図解まるわかり AI エージェントのしくみ

指示待ちのシステムから「自律して動く AI」へ。次世代の業務自動化の正体がわかる。基本概念から最新の技術動向までイチから解説。ローカル LLM、ベクトル検索などの構成技術がわかる。議事録作成やマーケティング分析など活用事例を網羅。PoC の進め方や評価軸の設定など、導入ロードマップが役立つ。

『図解まるわかり AI エージェントのしくみ』 (上野 真裕 著、翔泳社、2026 年 4 月刊) は、AI エージェントの定義と生成 AI の基本から、エージェントを構成する技術、業務での具体例、導入ロードマップ、普及した後の仕事と企業での活用までを扱う入門書です。翔泳社の図解まるわかりシリーズの 1 冊で、版元ドットコムの紹介文には、見開きで 1 つのテーマを図解するとあります。同じ紹介文は対象として、AI エージェントの開発に関わるエンジニアやプログラマー、AI エージェントの導入を考える企画担当者、基礎から学びたい方を挙げています。

全 8 章の構成、定義と生成 AI から企業での活用まで

目次は、第 1 章「AI エージェントとは?」、第 2 章「生成 AI を知ろう」、第 3 章「AI エージェントを構成する技術」、第 4 章「AI エージェントが人に近づく理由」、第 5 章「AI エージェントの具体例」、第 6 章「AI エージェントの導入ロードマップ」、第 7 章「AI エージェントが普及した未来と仕事」、第 8 章「企業で AI エージェントを使い倒すには」の全 8 章です。第 1 章には RPA との違いやマルチエージェントを扱う節があり、第 2 章は ChatGPT、Gemini、Claude、Copilot、ローカル LLM の基本と、生成 AI の通常の利用と API での利用の違いを取り上げます。版元ドットコムの紹介文は、AI エージェントを業務の自動化と意思決定の支援の技術と説明しています。

Function Calling とベクトル検索、エージェントを組み立てる技術

Function Calling は、大規模言語モデルが外部の機能を呼び出す要求を決まった形式で出力し、プログラムがそれを実行して結果をモデルへ返す仕組みです。埋め込みベクトル は、文書や語を数値の並びに変換したものです。ベクトルデータベース は、埋め込みベクトルを蓄えて意味の近い断片を探すデータベースです。外部の道具やデータとの接続のしかたを共通の形にそろえる規格が MCP です。第 3 章は、API 連携と Function Calling、RDB とベクトルデータベースの違い、エンベディング、ベクトル検索、コサイン類似度、LangGraph、チャンク化、MCP などを節として並べています。

第 5 章の業務の具体例と、第 6 章の導入ロードマップ

第 5 章は、議事録作成、問い合わせ対応、電話対応、提案資料作成、レポート作成、予約管理対応、営業、受注業務、マーケティング分析、製造ライン監視の各業務を、エージェントの具体例として取り上げます。第 6 章は、目的の設定と必要性の整理から始まり、PoC の実施と進め方と評価、評価軸の設定、テスト稼働、PDCA の実施を経て業務展開に至る順に節が並びます。

第 4 章は、自然言語理解、Chain of Thought 推論、自己反省機構、長期記憶とメモリ管理、安全性とガバナンスなど、エージェントが人の判断に近い振る舞いをする仕組みを扱います。第 7 章は雇用構造の変化や新しい職種、倫理と法整備を、第 8 章はガバナンス体制の構築、データ品質の管理、ベンダー選定と契約などを取り上げます。本書は、AI エージェントの定義と生成 AI の基本、構成する技術、業務の具体例、導入の段取り、仕事と組織への影響までを、全 8 章に収めています。