現場で活用するための AI エージェント実践入門(ゲンバデカツヨウスルタメノエーアイエージェントジッセンニュウモン)

◆◆ IT エンジニア本大賞 2026 審査員特別賞 (野溝のみぞうさん) 受賞◆◆

★基礎知識から構築、評価、改善まで! 実践に使える本格派の一冊★

AI エージェントの開発に初期から取り組み、実務で使ってきた著者陣がおくる、
「現場」で使える、プロになるための一冊。
ヘルプデスク、データ分析、情報収集、マーケティングの具体的な AI エージェントの構築方法に加え、
AI エージェントの評価や改善までを網羅的に学べます。
電通総研、 Algomatic 、ジェネラティブエージェンツの各社の取り組みの紹介も!

「第 1 部 AI エージェントを知る」は、 AI エージェントを作り、現場で活用するための知識をまとめています。 1 章では AI エージェントの定義や重要な性質、ビジネス状況、活用例を説明します。 2 章は技術観点で AI エージェントを構成する各技術要素の説明と実装上で気をつけることを説明しています。

「第 2 部 AI エージェントを作る」では、 AI エージェントを開発していきます。まずは 3 章で、 AI エージェントの開発に必要な共通技術を解説します。 4 章では、ヘルプデスクの質問応答を題材に Plan-and-Execute 型エージェントの実装を行います。 5 章では、データ分析からレポート作成まで行うエージェントを実装します。 6 章では、情報収集業務を題材に arXiv 上の論文を探索しレポートするエージェントを実装します。 7 章では、マーケティング業務を題材にロールプレイングによる意思決定支援やマルチエージェントによる会話型推薦エージェントを実装します。読者がすぐに実装を再現でき、読者の環境に合わせて改変して精度を高め、業務利用できることを意識しています。

「第 3 部 AI エージェントを現場で使う」では、実際に AI エージェントのプロジェクトを進めるうえで必要な、評価方法、エラー分析、 UX 、セキュリティ、モニタリング、継続的な精度改善方法を紹介します。 10 章では AI エージェントの実用化に向けた著者陣の各社の取り組みを解説します。

【おもな内容】
第 1 部 AI エージェントを知る
ー 第 1 章 AI エージェントの概要
ー 第 2 章 AI エージェントの構成
第 2 部 AI エージェントを作る
ー 第 3 章 AI エージェントの開発準備
ー 第 4 章 ヘルプデスク担当者を支援する
ー 第 5 章 データ分析者を支援する
ー 第 6 章 情報収集者を支援する
ー 第 7 章 マーケティングを支援する
第 3 部 AI エージェントを現場で使う
ー 第 8 章 AI エージェントの評価
ー 第 9 章 AI エージェントの活用
ー 第 10 章 各社の AI エージェントの実用化に向けた取り組み
第 1 部 AI エージェントを知る
第 1 章 AI エージェントの概要
第 2 章 AI エージェントの構成

第 2 部 AI エージェントを作る
第 3 章 AI エージェントの開発準備
第 4 章 ヘルプデスク担当者を支援する
第 5 章 データ分析者を支援する
第 6 章 情報収集者を支援する
第 7 章 マーケティングを支援する

第 3 部 AI エージェントを現場で使う
第 8 章 AI エージェントの評価
第 9 章 AI エージェントの活用
第 10 章 各社の AI エージェントの実用化に向けた取り組み

『現場で活用するための AI エージェント実践入門』は、太田真人・宮脇峻平・西見公宏・後藤勇輝・阿田木勇八の共著で講談社から 2025 年 7 月に刊行された、 AI エージェントを業務の現場に実装するための実践書です。デモを動かして終わりではなく、構築した後の評価・エラー分析・継続的な改善までを一冊で扱うのが特徴で、IT エンジニア本大賞 2026 では審査員特別賞を受賞しています。

AI エージェント開発の難所と本書の狙い

AI エージェント とは、大規模言語モデル (LLM) を中核に、計画立案・ツール実行・結果の観測を繰り返しながらタスクを自律的に進めるシステムを指します。単発の質問応答と違い、外部 API の呼び出しやデータ検索を LLM 自身の判断で組み合わせるため、出力が非決定的になり、失敗箇所の切り分けや品質の定量評価が格段に難しくなります。エージェント開発の本当の難所は「動くものを作る」ことではなく「業務で使い続けられる品質に保つ」ことにあり、本書はまさにその運用側へ踏み込んでいる点で、フレームワークの使い方を追うだけの解説書とは性格が異なります。

3 部 10 章の構成と 4 つの業務題材

構成は 3 部 10 章です。第 1 部でエージェントの定義・構成技術と実装上の注意点を押さえ、第 2 部では 4 つの業務題材を実際に開発します。ヘルプデスクの質問応答を Plan-and-Execute 型で組む第 4 章、データ分析からレポート作成までを担う第 5 章、 arXiv の論文を探索して報告する情報収集の第 6 章、ロールプレイングによる意思決定支援やマルチエージェントの会話型推薦を扱うマーケティングの第 7 章と、題材ごとに適する設計パターンが変わるため、パターンの使い分けが体感的に身につく構成です。第 3 部は評価・エラー分析・ UX ・セキュリティ・モニタリングといった実用化の論点を扱い、電通総研・ Algomatic ・ジェネラティブエージェンツ各社の取り組みも紹介されます。

前提知識と想定読者

前提知識は、 Python の読み書きと LLM の API を呼び出した経験があれば十分です。想定読者は、チャット画面での試行から一歩進んで、社内業務への組み込みや精度改善を任されたエンジニア・データサイエンティストです。逆に、 LLM の内部構造や学習理論を数式で理解したい読者や、コードを書かずに済ませたい読者には合いません。

読む時期の注意と類書との使い分け

エージェント技術は変化の速い領域で、本書も 2025 年時点のライブラリとモデルを前提とするため、個別のコードは読む時期に応じた読み替えが必要になります。それでも、評価指標の設計やエラー分析の手順といった運用の型は、特定バージョンに依存しない持ち越せる資産です。著者の一人である西見公宏氏が共著した『 LangChain と LangGraph による RAG ・ AI エージェント〈実践〉入門』 (技術評論社・ 2024 年 11 月刊) がフレームワークの習得を軸とするのに対し、本書は業務題材と実用化の運用面を軸としており、両者は競合ではなく補完関係にあります。

LLM を「賢い応答装置」から「仕事を任せられる仕組み」へ引き上げる道筋を、構築・評価・改善のサイクルとして体系的に学べるのが本書の価値です。試作品はできたものの精度や運用の壁で止まっている、あるいはこれから業務エージェントの開発を任される。そうした状況の実務者なら、第 3 部の実用化ノウハウだけでも読む価値がある一冊です。