AIエージェントとは？チャットボットとの違いを解説

エージェントとチャットボットを分ける、たった一つの問い

次に何をするかを誰が決めるのか。

チャットボットでは、誰も決めません。メッセージを送ればモデルが一つの返信を生成し、そのターンは終わりです。返信に続きが必要なら、それを書くのはあなたです。モデルは世界に対して行動を起こすことはなく、文章を書くだけです。

エージェントでは、モデル自身が決めます。目標を与えられると、ウェブ検索をする、コードの一部を実行する、ページを開く、ファイルを編集するといった行動を選び、その結果をテキストとして受け取って読み、次の行動を選びます。目標が達成されたと判断するか、ステップ数の上限に達するまでこれを続けます。モデルがループの制御役なのです。

2024年12月に公開されたAnthropicのエンジニアリングガイド「Building effective agents」も同じ線引きをしています。ワークフローとは、モデルが経路を固定するコードの内側で動くシステムであり、エージェントとは、モデル自身が自らの手順とツール利用を指揮するシステムだ、というものです。このガイドはどちらを先に作るべきかについても率直で、その答えはワークフローです。

チャットボット、ワークフロー、エージェント：同じモデル、三つの異なるループ

三つとも同じ言語モデルの上で動かせます。違うのは、それを取り巻く仕組みです。

有用な自動化の多くは、このワークフロー列に住んでいます。文書を要約し、次に日付を抽出し、次に返信を下書きするパイプラインは、決まった順序で行われる3回のモデル呼び出しです。開発者が経路を決めているからこそ信頼できます。ランディングページに何と書かれていようとこれはエージェントではなく、そう呼んでしまうと本当のトレードオフが見えなくなります。固定された経路は予測可能で安上がりですが、モデルが選ぶ経路は柔軟な一方、そのどちらでもありません。

そのループは実際どう動くのか、ステップごとに見る

具体的な実行例を見てみましょう。目標は「競合他社が今月価格を変更したかどうかを調べ、二段落の要約を書いてほしい」というものです。

1. モデルは目標を読み、最初の行動として競合の価格ページをウェブ検索することを決めます。
2. 検索ツールが結果一覧をテキストとして返します。モデルはそれを読み、開くページを一つ選びます。
3. ブラウザツールがそのページを返します。モデルは現在の価格を抽出します。
4. モデルは過去の価格が必要だと判断し、アーカイブされたコピーを検索して開きます。
5. 両者を比較し、十分な情報が揃ったと判断して、要約を書きます。

5ステップ、4回のツール呼び出し、6回のモデル呼び出しです。各ステップはこれまでの履歴すべてを入力としたモデルの完全な回答であり、この最後の点こそがコストの原因になります。5ステップ目には、モデルはそれまでの検索結果とページ本文4ページ分を毎回の呼び出しで読み直しているのです。AIにおけるトークンとはでは、ターンを重ねるごとに増えていく入力がなぜ高くつく形なのかを説明しています。

そして、どのステップも間違いが起こりうる場所です。ステップ1の検索が間違った会社を返してしまえば、ステップ2から5は間違った価格情報を自信満々に要約してしまいます。ループは進捗を積み重ねるのと同じやり方で誤りも積み重ねます。ステップ数の上限と、何かを送信する前の人間によるチェックポイントは、省略できないものです。

エージェントの実行は単発の回答と比べていくらかかるのか

計算は単純ですが、みな省略してしまいます。入力1,000トークン、出力500トークンの標準的な回答一回あたりの価格は、AIモデルコスト指標にモデルごとの定価としてまとめられており、OpenRouterの料金は2026-08-20時点で取得しています。20ステップのエージェント実行は少なくとも20回分の回答に相当し、実際には入力が各ステップで増えていくため、さらに多くなります。

Claude Sonnet 5で20ステップを実行すると、底値でも$0.14かかり、返信一回分の$0.007と比べると差は歴然です。Claude Opus 5では$0.35になり、これを毎時間実行すると、入力が増えていく分の倍率を加味する前の段階で月あたり約$250になります。Whiziクレジットで同じ計算をすると、上のAutoラダーに読み替えられます。100クレジットは、標準モデルでのクイック質問100回分か、GPT-5.6 Solでの推論ターン5回分に相当するので、推論の段階で20ステップのループを回すと400クレジットになり、これは2,500クレジットのProプラン1か月分の約6分の1に当たります。一方、同じループを標準モデルで回すと20クレジットで済みます。だからこそ、計画のステップは高性能なモデルに、日常的なステップは安価なモデルに振り分けるのが正しい設計であり、単一モデルのサブスクリプションよりもマルチモデルのワークスペースがエージェント作業の自然な居場所になるのです。

実際にエージェントと言える製品はどれか

ファイルを編集しテストを実行するコーディングアシスタントは、厳密な意味でエージェントです。バグ報告を受け取ると、コードを読み、変更を加え、テストスイートを実行し、失敗内容を読み、再び挑戦します。ループは本物で、モデルがそれを操っています。

ChatGPT、Gemini、PerplexityのDeep Researchモードもエージェントです。検索し、読み、見つけた内容をもとに再度検索し、質問が網羅できたと判断したところで止まります。ステップ数が質問ごとに変わることが、その証拠です。

製品メニュー上の「エージェント」の多くはペルソナやワークフローです。モデル選択画面で税務エージェントや学習メンターとラベル付けされた行は、たいてい固定のシステムプロンプトにツールが一つか二つ付いただけのものです。Whizi自身のAgentsセクションもこの点は正直で、カナダのCPA行はプリセットであり、毎ターン7回を上限にウェブ検索を強制し、入力55,000、出力40,000という大きめのトークン予算を持っています。これはツールが付いた大きめの予算のペルソナであり、経路が固定されているからこそ有用です。モデルが自ら操るループではなく、実際に各メッセージの裏でどのモデルを選んでいるかはAuto routingガイドで説明されています。

用語としては、何でもかんでもエージェントと呼ぶ方向に流れています。ある製品に投げかけるべき問いは、このページの冒頭にあるものと同じです。次の一手を誰が決めるのか。答えが「スクリプト」や「誰でもない」なら、あなたが買っているのはワークフローかチャットボットであり、それこそがまさに求めているものかもしれません。

エージェントが正しい選択になるとき、ならないとき

経路をあらかじめ知り得ないとき、エージェントはそのコストに見合うものになります。次の検索が最初の結果次第で変わる調査、修正がテスト結果次第になるデバッグ、次のクリックがページ次第になるブラウジングなどです。柔軟性そのものが価値になります。

経路が分かっているときは、エージェントは間違った選択です。要約する、抽出する、翻訳する、書式を整える、分類する。これらは一回の呼び出しか決まった一連の呼び出しで済み、それをループでラップすると、能力を高めることなくコストと遅延、そして新たな失敗の余地を増やすだけです。Anthropicのガイドの助言は今も有効です。まず単発の呼び出しから始め、それだけでは足りなくなったらワークフローに移り、そのワークフローが予測できない分岐を必要とし続けるときだけエージェントに手を伸ばす、というものです。

判断基準はこうです。着手前にホワイトボードに手順を描けるなら、エージェントを作ってはいけません。