本用語集は、エージェント型AIプラットフォームとパートナーを確かな目で評価するために必要な基本用語を、購買担当者、運用担当者、意思決定者の皆さまに向けてまとめたものです。エンタープライズ対応、カスタマーエクスペリエンス（CX）の自動化、本番運用レベルの導入に重点を置いています。
エージェント型AIの基礎と主要概念
- エージェント型AI（Agentic AI） – プロンプトに応答するだけでなく、目標に向けて自律的に計画・判断・行動するよう設計されたAIシステム。エンタープライズ環境では、Mavenプラットフォームのように、LLM、ツール（アクション）、企業のナレッジを組み合わせることで、エンドツーエンドのワークフローを実現します。
- AIエージェント – 入力を認識し、コンテキストに基づいて推論し、特定の目的を達成するために行動するソフトウェアベースの主体。従来のボットとは異なり、AIエージェントは状況に応じて動的に振る舞いを変えられます。
- 自律性（Autonomy） – AIエージェントが人の介入なしに独立して動作できる度合い。自律性が高いほど効率は上がりますが、より強固なガバナンスとガードレールが必要になります。
- 目標指向の振る舞い – 個別のタスクではなく、定義された成果に向けて取り組むエージェントの能力。これにより、エージェントはシステムをまたいでアクションを適切な順序で実行できます。
- マルチエージェントシステム（MAS） – 複数のAIエージェントが協働・連携して複雑な課題を解決するアーキテクチャ。MAS設計により、スケーラビリティと専門化が向上します。
- アクションスペース – エージェントが実行を許可されているアクションの全体。アクションスペースの定義は、安全性と予測可能性の確保に不可欠です。
- ポリシー – エージェントの意思決定とアクション選択を規定するルールの集合。ポリシーにより、ビジネス要件やコンプライアンス要件との整合性が確保されます。
- プランナー – 高レベルの目標を実行可能なステップに分解するコンポーネント。計画機能により、エージェントは複雑な多段階のワークフローに対応できます。
- エグゼキューター – ツール、API、ワークフローを呼び出し、計画されたアクションを実行するコンポーネント。推論を現実の成果に変える役割を担います。
- 推論エンジン – コンテキスト、制約、選択肢を評価して次のアクションを決定するロジック層。強力な推論は、信頼できるエージェントの振る舞いの基盤です。
メモリ、ナレッジ、コンテキスト管理
- メモリ – エージェントが情報を長期にわたって保持・想起できるようにする保存の仕組み。メモリにより、継続性、パーソナライゼーション、学習が可能になります。
- 短期メモリ – 単一のやり取りやセッションの間に保持されるコンテキスト。これにより、エージェントは会話の流れと直近の意図を理解できます。
- 長期メモリ – 事実、好み、過去のやり取りを永続的に保存するもの。長期メモリはパーソナライゼーションと組織のナレッジを支えます。
- ベクトルデータベース – 埋め込みに対する類似検索に最適化された専用データベース。エージェントのメモリやナレッジの保存によく使われます。
- 埋め込み（Embeddings） – テキストやデータの意味を捉えた数値表現。埋め込みにより、エージェントは関連情報を効率的に取得できます。
- 検索拡張生成（RAG） – 回答を生成する前に関連する企業ナレッジを検索し、AIの出力に根拠を持たせる手法。Mavenは検索のパターンを用いて、Salesforce、Zendesk、Freshdesk、アップロードしたファイル、クロールしたURLなどのソースから構築されたナレッジベースに基づいて回答します。
- ナレッジベース – FAQ、ポリシー、ドキュメントなど、厳選された企業コンテンツの集合。エージェントはナレッジベースをもとに根拠のある回答を行います。
- グラウンディング – エージェントの回答を検証済みのデータソースに基づかせる手法。ハルシネーションを減らし、信頼性を高めます。
- コンテキストウィンドウ – LLMが一度に考慮できる情報量。パフォーマンスとコストの管理には、コンテキストウィンドウの管理が欠かせません。
- ハルシネーション – AIモデルが誤った情報や捏造された情報を生成すること。エンタープライズ向けプラットフォームには、ハルシネーションを積極的に抑制する仕組みが求められます。
モデル、プロンプト、ツール
- 大規模言語モデル（LLM） – 膨大なテキストコーパスで学習し、言語を理解・生成するモデル。多くのエージェントで推論の中核を担います。
- 基盤モデル（Foundation Model） – さまざまな下流タスクに適応できる汎用モデル。幅広いユースケースに柔軟に対応できます。
- プロンプトエンジニアリング – エージェントの振る舞いや出力を導くプロンプトを設計する手法。効果的なプロンプトは一貫性と信頼性を高めます。
- システムプロンプト – エージェントの役割、トーン、境界、目的を定義する指示。振る舞いの方向性をそろえます。
- ツール呼び出し – エージェントが外部のツール、API、システムを呼び出してタスクを完了できるようにすること。現実世界でのアクションを可能にします。
- 関数呼び出し（Function Calling） – 検証済みの入力を使って、モデルが事前定義された関数を呼び出す構造化された手法。精度と安全性を高めます。
- API連携 – エージェントをチケット管理、請求、データプラットフォームなどの企業システムに接続すること。連携により大規模な自動化が可能になります。
- CRM連携 – 顧客データを活用して、エージェントのアクションをパーソナライズし、文脈に即したものにすること。CXのユースケースでは欠かせません。
- イベント駆動型アーキテクチャ – 静的なリクエストではなく、イベントやトリガーに応じてエージェントが動作する設計。プロアクティブな自動化を支えます。
- ワークフロー自動化 – 手作業を介さずにビジネスプロセスをエンドツーエンドで実行すること。エージェント型ワークフローは、単純なルールベースの自動化を超えるものです。
オーケストレーション、信頼性、スケール
- オーケストレーション – 複数のエージェント、ツール、ワークフローを連携させ、一体的なシステムとして機能させること。Mavenのお客様は、オーケストレーションによってアクション、ナレッジ、ワークフローをつなぎ、エンドツーエンドのサポートプロセスを構築しています（MavenAGIの導入事例をご覧ください）。
- 同時実行性（Concurrency） – 複数のエージェントプロセスを同時に実行する能力。大量の処理が発生する環境では必須です。
- レイテンシー – エージェントが応答または行動するまでの時間。顧客対応のユースケースでは、低レイテンシーが重要です。
- スループット – エージェントシステムが一定時間内に処理できるタスク数。スケーラビリティを示す指標です。
- スケーラビリティ – 需要が増えてもパフォーマンスと信頼性を維持できること。エンタープライズ向けエージェントには、予測可能なスケールが求められます。
- フォールバック戦略 – エージェントが失敗した場合や確信度が低い場合に備えて、あらかじめ定めておく代替経路。カスタマーエクスペリエンスを守ります。
- エスカレーションパス – 必要に応じて、課題を人や専門エージェントに引き継ぐ経路。効果的なエスカレーションは、自動化と信頼のバランスを取ります。
- 自己修復（Self-Healing） – エラーや障害を自動的に検知し、復旧すること。レジリエンスを高めます。
- 状態管理 – やり取りをまたいでエージェントのコンテキストと進捗を追跡すること。継続性を確保します。
- セッション管理 – ユーザーとエージェントの個々のやり取りを、安全かつ効率的に処理すること。
ガバナンス、セキュリティ、コンプライアンス
- ガードレール – 安全でない、コンプライアンスに反する、または望ましくないアクションを防ぐ制約。ガードレールとは、特にエージェントがアクションを呼び出したり企業ナレッジを使用したりする際に、その振る舞いを安全かつコンプライアンスに準拠した状態に保つポリシー、制約、チェックのことです（MavenAGIのトラスト、セキュリティ、コンプライアンスへの取り組みをご覧ください）。
- ヒューマン・イン・ザ・ループ（HITL） – エージェントのワークフローに組み込まれた人によるレビュー。導入初期の段階でよく用いられます。
- ヒューマン・オン・ザ・ループ – 人がエージェントを監督し、しきい値を超えた場合にのみ介入する方式。監督を維持しながらスケールできます。
- ガバナンス – エージェントの責任ある振る舞いを確保するためのポリシー、管理、プロセス。エンタープライズでの導入に欠かせません。
- コンプライアンス – 規制、法律、組織の基準を遵守すること。要件は業界によって異なります。
- データプライバシー – エージェントが扱う機密性の高い顧客データや企業データを保護すること。プライバシー・バイ・デザインが不可欠です。
- セキュリティ – 不正アクセス、悪用、データ漏えいに対する保護策。信頼の土台となります。
- アクセス制御 – エージェントのアクションとデータアクセスの権限を管理すること。きめ細かな制御がリスクを低減します。
- 監査ログ – エージェントのアクションと判断を記録した改ざん不能な記録。監査可能性はコンプライアンスと説明責任を支えます。
- 説明可能性 – エージェントが特定のアクションを取った理由を理解し、その妥当性を説明できること。
評価、最適化、学習
- オブザーバビリティ – エージェントの振る舞い、判断、結果を可視化すること。継続的な改善を可能にします。
- テレメトリー – 監視と分析のためにエージェントが出力する運用データ。評価システムへのインプットとなります。
- 評価（Eval） – エージェントの精度、品質、ビジネスへの影響を測定すること。評価は一度きりではなく、継続的に行うべきです。
- ベンチマーク – エージェントのパフォーマンスをベースラインや代替手段と比較すること。投資判断の材料となります。
- A/Bテスト – 複数のエージェントのバリエーションをテストし、最適なパフォーマンスを特定すること。リスクを低減します。
- リフレクション – エージェントが自身の出力を評価し、改善する能力。堅牢性を高めます。
- フィードバックループ – ユーザーやシステムからのフィードバックを、エージェントの改善サイクルに取り入れること。
- 継続的学習 – 時間をかけてエージェントの振る舞いを継続的に改善すること。長期的な価値を支えます。
- 合成データ – テストや学習のために人工的に生成されたデータ。機密データへの依存を減らします。
- シミュレーション – 本番導入前に、管理された環境でエージェントの振る舞いをテストすること。
CX、自動化、ビジネス成果
- 会話型AI – 自然言語でユーザーとやり取りするエージェント。CX自動化の中心的な存在です。
- 自然言語理解（NLU） – ユーザーの意図、エンティティ、コンテキストを解釈すること。正確なルーティングと解決を可能にします。
- 自然言語生成（NLG） – 一貫性のある、人間らしい応答を生成すること。体感品質に影響します。
- 感情分析 – ユーザーのメッセージに含まれる感情のトーンを検出すること。エスカレーションやパーソナライゼーションの判断材料になります。
- インテント分類 – ユーザーのリクエストを事前定義されたインテントに分類すること。インテントの精度が解決率を左右します。
- スロットフィリング – 非構造化入力から構造化された情報を抽出すること。自動化を支えます。
- パーソナライゼーション – ユーザーのコンテキストや履歴に基づいて、エージェントの振る舞いを最適化すること。CSATを向上させます。
- CX自動化 – エージェントとワークフローを活用し、顧客とのやり取りやバックエンドのタスクを手作業なしで処理すること。MavenではCX自動化をMavenプラットフォームが支えており、エージェントがアクションとナレッジを使って会話を解決し、CRMやヘルプデスクなどのシステムと連携します。
- 自律的解決 – 人を介さずに顧客のタスクを完了すること。サービス提供コストを削減します。
- ケースディフレクション – サポートチケットを作成せずに問題を解決すること。業務効率を高めます。
指標、ROI、購買時の検討事項
- 一次解決率（FCR） – 1回のやり取りで顧客の問題を解決すること。CXの主要指標です。
- CSAT – 顧客が感じる体験の質を測る顧客満足度スコア。
- ネットプロモータースコア（NPS） – 顧客ロイヤルティと推奨意向を示す指標。
- ROI – エージェント型AIへの投資から得られる経済的リターン。スケールにはROIの裏付けが欠かせません。
- 価値実現までの時間（TTV） – 導入から組織が効果を得るまでの速さ。
- コスト最適化 – コンピュート、ツール、モデルのコストを管理すること。持続可能な運用を支えます。
- トークン管理 – LLMの入出力の使用量を制御すること。トークン効率はコストに直結します。
- 利用状況指標 – チームや顧客におけるエージェントの利用状況とエンゲージメントを追跡すること。
- チェンジマネジメント – エージェント導入に向けて人とプロセスを準備すること。抵抗感を減らします。
- イネーブルメント – エージェント型システムと効果的に協働できるようチームを育成すること。
プラットフォーム戦略とエンタープライズ対応
- エージェントフレームワーク – エージェントの構築と管理に使われるソフトウェアフレームワーク。選択によって柔軟性が変わります。
- プラットフォームアプローチ – 個別ツールをつなぎ合わせるのではなく、エージェントの導入、監視、ガバナンスを単一のシステムに標準化すること。Mavenはこのモデルを採用し、ナレッジ、アクション、品質管理、インサイトを1つのプラットフォームに統合しています。
- ベスト・オブ・ブリード – 単一のプラットフォームではなく、専門ツールを組み合わせる方式。柔軟性は高まりますが、複雑さも増します。
- 相互運用性 – エージェントがシステムやベンダーをまたいで機能できること。
- ベンダーロックイン – 単一のテクノロジープロバイダーに依存すること。購買担当者は出口戦略を評価すべきです。
- オープンスタンダード – ポータビリティと連携を可能にする共通プロトコル。
- ロードマップ – エージェントの能力と機能の今後の進化計画。
- 概念実証（POC） – 本格展開の前に価値を検証するための限定的な導入。
- 本番運用への準備 – 本番環境に求められる安定性、セキュリティ、スケーラビリティ。
- エンタープライズグレード – エージェントを本番環境で安全に運用できるよう、信頼性、ガバナンス、セキュリティ、スケールの要件を満たすこと。Mavenは、高度な連携、分析、アクションとナレッジの制御を含め、エンタープライズグレードの導入を前提に設計されています（MavenAGIの導入事例をご覧ください）。
高度なエージェント機能
- プロアクティビティ – 明示的な指示なしにエージェントが自らアクションを起こすこと。新たな効率化を実現します。
- レコメンデーションエンジン – コンテキストとデータに基づいて、次に取るべき最適なアクションを提案する仕組み。
- 意思決定支援 – 最終判断は人に委ねつつ、インサイトを提供して人を支援すること。
- コンテキスト認識 – 入力そのものを超えて、状況のニュアンスを理解すること。
- 確信度スコアリング – エージェントの出力の信頼性を推定すること。
- 成熟度モデル – エージェントの能力が成長していく段階を示すフレームワーク。
- 構築か購入か（Build vs. Buy） – 独自のエージェントを構築するか、プラットフォームを導入するかを評価すること。
- ナレッジグラウンディング戦略 – 事実の正確性を確保するための体系的なアプローチ。
- オペレーショナルAI – 稼働中のビジネスプロセスに直接組み込まれたAI。
- 自律型エンタープライズ – ガードレールの範囲内で、エージェントが反復的な業務やワークフローの大部分を担い、人は判断、関係構築、例外対応に注力する組織。Mavenにおいては、AIだけで運用するのではなく、人とエージェントによるハイブリッドなチームという形をとります。
導入のガイダンスや実際の事例については、導入事例をご覧いただくか、ライブでのご説明をご希望の場合は当社チームまでお問い合わせください。
自社の会話でお試しください。
無料の個別デモをお申し込みください。
