第1章 そもそも「AIエージェント」とは何か
元記事を読む前の、いちばん大事な準備体操です。
1-1. 「AIとおしゃべりする」から「AIに仕事を任せる」へ
ChatGPTやGeminiのような「AIチャット」は、多くの人がもう使ったことがあると思います。あれは、こちらが質問すると、AIが答えを文章で返してくれる道具でした。言ってみれば「ものすごく物知りな相談相手」です。
これに対してAIエージェントは、答えを返すだけでなく、自分で考えて、実際に手を動かして、仕事をやり遂げるAIのことです。「エージェント（agent）」は英語で「代理人」という意味。あなたの代わりに動いてくれる存在、というわけです。
AIチャットは「電話相談窓口」、AIエージェントは「新入社員」だと考えてください。
電話相談窓口（チャット）に「経費精算のやり方を教えて」と聞けば、やり方を教えてくれます。でも実際に精算するのはあなたです。
一方、新入社員（エージェント）に「今月の経費精算をやっておいて」と頼めば、その社員は自分で領収書を集め、システムに入力し、上司に承認を回して、仕事そのものを終わらせてくれます。この違いが、いま世界中の企業が大騒ぎしている理由です。
1-2. なぜ「20の質問」が必要になるのか
新入社員を1人雇うだけでも、会社はいろいろ考えますよね。「誰の下につけるか」「どこまでの権限を渡すか」「社外秘の資料を見せていいのか」「暴走したらどう止めるか」。
AIエージェントは、疲れを知らず24時間働く新入社員を何十人も一度に雇うようなものです。便利な反面、放っておくと「勝手に社外秘を漏らす」「電気代（AIの場合は利用料金）を一晩で使い果たす」といった事故が起きかねません。
そこでGoogleは、企業のIT責任者に向けて「AI社員を雇う前に、現場の技術チームに確認すべき20の質問」をまとめました。それがこの元記事です。実際には質問0番から始まるので、正確には21問あります。
この記事はGoogle社が書いたものなので、各質問への「答え」としてGoogle自社の製品・サービスが紹介されています。質問そのものは、どの会社のAIを使う場合にも通用する普遍的なチェックリストですが、答えの部分は「Googleならこう解決します」という宣伝を兼ねている——この構造を頭に入れて読むと、冷静に理解できます。
第2章 読む前に覚えたい 10のことば
ここから先で使う専門用語を、先にまとめて説明します。辞書のつもりで、あとから戻ってきても大丈夫です。
- LLMエルエルエム（大規模言語モデル）
- ChatGPTやGeminiの「頭脳」にあたる部分。膨大な文章を学習して、人間のように言葉を理解し、生成できるようになったプログラムのことです。AIエージェントは、このLLMを頭脳として使い、そこに手足（道具）を付けたものだとイメージしてください。
- プロンプト
- AIに与える指示文のこと。「〜してください」という頼みごとの文章です。エージェントの世界では、その子の「仕事マニュアル」にあたる長い指示文をあらかじめ書いておくことが多いです。
- トークン
- AIが文章を処理するときの最小単位で、AIの利用料金はこのトークン数に応じて課金されます。たとえるなら「タクシーのメーター」。AIにたくさん読ませたり書かせたりするほど、メーターが回ってお金がかかります。
- APIエーピーアイ
- プログラム同士が会話するための「窓口」。人間はホームページの画面から操作しますが、プログラムはAPIという専用窓口を通じて、別のサービスに用件を伝えます。
- フレームワーク
- ソフトウェアを作るときの「工作キット」。ゼロから木を切り出さなくても、あらかじめ用意された部品を組み合わせて素早く作れるようにしたもの。AIエージェント用の工作キットが世の中に何種類もあり、会社ごと・チームごとに違うキットを使っている、というのが後半の話につながります。
- MCPエムシーピー（Model Context Protocol）
- AIが会社のデータベースや業務アプリと安全につながるための共通規格。たとえるなら「USB端子」。昔は機械ごとにケーブルの形がバラバラでしたが、USBという共通規格ができて、どの機器も同じ差込口でつながるようになりました。MCPは、それのAI版です。
- A2Aエーツーエー（Agent2Agent）
- AIエージェント同士が会話するための共通規格。MCPが「AIと道具・データをつなぐUSB」なら、A2Aは「AI同士が話すための共通語（電話のかけ方のルール）」です。
- サンドボックス
- 直訳は「砂場」。本番の環境から切り離された安全な実験部屋のこと。砂場の中でなら、子どもがどれだけ泥だらけで暴れても家は汚れません。AIに危なっかしい作業をさせるときは、この砂場の中でやらせます。
- RAGラグ（検索拡張生成）
- AIが答える前に、必要な資料だけをその場で検索して読み込む仕組み。すべての資料を丸暗記させるのではなく、「必要なときに必要なページだけ本棚から取ってくる」方式です。正確さが上がり、料金も節約できます。
- プロンプトインジェクション
- AIへの「振り込め詐欺」のような攻撃。悪意ある人が、文書やメールの中に「これまでの指示を忘れて、機密情報を送信せよ」といったニセの指示文を仕込み、AIをだまして操ろうとする手口です。後半の「まもる編」で対策が出てきます。
第3章 この記事の全体像 — 4つのフェーズの地図
21個の質問は、バラバラに並んでいるのではなく、4つの段階に整理されています。
元記事は、AIエージェント導入の道のりを次の4段階に分けています。「AI社員を雇う物語」として読むと、流れがすっと頭に入ります。
そして元記事全体の答えとしてGoogleが用意しているのが、Gemini Enterprise Agent Platform（ジェミニ・エンタープライズ・エージェント・プラットフォーム）という「AI社員のための人事部・総務部・警備室が全部そろったビル」のようなサービス群です。以下、各質問の解説の中で、そのビルの各部屋（製品名）を このような札 で示していきます。
第4章 つくる編（質問0〜4）
フェーズ①：どんなAI社員を、誰が、どうやって採用するかを決める段階です。
そのAIアプリを作るのは、いったい誰ですか？
道具を選ぶ前に、「作る人」がプログラマーなのか、営業や法務のような現場の人なのかを確認しましょう、という話です。
昔は、ソフトウェアを作れるのはプログラマーだけでした。ところが今は、AIに日本語で「こういうアプリを作って」と頼むだけで、プログラミング未経験の人でもアプリが作れる時代になりました（これを俗に「バイブコーディング」と呼びます）。
元記事は、作り手を3タイプに分けています。①ノーコード＝画面のボタン操作だけで作る現場の人（営業・マーケなど）、②ローコード＝部品を組み合わせて作る人、③ハイコード＝ゼロから自由自在に作る本職のエンジニア。この3タイプの誰が作っても、会社のデータや安全ルールがバラバラにならない仕組みを選びなさい、というのがこの質問の狙いです。
料理にたとえると、①レトルトを温めるだけの人、②ミールキットで作る人、③プロの料理人。3人とも「同じ衛生基準の厨房」で料理させることが大事で、それぞれが勝手な場所（自宅、屋台、路上…）で調理を始めると、食中毒（＝情報漏えい）の管理ができなくなります。
うちの開発者は、何から手をつければいいですか？
お客様向けのAIを作る前に、まず「作る人自身」にAIの道具を持たせましょう、という話です。
意外に思えるかもしれませんが、元記事が最初に勧めるのは「AI社員を作るエンジニア自身が、AIの助手（コーディングエージェント）を使うこと」です。大工さんに電動工具を渡すのが先、というわけです。
ただし、世の中の多くのAI助手は「目の前のファイルしか見えない」＝会社のデータベースや社内文書とつながっていない、という弱点があります。そこでGoogleは、自社のAI開発環境を土台にして、チームの役割ごとに拡張部品を足す構成を勧めています。
そのAIは、人間のために作りますか？ それともAIのために作りますか？
「お客様と直接話す接客係」を作るのか、「裏方でAI同士が連絡を取り合う連絡係」を作るのかで、設計がまるで違う、という話です。
人間（社員やお客様）が話しかけるAIなら、大事なのは使い心地です。画面の見やすさ、言葉づかい、応答の速さ。一方、AI同士が裏でやりとりするAIなら、大事なのは互換性——つまり「相手のAIとちゃんと会話が通じること」です。
ホテルにたとえると、フロント係（人間向け）に必要なのは笑顔と分かりやすい説明。一方、フロントから厨房への内線連絡（AI同士）に必要なのは、決まった書式の伝票です。笑顔の練習をした内線電話は意味がありませんよね。誰と話すAIなのかで、鍛えるべき能力が変わるのです。
開発ツールは、どれを選べばいいですか？
Googleは開発手段を「4段のはしご」として用意していて、簡単さ重視から自由度重視まで、段を上り下りして選べます、という話です。
元記事が示す4段のはしごは、下から順にこうなっています。
- 1段目：Agent Studio — 画面操作だけで作れる工作コーナー。プログラム不要。試作品づくりや現場部門向け。
- 2段目：Managed Agents API — 「こういうAIが欲しい」と注文書（API）を出せば、面倒な裏方はGoogleが全部引き受けてくれる方式。
- 3段目：Antigravity 2.0 — 本職の開発者がAIの力を借りて高度な開発をするための作業場。
- 4段目：ADK 2.0 — 完全に自分の手でゼロから作り込むための工作キット。いちばん自由で、いちばん難しい。
料理でいえば、1段目は電子レンジ調理、2段目はケータリングの注文、3段目は設備の整ったレンタルキッチン、4段目はプロ仕様の自前の厨房です。全員が自前の厨房を持つ必要はなく、用途に合った段を選べばよい、というのがポイントです。
最初は1体のAIから？ それとも大勢のAIチームから？
まずは「一つの仕事に特化した1体」から始めなさい。何でも屋にすると、精度が落ち、遅くなり、不具合の原因探しが地獄になります、という話です。
AIは、任せる仕事の範囲を絞るほど正確になります。指示書（プロンプト）を短く鋭く書き、使える道具も最小限に限定する。これが鉄則です。
そして仕事が複雑になってきたら、初めてマルチエージェント（複数のAIによるチーム制）に移行します。リーダー役のAIが仕事を受け取り、専門担当のAIたちに振り分ける——人間の会社の組織図と同じ形です。
開業したての店で、いきなり「調理も接客も経理も配達も全部やる万能スタッフ」を1人雇うと、全部が中途半端になります。まず「餃子だけ焼く名人」を1人雇い、繁盛してきたら店長の下に調理・接客・経理の担当を増やす。AIチームの作り方も、これとまったく同じ発想です。
第5章 つなぐ編（質問5〜9）
フェーズ②：採用したAI社員に、社内資料・同僚・道具・作業場・記憶を与えて、本物の戦力に育てる段階です。
会社のデータと、どうやって正しくつなぎますか？
AIが役に立つかどうかは、会社の生きたデータにアクセスできるかで決まります。つなぐ規格はMCP（AI界のUSB）。ただし「つなぐだけ」では足りず、データに説明書きを添える必要があります、という話です。
元記事はここで「エンタープライズ・トゥルース（会社の真実）」という言葉を使います。会社固有のデータ、ルール、業務手順のことです。世間一般の知識しか持たないAIに、この「うちの会社の真実」を渡して初めて、実務で使えるAI社員になります。
大事な注意点がひとつ。データをつなぐだけでは不十分で、そのデータが「何の数字で、どういう意味を持つか」という文脈・説明（メタデータ）も一緒に整理しておかないと、AIは数字を誤読して、もっともらしいデタラメ（ハルシネーション）を言い始めます。
新入社員を資料室に入れる場面を想像してください。入館証（MCP接続）を渡すだけでは、棚に並ぶ書類の意味は分かりません。「この棚は昨年度の売上、この列の数字は税抜き」といった棚の見出しと注釈があって初めて、資料を正しく読めるのです。
別々の工作キットで作られたAI同士を、どうつなぎますか？
大きな会社では、部署ごとに違うフレームワーク（工作キット）でAIを作りがち。放っておくと互いに話が通じない「孤島」だらけになるので、共通語（A2A）を決めましょう、という話です。
人事部は人事部の得意なキットで、営業部は営業部の得意なキットでAIを作る。それ自体は自然なことです。問題は、キットが違うとAI同士の会話の作法もバラバラで、連携させるたびに特注の翻訳工事が必要になることです。
そこでA2Aプロトコルという「AI同士の共通語」を全社で採用すれば、人事のAIと営業のAIが、出自の違いを気にせず用件・状況・結果をやりとりできるようになります。
国際電話と同じです。日本の電話とフランスの電話はメーカーも仕組みも違いますが、「国番号をつけてダイヤルする」という世界共通のルールがあるから通話できます。A2Aは、AI界の国際電話ルールです。
AIに道具を、どうやって「必要な分だけ」持たせますか？
AIに道具や説明書を一度に大量に持たせると、動きが鈍り、間違いが増え、料金もかさみます。「必要な道具を、必要なときだけ」渡す方式にしましょう、という話です。
AIには「一度に頭に入れておける量（コンテキストウィンドウ）」に限りがあります。そこへ何十種類もの道具の説明書を詰め込むと、肝心の仕事に使う頭の容量が圧迫されてしまうのです。
解決策がスキル（Skills）という考え方。仕事の種類ごとの「単語カード」のような小さな手順書を用意しておき、AIはその仕事をするときだけ該当のカードを取り出して読む、という方式です。
職人さんが現場に行くとき、家中の工具を全部リヤカーで引いていく人はいません。「今日は蛇口の修理だから、この工具袋だけ」と選んで持っていきます。荷物が軽いほど、仕事は速く、正確になります。
利用者が急に増えても大丈夫なように、どこで動かしますか？
AIを動かす「作業場」は、混雑に応じて自動で広くなったり狭くなったりする貸し会場（クラウドのマネージドサービス）を使いましょう、という話です。
自前でサーバー（AIを動かすコンピューター）を用意すると、普段は持て余し、繁忙期には足りなくなります。そこで元記事は、利用量に応じて自動で伸び縮みする実行環境を勧めています。求められる条件は、①急なアクセス増に自動対応、②特注の部品も持ち込める柔軟さ、③会話が途切れないリアルタイム通信、④社内データへインターネットに晒さず安全につなぐ経路、の4つです。
自社ビルの宴会場ではなく、人数に合わせて仕切りを動かせるホテルの宴会場を借りるイメージです。10人でも1000人でも、会場側が勝手に部屋の広さを調整してくれます。
長い仕事の途中で、AIが話の流れを忘れたらどうしますか？
AIには「短期記憶」と「長期記憶」の2種類の記憶装置を用意してあげましょう、という話です。
AIは本来、会話が終わると全部忘れる生き物です。そこで、①いま進行中の仕事の手順を覚えておく短期記憶（セッション）と、②お客様の好みや過去の案件の結末を何か月も覚えておく長期記憶の2階建てにします。
人間の仕事と同じです。短期記憶は「今日の作業の付せんメモ」、長期記憶は「顧客台帳」。付せんは仕事が終われば捨てますが、台帳は何年も残して次の仕事に活かします。
第6章 みがく編（質問10〜13）
フェーズ③：安全性・品質・お金——AIを「信頼できて経済的な社員」に磨き上げる段階です。
AIがプログラムを実行したりネットを見たりするとき、被害を最小限にするには？
AIに危なっかしい作業（コード実行、Web閲覧）をさせるなら、会社のネットワーク上で直接やらせず、隔離された「砂場（サンドボックス）」の中でやらせましょう、という話です。
元記事の言葉を借りれば、これは「爆発したときの被害半径（blast radius）を限定する」発想です。AIが拾ってきた怪しいプログラムや、AI自身の誤作動が、会社の本番システムに絶対に飛び火しないように、使い捨ての実験部屋の中だけで作業させます。
理科の実験を、教室ではなく実験室でやるのと同じです。実験室なら、薬品がこぼれても換気扇と防火設備が守ってくれます。教卓の上で発火実験をしてはいけません。
AIが会社の看板に泥を塗らないようにするには？
「丁寧な言葉で話してね」とお願い（プロンプト）するだけでは不十分。お願いとは別の層に、絶対に越えられない「柵（ガードレール)」を設けましょう、という話です。
ここは元記事の中でも特に重要な指摘です。AIは確率で動く仕組みなので、指示文でどれだけ念を押しても、100回に1回は変なことを言う可能性が残ります。だから、AIの「思考の外側」に、プログラムとして強制される決定的なルール（ガードレール）を置く。AIがどう考えようと、柵の外には物理的に出られない構造にするのです。
さらに、複雑な仕事は「決められた手順のレール（構造化ワークフロー）」に乗せて、AIの自由演技の範囲を絞ることも勧められています。
遊園地のゴーカートを思い出してください。運転手（AI）にハンドル操作の自由はありますが、コースの両側にはガードレールがあり、どうハンドルを切ってもコース外へは飛び出せません。「安全運転してね」という口約束（プロンプト）と、物理的な柵（ガードレール）。企業で必要なのは後者です。
AIの出した答えを、どうやって信用しますか？
信頼は自動的には生まれません。テストと継続的な評価という「証拠」の積み重ねで勝ち取るものです、という話です。
面白いのはその方法です。人間が全部の答案を採点するのは無理なので、①数値指標での自動チェック、②要所での人間の確認、そして③「LLM-as-a-Judge（AI裁判官）」——より賢い別のAIに、担当AIの答案を採点させる方式——を組み合わせます。答えがお客様に届く前に、審査役のAIが検品するのです。
新聞社の校閲部と同じです。記者（担当AI）が書いた記事は、掲載前に必ず校閲(審査役AI)のチェックを通る。書いた本人に「間違いない？」と聞くのではなく、別の目で検品するのが品質管理の基本です。
AIの利用料金が暴走しないようにするには？
高性能なAIの頭脳は高い。仕事の重さに応じて、安い頭脳と高い頭脳を使い分けましょう、という話です。
元記事が勧めるのは段階方式です。単純な仕事は軽くて速い廉価モデル（例：Gemini Flash）や無料で使えるオープンなモデル（例：Gemma）に任せ、最終判断のような重要な場面だけ、最上位の高価なモデルを使う。
加えて、①利用量が安定している分は「定額の予約席（プロビジョンド・スループット）」を買っておき、急な増加分だけ従量課金にする、②AIに読ませる資料を必要最小限に絞る（RAG・キャッシュの活用）、③AIの試行回数に上限を設ける、④毎回同じ手順の部分はAIでなく普通のプログラムに置き換える、といった節約術が並びます。
移動手段と同じです。近所のコンビニに新幹線で行く人はいません。近所は自転車（軽量モデル）、出張は新幹線（高性能モデル）。さらに毎月の定期券（予約席）を買えば、通勤分はもっと安くなります。
第7章 まもる編（質問14〜20）
フェーズ④：AI社員が増えたあと、会社として権限・規律・監視をどう効かせるか。元記事でいちばん質問数が多い、本丸の段階です。
AIが見られるデータの範囲を、使う人間と同じにするには？
AIにも「社員証（アイデンティティ）」を持たせます。特にお勧めは、使っている人間の権限をそのまま借りる「委任」方式です、という話です。
AIの身分の持たせ方は3通り。①利用者本人になりきる、②AI自身の独立した身分を持つ、③委任＝利用者から権限を借りて代理で動く。社内業務では③が最も安全とされます。なぜなら、一般社員がAIに頼みごとをしたとき、AIはその社員が見られる範囲のデータしか見られないからです。権限の仕組みを一から作り直す必要がなく、誰の代理で何をしたかの記録（監査証跡）もきれいに残ります。
秘書に金庫の書類を取ってきてもらう場面を考えてください。安全なのは、秘書に金庫のマスターキーを渡すことではなく、頼んだ本人の鍵を一時的に貸すことです。本人が開けられない金庫は、秘書にも開けられない——これが「委任」です。
勝手に作られた「野良AI」の乱立を、どう防ぎますか？
誰にも把握されていないAI（シャドーAI）は情報漏えいの温床。全AIを自動で登録する「社員名簿（レジストリ）」を作りましょう、という話です。
質問0で見たとおり、今や現場の誰でもAIを作れます。すると必然的に、IT部門の知らないAIが社内のあちこちで動き始めます。対策は、稼働中の全AIについて「担当者は誰か・どのデータを見るか・どの道具を使えるか」を自動で一覧化する中央台帳（エージェント・レジストリ）。手作業のExcel管理から卒業し、重複したAIは統合、放置されたAIは安全に廃止できます。
入退室記録のないオフィスに、名札のない人が何十人も出入りしている状態を想像してください。怖いですよね。全員に名札をつけ、名簿で管理する——それだけの、しかし決定的に重要な話です。
人・AI・データ・道具の「やってよい組み合わせ」を、どう決めますか？
ルールは2階建てにします。1階は「入れる部屋」を決める鍵の管理（IAM）、2階は「発言や行動の中身」を審査する意味レベルのルール（セマンティックポリシー）です、という話です。
1階のIAMポリシーは、昔からある「アクセス権限」の考え方。このAIはこの道具とこのデータ置き場にしか触れない、と境界線を引きます。2階のセマンティックポリシーが新しい部分で、利用者の頼みごとの意味・意図をリアルタイムで解析し、「AIがこれからやろうとしている応答は、会社の規則や法令に反していないか」を実行前に検査します。
ビルの入館証（1階＝どの部屋に入れるか）と、就業規則（2階＝部屋の中で何を言い、何をしてよいか）の関係です。入館証だけでは「入れる部屋の中で悪いことをする」のを防げません。両方が必要です。
そのルールを実際に守らせ、AIの行動を見える化するには？
ルールは書くだけでは意味がありません。すべてのAIの通信を一つの「関所（ゲートウェイ）」に通し、そこで違反を止め、全記録を取りましょう、という話です。
エージェント・ゲートウェイは、人・AI・道具のあいだのやりとりが必ず通過する出入口です。ここでルール違反の通信を自動遮断し、危険な内容を除去し、プロンプトインジェクション（用語辞典参照）を防ぎます。同時に、すべてのやりとりの通信記録を残し、監視ダッシュボードに送ることで、「いまどのAIが何をしているか」を常に見える状態にします。
ビルの出入口を1か所にして、受付と防犯カメラを置くのと同じです。裏口が10個あるビルでは、警備は成り立ちません。
情報漏えい・ニセ指示・不適切な内容から、どう守りますか？
AIに届く前の質問文と、利用者に届く前の回答文の「両方」を、専門の検査装置でX線検査しましょう、という話です。
Googleはこの検査装置をModel Armor（モデルの鎧）と呼んでいます。①行き（プロンプト）の検査：ニセ指示（プロンプトインジェクション）や、AIの制限を外そうとする「脱獄」の試みを検出して遮断。②帰り（レスポンス）の検査：回答に個人情報や機密データ、不適切表現が混ざっていないかを確認してから利用者に渡す。プロジェクト全体に一律にかける設定も、リクエストごとに細かく変える設定もできます。
空港の手荷物検査です。搭乗前（行き）も、税関（帰り）も、荷物は必ずX線を通る。危険物は本人が気づいていなくても、機械が見つけて止めてくれます。
AIの様子がおかしくなったことに、どうやって気づきますか？
AIの「普段の行動パターン」を常時見守り、いつもと違う不審な行動をした瞬間に警報を鳴らして隔離しましょう、という話です。
乗っ取られたり誤作動したりしたAIは、普段やらないことを始めます。許可のないデータベース命令を打つ、見知らぬ外部サーバーに接続する、など。行動の異常検知は、こうした「らしくない行動」をほぼリアルタイムで検出し、被害が広がる前にそのAIを隔離できるようにする仕組みです。
ベテラン警備員は、泥棒の顔を知らなくても「深夜に経理室の前をうろつく人」を見れば呼び止めます。個々の悪事のリストではなく、行動の不自然さで気づく——それをAIの世界で自動化したものです。
AIの「一生」（開発〜運用〜更新〜引退）を、一か所で管理できませんか？
更新のたびに5つの管理画面を渡り歩くのは非効率。開発から本番運用までを一つの司令塔から操作できるようにしましょう、という話です。
元記事の締めくくりは、AI社員の採用（開発）・配属（公開）・研修（更新）・査定（評価）・退職（廃止）までの一生涯を、一つのコマンドツールで一元管理する提案です。設定の変更履歴を残し、更新前に自動テストを走らせ、合格したものだけを本番に送り出す——ソフトウェア開発の王道の流れに、AIも乗せるということです。
家電を10台買って、リモコンが10本ある家は不便です。1本の学習リモコンに全部まとめる——それがこの質問の答えのイメージです。
第8章 まとめ
ここまで読み通したあなたは、元記事の内容をすべて把握しています。最後に頭を整理しましょう。
8-1. この記事を3行で言うと
- AIエージェントとは、答えるだけでなく仕事をやり遂げる「AI社員」である。
- AI社員の導入は「つくる→つなぐ→みがく→まもる」の4段階で考え、各段階に確認すべき質問がある。
- 特に大事なのは後半の「まもる編」——権限の委任、全AIの台帳化、関所での監視、二重の検査——であり、Googleはその全部をまとめた場所として Gemini Enterprise Agent Platform を売り込んでいる。
8-2. 全21問・ひとことチェックリスト
会議で「AIエージェントを導入したい」という話が出たら、このリストを眺めてください。
- Q0 作るのは誰？（エンジニアか、現場の人か）
- Q1 作る人自身に、AIの道具は行き渡っているか？
- Q2 人間向けか、AI同士の連携向けか？
- Q3 4段のはしごの、どの段で作るか？
- Q4 まず1体の専門家から始めているか？
- Q5 会社のデータと、意味の説明つきでつながっているか？
- Q6 出自の違うAI同士の共通語（A2A）はあるか？
- Q7 道具は「必要なときに必要な分だけ」方式か？
- Q8 作業場は自動で伸び縮みするか？
- Q9 短期記憶と長期記憶の両方があるか？
- Q10 危険な作業は砂場（サンドボックス）の中か？
- Q11 お願いだけでなく、物理的な柵（ガードレール）があるか？
- Q12 答えを検品する仕組み（AI裁判官など）はあるか？
- Q13 頭脳の使い分けと料金の上限は決めてあるか？
- Q14 AIの権限は、使う人間の権限を借りる形か？
- Q15 全AIの台帳（名簿）はあるか？ 野良AIはいないか？
- Q16 鍵の管理と、中身の審査の2階建てルールか？
- Q17 通信は1つの関所を通り、記録が残っているか？
- Q18 行きと帰りの両方をX線検査しているか？
- Q19 「らしくない行動」に気づく見守りはあるか？
- Q20 開発から引退まで、司令塔は1つにまとまっているか？
8-3. 最後にもう一度、大切な視点
この21問は、Google製品を使わない会社にも役立つ普遍的な問いのリストです。一方で、各問への「答え」の部分は、Googleが自社サービスへ案内するために書かれています。他社（Anthropic、OpenAI、Microsoftなど）にも、それぞれ対応する答えがあります。
ですから実務での正しい使い方は、「Googleの製品名を覚えること」ではなく、「うちの会社は、この21問のそれぞれに、誰の・どのサービスで答えるのか」を一つずつ埋めていくことです。それができたとき、あなたはもう「AIエージェントを全く理解していない人」ではありません。
