AIエージェントとワークフローの違いと選び方【2027年】

AIエージェントとワークフローの違いが分からず、普通の自動化で足りるのでは、と迷っていませんか。

この記事の監修者

鈴木 晋介株式会社WEBMARKS 代表取締役

同志社大学を卒業後、設備メーカーの海外営業を経て2016年に独立。旅行・医療などのメディアを自ら運営し、SEOで検索上位を数多く獲得し、Web広告の運用も手がけてきました。いまはWebマーケティングのスクールと法人研修を運営しながら、11部署57名のAIエージェントと会社を回しています。

公的な認定・承認：神奈川県 経営革新計画 承認／経済産業大臣認定講座／厚生労働大臣指定講座／経済産業省 リスキリング補助事業者

代表プロフィール会社概要X @WEBMARKS2

AIエージェントとワークフローの違いは何？

大きな違いは、次に何をするかを誰が決めるかです。人が道すじを定めるのがワークフロー、AIが状況に応じて次の手を選ぶのがエージェントです。

AIを使っているかではなく、途中の道すじを誰が決めているかを見ると、違いを整理しやすくなります。

公式の定義

ワークフローは、料理のレシピのようなものです。材料を用意し、切り、加熱する順番を先に決めます。途中に分岐があっても、条件と行き先が決まっていれば、道すじを設計したのは人です。

AIエージェントは、目標を受けて、その場で次を決める係にたとえられます。調べた結果を見て、別の資料を探すか、必要な情報をまとめるかを選びます。選べる道具や範囲は、作る人があらかじめ定めます。

Anthropicの解説で、両者の定義を確かめる画面です。LLM（言葉を読み書きする頭にあたるAI）を使った設計の違いが示されています。

赤枠2と3を見比べ、道すじを誰が決めるかを確かめます。自分の仕事も同じ観点で整理しましょう。

OECD.AIも、自律の度合いや影響の規模などで分けて考える可能性に触れています。製品の名前だけでなく、任せた範囲で何を選べるかを確かめましょう。

図で見る違い

たとえば、届いた問い合わせを分類して担当へ回す仕事を考えます。「料金についてなら営業、操作についてならサポート」と条件を書けるなら、行き先は先に決められます。

一方、問い合わせに複数の論点があり、必要な資料も毎回変わるとします。AIが内容を読み、資料を探し、その結果に応じて次に調べることを選ぶなら、エージェント的な動きです。

LangGraphの公式ドキュメントで、2つの道すじを比べる画面です。

赤枠3では、分かれ道と行き先を人が先に決めるか、AIが結果を見て選ぶかを比べます。自分の仕事でも、どちらに当たるか考えてみましょう。

LLMが入ってもワークフロー

LLMは、言葉を読み書きする頭にたとえられます。文章を要約したり、分類したりする部分にLLMを使っても、次の行き先を人が決めていればワークフローです。

AIを工程に組み込む自動化は「AIワークフロー」や「ワークフロー型AIエージェント」とも呼ばれます。呼び名だけではなく、次の工程を誰が決めるかを見ます。人が道すじを定める部分は、ここではワークフローとして整理します。

逆に、AIが結果を見て道具を選び直せる設計なら、その判断はエージェント側にあります。1つの仕事の中に両方を置くこともできます。

安定や費用は、同じ条件で比べて初めて判断できます。表は出発点として使い、実際の入力と出力で確かめます。AIエージェントの基本は「AIエージェントとは」で整理しています。

AIエージェントとワークフローはどちらを選ぶ？

まず1回のAIへの依頼で足りるかを試し、足りないときにワークフローやエージェントを検討します。新しい名前の道具を選ぶ前に、仕事が求める判断の量を見ます。

新しいエージェントを選べば何でもうまくいくの？　いつもの仕事で、まず何から試せばいいのでしょうか。

選択肢は3つ

選択肢は「1回のLLM呼び出し」「ワークフロー」「エージェント」の3つです。1回の呼び出しは、文章を渡して要約を受け取るような使い方です。受け取った結果を次の工程に渡す必要がなければ、この形から試せます。

複数の工程が必要で、順番を決められるならワークフローです。たとえば、問い合わせの要約、分類、担当候補の表示を順に並べます。分類にAIを使っても、その後の行き先を決めておけば道すじは固定できます。

資料を探し直す必要があるなど、次の手を先に書き切れないならエージェントを検討します。たとえば、資料を見つけられなかった場合に、別の検索語を考えて探し直す形です。

Anthropicが、エージェントを使うかどうかを説明する画面です。

赤枠2で単純な方法から始める考えを確かめます。まず自分の仕事が1回の依頼で済むか試します。

待ち時間と費用の取引

エージェントは、途中の結果に応じて調べ直せます。その一方で、AIや道具を繰り返し呼ぶと、待ち時間や費用が増える場合があります。Anthropicは、その負担と得られる成果が釣り合うかを考えるよう勧めています。

ワークフローにも費用はかかります。要約と分類を別々に呼び出せば、その分の処理が必要です。単純な方法が常に最安になると決めつけず、同じ仕事を同じ条件で比べます。

たとえば問い合わせを10件処理し、結果を待つ時間に加えて、人が分類を直す時間と費用も記録します。1回の依頼で足りなかった点を具体的にし、次に増やす工程を決めます。

Google Cloudの設計ガイドは、繰り返す仕組みの終了条件が不適切だと処理が続く危険を挙げています。終了条件と最大回数を決め、止まらない場合の対応を試しましょう。

AIエージェントかワークフローかを決める5つの問い

手順、間違えたときの損、人の確認、時間と費用、直す人の5つで考えます。仕事全体を一度に選ばず、工程ごとに答えると判断しやすくなります。答えを担当者と共有し、後で見直せるようにします。

まず仕事を1つ選び、5つの問いを埋めてみましょう。決められない場所こそ、人に確認する場所の候補です。

5つの問い

Google Cloudは、仕事の性質、待ち時間、費用、人の関与を設計前に考えるよう示しています。私たちの5つの問いのうち、手順、時間と費用、人の確認の3つは、この整理と重なります。

仕事の名前：
1. 手順を言葉で書き切れるか：はい／いいえ
2. 間違えた時の損は何か：
3. 人が確認する所はどこか：
4. 許せる時間と費用はどれくらいか：
5. 動かなくなった時に直す人は誰か：

判定：
①1回の依頼で足りる → 1回の呼び出し
②足りず、手順を書き切れる → ワークフロー
③書き切れない工程だけ → エージェントを検討
損が大きい所には人の確認を置く。

1つ目は、入力が変わっても同じ道すじを使えるか、具体例を並べて考えます。請求に関する問い合わせなら、請求書を探す場所や、担当者へ渡す条件を書けるかを確かめます。

2つ目は、誤った分類や出力がどこまで影響するかを考えます。社内の下書きと、社外へ送る文章では、間違えた後に戻す手間が違います。損が大きい工程ほど、人が確認する場所を明確にします。

3つ目は、誰が何を見て判断するかまで書きます。「人が確認する」だけでは、画面を開いて承認するだけになりかねません。たとえば、元の問い合わせと下書きの両方を見る、と決めます。

4つ目は、AIの利用費に加え、待ち時間と手直しの時間を含めます。5つ目は、設定を変えられる人と、異常時の連絡先を決める問いです。便利な仕組みも、直す人がいなければ使い続けられません。

この5問は、点数を合計して自動で結論を出すためのものではありません。たとえば手順が書けても、社外への送信を含むなら、確認の場所は別に設けます。反対に、探索が必要でも、試す範囲を社内の下書きに限れば、小さく検討できます。

問いに答えられない項目があれば、そこが導入前に決めることです。「直す人」が空欄なら、担当者を決めるまで自動実行を広げません。時間と費用も、試した結果を見ながら書き直します。

「はい・いいえ」で書ける部分

LangChain創業者のハリソン・チェイス氏は、2026年10月、手順を二択の判断として捉える見方を紹介しました。

https://x.com/hwchase17/status/2108777335650476163

同氏が紹介した見方では、エージェントの手順には「はい・いいえ」で答える判断があります。自分の仕事でも、条件として書ける判断を先に抜き出してみます。

たとえば「担当者が決まっているか」「必要な資料がそろったか」は、確認する条件として書けます。条件を満たした後の文章作成にAIを使い、条件を満たさなければ人に戻す形も考えられます。

ただし、二択にしただけで正しい判定になるわけではありません。境界があいまいな入力や、情報が欠けた場合を用意し、判定結果を元の資料と見比べます。

箱に分けてから選ぶ

起業家のグレッグ・アイゼンバーグ氏は2026年10月、FDE向けの講座を紹介しました。FDEは顧客の現場で仕組みを作る技術者です。

https://x.com/gregisenberg/status/2105793758616866834

講座では、仕事を4つの箱に分けてから道具を選ぶ考え方を挙げています。仕事を工程ごとに分け、どの工程に何を使うかを先に書き出します。

たとえば、会議後の対応なら、メモの要約、担当者の確認、連絡文の下書き、送信に分けます。要約は1回の依頼で足りるかもしれません。送信は人の確認を残すという決め方ができます。

私たちWEBMARKSも、仕事を仕分ける考え方をnoteで紹介しています。5つの問いを埋めたら、次に公式4社の物差しと照らします。

公式はAIエージェントとワークフローをどう分ける？

Google CloudとMicrosoftは、エージェントを使わずに済む仕事から考える基準を示します。OpenAIは、従来の自動化では難しい仕事から、エージェントが向く場面を説明します。

使わなくてよい条件と、使う価値がある条件を両側から見ると、道具の名前に引っぱられずに選べます。

STEP1：Google Cloudの4つの問いを見る

Google Cloudの設計ガイドで、選ぶ前の4つの問いを確かめる画面です。

赤枠2で仕事の性質、時間、費用、人の関与を確認します。赤枠3を参考に、自分の仕事で人が判断する場面を書き出します。

Google Cloudのガイドは、この問いを出発点として示しています。構造が明確な仕事や、1回の呼び出しで済む仕事では、エージェントを使わない解が費用対効果に合う場合があります。

たとえば、決まった分類だけが必要なら、分類結果を受け取って終われます。追加の検索や道具の選択を任せる前に、求める結果が1回で得られるか確かめます。

STEP2：Microsoftの関数で書けるかを見る

Microsoftの説明で、エージェントとワークフローの使い分けを確かめる画面です。

赤枠3で、関数で書けるならその方法を選ぶ基準を確認します。自分の仕事にも、単純な方法で足りる部分がないか探します。

関数は、入力を受け取り、決めた処理を返す部品です。たとえば、日付の形式をそろえる処理は、条件を明確に書ける場合があります。そのとき、AIに毎回やり方を考えさせる必要があるかを検討します。

Microsoftの比較表では、1回のLLM呼び出しもエージェント側に置かれています。ここでの呼び方は、複数の手順を自律的に進める形だけを指すとは限りません。会社ごとの用語の範囲を比べ、表の行まで読みましょう。

STEP3：OpenAIが挙げる3つの仕事の特徴を見る

OpenAIのガイドで、エージェントが向く仕事の特徴を確かめる画面です。

赤枠3で検討に向く仕事の特徴を確認します。自分の仕事で、どの工程に判断が必要かを書きます。

OpenAIのガイドは、従来の自動化では難しい仕事を3つ挙げています。

• 複雑な判断：例外や事情を踏まえる、顧客への返金承認。
• 維持しにくいルール：細かな条件が増える、取引先の安全審査。
• 非構造化データへの強い依存：文章や資料を読む、住宅保険の請求処理。

非構造化データは、決まった表の欄に収まりきらない文章などです。文章を使うだけでエージェントが必要になるわけではありません。1回の要約で目的を満たせるかも先に試します。

4社を並べると

Anthropicは最も単純な方法から始めるよう促し、Google Cloudは設計前の問いを並べます。Microsoftは関数で書けるかを問い、OpenAIはエージェントが向く仕事を示します。

要らない側と使う価値がある側の両方から読むと、選ぶときの見落としを減らせます。まず簡単な方法で足りるかを確かめ、残った判断の難しさを見ます。

ワークフローにはどんな型がある？

ワークフローには、順につなぐ型や、条件で振り分ける型などがあります。仕事の形に合うものを選び、道すじを先に書き出します。

名前がたくさんあると、どれを使えばいいか迷います。いつもの仕事をどの形に分けると考えやすいですか。

5つの型と使いどころ

LangGraphの公式資料にある5つの型を、仕事の形に直して並べます。

「評価して直す」型でも、何を見て差し戻すかは設計します。直す回数や、直らない場合の人への引き継ぎ先も一緒に決めます。

問い合わせで組み合わせる

たとえば、問い合わせを分類して担当へ回すところまでは、人が決めた順番で動かします。続く資料探しでは、AIが社内の資料検索とFAQ検索の2つから道具を選びます。見つからなければ最大3回まで探し直し、それでも見つからなければ人に戻します。

回答を送る前には、人が元の問い合わせと下書きを見比べます。固定の流れとAIが選ぶ部分、止める条件を同じ仕事の中で分ける方法です。

複数体の分担は別記事へ

司令塔と担当の型では、仕事を分けて結果を集めます。担当の中でAIが次の手を選ぶこともあれば、決まった処理を行うこともあります。担当の中でAIが選ぶ所は、ワークフローの中にエージェント的な判断を入れた部分です。名前だけで自律の度合いは決まりません。

それぞれの動きと道具のつながりは、AIエージェントの仕組みで説明しています。次は、固定の工程にAIを組み込んだ例を見ます。

ワークフローの工程にAIを組み込む：WEBMARKSの例

私たちWEBMARKSの記事づくりでは、工程の順番を定めています。それぞれの工程でAIを使い、文章などを作るワークフローです。工程ごとの完了条件と、差し戻す場所を設けています。

AIに任せる内容と、人が止めて見る場所を一緒に書きましょう。工程を区切ると、直す場所も決めやすくなります。

社長→統括AI→部署→担当AI＋監査役

代表の鈴木が方針を決め、統括を担うCodexのASTRAが部署と担当に仕事を分けます。担当AIは渡された資料と指示書に沿って作業します。監査役は、成果物が条件を満たすかを点検します。

記事づくりでは、調査、設計、本文、図解、点検を分けます。この仕組みの調査工程は、Claudeの下調べ係かCodexが担当します。設計にはClaudeのAPIを使います。APIは、外からAIを呼び出す窓口です。仕組みの既定では本文もClaudeのAPIですが、この記事の本文と直しはCodexが担当しました。図解はキャラクターの原版を渡してGPT Imageで作る工程です。

点検には機械の確認と、別の会社のAIによる採点を使います。85点未満なら担当へ差し戻します。統括AIは、全体への指示に加え、見本どおりかを確認します。WordPressの本番反映は、独立点検、反映前の確認、デモでの通し稽古の3つに合格したものを、統括が進めます。

工程は固定・中身はAI

記事づくりの工程を順に回す画面です。

赤枠1で固定された工程を、赤枠2でAIが作る工程を確認します。自分の仕事でも、固定する順番と考える部分を分けます。

画面にある構成設計書、本文、図の指示は、順に進む工程です。各工程の中身を作る仕事にはAIを使います。この画面で確認できるのは、決めた順番の中にAIを組み込んだワークフローです。AIが文章を作ることだけでは、AIエージェントが次の道具や行動を自ら選んだ証拠にはなりません。

画面には、止める位置を指定する仕組みもあります。どこで止められる設計かを知ったうえで、実際に想定どおり止まるかは別に確かめます。図を作る工程の前で止めるなど、作業に合わせて確認場所を設けます。

工程を区切る利点は、前の結果を見て次の指示を直せることです。たとえば構成を確認してから本文に進めば、見出しの不足を本文作成前に発見できます。逆に、工程をつないだだけで内容の正しさまで保証されるわけではありません。

各工程で何を受け取り、何を次へ渡すかも決めます。設計書を受け取る本文担当には、使う資料と記事の範囲を渡します。確認役には成果物の場所と完了条件を渡し、指摘を担当に返せるようにします。

指示書・完了の条件・差し戻し

担当AIに「記事を書いて」とだけ渡すと、どこまでできれば終わりかが曖昧です。設計書の見出しに沿う、根拠のない数字を入れない、といった条件を先に渡します。

工程の名前：
任せる中身：
完了の条件：
止める条件：
差し戻しの条件：
人に聞く所：

たとえば本文の工程なら、任せる中身に「資料に沿って下書きする」と書きます。完了条件には、見出しと出典を確認できる形で並べます。材料に答えがなければ、勝手に補わず人に聞く条件を置きます。

点検で条件を満たさなければ、どこをどう直すかを添えて担当へ戻します。直した後は、直した箇所だけでなく、別の条件を壊していないかも確かめます。エージェントの作成手順はAIエージェントの作り方で紹介しています。

この記事の点検でも、元の説明と原稿の違いが見つかりました。

• Zapierの定義：固定の流れとの組み合わせ方を定義として書いていたため、原文と照らして書き分けました。
• OpenAIの例：3つの特徴に、公式の返金承認などの具体例を加えました。全部に当てはまる必要はありません。

点検の指摘もそのまま採用せず、出典と照合します。たとえば同じ用語でも、会社ごとの使い方が違えば、出典の主語を付けて説明します。直した後は、記事全体の構成や他の条件をもう一度確認します。

社内の自動化44件を止め方で仕分けた

私たちWEBMARKSが社内の自動化44件を仕分けた記録では、止め方が決まっていないものが多くありました。動き出す手順だけでなく、問題が起きたときに止める方法も必要です。

自動化の一覧に、開始条件と終了条件を並べます。続けて、途中で人に戻す条件と、止めた後に誰が確認するかを足します。仕分けは作って終わりではなく、運用しながら直すための記録です。

AIエージェントとワークフローでよくある失敗は？

代表的な失敗は、AIに任せる範囲が広すぎることと、例外の多い仕事を固定の手順に押し込むことです。どちらも、判断する場所と止める場所を分けて見直します。

自動化できたと思っても、思わぬ操作や例外が出たらどうなるのでしょう。どこから直せばよいですか。

任せすぎ

AI図解・検証の発信者は、2026年10月、フォルダ整理を任せた際の被害を投稿しました。

https://x.com/tetumemo/status/2116311704053428728

投稿では、コマンドの変数の扱いを誤り、想定より広い範囲が消えたと報告されています。削除のように戻しにくい操作は、人が対象を確かめてから行う形にします。

文字の指示で「削除しない」と書いていても、実際に使う道具や操作にその制限が届くとは限りません。対象を絞り、実際に制限が働くかを試します。大事な資料を扱う場合は、戻すための控えと担当者も決めておきます。

また、AIが同じ調査を繰り返すと、処理が長引き、費用が増える場合があります。繰り返しの回数や時間の上限、上限に達したときの引き継ぎ先を決めます。設定した上限が実際に働くかも確かめます。

押し込みすぎ

ITフリーランスの発信者は、2026年10月、AIを使ったゲーム制作の経験を投稿しました。

https://x.com/zin257856782/status/2115968923053195523

投稿では、資料やワークフローを整えても、大きな文脈を安定して扱う難しさが語られています。探索が必要な工程は小さく区切り、結果を見て次の進め方を決めます。

例外の多い仕事を無理に固定すると、決めていない入力が来たときに行き先がなくなります。たとえば、問い合わせが複数の部門にまたがる場合です。どちらか一方へ無理に振り分けるより、人に戻す条件を用意できます。

直し方

Zapierの解説が示すように、決まった流れとAIによる判断を組み合わせる方法があります。まず固定できる工程を残し、判断が必要な部分だけにAIを置きます。

AIが作った結果は、正しそうに見えても元の資料と違う場合があります。

AIエージェントに人の確認をどう残す？

間違いの影響が大きい工程の前に、人が判断する場所を設けます。止める条件、確認する資料、判断する人を一緒に決めます。

自律して動ける範囲が広がるほど、人が途中で確認し、必要なら止められる設計を考えることが大切です。

国のガイドライン

総務省と経済産業省のガイドラインで、人が制御できる状態の考え方を確かめる画面です。

赤枠2で人の制御、赤枠3で問題が起きた時の対処を確認します。自分の仕事でも、誰がどこで止めるかを書きます。

この部分はAI全般に向けた指針で、エージェント専用の条文ではありません。そのうえで、AIが自律的に動く範囲が広がるほど、人の制御をどう保つかの重みが増すと読めます。

たとえば、文章の下書きを作る工程と、社外に送る工程の間に確認を置きます。確認する人は、下書きだけでなく元の依頼と宛先も見ます。確認の結果、直す必要があれば下書きへ戻し、送信へ進めないようにします。

私たちWEBMARKSは、停止と確認のルールをnoteでも紹介しています。人が確認する資料と、確認後の戻り先を工程ごとに書きましょう。

途中で人に聞く公式の機能

MCPは、AIと外部の道具をつなぐ差し込み口にたとえられます。作業の途中で必要な情報を人に尋ねる機能も、MCPに用意されています。

Anthropicの開発者向け公式アカウントが、2026年10月に発表しました。内容はClaudeのMCP TasksとElicitationsへの対応です。

https://x.com/ClaudeDevs/status/2113698001889927608

Tasksは長い作業を預ける機能、Elicitationsは途中で人に入力を求める機能です。自分の仕事では、どの情報が足りないときに人へ聞くかを先に決めます。

途中の確認は、書類に押すハンコに似ています。ただし、ハンコを置くだけでは確認の中身は決まりません。判断に必要な情報と、承認しない場合の戻り先も用意します。

海外の標準化

米国のNISTは2026年2月、AIエージェントの標準づくりに取り組む方針を発表しました。道具同士の連携や信頼性を、実用に向けた課題として扱っています。

IPAの中にあるJapan AISIも、AIセーフティの評価観点に関するガイド第1.20版を公開しています。自社の仕組みを考えるときは、動くかどうかに加え、評価と見直しの担当を決めます。

AIエージェントとワークフローのよくある質問

名前が似ていても、AIを使う場所と次の手を決める場所は異なります。ここでは選ぶときに残りやすい5つの疑問に答えます。

道具の名前にエージェントと書いてある場合も、どの部分を確認すれば使い分けられるのか知りたいです。

Q. AIエージェントとワークフローの違いを一言で言うと？

人が前もって道すじを決めるか、AIが状況を見て次の手を選ぶかです。Anthropicの整理では、決められた経路で進むものがワークフローです。AIが道具の使い方を含めて動きを決めるものを、エージェントとして説明しています。

Q. LLMを使っていれば、AIエージェントですか？

LLMを使うだけでは決まりません。LangGraphの図では、ワークフローの中にもLLMがあります。文章を要約する頭として使うことと、次の道具や行動を選ばせることを分けて見ます。

Q. 「エージェント型ワークフロー」とは何ですか？

Zapierの説明では、目標に向けてAIが次の行動を考え、結果を見て別の方法も試す自動化です。決まった規則で順に動く方式と対比し、両者の組み合わせも勧めています。固定する部分とAIが判断する部分を分け、どこで人に戻すかを決めます。

Q. n8nのAIエージェントは、普通の自動化と何が違いますか？

n8nの説明では、エージェントは使う道具や行動を選べます。決めた手順を順にたどるチェーンとは、次の行動の決め方が異なります。実際に使う際は、与えた道具と操作範囲を確かめます。

Q. 全部AIエージェントにしたほうが良いですか？

仕事ごとに選びます。AnthropicとGoogle Cloudは、1回の呼び出しや決めた手順で足りる場合もあると示しています。追加の判断が必要な部分に絞り、時間、費用、人の確認も含めて比べます。

まとめ：AIエージェントとワークフローは手順で選ぶ

AIエージェントとワークフローは、次の一手をAIが選ぶか、人が先に決めるかで整理できます。迷ったら、1回の呼び出しから始め、必要なところだけ判断を増やします。

明日取り組む仕事を1つ選びましょう。道すじと判断を分け、止める位置を決めるところから始められます。

今日からの行動は3つです。

1. 仕事を1つ選び、5つの問いに答える。 手順、損、人の確認、時間と費用、直す人を記入します。
2. 手順を書ける部分と判断の部分に線を引く。 1回の依頼で足りるか、固定の流れにできるかを確かめます。
3. 止める位置と人の確認を1か所決める。 確認する人と資料、直す場合の戻り先まで書きます。

最初から仕事全体を変える必要はありません。小さな工程で結果と手直しを確かめ、足りないところにだけ次の工程を加えます。

監修者

鈴木 晋介株式会社WEBMARKS 代表取締役

同志社大学を卒業後、設備メーカーの海外営業を経て2016年に独立。旅行・医療などのメディアを自ら運営し、SEOで検索上位を数多く獲得し、Web広告の運用も手がけてきました。いまはWebマーケティングのスクールと法人研修を運営しながら、11部署57名のAIエージェントと会社を回しています。

公的な認定・承認：神奈川県 経営革新計画 承認／経済産業大臣認定講座／厚生労働大臣指定講座／経済産業省 リスキリング補助事業者

代表プロフィール会社概要X @WEBMARKS2