AIエージェント
定義:目標に向けて計画し、必要に応じてツールを使い複数工程を進めるAIシステム。
具体例:依頼からWeb調査・表作成・報告まで段階を進める。
単純な一問一答のチャットとは行動範囲が違う。
AIが「答える」から「実行する」へ。
定義:目標に向けて計画し、必要に応じてツールを使い複数工程を進めるAIシステム。
具体例:依頼からWeb調査・表作成・報告まで段階を進める。
単純な一問一答のチャットとは行動範囲が違う。
定義:あらかじめ定めた手順・分岐に沿ってAIを組み込む仕組み。
具体例:問い合わせを分類して決められた担当部署へ振り分ける。
自由に手順を立案・変更する自律型とは制御の形が違う。
定義:目標に合わせて手順を組み立て、状況に応じて再計画するシステム。
具体例:調査途中で不足資料を判断し、追加検索を計画する。
権限や監視が不要になるという意味ではない。
定義:重要な判断・承認などの工程に人間を組み込む設計。
具体例:支払いの実行前に管理者の承認を必須にする。
全工程を手作業に戻すことではない。
定義:質問に関連する外部資料を取得し、その内容を参照して回答を生成する方式。
具体例:社内FAQを検索して更新済みのルールで答える。
モデルの重みを直接更新するファインチューニングとは異なる。
定義:埋め込みベクトルを保存し、意味的に近いデータを検索できるデータベース。
具体例:質問と似た内容の社内文書を探す。
文字列の完全一致検索だけを行うものではない。
定義:キーワード検索と意味的検索など複数方式を組み合わせる検索。
具体例:商品番号の一致と質問の意味的な近さを併用する。
ベクトル検索のみを指す言葉ではない。
定義:一度取得した検索結果を別の評価方法で並べ替えて精度を高める処理。
具体例:候補文書20件から質問に最も合う5件を選び直す。
初回検索の取得自体と同じ工程ではない。
定義:エージェントが検索の要否・方法を判断し、必要に応じて取得や再検索を行うRAG。
具体例:回答前に検索し、情報不足なら追加の資料を調べ直す。
単発の固定検索で終える単純なRAGと違う。
定義:大きな目的を実行可能な小さな作業に分けること。
具体例:競合分析を情報収集・比較表・要約に分解する。
タスクを増やすこと自体が目的ではない。
定義:モデルが指定された関数やツールを呼び出すための構造化された要求を作る仕組み。
具体例:AIが予定確認用の関数に日付を渡す。
AIが無制限にPCの全操作権を持つ仕組みではない。
定義:タスクに必要な情報・制約・資料を、モデルへ渡す文脈として設計する。
具体例:顧客対応AIに最新規約と会話履歴の必要部分だけを渡す。
命令文の言い回し調整だけを意味しない。
定義:直近の作業状態と継続的に使う情報を、用途に応じて区別・管理する考え方。
具体例:現在の予約手続きと顧客の継続設定を別に保持する。
コンテキストウィンドウそのものが永続データベースではない。
定義:AIアプリケーションが外部のツールやデータと接続するためのプロトコル。
具体例:同じ接続方式で複数の外部システムの機能を利用する。
単体のAIモデル名ではない。
定義:エージェントに特定作業の手順やルールを再利用させるためのスキル定義。
具体例:資料制作の品質チェック手順をスキルとして登録する。
外部サービスとの通信プロトコルであるMCPとは役割が異なる。
定義:異なるエージェント同士の協調やタスク受け渡しを扱う連携の考え方・プロトコル。
具体例:調査担当エージェントから要約担当へ作業を引き継ぐ。
一つのエージェントがツールを呼ぶだけのMCPとは対象が違う。
定義:作業に必要な範囲だけアクセス権限を与え、余計な操作を防ぐ原則。
具体例:閲覧だけでよいエージェントに削除権限を渡さない。
便利だからと管理者権限を常時渡す考え方ではない。
定義:信頼できない入力に埋められた指示でAIの意図した動作を変えようとする攻撃。
具体例:Webページに埋めた命令で、要約AIに秘密情報を送信させようとする。
利用者が正当に与える通常の指示とは区別する。
定義:実行環境や権限を隔離し、危険な処理が広範囲へ影響するのを抑える仕組み。
具体例:生成コードを本番DBへ接続しない検証環境で実行する。
検証なしで全ての危険を消せる仕組みではない。
定義:AIの品質・安全性・期待動作をテスト事例で測定する評価工程。
具体例:ツール操作AIを既知の50ケースで繰り返し検証する。
「一度成功したから以後も安全」という判断とは異なる。