AIエージェントの種類を5つの分け方で徹底解説【2027年】

AIエージェントの種類は、数え方によって「5種類」「製品10選」など紹介の仕方が変わります。何を基準に分けているのかを見ると、自分の仕事に合う選択肢を探しやすくなります。

この記事では、働き方、エージェントの数、任せる度合いなどの切り口を整理します。最初は一つの仕事から試し、人が確認する場所を決めるところから始めましょう。

この記事の監修者

鈴木 晋介株式会社WEBMARKS 代表取締役

株式会社WEBMARKSの代表取締役。Webマーケティングスクールと法人研修を運営しています。

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エージェントの種類はいくつ？答えは「分け方の軸」で変わる

種類の数は、何を比べるかで変わります。この記事では、主な5つの軸を並べて選び方まで説明します。

5つの軸の地図

IBMのような教科書の分類と、製品のおすすめ一覧は、目的が違います。前者は判断の作り、後者は導入先を探す入口です。一つの一覧に混ぜると、比べる対象がずれます。

Codexを選ぶ場合でも、使い道は開発や本文制作などに分かれます。担当を何体にするかは、また別の設計です。WEBMARKSでも、本文担当と監査役は、製品の種類とは違う役割です。

たとえば、Codexは開発に使う製品として探せます。同時に、1体で動かすか複数で使うかという軸もあります。使い道とエージェントの数は、同じ分類ではありません。

OECD.AIの説明でも、複数の観点があります。自律、適応、領域、影響の大きさなどです。私たちWEBMARKSでは、種類名だけで能力や権限を決めずに考えます。

OpenAI公式は、2026年10月26日に画面操作を紹介しました。

発信元の投稿を読む（X）。

同投稿は、画面を読んでアプリをまたぐ使い方を紹介しています。自社でも、使い道の軸と操作の許可を別に書いてください。

製品を探す人へ

製品を選ぶときも、まず任せたい仕事を整理しましょう。この記事は、比較する前に分け方をそろえる内容です。定義の全体像は、AIエージェントとはで説明します。

働き方で見るAIエージェントの種類は？手順型と状況に応じて選ぶ型

Anthropicは、手順書どおりの流れ作業と、自分で選ぶ型を区別します。言葉を読み書きする頭であるLLMが、次を選ぶかに注目する整理です。

決めた手順のワークフロー

Anthropicの勧めを、自社の問い合わせ業務へ当てはめて考えられます。参照する資料と案の出し方が決まるなら、順序を固定できます。外へ送る前の承認も、流れの中に位置を決めます。

一方、調べる対象が結果で変わるなら、次の検索を選ぶ部分があります。Anthropicのエージェントの説明と、ここを対応させます。全工程を自由にするのでなく、選ぶ範囲だけを指定します。

ワークフローは、手順書どおりに進む流れ作業にたとえられます。資料を読む、案を作る、点検するなどを、決めた順につなぎます。Anthropicは、単純な構成から始める考えを紹介しています。

Anthropicの整理で、二つの働き方を読む画面です。

赤枠で、事前に決めた流れとLLMが選ぶ流れを比べます。自社の仕事で、前もって書ける順序を先に書き出します。

次の行動を選ぶエージェント

LLMは、言葉を読み書きする頭にたとえられます。Anthropicの整理では、この頭が次の行動と道具を選びます。途中の結果を見て、調査や修正へ戻る形です。

Anthropicの解説は、両者の違いを示しています。どちらかの名前を付けるより、選ぶ工程を特定する方が実務的です。記事なら、調べる対象を追加する所などが該当します。

作る役と点検役を分ける型

Anthropicの、作る役と評価する役を分ける図です。

赤枠で、生成した案が点検へ渡り、修正へ戻る流れを見ます。自社でも、完成の判定を作る役だけに任せない形を検討します。

2026年11月のWEBMARKSの記事見直しでは、本文を直す担当と点検役を分けました。点検結果を本文と照らし、根拠の不足や説明の矛盾を担当へ戻しています。

教科書の分類と学習は、今のAIエージェントのどの種類に近い？

教科書に基づく分類は、判断の仕組みに注目する分け方です。製品の一覧や、人数による分類とは別の話です。

4種類と学習のひと言説明

多くの解説記事では、単純反射、モデルベース、目標ベースなどに分けます。ここでいうモデルは、周りの状態を頭に描く地図にたとえられます。製品名に入る「モデル」とは、指す範囲が違う場合があります。

RussellとNorvigの教科書は、4種類の仕組みを説明したうえで、それぞれに学習を組み込む考え方を示します。上の表は、今のLLM型と比べるための説明です。

出典：UC Berkeley掲載のAIMA第4版。知的エージェントを扱う教科書です。製品の比較ではなく、判断の構成を学ぶ入口になります。

今のLLM型との対応

単純反射のような条件分岐は、LLMを使わない処理でも作れます。今の製品の中に、決めた条件で動く部分があるという説明です。部品の一つの特徴を、製品全体の分類へ広げないようにします。

目標ベースの説明なら、Codexが目的に沿って計画する動きを連想できます。私たちWEBMARKSの見立てとして、結果を読み次を選ぶ点に注目します。教科書がCodexを認定したという意味ではありません。

効用は、選択肢の良さを比べる物差しにたとえられます。Anthropicの研究なら、社内評価という物差しで構成を比べています。自社でも、何を良い結果と呼ぶかを決めてから比較します。

私たちWEBMARKSの見立てでは、Codexなどは複数の特徴を持ちます。目的に沿う計画と、結果を読んだ次の判断が組み合わさります。一つの製品を、一つの古典的分類へ固定する見方はしません。

本文を修正する動きも、モデル自体を学習し直すこととは別です。WEBMARKSでは、点検結果を次の入力へ渡して案を直します。経験を使うという言葉の意味を、工程ごとに分けます。

エージェントの数で見るAIエージェントの種類は？1体と複数体

1体で進める構成と、担当を分ける複数体の構成があります。分担を増やすと、結果をつなぐ工程も増えます。

1体と複数体の違い

1体なら、同じ担当が材料を読み、道具を使って進めます。複数体なら、調査対象や役割を分け、結果を合わせます。WEBMARKSでは、Codexの本文と、機械と別会社AIの点検を分けます。

Anthropicの、司令塔と担当の構成を読む画面です。

赤枠で、司令塔が仕事を分け、担当から結果を受け取る形を見ます。自社の仕事でも、戻す相手と返す物を先に決めます。

複数体の2つの型

OpenAIのマネージャー型では、司令塔が担当を道具として呼びます。担当が返す結果を受け取り、次に何をするかを司令塔が決めます。仕事の入口と、結果を集める場所を図で追えます。

分散型では、担当から別の担当へ仕事を渡します。OpenAIの図を読む時は、どの役へ引き継ぐかを見ます。司令塔へ結果を戻す構成とは、作業の受渡しを追う場所が変わります。

Anthropicの司令塔と担当の図も、分担の境界を見る資料です。担当を分けた先で何を作り、何をまとめるかを読みます。担当の数だけを取り出すより、戻ってくる結果の違いを整理できます。

Google Cloudの設計パターンには、逐次と並列もあります。前の担当の結果を待つ接続と、独立した仕事を同時に進める接続です。エージェントの数と、仕事を進める順番を別の観点として見られます。

OpenAIのガイドで、複数体のつなぎ方を読む画面です。

赤枠で、マネージャー型と分散型を比べます。司令塔へ結果を戻すか、担当が引き継ぐかを自社の流れへ重ねます。

マネージャー型は、司令塔が担当を道具のように呼ぶ形です。分散型は、担当の間で仕事を引き継ぐ形です。

OpenAIのガイドで説明されています。

米投資会社a16z公式は、2026年10月3日に分担を紹介しました。

発信元の投稿を読む（X）。

同投稿では、役割を絞った複数体の考えが紹介されています。1体を選ぶ意見もあるため、自社で分ける理由を書いてください。

国とOECDの言葉

国の資料で、AIエージェントの定義を読む画面です。

赤枠で、自律の程度と複数体の協力への言及を確かめます。製品名の分類と区別して、説明の前提をそろえます。

出典：AI事業者ガイドライン第1.2版。AIエージェントの定義と脚注を読む資料です。自律には程度があることも、分類を考える手がかりです。

OECD.AIの説明で、関連する言葉を読む画面です。

赤枠で、1体の動きと複数体の協力の説明を見ます。自社の説明では、どちらの意味で言葉を使うかを明示します。

OECD.AIの記事の執筆者は、エージェントとエージェンティックAIを区別しています。後者は、チームで動くAIにたとえられます。国の文書にも、複数体の協力に関する説明があります。

出典：OECD.AIのエージェント解説。1体で動くAIエージェントと複数の担当が分担するエージェンティックAIを、近いが同一ではないものとして整理しています。

増やすと増える物

トークンは、AIが読む文字の量のメーターにたとえられます。

Anthropicの研究システムは、使用量も紹介しています。同社の調査では、チャットに対し単体は約4倍です。複数体は約15倍のトークンを使うと説明しています。

上の値は、全製品の料金が同じ倍率になる意味ではありません。担当を増やす時は、実際の使用量を測ります。

同社の社内の調査評価では、Claude Opus 4が統括しSonnet 4が分担する複数体の構成が、単体のOpus 4を90.2%上回りました。これは同社の調べ物の仕組みに関する評価です。自社の記事や問い合わせが同じ割合で良くなるという値ではありません。

Google Cloudの設計パターンには、逐次や並列もあります。ループ、点検、司令塔、階層など、つなぎ方で整理できます。

任せる度合いで見るAIエージェントの種類は？人の役割の5段階

人が操作する所から、見守る形まで分ける研究があります。任せる度合いを上げるより、操作に合う確認の位置が重要です。

5段階の中身

研究の、人の役割による五つの段階を読む画面です。

赤枠で、人が操作する段階から見守る段階までを比べます。自社の操作では、誰が実行を決めるかを書いてください。

この五段階は、研究が提示する分け方です。製品に付いた共通の認証や、導入の合格点ではありません。自社のどの工程に人が関わるかを説明する道具として使います。

出典：K. J. Kevin Feng、David W. McDonald、Amy X. Zhang「Levels of Autonomy for AI Agents」。人の役割に着目した研究の分類であり、製品の認証ではありません。

実行前に点検が入る最新の例

OpenAIの実行前レビューは、点検する位置を考える参考です。L4の人の承認と、自動点検は同じ役割ではありません。両方を入れる場合も、それぞれが何を確認するかを決めます。

WEBMARKSの記事制作でも、内容の点検と外へ出す判断は別工程です。何を確認し、誰が次へ進めるかを作業の流れに書き添えます。

OpenAIの開発者向け公式は、2026年10月末に命令を実行する前の点検を紹介しました。

発信元の投稿を読む（X）。

同投稿は、コマンドというパソコンへの命令文を実行する前に自動レビューを入れる形を紹介しています。自社でも、点検と人の承認をどこへ置くか決めてください。

自動の点検は、人が実行を許可することとは別です。OpenAIの実装ガイドは、Responses APIやAgents SDKのアプリがCodexの自動レビューを自動で引き継ぐわけではないと説明しています。WEBMARKSの記事なら、本文の採点と公開の判断を分けます。影響のある操作では、L4の承認型を参考に位置を決められます。

使い道と製品の形で見るAIエージェントの種類は？

使い道なら会話、調査、開発、画面操作などに分けられます。製品の形なら、汎用、特化、システム搭載などで整理できます。

使い道で分ける

会話で案を作る、資料を調べる、コードを書くといった分け方です。Codexなどを開発用として探す人には、この軸が役立ちます。画面操作が加わると、アプリをまたぐ仕事も対象になります。

Vercel Labsのエンジニアは、2026年10月31日にコード作成とPC操作の組み合わせを紹介しました。

発信元の投稿を読む（X）。

Vercel Labsの公開資料では、コードを書くエージェントにPC操作の手段を加える仕組みを紹介しています。種類名より、実際に任せる作業から選んでください。

個人の秘書や、外で物を買う用途も、使い道の分類です。NISTは、購入まで行う次の世代のAIを標準化の対象にしています。接続できる事と、購入の許可を出す事は別に考えます。

出典：NISTのAIエージェント標準化の発表。相互接続や安全、本人確認に関する取り組みです。外へ作用するAIの使い方も、検討する対象に含まれます。

製品の形で分ける

汎用型を考えるなら、OpenAIの画面操作の例と重ねます。一つの業務だけでなく、アプリをまたいで使う形です。自社で試す際は、最初のアプリと操作を一つに絞ります。

業務特化型は、対象業務の入力と出力をそろえて選びます。WEBMARKSの記事なら、材料と本文と点検結果が一つの流れです。仕事の名前だけでなく、必要な例外の扱いまで比較します。

システム搭載型は、今の仕事の画面から使う入口です。Vercel Labsの発信のように、既存の道具へ操作を足す考えもあります。新しい画面へ移すことが目的なのかを、業務の側から見ます。

ノーコード型でも、権限と完了の条件は必要です。WEBMARKSの役割カードのように、触れてよい対象を指定します。組み立てる方法と、仕事の承認を省略するかは別の判断です。

使い道の軸では、会話と調べ物も分けます。会話で案を一つ作るなら、その場で人が読む形が取れます。調べ物なら、参照した資料を見て追加で探す工程もあります。

画面操作は、OpenAI公式の投稿が示すアプリ間の移動が特徴です。どの画面の情報を読み、どのアプリへ入力するかを決めます。文章を出すだけの構成と、外へ作用する範囲が変わります。

個人の秘書として使うなら、予定や連絡の扱いを分けます。NISTが扱う次世代のAIの例も、予定や購入へ広がります。情報を整理することと、相手へ確定することを別にします。

購入の用途では、商品を比べる工程と決済を分けます。NISTの標準化の背景は、外へ作用するAIも対象です。使い道の一覧に購入があっても、自社で全操作を許可する理由にはなりません。

汎用型は、複数の仕事へ使う入口です。業務特化型は、法務や営業などの対象業務に合わせた形です。システム搭載型は、既に使う業務システムの中で働きます。

ノーコード型は、コードを直接書く量を抑えて組む形です。ただし、操作をつなぐ前に業務の範囲を決める必要があります。連携したい道具と、人が確認する場所を製品ごとに比べます。

WEBMARKSはAIエージェントの種類をどう組み合わせている？

WEBMARKSでは、司令塔、担当、点検役を組み合わせています。種類の名前を付けるだけでなく、完了の条件と差し戻しをつなぎます。

組織図

WEBMARKSが公開している役割の設計では、窓口が依頼に合う担当を選び、材料と返す物を指定します。役割定義と依頼の流れを見る。

自社で使う場合も、指示を受ける窓口、成果物を作る担当、別の点検役、公開を判断する人を、それぞれ書き出します。

この記事群の2026年11月の見直しでは、出典、本文、表示用HTML、点検結果を分けて残し、担当が直した本文を次の工程へ渡しました。

指示書・完了の条件・差し戻し

WEBMARKSの公開手順では、担当が本文を作成し、別の点検役が事実、表現、出典を確かめます。公開可否は人の判断と定められた手順で扱います。

調べる担当は使った一次資料を残し、本文担当はどの記述にどの資料を使ったかが分かる形で返します。図や画面は、本文に必要な箇所へつなぎ、読めることを確かめます。

統括は各担当へ完了の条件を渡し、原稿と点検結果を照らします。点検役から返った指摘には、対象箇所と修正方針を付けて担当へ戻します。

指示書で、担当の範囲と受け渡しの条件を決めます。本文・表示用HTML・根拠の記録がそろったかと、主張を資料が支えているかを分けて点検します。

基準を満たさない箇所は担当へ戻します。公開や送信が関わる操作では、人が確認する位置も決めます。役割の分担と実行前の承認を、一つの作業の中に組み合わせられます。

試して止まった所

44件という数は、noteで紹介した仕分けの対象です。自社の一覧を作る時も、数を増やすことが目的ではありません。誰がどの操作で止めるかを書き、空欄を確認する順番を決めます。

WEBMARKSの役割カードには、止める条件と相談先があります。たとえば公開の許可がない時は、人の判断へ戻す形です。1体でも複数体でも、担当が判断できる範囲を示します。

WEBMARKSには、自動化44件を4種類に仕分けた記録があります。止め方が未定の物が多かったという失敗談です。種類を付けたことと、停止の運用が決まることは違います。

自社の一覧では、一つずつに誰が何をしたら止めるかを書きます。44件を仕分けたnoteのように、空欄の対象を探します。空欄がある物から、役割カードの停止条件と相談先を決めてください。

役割カードの型

WEBMARKSの役割カードの紹介は、頼む範囲に着目した題です。自社で使う時は、司令塔、担当、点検役のどれかを先に書きます。

役割カード
役割：司令塔・担当・点検役
頼む範囲：
触れてよい物：
完了の条件：
止める条件：
相談先：

自社に合うAIエージェントの種類の選び方は？まず1体から

任せる仕事を一つ決め、1体で足りるかを試します。分ける理由が分かってから、複数体の構成を考えます。

種類を決める5つの質問

種類を決める質問
手順は前もって書けるか：
1体で足りる量か：
どの操作の前で人が承認するか：
何に使うか：
成果と費用をどう測るか：

手順が前もって書けるなら、Anthropicのワークフローから考えられます。途中で対象を選び直すなら、その判断の入力を決めます。AIへ渡す資料と、出してほしい結果を対応させます。

同じ仕事を5つの軸で整理する例

たとえば、「毎週、競合の公式発表を調べて社内向けの一覧を作る」仕事を考えます。入力は会社名と公式サイト、出力は発表日・内容・出典URLの一覧です。この一つの仕事を、五つの軸で別々に見ます。

働き方の軸では、対象サイトを巡回して同じ列へ転記する部分は手順型にできます。一方、発表に関連資料があれば追加で探す部分は、結果に応じて次の行動を選ぶ範囲です。両方を一つの仕事に組み合わせてもかまいません。どこから自由に探し、どこで終了するかを先に書きます。

教科書の軸では、「新しい発表があるか」という条件への反応と、「比較に必要な情報をそろえる」という目標を分けて考えます。ただし、これだけで使う製品を単純反射型や目標ベース型のどちらかへ断定はできません。製品名に分類を貼るより、どの情報を保ち、何を基準に次を選ぶかを見るための軸です。

数の軸では、まず一つの担当に一覧を作らせます。複数の担当へ分けるなら、各社の調査を分担するのか、作成と点検を分けるのかを決めます。前者には結果を一つの表へ合わせる工程、後者には指摘を作成役へ戻す工程が必要です。

任せる度合いの軸では、社内向け一覧の下書きを作る所までか、指定した場所への保存までかを決めます。取引先へメールを送る工程を加えるなら、その前に宛先と本文を人が確かめる場所も加えます。「調査を自動にした」という一言で、送信まで許可したことにはしません。

最後に、使い道の軸では調査・比較の仕事、製品の形では汎用型か業務特化型かを検討します。同じ仕事が五つの軸で説明できるので、一つの種類を選んだだけで設計は終わりません。役割カードに、入力、出力、途中で選べる範囲、確認者を残すと、候補製品を替えても同じ条件で比べられます。

1体で足りるかの物差し

型の最初の問いは、手順を前もって書けるかです。たとえば、指定した資料を読み、案を作り、点検する順が決まっています。この場合は、Anthropicの手順型を候補にします。

対象を探し直す必要があるなら、選び直す条件を書きます。資料に答えがない時、別の資料を探すか、人へ戻すかを決めます。Anthropicのエージェント型と対応するのは、この選択の部分です。

次の問いは、1体で足りる量かです。OpenAIのガイドを参考に、まず一つの担当へ仕事を渡します。返ってきた結果を見て、独立して分けられる工程を探します。

たとえば記事なら、本文の担当と点検の担当を分けます。WEBMARKSでは、本文をCodex、点検を機械による形式確認と別の点検役へ渡します。本文そのものを複数人で書く構成とは、分ける目的が異なります。

三つ目は、どの操作の前で人が承認するかです。記事なら、公開先と掲載内容を確かめる段階を、本文の保存や点検とは別に置きます。

同じ考えで、下書きを作る操作と外へ送る操作を分けられます。送信先と内容を、人が確認できる形で渡します。L4の承認型は、この確認の位置を説明するために使えます。

四つ目は、何に使うかです。OpenAIの画面操作の発信なら、どのアプリのどの情報を扱うかを書きます。調査なら参照先、開発なら変更する対象、会話なら返す案を指定します。

たとえば、指定資料から記事の本文を作る仕事を選びます。最初に材料を渡し、本文と点検結果を受け取る形にします。資料を読む工程と、本文を公開する工程を一つに束ねません。

五つ目は、成果と費用をどう測るかです。Anthropicの研究のように、比べる対象と評価の条件をそろえます。自社でも、同じ入力から作る成果物を決めて比べます。

文章の長さだけでなく、指定材料を反映したかを点検します。WEBMARKSでは、完了の条件を付けて担当へ指示します。条件へ足りない物は差し戻すため、修正が必要だった箇所も記録できます。

エージェントの数を変える場合は、統合する工程を計画に含めます。マネージャー型なら、司令塔へ担当の結果が戻る形です。分散型なら、引き継ぐ相手と、受け取る結果の形式を決めます。

OpenAIの図で、それぞれの矢印の先を確かめましょう。担当が何を返すかを書き、次に読む役割を指定します。担当の数だけを先に増やすより、受渡しの不足を探せます。

金融とAIの発信者 @thedelost さんは、2026年10月24日にチームの使い方を紹介しました。

発信元の投稿を読む（X）。

同投稿は、複数体を1つの仕事で試して費用を測る考えを紹介しています。自社も、同じ成果物で比較できる試し方を決めてください。

分けるのは測ってから

Anthropicの研究の数字は、分担に使用量が伴う参考です。自社では、試した入力と完了の条件をそろえて記録します。単体と複数体で、何が変わったかを工程ごとに読みます。

たとえば、本文を分割した構成では、合わせる段階の修正も記録します。制作と点検を分けた構成では、指摘と修正後の結果を残します。どちらも担当の人数だけで、仕事の完成を評価しません。

使う道具や渡す資料の不足は、人数の問題と区別します。同じ古い資料をCodexへ渡したままなら、担当を増やすだけでは直せません。試しの記録には、参照した材料と変更した工程も書きます。

公開などの許可を変えずに、制作の分担だけを試す方法もあります。WEBMARKSの役割カードで、触れてよい対象と相談先を書きます。使う製品を替える際にも、この境界を残します。

最初の試しでは、担当へ返す成果物の名前を指定します。WEBMARKSの記事なら、本文と点検結果が受渡しの対象です。担当が返事をした時点と、必要な物がそろった時点を分けて見ます。

試した後は、型の五つの質問へ戻って回答を更新します。1体で足りなかった理由と、分けた工程を同じ記録へ残します。次の試しでも同じ条件を使えば、構成の変更を説明できます。

作る手順は、AIエージェントの作り方で説明します。最初の担当と停止条件を決め、対象を一つ選んで試します。1体で始め、結果から必要な分担を選びましょう。

AIエージェントの種類のよくある質問

種類の数は、分類の軸により変わります。製品名、働き方、エージェントの数を別々に見ると整理できます。

Q. AIエージェントの種類は全部で何個ですか？

共通の固定された数はありません。この記事は、五つの軸で説明しています。教科書の判断の仕組みと、製品の十選は数える対象が異なります。

Q. AIエージェントとエージェンティックAIは何が違いますか？

OECD.AIの解説記事の著者は、1体の動きと、一般に複数体が協力する仕組みを区別しています。エージェンティックAIは、チームで目標を追う形にたとえられます。資料ごとの言葉の使い方も確認して読みます。

Q. チャットの生成AIもAIエージェントの種類に入りますか？

生成AIは作文係のように、文章などを作る技術です。AIエージェントの頭に使われることもあり、重なりがあります。同じサービス名でも、生成と工程を回す機能を分けて見ます。

道具や進め方を誰が選ぶかで見ます。Anthropicの整理では、LLMが次の行動と道具を選ぶ形をエージェントと呼び、あらかじめ決めた手順で進むワークフローと区別します。詳しくは、生成AIとの違いで説明しています。

Q. 最初はどの種類から始めればいいですか？

Anthropicの勧めは、単純な構成から考えることです。OpenAIのガイドも参考に、まず1体で試せます。影響ある操作の前には、人の承認を残します。

Q. 複数体にすると費用はどれくらい増えますか？

Anthropicの調べ物の仕組みでは、使用トークンが増えました。チャット比で単体約4倍、複数体約15倍という発表です。製品の金額や、自社の倍率へそのまま換算しません。

AIエージェントの種類のまとめ：今日からの3つの行動

種類は、働き方、エージェントの数、任せる度合いを組み合わせて選びます。自社の1つの仕事から試し、実物と使用量を測りましょう。

まず、WEBMARKSの役割カードのように任せたい仕事を書きます。五つの質問に答え、必要な道具と資料を決めます。本文担当には、記事の材料と保存する本文を指定します。

次に、1体と承認型を組み合わせて小さく試します。Anthropicの手順型と、LLMが選ぶ工程を分けます。外へ作用する操作では、実行を誰が決めるかも書きます。

最後に、成果物と費用を測って、分担を増やすか判断します。Anthropicの研究の倍率は、費用も測る参考になります。人数や製品の種類ではなく、自社の実物から次の構成を選びます。