AIエージェント自動化のレベル

自動運転には、L1からL5という便利な共通言語があります。L1は運転支援、L2は部分的な自動化、L3はより複雑な状況への対応が始まる段階、L4は定められた領域で自律的に動く段階です。そしてL5は完全自動運転というFSDの構想そのものです。人間が運転せずに、システムが出発地から目的地まで走れます。

AIエージェントの自動化にも、同じような共通言語が必要です。今では誰もが「エージェント」と言いますが、指しているものは大きく異なります。自動補完を指す人もいれば、コーディング支援を指す人もいます。ファイルを読み、コマンドを実行し、システムを更新し、過去の作業を覚え、業務の流れを最後まで進められるものを指す人もいます。

この枠組みの価値は単純です。チームが実際にどこにいるか分かります。現在のレベルが分かれば、次に足りないものも見えてきます。より良いAIハーネス、より強いAIメモリ、より明確なAIワークフロー、より安全な権限管理、あるいはより高性能なAIエージェントです。

L1：AIが支援し、人間が運転する

L1では、AIは補助役です。限られた文脈を見て、次に何が必要かを予測し、作業を速めます。タスクを進め、目標を選び、出力を確認し、結果に責任を持つのは引き続き人間です。

分かりやすい例がCursor IDEのTab機能です。ファイルとカーソルの位置を基に、次の編集やコードの行を予測します。コードを書く手間を減らすので非常に強力に感じられますが、どのモジュールを変更するかを決めたり、テスト一式を実行したり、プルリクエストを作成したり、何かを公開したりはしません。ハンドルは完全に人間の手にあります。

チャット形式の生成AIも、よくあるL1の例です。「新しいAIワークフローツールの映画のような製品画像を生成して」と指示し、結果を確認し、指示を調整して、最終的な画像を選びます。モデルは役に立つ画像や文章、アイデアを作れますが、目的を決め、品質を判断し、試行錯誤し、何を使うか決めるのは人間です。

L1の典型的な用途は次のとおりです。

• コードを一行補完する
• 返信の下書きを作る
• 指示文から画像を生成する
• 文書を要約する
• タイトルを提案する
• 短いコード片を説明する

L1は便利ですが、過大評価しがちです。人間の作業を速めても、ワークフローそのものは自動化しません。

L2：タスク単位の自動化と人間による監督

L2では、AIは範囲を限定したタスクの中で動き始めます。ファイル、関数、小さなバグ、テスト、対象を絞った依頼を手伝えます。それでも、タスクを定義し、結果を確認し、採用するか決めるのは人間です。

GitHub Copilotはこの段階によく当てはまります。一行の補完を超えて、編集を提案し、エラーを説明し、テストの案を出し、IDE内のより多くの文脈を使えます。ただし、ほとんどの場合、開発者が引き続き細かく監督します。何を頼み、何を採用・却下し、いつコードが完成したとするかは人間が決めます。

この段階から、AIハーネスの基本要素が重要になります。システムには文脈、ツールへのアクセス、権限の境界、ログ、レビューの場、そして人間が出力を確認する手段が必要です。

例えば、コンテンツ公開の作業は次のように分けられます。

• Markdownの下書きを作る
• PNGのメイン画像を作る
• 画像をCMSのメディアライブラリにアップロードする
• Markdownの変換を公開せずに試す
• 記事を公開する
• 公開ページを開き、タイトル、本文、画像の表示を確認する

L2では、AIはこれらの手順の一部を手伝えますが、全体の進行は人間が監督します。

L3：ワークフロー単位の自動化と、不確実な場面での人間への引き継ぎ

L3では、AIは質問に答えたり小さなタスクを終えたりするだけではありません。複数の手順からなるワークフローを理解し、いくつもの操作を行い、失敗を確認して次の手順を調整できます。

Claude Codeはこのレベルの良い例です。開発上の目標を与えると、リポジトリを調べ、複数のファイルを編集し、型チェックやテストを実行し、エラーを読み、問題を修正し、変更内容を報告できます。単に文章を生成するのではなく、ワークフローを進めています。

AIワークフローが中心になるのもこの段階です。役に立つエージェントには、計画、編集、検証、復旧、要約という作業の道筋が必要です。試行が失敗したら、フロントマターを修正するべきです。画像のURLが壊れたら、メディアの記録を調べるべきです。公開ページに内容が表示されないなら、slug、locale、CMSの状態、リッチテキストの内容を確認するべきです。

L3は高い価値を生む自動化でよく見られます。強力でありながら、現実的だからです。

• ソフトウェア開発：コードの編集、テストの実行、lintの修正、PRの準備
• コンテンツ運用：概要からCMSの記事を作り、公開ページを確認する
• 営業業務：見込み客の情報を補い、CRMの項目を更新し、フォローアップのタスクを作る
• データ分析：データを取得し、レポートを作り、異常を説明する
• カスタマーサポート：問い合わせを分類し、返信案を作り、例外的な案件を担当者に引き継ぐ

重要なのは、モデルの会話が上手になることではありません。真の不確実性や権限の境界にぶつかるまでエージェントが進み続けられるほど、ワークフローが整っていることです。

L4：明確な境界内で業務領域を自動化する

L4では、エージェントは定められた業務領域で長期間動けます。目標を知り、ツールを使え、権限を理解し、履歴を覚え、実際の業務システムに結果を書き戻せます。

OpenClawとHermesは、このレベルを示す存在です。単発の作業を終えるだけでも、一回のコーディング作業だけでもありません。ツール、メモリ、ワークフロー、権限、フィードバックの循環を備えた継続的な実行を念頭に設計されています。価値は、エージェントが一度だけ見事な仕事をすることではなく、業務領域の中で繰り返し、安定して動けることです。

ここでAIメモリが欠かせなくなります。メモリがなければ、エージェントは毎回ゼロから始めます。メモリがあれば、以前の判断、好みの文体、製品のルール、顧客ごとの事情、公開時の制約、過去の作業から得た傾向を覚えておけます。

L4は、システムが何でもできるという意味ではありません。定められた範囲の中で、高い自律性を持って働けるという意味です。その範囲を外れたら、停止するか、自律性を下げるか、人間に引き継ぐべきです。

L4の例として、次のようなものが考えられます。

• 製品の更新を継続的にブログ記事、メール、SNS投稿、ランディングページに変えるマーケティングエージェント
• 証拠を集め、異常を確認し、月末の報告書を準備する財務エージェント
• 入社手続き、権限、研修、進捗報告を調整する人事エージェント
• 規則の変更を追跡し、監査資料を準備するコンプライアンス担当エージェント
• 指標を監視し、変化を調べ、タスクをチームに割り振るデータ運用エージェント

難しいのはモデルの知能だけではありません。AIハーネス、AIメモリ、AIワークフロー、権限、監査記録、ロールバックの手段、人間への引き継ぎを、一つの安定した運用システムにまとめることです。

L5：完全な自律性、まだ到達していないFSDのレベル

L5は、AIエージェント自動化で最も乱用される言葉の一つです。モデルが賢そうに話すという意味ではありません。エージェントが多くのツールを呼び出せるという意味でもありません。変化し続ける開かれた環境で動き、最終結果に責任を持てるという意味です。

運転のたとえで言えば、L5は「慣れた道で動いた」ということではありません。道路の変化や珍しい状況に対応し、人間が運転せずに最初から最後まで走り切る、真のFSDという構想です。

私たちはまだそこに達していません。現在最も強力なエージェントシステムでさえ、強力なL3か、特定分野のL4に近いものです。道筋、権限、ツール、成功基準が定まっていれば、非常にうまく働けます。しかし、あらゆるシステム、業界、例外的な状況で、すべての結果を安全に引き受ける万能の業務運転手にはまだなっていません。

L5に近づくには、システムに次のものが必要です。

• ツール、権限、可観測性、監査、ロールバックを扱うAIハーネス
• 長期的な文脈、好み、判断、業務知識を保持するAIメモリ
• プロセスの状態、検証基準、例外処理を扱うAIワークフロー
• 計画、実行、検証、復旧を行い、時間とともに改善できるAIエージェント

当面の現実的な道筋は、L2とL3から始め、業務領域が十分に明確なところでL4へ広げることです。L5は目指す方向であって、現在の現実ではありません。

この枠組みが重要な理由

AIエージェント自動化はあらゆる業界に広がりますが、すべてのチームが同じ速さで成熟するわけではありません。開発、マーケティング、カスタマーサポート、財務、法務、医療業務、教育、製造、サプライチェーンのどの分野でも、L1からL5を共通の地図として使えます。

チームがL1なら、支援ツールの使い心地を優れたものにするべきです。L2なら、しっかりしたAIハーネスを作るべきです。L3に進むなら、ワークフローの調整とエラーからの復旧を重視するべきです。L4を目指すなら、AIメモリ、権限、監査可能性、安定したシステム連携が必要です。

最も良い問いは「AIエージェントを使うべきか」ではありません。より良い問いは次のとおりです。

今どこにいるのか。次はどのレベルなのか。繰り返しが多く、価値があり、結果を検証できるワークフローのうち、最初に自動化すべきものは何か。自分たちの業界で、すでに道筋、ルール、フィードバックの循環が明確な部分はどこか。

AIハーネス、AIメモリ、AIワークフロー、AIエージェントが連携すると、AIによる自動化はデモではなく、基盤になり始めます。L1からL5はスローガンではありません。道筋を示す地図です。