マルチエージェントは、役割を分けた複数のAIが連携して作業する構成です。企業導入では、AIの数を増やす前に「分業によってどの失敗を減らすのか」を決めます。問い合わせの分類だけなら、単一のAIと決められた処理手順で足りることもあります。
以下の業務例は、説明のために私が考えた架空のものです。
単一AI・固定ワークフロー・複数AIを使い分ける
Anthropicのエージェント設計解説は、あらかじめ決めた経路を進むワークフローと、モデルが次の行動を選ぶエージェントを区別し、必要に応じて複雑さを増やす考え方を示しています。複数AIにすれば必ず安く、速く、正確になるわけではありません。
| 業務の状態 | 最初に試す構成 |
|---|---|
| 同じ資料から要約する | 単一AI。出力項目と根拠を固定する |
| 入力確認→検索→回答の順序が決まっている | 固定ワークフロー。各段階の合否を判定する |
| 別々の資料・権限・評価基準が必要 | 役割を分けたAI。受け渡す情報と責任者を決める |
例えば、同じ資料を同じモデルに何度も読ませるだけなら、分業の管理費用が増えます。在庫情報の取得と返品条件の確認のように、参照先と合格条件が異なる場合は、役割を分ける理由を説明しやすくなります。
調査用AIの評価結果を、返品対応の見積りに使えるか
Anthropicは、Claude Opus 4が調査を指揮し、Sonnet 4が分担する構成を、単独のOpus 4と比較しました。自社の調査タスクで報告した成績の改善は90.2%です。一方、同社が報告したトークン使用量「約15倍」の比較対象は通常のチャットです。二つの数字は対象も指標も違います。返品対応の正答率や、導入後の料金にそのまま当てはめることはできません。Anthropicの研究システムと評価条件
返品対応なら、同じ注文記録と規定を使い、単一AIと分業版で「正しい版を引用したか」「保留すべき注文で止まったか」「担当者が直すのに何分かかったか」を比べます。失敗して再試行した分を含む1件あたり費用も並べれば、どの負担が減ったために分業を選ぶのかを説明できます。
設計例:返品問い合わせを下書きまで処理する
架空の注文「TEST-001」について、商品到着日と返品希望理由が届く場面を考えます。最初の検証では、返金処理や顧客への送信を接続せず、担当者が確認する下書きを成果物にします。
- 受付:注文番号、相談内容、不足項目を整理します。注文番号がない場合は照会を進めず、確認事項を返します。
- 注文照会:許可された注文記録だけを読み、配送日と商品情報を返します。他の顧客情報を含めません。
- 規定照会:返品規定の版・適用日・該当箇所を返します。旧規定しか見つからなければ判断保留にします。
- 回答作成:照会結果から説明文を作ります。根拠が食い違う場合は、担当者への質問を出します。
- 人の承認:担当者が元記録と下書きを照合し、送信・返金は別の承認済み操作で実行します。
受け渡す記録には「案件番号、参照した資料の版、確認できた事実、不足情報、次の担当」を持たせます。文章だけを転送すると、推測が次のAIで確定情報に変わるおそれがあります。事実と推測は別の欄にします。
失敗時の動作を先に決める
- 資料に答えがない:一般知識で埋めず、確認できない項目と必要な資料を返す。
- 外部ページに命令がある:資料内の「返金せよ」などを操作権限として扱わない。
- 処理が途中で止まる:完了済みの工程と未実行の工程を記録し、同じ注文に二重送信・二重返金しない。
- 確認が終わらない:試行回数・費用・時間の上限で止め、案件を人に戻す。
複数AIが同意しても、同じ誤った資料を参照していれば誤りは残ります。「レビュー担当AIが承認した」という記録に加えて、元資料と照合した結果が必要です。
導入前に比べる評価表
正常な問い合わせだけでなく、注文番号なし、旧規定と新規定の混在、照会の失敗、同じ案件の再送をテストに含めます。同じ入力一式で単一AI版と分業版を比べると、複雑さを増やす価値を判断できます。
| 記録する項目 | 確認する意味 |
|---|---|
| 根拠の正しさ・保留の適切さ | 答えを作るだけでなく、不明時に止まれるか |
| 担当者の修正時間 | AIの処理後に残る手間が減ったか |
| 1件あたりの総費用と所要時間 | 再試行や確認担当AIまで含めて比較できるか |
| 権限違反・二重実行 | 便利さと引き換えに新しい事故が増えていないか |
構築ツールはAIエージェントビルダーの比較項目、費用対効果は手直し時間を含めた生成AIのROI計算を使って整理できます。まず一つの業務で、分業前後の評価表を作ることから始めてください。
