base/ai-act-and-gdpr-for-business-chatbots)の記事でご説明しています。これは情報提供であり、法的助言ではありません。

## 当社がお手伝いできること

Mesterséges Intelligencia Központ Kft. は、AIチャットボットとAIエージェントの両方を開発しています。企業独自の文書をもとに回答するボットと、企業のシステムと連携してステップを実行するエージェントを、OpenAI（ChatGPT）、Anthropic（Claude）、Google（Gemini）の言語モデルを基盤に構築します。初回のご相談は無料です。開発の規模はCOSMICファンクションポイントで測定し、そこからお見積もりとスケジュールを作成します。ご要望に応じて秘密保持契約（NDA）を締結します。引き渡し後の運用・保守もお引き受けします。ソースコードと利用権の扱いは、契約で定めます。

詳しくは[AIチャットボット・AIエージェント](https://www.mestersegesintelligenciakozpont.hu/ja/services/ai-chatbots-and-agents)のサービスページを、言語モデルの組み込みについては[AI統合](https://www.mestersegesintelligenciakozpont.hu/ja/services/ai-integration)のページをご覧ください。チャットボットやエージェントをご計画中でしたら、[お問い合わせ](https://www.mestersegesintelligenciakozpont.hu/ja/contact)のページに記載の連絡先までご連絡ください。

## 出典

- [Anthropic: Building effective agents](https://www.anthropic.com/engineering/building-effective-agents)
- [OpenAI: Agents](https://developers.openai.com/api/docs/guides/agents)
- [Anthropic: Tool use with Claude](https://platform.claude.com/docs/en/agents-and-tools/tool-use/overview)
- [Google Gemini API: Function calling](https://ai.google.dev/gemini-api/docs/function-calling)
- [OpenAI: MCP servers](https://developers.openai.com/api/docs/guides/tools-connectors-mcp)
- [OWASP GenAI Security Project: LLM06:2025 Excessive Agency](https://genai.owasp.org/llmrisk/llm062025-excessive-agency/)
- [OWASP GenAI Security Project: LLM01:2025 Prompt Injection](https://genai.owasp.org/llmrisk/llm01-prompt-injection/)
- [EUR-Lex：人工知能に関する規則（EU）2024/1689（AI Act）](https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32024R1689)