私は経営陣と何度も同じ会話を繰り返している。「これは自社で構築すべきか、購入すべきか、それともAIエージェントに任せるべきか」という問いだ。この疑問はたいてい、見積もり作成、顧客の初期対応（インテイク）、社内ナレッジ検索といったバックオフィス業務をめぐって持ち上がる。バックオフィス自動化において、AIエージェントはソフトウェアを構築する、あるいは購入することに並ぶ第3の選択肢として、最速の道筋のように売り込まれる。私は、その捉え方こそが最初の間違いだと考えている。
「構築」と「購入」は、ソフトウェアをどう入手するかを表す。一方、エージェントは、仕事がどう遂行されるかを表す。つまり、調達の第3の道ではないのだ。では、それぞれの選択肢はどこに位置づけるべきで、AIエージェントはどこで限界に達するのか。意思決定が興味深くなるのはここからだ。
企業におけるAI導入が停滞しがちな理由
企業におけるAI導入の課題は、モデルそのものとはほとんど関係がない。社内で実際に成果物をリリースした経験を持つ者がおらず、業務プロセスの可視化・マッピングを行おうとせず、誰もがテクノロジーが落ち着くのを待っているために、企業は足踏みしてしまうのだ。
マッキンゼーの報告（要登録）によると、組織の約3分の2がAIのスケーリング（規模拡大）に未着手だ。また、MIT（マサチューセッツ工科大学）の研究では、生成AIパイロット（試行）の約95%（要登録）が、損益に測定可能な影響をほとんど、あるいはまったく与えていないことが判明した。言い換えれば、導入を成功させた事例を1つ作るだけでも困難なことが多いのが現実だ。
「構築」対「購入」を決める際に問うべきこと
私はリーダーたちに対し、まずその機能が事業においてどのような役割を果たすかを考えるようアドバイスしている。それは事業が勝つための中核なのか、それとも事業を支えるものにすぎないのか。支援機能であれば、購入すればよい。そして反復的なステップにエージェントを投入する。中核機能であっても、私には「ゼロから構築せよ」とは聞こえない。「基盤は購入し、競合がまねできない部分を構築せよ」と聞こえる。
構築、購入、エージェント導入の限界
AIエージェントを構築するか購入するかの比較の多くは、コストとスピードで選択肢を順位づけする。だが、それぞれがどこで破綻するのかを経営者に示すものは少ない。
構築と購入：保守と足りない機能
あるチームは、BIツール100ライセンス分の費用を見積もり、コストが高すぎると判断して、オープンソースの可視化ツール上にカスタムレポートを構築するかもしれない。そして、グラフの種類、書式設定、保守に必要な作業量を過小評価してしまう。私は、そのような構築コストが結局ライセンス費用を上回るケースを何度も目にしてきた。
私の経験では、初期分析では構築の方が常に安く見える。だが、正直な総所有コスト（TCO）を把握するための最低期間は3年だ。一方、購入の上限は異なる。製品はある部分では優れているが、別の部分では不足し、その差分はカスタム開発や回避策（ワークアラウンド）で埋められることになる。
エージェントの上限：正確性、トークンコスト、信頼性
AIエージェントの信頼性と正確性の限界は、今なお強い制約条件である。現実的なオフィス業務を対象にしたカーネギーメロン大学によるエージェントのテストでは、最も強力なモデルでも、自力で完了できたタスクは約25%にとどまった。エージェントの真の価値を見極める際には、ハルシネーション（幻覚）や予測不能性に加え、人間による監督の必要性も織り込むべきである。
トークンコストも重要な要素である。ウーバー(Uber)は報道によると、2026年のAIコーディング予算をわずか4カ月で使い切った（要登録）。利用量が、それによって生まれる価値より速く増えるとき、トークンコストが限界になる。
そしてプロセスが拡大するほど、求められるのは100%の信頼性である。私はまだ、それを保証できるエージェントを見たことがない。
AIエージェントを使うべきではない場合：ルールベースと判断ベースのプロセス
見積もりの話に戻ろう。見積もりから入金まで（Quote-to-Cash）のプロセスは中核的な収益業務であり、その答えはいまなお、多くの場合プラットフォームを購入することだ。CPQ（構成・価格設定・見積もり）ソフトウェアシステムを自社で構築するのではなく、その上に自社の見積もりルールを構築するのである。判断基準は2つで足りる。適正価格で製品がフィットすること、そして見積もり件数または売上高におけるボリュームである。
本当の決め手は、ルールか判断かである。私が勘で価格を決め、ある顧客には10%、翌週に似たような顧客には20%の値引きをするなら、それをエージェントに任せることはできない。「高収益の顧客にはより大きな割引を適用する」といった文書化できるロジックがあるなら、エージェントはそれを実行できる。知識が人の頭の中にしかないなら、何も自動化できない。
AIエージェントのガードレール：初日から100%を目指すべきではない理由
市場はエージェントの正確性をアピールするが、より重要な問いは、エージェントが自分の間違いを認識できるかどうかである。
1日に1000件のチケットを処理するバックオフィスを想像してほしい。目標は1000件すべてを処理することではない。エージェントが自信を持てる900件を解決し、対応できない100件にフラグを立てることだ。
見かけ上の失敗の多くは、モデルの失敗ではない。エージェントは指示されたことを実行したが、入力が間違っていた、あるいはビジネス上の文脈が欠けていただけである。私にとっては、ビジネス上のエラーもエラーである。だからこそ、人間を介在させる「ヒューマン・イン・ザ・ループ」型のAIエージェントは自律型のエージェントを上回る。そしてガートナー(Gartner)が、2027年までにエージェント型AIプロジェクトの40%超が廃止されると予測している理由もそこにある。
要約すれば、構築、購入、エージェントは組み合わせて運用したときに最も効果を発揮する。これは本来、三択だったことはなく、ワークフローのどの部分をそれぞれが担うに値するかという問いだった。実際に価値を得ているクライアントは、3つすべてを使っている。
これが、私の「構築」対「購入」、そしてAIエージェントへの向き合い方である。まずは2つの問いから始めればよい。この機能は中核か、それとも支援機能か。このプロセスはルールベースか、それとも判断ベースか。その答えが、どこを構築し、どこを購入し、いつAIエージェントをまったく使うべきでないかを教えてくれる。
