FLAGSHIP WHITE PAPER / 2026

AIエージェント実行基盤白書2026 日本企業版

SaaS・RPA・Copilotとの違い、企業ROI、クラウド・OSSの選び方、セキュリティ、90日PoCまでを48ページで整理する旗艦白書です。

PAGES4816:9スライド
HTML登録なしで全文閲覧文字・表・出典を選択可能
PDF社内回覧・会議用フォーム送信後に取得

本文は登録なしで全ページ閲覧できます。 PDF版のみ、会社名・氏名・メールアドレスの3項目を入力後にダウンロードできます。数値は根拠ラベルと前提条件を確認してご利用ください。

Agent Harness内を探す

INTERACTIVE DOCUMENT

全48ページを閲覧

矢印キーで移動/全ページ表示/PDF・印刷

BLUEAI AI LIBRARY / AGENT HARNESS

AIエージェント実行基盤白書2026 日本企業版

1/ 48

HOW TO READ / EVIDENCE

製品カタログではなく、企業の導入判断を支える

市場全体を横断し、事実・試算・仮説・実績を混ぜずに提示する。

エグゼクティブサマリー

本資料の情報ラベル

読者が主張の根拠と検証状態を一目で区別できる4分類。

要点

一次情報

definition公式文書・公的資料から確認

BlueAI試算

definition前提と式を公開した検討用モデル

未検証仮説

definitionPoCで合否を判定する仮説

実績

definition対象範囲と測定条件を確認済み
rule一つの数値に複数ラベルを重ねず、最も強い根拠の範囲だけを表示する。
BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [03] 02 / 48 · v1.0

EXECUTIVE SUMMARY / 5 CONCLUSIONS

Agent Harnessは、SaaSを横断する実行層である

SaaSをなくすのではなく、複数システムを操作する主体を部分的にAIへ移す。

エグゼクティブサマリー

経営者が押さえる5つの結論

左から右へ、基盤の位置づけ、仕事の変化、ROI、統制、始め方を読む。

要点

SaaSは消えない

CRM・会計・勤怠は正本を保持する。

number01

操作主体が変わる

人の横断操作をAIが部分的に担う。

number02

複数工程でROI

調査・転記・作成・更新を束ねる。

number03

統制が必須

権限・承認・ログ・評価・停止を設計する。

number04

90日で判断

小さなPoCで継続・修正・撤退を決める。

number05
BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [01][02] 03 / 48 · v1.0

FIT MAP / FIRST DECISION

業務量が多く、工程が複雑な業務から検討する

Agent Harnessの優先候補は、高頻度かつ複数システムを横断する業務である。

エグゼクティブサマリー

Agent Harnessの適用優先度

縦軸を月間業務量、横軸を工程・システム横断の複雑性とする4象限。

適用領域

優先検討

1業務のPoCへ

定型自動化

SaaS・RPA・固定連携

部分導入

高付加価値工程だけ検証

後回し

標準化・デジタル化を先行

axes
x

業務の複雑性

min単一工程・固定ルール
max複数工程・例外・システム横断
y

業務量

min低頻度
max高頻度

取り消せない重大処理は、象限に関係なく人間承認を置く。

BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [01][02] 04 / 48 · v1.0

READING PATH / BY ROLE

役割ごとに、必要な判断だけを最短で読む

48ページを順番に読むのではなく、意思決定責任に合わせて読む章を変える。

エグゼクティブサマリー

読者別ショートカット

役割から章番号へ矢印を伸ばし、読み飛ばしても意思決定できる導線を示す。

読み方

経営者

投資・リスク・開始判断

chapters

  • 第1章
  • 第2章
  • 第5章
  • 第8章
  • 第10章

DX・情シス

基盤・統制・運用設計

chapters

  • 第3章
  • 第4章
  • 第6章
  • 第7章
  • 第9章

事業部門

対象業務・KPI・承認

chapters

  • 第4章
  • 第5章
  • 第8章

技術担当

構成・実装・評価

chapters

  • 第3章
  • 第6章
  • 第7章
  • 第9章

部署横断のPoCでは、各ルートから1名ずつ責任者を置く。

BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [01] 05 / 48 · v1.0

CHAPTER 01

AIは「答える」から「実行する」へ

価値の中心は回答生成から、複数システムを使って成果を完了することへ移る。

BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [01] 06 / 48 · v1.0

EVOLUTION / RECORD → ASSIST → EXECUTE

企業ソフトウェアは「記録」「支援」「実行」へ進化している

違いはAIの有無ではなく、誰が業務手順を進め、どこで人が責任を持つかにある。

第1章|なぜ今、Agent Harnessなのか

記録から実行・完了まで

3つの縦カードを矢印でつなぎ、役割、入力、出力、人間の責任を比較する。

ロードマップ

STEP 01

SaaS

step01
purpose記録・管理
inputフォーム・操作
outputレコード・帳票
human Role全工程を操作
STEP 02

Copilot

step02
purpose作成・分析支援
input人の指示
output下書き・候補
human Role手順と判断を担当
STEP 03

Agent Harness

step03
purpose実行・完了
input目的・制約
output成果物・システム差分
human Role例外・承認・最終責任

SaaSを置き換えるのではなく、SaaSを操作する主体が部分的にAIへ移る。

BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [02] 07 / 48 · v1.0

AS-IS / HUMAN HANDOFFS

SaaSを導入しても、人間の横断作業は残っている

業務データがデジタル化されても、検索・転記・確認・更新のつなぎ目は人が担っている。

第1章|なぜ今、Agent Harnessなのか

提案業務に残る人間の横断作業

工程ごとに利用systemを切り替える流れと、その間の手作業を警告マーカーで示す。

業務ステップ

STEP 01

メール

order1
actionメールを読む
friction After内容を手元へ転記
STEP 02

CRM

order2
action案件情報を確認
friction After検索条件を再入力
STEP 03

ブラウザ

order3
action会社情報を調査
friction After根拠URLを手作業保存
STEP 04

Excel

order4
action一覧へ転記
friction After項目形式を調整
STEP 05

PowerPoint

order5
action提案を作成
friction After上司へ確認依頼
STEP 06

CRM・カレンダー

order6
action結果を更新
friction After入力漏れを後日確認

problems

  • コピー&ペースト
  • 確認待ち
  • 入力漏れ
  • 属人化
  • 往復操作
  • 根拠の分断
BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [02] 08 / 48 · v1.0

THE EXECUTION GAP

LLMだけでは企業業務を完了できない

生成・要約・推論を、権限ある実行、状態管理、承認、監査へ接続する必要がある。

第1章|なぜ今、Agent Harnessなのか

モデル能力と企業実行の間にある空白

左のLLM能力から右の業務完了へ渡る橋としてHarnessの機能を配置する。

left

LLM

capabilities

  • 文章生成
  • 要約
  • 分類
  • 推論
bridge

Agent Harness

capabilities

  • 社内データ
  • ツール
  • システム権限
  • 状態管理
  • 承認
  • 監査ログ
  • 再試行
  • 停止
  • 評価
right

企業業務の完了

outputs

  • 成果物
  • 更新差分
  • 承認記録
  • 根拠
  • 次の処理
BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [01] 09 / 48 · v1.0

DEFINITION / RESPONSIBILITY BOUNDARY

Agent Harnessは、AIモデルを企業業務で安全に動かす実行基盤である

計画、ツール、メモリ、権限、承認、実行、監視、評価、再試行を一つの責任境界として扱う。

第1章|なぜ今、Agent Harnessなのか

モデルと業務システムの間に置く実行・統制層

上にAIモデル、中央にHarness、下に業務システムを置く3層構成。

layers

AIモデル

responsibilities

  • 生成
  • 推論
  • ツール選択候補

Agent Harness

responsibilities

  • 計画
  • ツール
  • メモリ
  • 権限
  • 承認
  • ログ
  • 実行環境
  • 評価
  • 再試行
  • 停止
  • セッション

企業の正本・業務ツール

responsibilities

  • CRM
  • 会計
  • 社内DB
  • メール
  • EC
  • ファイル

Harnessが権限、状態、証跡、停止を強制し、モデル単体へ管理者権限を渡さない。

BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [01] 10 / 48 · v1.0

12 ELEMENTS / OPERATING SYSTEM

Agent Harnessは12の機能を一体で設計する

モデルとツールだけではなく、状態、権限、評価、停止まで揃って初めて企業運用になる。

第2章|Agent Harnessの構造

Agent Harnessを構成する12要素

3列×4行で、推論、実行、統制、運用の依存関係を示す。

groups

推論をつくる

要点

モデル

用途別のmodel routeとfallback

number
1

システムプロンプト

目的・制約・tool schemaの組立て

number
2

ワークフロー

計画・分岐・終了条件

number
3

実行を続ける

要点

ツール

許可されたAPI・system操作

number
4

セッション

一件の依頼と履歴の単位

number
5

メモリ

必要範囲に限定した継続context

number
6

サブエージェント

必要な工程だけ役割分担

number
7

実行環境

隔離・資源上限・network制御

number
8

安全に止める

要点

権限・承認

最小権限とHuman-in-the-loop

number
9

ログ・トレース

入力・判断・tool・結果の証跡

number
10

評価

代表・境界・攻撃ケースの合否

number
11

停止・復旧

中断・手作業回帰・再実行

number
12
rule12要素のうち一つでも未定なら、その機能を担う責任者と代替手段を明記する。
BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [01][05] 11 / 48 · v1.0

REFERENCE ARCHITECTURE / 4 LAYERS

業務、実行、正本、クラウドを4層に分ける

製品を選ぶ前に、ユーザー体験、Agent Harness、業務システム、基盤統制の責任を分離する。

第2章|Agent Harnessの構造

日本企業向けAgent Harness標準アーキテクチャ

上から入力、実行、正本、基盤へ流れる4層。右端に横断controlを置く。

layers

業務画面・チャット・API

目的、入力、利用者、成果物、例外受付

order1
owner事業・業務部門

Agent Harness

計画、session、tool、承認、評価、停止

order2
ownerAI product owner

SaaS・社内システム・データ

CRM・会計・人事・EC等の正本と業務API

order3
ownersystem owner

クラウド・network・ID・監視

実行環境、認証、秘密、通信、証跡、復旧

order4
owner情シス・platform team

cross Cutting Controls

  • データ分類
  • 最小権限
  • Human-in-the-loop
  • trace ID
  • 費用上限
  • kill switch
boundary Rule書き込み・対外送信・削除は、層をまたいでも同じ処理IDで追跡する。
BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [01][03] 12 / 48 · v1.0

EXECUTION FLOW / REQUEST TO EVIDENCE

業務完了までを9つの判定可能な段階に分ける

Agentの動きをブラックボックスにせず、各段階で入力、許可、結果、停止理由を記録する。

第2章|Agent Harnessの構造

1回の業務が完了するまで

9工程を横方向のsequenceとして描き、承認と再実行を分岐表示する。

業務ステップ

STEP 01

目的を受け取る

number1
artifact依頼・期限・禁止処理
STEP 02

必要情報を確認

number2
artifact不足・権限・正本
STEP 03

計画を立てる

number3
artifacttool・順序・終了条件
STEP 04

ツールを実行

number4
artifact入力・資格情報・処理ID
STEP 05

結果を照合

number5
artifact期待値・差分・エラー
STEP 06

必要なら再実行

number6
artifact理由・回数・費用上限
STEP 07

人へ承認依頼

number7
artifact根拠・変更内容・影響
STEP 08

最終処理

number8
artifact送信・更新・保存
STEP 09

証跡を保存

number9
artifact結果・承認・評価・費用

loops

from5
to3
from5
tohuman

stop Conditions

  • 権限不足
  • 入力不整合
  • 再試行上限
  • 費用上限
  • 重大リスク
BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [01][05] 13 / 48 · v1.0

SINGLE VS MULTI / COMPLEXITY CONTROL

最初からマルチエージェントにしない

一つのAgentで責任境界を検証し、独立KPIや並列性が必要な工程だけを後から分離する。

第2章|Agent Harnessの構造

シングルAgentとマルチAgentの使い分け

左右の構成図と下段の段階的な分離条件で比較する。

left

シングルAgent

diagram

  • 依頼
  • Agent
  • Tool A・B・C
  • 人の承認

強み

  • 構成が単純
  • 低い初期費用
  • 責任を追跡しやすい
suitable For1業務・限定PoC・低並列
right

マルチAgent

diagram

  • 受付Agent
  • 調査Agent
  • 分析Agent
  • 作成Agent
  • QA Agent
  • 人の承認

強み

  • 役割を分離
  • 独立評価
  • 一部を並列化

additional Costs

  • handoff設計
  • state整合
  • 権限分離
  • 複合評価
  • 復旧経路
suitable For役割別KPI・高い並列性・異なるtool境界

split Criteria

  • 独立したownerが必要
  • 異なる権限が必要
  • 個別に評価・停止したい
  • 並列化の便益が運用増を上回る
BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [01][05] 14 / 48 · v1.0

OSS EXAMPLE / DEEPSEEK HARNESS

DeepSeek Harnessは、有力なOSS実装例の一つとして扱う

高い構成自由度を持つ一方、Developer Previewを前提にversion固定・検証・企業統制を追加する。

第2章|Agent Harnessの構造

OSS本体と企業運用層を分ける

中央にDeepSeek Harnessの公式構成要素、周囲に企業利用で追加・統合する責任を置く。

強み

  • OSS
  • pluginによる差し替え
  • profile・bundleによる構成
  • subagent interface
  • headless実行の選択肢

留意点

  • Developer Preview
  • breaking changeへの追随
  • version固定と回帰試験
  • 運用・統制の所有責任
core

DeepSeek Harness

official Capabilities

  • plugin architecture
  • model adapter
  • tool registry
  • session log
  • agent loop
  • subagent provider
  • sandbox / approval policy
  • web / headless profiles
BLUEAI AI LIBRARY / AGENT HARNESS 一次情報 出典 [04][05][06] 15 / 48 · v1.0

COMPARISON / RESPONSIBILITY MODEL

SaaS・RPA・Copilot・Agent Harnessは、主体と責任で比べる

機能数ではなく、誰が手順を進め、何を判断し、どこまで実行し、誰が責任を持つかで選ぶ。

第3章|既存システムとの違い

4方式の責任比較

列を方式、行を主体・業務・判断・横断・状態・例外・リスクとして比較する。

4方式の責任比較

列を方式、行を主体・業務・判断・横断・状態・例外・リスクとして比較する。

比較項目比較項目SaaSRPACopilotAgent Harness
主な主体ルール人+AIAI+人の承認
適する業務標準・定型固定手順単一作業支援複数工程・例外あり
判断条件分岐AI+ルール+人
システム横断限定的可能限定的中心機能
状態保持SaaS内scenario内会話・文書内session・workflow単位
例外対応弱いAIで判定し人へ移管
主なリスク利用定着画面・仕様変更誤回答誤操作・権限・連鎖失敗

Agent Harnessは上位互換ではない。複数工程を安全に横断する必要がある場合だけ採用する。

BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [02] 16 / 48 · v1.0

CHAPTER 03 / EXISTING SYSTEMS

Agent Harnessは、SaaSの上で働く

SaaSを置き換えるのではなく、複数の正本を横断して業務を進める実行層を加える。

第3章 既存システムとの違い

正本システム

CRM

role顧客・商談データの正本

examples

  • Salesforce
  • HubSpot
  • kintone

会計

role仕訳・請求・支払データの正本

examples

  • freee
  • マネーフォワード

勤怠

role勤務・休暇データの正本

examples

  • 勤怠SaaS
  • 人事労務SaaS

EC

role商品・在庫・注文データの正本

examples

  • Shopify
  • 自社EC
execution Layer

Agent Harness

role複数の正本を読み、判断・下書き・更新をつないで業務を完了する

responsibilities

  • 認証と権限
  • 手順の実行
  • 人間承認
  • ログと根拠保存

正本を残したまま、その上に安全な実行層を置く。

BLUEAI AI LIBRARY / AGENT HARNESS 未検証仮説 出典 [01] 17 / 48 · v1.0

RPA VS AGENT HARNESS

定型工程はRPA、曖昧な判断はAI、最終権限は人間へ

RPAとAgent Harnessは競合ではない。決められた操作と、意味を解釈する処理を分担する。

第3章 既存システムとの違い

選択肢

RPA

決めた通りに、正確に繰り返す

強み

  • 固定画面・固定手順
  • 明確な条件分岐
  • 再現性の高い定型処理

risks

  • 画面変更に弱い
  • 想定外の例外を処理しにくい
best For入力・転記・定刻実行など、手順が固定された工程

Agent Harness

意味を解釈し、状況に応じて手順を選ぶ

強み

  • 非構造データの理解
  • 複数ツールの選択
  • 例外の切り分け

risks

  • 誤判断の可能性
  • 評価・承認・停止設計が必要
best For調査・分類・文書作成など、曖昧さを含む工程

役割分担

RPA

定型工程を実行

Agent Harness

曖昧な情報を解釈し、次の処理を選択

人間

重要判断・例外・不可逆操作を承認

1つの技術ですべてを解かず、工程ごとに最適な主体を置く。

BLUEAI AI LIBRARY / AGENT HARNESS 未検証仮説 出典 [02] 18 / 48 · v1.0

COPILOT VS AGENT HARNESS

Copilotは作業を支援し、Agent Harnessは業務の完了を支援する

違いは回答品質よりも、指示の後にどこまで工程を進めるかにある。

第3章 既存システムとの違い

examples

Copilot

下書き

instruction「提案書の下書きを作って」

業務ステップ

  • 会話内の情報を整理
  • 文章・構成を生成

人が行うこと

  • 社内情報を集める
  • CRMへ入力する
  • 保存・共有する
  • 次回予定を登録する

Agent Harness

承認可能な業務成果

instruction「この会社向けの提案準備を完了して」

業務ステップ

  • 公式情報を調査
  • CRMと統合
  • 提案書を生成
  • 承認を依頼
  • 承認後に保存
  • CRMと次回予定を更新

人が行うこと

  • 重要箇所の確認
  • 外部送信・確定操作の承認

生成する対象が「文章」から「業務成果」へ広がる。

BLUEAI AI LIBRARY / AGENT HARNESS 未検証仮説 出典 [02] 19 / 48 · v1.0

WORK DESIGN

減るのは操作。残るのは目的・判断・責任

人をなくす設計ではなく、人が価値を出す工程へ時間を戻す。

第3章 既存システムとの違い

AIへ移管しやすい操作

AIへ移管しやすい操作

要点

  • 情報検索
  • データ転記
  • 資料の初稿
  • 定型確認
  • タスク登録
  • 進捗集計
人が保持する役割

人が保持する役割

要点

  • 目的設定
  • 優先順位
  • 重要判断
  • 顧客との対話
  • 例外対応
  • 最終責任

AI化の対象は職種ではなく、職種の中にある工程。

BLUEAI AI LIBRARY / AGENT HARNESS 未検証仮説 出典 [02] 20 / 48 · v1.0

CHAPTER 04

企業の費用対効果は、どこから生まれるか

工数削減だけでなく、処理量・粗利・外注費・手戻り・速度まで同じ物差しで評価する。

BLUEAI AI LIBRARY / AGENT HARNESS 未検証仮説 出典 [01] 21 / 48 · v1.0

ROI FIT / POSITIVE SIGNALS

ROIが出やすいのは、量が多く、横断が多く、測れる業務

複数条件が重なるほど、単発の生成AI利用よりAgent Harnessの価値が出やすい。

第4章 企業でのインパクト

判断基準

処理量

毎月の処理件数が多い

reason固定的な構築・運用費を多数の処理へ配分できる

横断性

複数システムをまたぐ

reason検索・転記・画面往復の削減余地が大きい

知的作業

調査や文書作成が多い

reason非構造データ理解と生成を同じ流れで使える

デジタル化

入出力がデジタル化されている

reasonツール接続と効果測定を行いやすい

計測性

処理時間・件数・品質を測定できる

reason導入前後の差を定量評価できる

承認境界

最終承認だけ人が行える

reason安全性を保ちながら長い工程を自動化できる

損失

ミスや遅延のコストが高い

reason手戻り・機会損失の削減も効果に含められる

ROIはモデルの賢さより、選んだ業務の構造で決まりやすい。

BLUEAI AI LIBRARY / AGENT HARNESS 未検証仮説 出典 [01] 22 / 48 · v1.0

ROI FIT / WARNING SIGNALS

自動化できても、投資すべきとは限らない

発生頻度、データ、可逆性、計測性のいずれかが欠ける場合は、SaaS・RPA・業務整理を先に検討する。

第4章 企業でのインパクト

判断基準

低頻度

月に数件しか発生しない

response既存SaaS、手順書、テンプレートで対応

物理中心

現場の物理作業が中心

response画像・音声入力など、デジタル化できる一工程に限定

データ不足

参照データや正解例が存在しない

response記録・分類・データ整備を先に行う

基準不明

判断基準を説明できない

response現場ヒアリングで判断ルールと例外を可視化

不可逆

誤処理の取り消しができない

response自動実行せず、読む・下書きまでに止める

計測不能

導入前後を測定できない

responsePoC前に工数・件数・品質のベースラインを取る

「作れるか」ではなく「安全に回収できるか」で判断する。

BLUEAI AI LIBRARY / AGENT HARNESS 未検証仮説 出典 [01] 23 / 48 · v1.0

USE CASE MAP / DEPARTMENTS

Agent化の候補は、すべての部門にある

職種を置き換えるのではなく、各部門の「調査・判断・作成・更新」をつなぐ。

第4章 企業でのインパクト

部門別候補

経営

tasks

  • 会議準備
  • 情報収集
  • 意思決定資料
first Kpi会議準備時間

営業

tasks

  • 企業調査
  • 提案
  • CRM更新
  • 日程調整
first Kpi1社あたり準備時間

マーケ

tasks

  • 市場調査
  • 企画
  • コンテンツ
  • 分析
first Kpi企画から公開までの日数

CS

tasks

  • 問い合わせ調査
  • 回答案
  • 変更処理
first Kpi一次応答時間

人事

tasks

  • 求人
  • 候補者整理
  • 面接
  • 入社準備
first Kpi候補者1人あたり事務時間

経理

tasks

  • 請求
  • 照合
  • 督促
  • 月次集計
first Kpi月次締め所要日数

開発

tasks

  • 調査
  • 実装
  • テスト
  • レビュー
first Kpi変更1件のリードタイム

情シス

tasks

  • 問い合わせ
  • アカウント
  • 運用
  • 監視
first Kpi定型依頼の完了時間

横展開は、最初の1業務で評価と承認の型を確立してから。

BLUEAI AI LIBRARY / AGENT HARNESS 未検証仮説 出典 [01] 24 / 48 · v1.0

USE CASE / SALES

営業準備を、調査から次回タスク登録までつなぐ

担当者は顧客理解と提案判断に集中し、検索・転記・初稿・登録を実行基盤へ移す。

第4章 企業でのインパクト

kpis

  • 1社あたり調査時間
  • 提案作成時間
  • 商談化率
  • 受注率
  • 営業1人あたり対応企業数

業務ステップ

STEP 01

order1
action企業候補を登録
output対象企業・目的
STEP 02

Agent

order2
action公式サイトを調査
output根拠URLつき調査メモ
STEP 03

Agent+ルール

order3
action見込み度を判定
outputスコアと理由
STEP 04

Agent

order4
action提案仮説を作成
output課題・打ち手の仮説
STEP 05

Agent

order5
action提案資料を生成
output提案初稿
STEP 06

order6
action内容を確認・承認
output承認済み提案
STEP 07

Agent

order7
actionCRMを更新
output商談・活動履歴
STEP 08

Agent

order8
action次回タスクを登録
output担当・期限・予定
approval Boundary提案内容の確定と外部送信は営業担当者が承認する。

営業データの正本はCRMに残し、準備工程を横断実行する。

BLUEAI AI LIBRARY / AGENT HARNESS 未検証仮説 出典 [01] 25 / 48 · v1.0

USE CASE / BACK OFFICE

請求処理は、確認・照合・承認の境界を先に設計する

自動支払を急がず、証憑確認から会計下書きまでをつなぎ、確定操作を人へ戻す。

第4章 企業でのインパクト

kpis

  • 1件あたり処理時間
  • 差異検知率
  • 人間修正率
  • 月次締め所要日数
  • 重複・誤支払件数

業務ステップ

STEP 01

Agent

order1
action請求書を受領・確認
output項目抽出・形式確認
STEP 02

Agent+ルール

order2
action契約・発注情報と照合
output一致・差異・根拠
STEP 03

Agent下書き+人承認

order3
action不足情報を確認依頼
output送信済み確認依頼
STEP 04

Agent

order4
action会計システムへ下書き
output未確定の仕訳・請求データ
STEP 05

経理担当

order5
action内容を承認
output確定可能な処理
STEP 06

Agent

order6
action支払予定を登録
output支払予定・監査ログ
approval Boundary仕訳確定・支払確定・口座変更は権限を持つ担当者が承認する。

読み取りと下書きはAI、支払と確定は人間。

BLUEAI AI LIBRARY / AGENT HARNESS 未検証仮説 出典 [01] 26 / 48 · v1.0

USE CASE / IT & DEVELOPMENT

コード生成から、変更を安全に完了する工程へ

実装だけでなく、要件・調査・テスト・レビュー・文書更新までを同じ証跡でつなぐ。

第4章 企業でのインパクト

kpis

  • 変更1件のリードタイム
  • レビュー指摘率
  • 再実行率
  • テスト通過率
  • 本番障害件数

業務ステップ

STEP 01

人+Agent

order1
action要件と制約を確認
output受入条件・対象外
STEP 02

Agent

order2
actionリポジトリを調査
output影響範囲・根拠ファイル
STEP 03

Agent

order3
action設計案を作成
output変更案・リスク
STEP 04

Agent

order4
action実装・テスト
output差分・テスト結果
STEP 05

人+自動QA

order5
actionコードレビュー
output承認・修正指示
STEP 06

Agent

order6
action修正・再テスト
output検証済み差分
STEP 07

Agent

order7
action文書を更新
output仕様・運用手順・変更履歴
approval Boundaryマージ、本番反映、秘密情報へのアクセス、破壊的操作は担当者が承認する。

速さだけでなく、変更根拠と再現可能な検証を成果物に含める。

BLUEAI AI LIBRARY / AGENT HARNESS 未検証仮説 出典 [01] 27 / 48 · v1.0

USE CASE / WEB & AD AGENCY

営業前から納品後まで、制作知識を循環させる

営業資料を作るAIではなく、調査・仮制作・本制作・効果測定を引き継ぐAI制作部を設計する。

第4章 企業でのインパクト

kpis

  • 初回提案までの日数
  • 提案準備時間
  • 営業から制作への再確認件数
  • 修正回数
  • 追加提案率

ロードマップ

STEP 01
phase営業前

tasks

  • 見込み客調査
  • サイト診断
  • 競合調査
  • 改善仮説
  • 仮サイト
STEP 02
phase提案

tasks

  • 提案資料
  • 見積
  • 商談後修正
STEP 03
phase制作

tasks

  • 要件引き継ぎ
  • 本制作
  • レビュー
  • 公開
STEP 04
phase運用

tasks

  • 効果測定
  • レポート
  • 保守
  • 追加提案

reusable Context

  • 営業時の調査
  • 仮サイト
  • 顧客の発言
  • 修正履歴
  • 公開後の効果

営業で得た情報を捨てず、制作と継続提案へ再利用する。

BLUEAI AI LIBRARY / AGENT HARNESS 未検証仮説 出典 [01] 28 / 48 · v1.0

PROCESS REDESIGN / AS-IS TO TO-BE

画面を減らすだけでなく、業務の責任境界を変える

営業準備を例に、人の横断操作をAgentの一連処理へ移し、根拠と承認を残す。

第4章 企業でのインパクト

導入前

AS-IS

total Minutes Per Case90

業務ステップ

STEP 01
actor営業担当
action会社を検索
toolブラウザ
STEP 02
actor営業担当
action情報をコピー
toolExcel
STEP 03
actor営業担当
action提案書を手作業で作成
toolPowerPoint
STEP 04
actor営業担当
action確認を依頼
toolメール/チャット
STEP 05
actor営業担当
action商談情報を手入力
toolCRM

issues

  • 1件90分
  • 入力漏れ
  • 担当者ごとの品質差
  • 判断根拠が残らない
導入後

TO-BE

human Minutes Per Case25

業務ステップ

STEP 01

actor営業担当
action対象企業と目的を指定
STEP 02

Agent

actorAgent Harness
action公式情報調査・診断・提案書作成・CRM下書き・根拠保存
STEP 03

actor営業担当
action内容を確認・修正・承認
STEP 04

Agent

actorAgent Harness
actionCRM・資料・次回予定を更新

変動要因

  • 参照URL保存
  • 外部送信前承認
  • CRM更新ログ
  • 再実行可能
delta
saved Minutes Per Case65
calculation90分 − 25分 = 65分/件

人の操作時間を減らし、根拠・承認・更新を1つの流れにする。

BLUEAI AI LIBRARY / AGENT HARNESS BlueAI試算 出典 [02][07] 29 / 48 · v1.0

ROI / FORMULA

Agent HarnessのROIは、工数削減だけでは測れない

効果と継続費を分け、月間純効果から回収期間を計算する。売上効果と生産性効果は混ぜない。

第5章 ROI・TCO

計算式

月間効果

削減人件費 + 増加粗利 + 外注費削減 + ミス・手戻り削減 + 処理速度向上による効果

rule売上額ではなく粗利額を使い、同じ効果を二重計上しない。

月間純効果

月間効果 − モデル利用料 − クラウド費 − 人間確認工数 − 保守運用費

rule人間確認時間をゼロと置かず、導入後工程として費用化する。

投資回収期間

初期導入費 ÷ 月間純効果か月

rule月間純効果が0以下の場合は「回収不能」と表示する。

n年ROI

(n年間の月間純効果合計 − 初期導入費)÷ 初期導入費 × 100%

rule継続費の変動がある場合は年ごとに再計算する。

入力項目

group生産性

inputs

  • 削減時間
  • 人件費単価
  • 利用率
  • 処理件数
group売上・粗利

inputs

  • 増加件数
  • 受注率差
  • 1件あたり粗利
group継続費

inputs

  • モデル
  • クラウド
  • 保守
  • 人間確認
  • 外部サービス

分母は初期費用、分子は継続費控除後の純効果。

BLUEAI AI LIBRARY / AGENT HARNESS 未検証仮説 出典 [07] 30 / 48 · v1.0

ROI MODEL / SMALL COMPANY

小規模企業の試算:営業準備100件なら約5.9か月で回収

営業調査・提案作成の人間作業を1件90分から25分へ短縮する仮定で試算する。

第5章 ROI・TCO

主要指標

月間削減時間

108.3時間

月間純効果

33.8万円

回収期間

5.9か月

計算結果

1件あたり削減

65分/件

90分 − 25分

月間削減時間

約108.3時間/月

100件 × 65分 ÷ 60

月間削減人件費

48.8万円/月

108.333…時間 × 4,500円

月間純効果

33.8万円/月

487,500円 − 150,000円

投資回収期間

約5.9か月

2,000,000円 ÷ 337,500円

1年ROI

約102.5%

(337,500円 × 12 − 2,000,000円)÷ 2,000,000円 × 100

試算に含めない効果

  • 売上・粗利増加
  • 採用回避
  • 外注費削減
  • ミス・手戻り削減

人件費削減だけで算定し、売上効果は含めない保守的なモデル。

BLUEAI AI LIBRARY / AGENT HARNESS BlueAI試算 出典 [07] 31 / 48 · v1.0

ROI MODEL / MID-MARKET

中堅企業の試算:共通基盤を3部門・5業務で再利用する

単一業務の効率化ではなく、ID・連携・監査・評価を共通化し、複数業務へ展開する前提で試算する。

第5章 ROI・TCO

主要指標

月間削減時間

342.0時間

月間純効果

98.9万円

回収期間

12.1か月

計算結果

月間削減時間

342.0時間/月

760時間 × 45%

月間削減人件費

153.9万円/月

342時間 × 4,500円

月間純効果

98.9万円/月

1,539,000円 − 550,000円

投資回収期間

約12.1か月

12,000,000円 ÷ 989,000円

1年ROI

約−1.1%

(989,000円 × 12 − 12,000,000円)÷ 12,000,000円 × 100

3年ROI

約196.7%

(989,000円 × 36 − 12,000,000円)÷ 12,000,000円 × 100

対象業務

営業調査・提案

monthly Hours350

CS一次対応

monthly Hours175

請求照合

monthly Hours100

候補者整理

monthly Hours65

社内ヘルプデスク

monthly Hours70

中堅企業では、個別業務の削減効果に加えて共通基盤の再利用性を別軸で評価する。

BLUEAI AI LIBRARY / AGENT HARNESS BlueAI試算 出典 [07] 32 / 48 · v1.0

ROI / TCO 04

TCOは「作る費用」と「使い続ける費用」を分ける

初期開発費だけで比較すると、モデル・クラウド・監視・再評価・障害対応・変更対応が見えなくなる。

第5章 ROI・TCO

初期費用

業務調査

現状工程・件数・例外・責任者を測ったか

要件定義

入力・完了・拒否・承認・停止を定義したか

ツール連携

API、認証、データ変換、失敗時処理を含むか

Agent設計

loop、session、memory、tool境界を設計したか

評価設計

正常・拒否・例外・攻撃の評価セットを作ったか

セキュリティ設計

ID、最小権限、承認、監査、rollbackを含むか

継続費用

モデル・クラウド

tokenだけでなくcompute、memory、storage、networkを含むか

監視

log、trace、metric、保持、masking、alertを含むか

保守運用

問い合わせ、障害、tool資格情報、on-callを含むか

再評価

モデル、prompt、tool、規程変更後の再試験を含むか

障害対応

停止、手作業復帰、再実行、原因分析の人件費を含むか

仕様変更

SaaS API、クラウド、OSS互換性変更への追随を含むか

total Cost Formula3年TCO = 初期費用 + 36 × 月額継続費 + 予備費(変更・事故・増量)

候補ごとに同じ対象業務・品質gate・利用量で比較し、含まれない費目を0円として扱わない。

BLUEAI AI LIBRARY / AGENT HARNESS BlueAI試算 出典 [07] 33 / 48 · v1.0

ROI / TCO 05

一点予測ではなく、3つのシナリオで回収期間を見る

利用率・削減率・人間確認・売上効果を動かし、どの前提が崩れると投資判断が変わるかを先に確認する。

第5章 ROI・TCO

3つのシナリオ

保守的

安全性確認を優先。売上効果を入れない。

utilization30%
reduction20%
human Review多い
revenue Effect0

標準

shadow運用・限定本番の実測中央値を使う。

utilization60%
reduction45%
human Review標準
revenue Effect一部

積極的

上限仮説。稟議の基準値には単独使用しない。

utilization85%
reduction70%
human Review少ない
revenue Effect大きい

変動要因

利用率

対象者の何%が週次で使うか

削減率

確認・修正・例外対応後に何分減るか

処理件数

季節変動と増量をどう扱うか

単価

モデル・compute・networkの変動をどう扱うか

売上効果

工数効果と分離して因果を追えるか

chart
x Axis月間純効果
y Axis投資回収期間
message保守ケースでも撤退基準内か。積極ケースだけで成立する案件は再設計する。
BLUEAI AI LIBRARY / AGENT HARNESS BlueAI試算 出典 [07] 34 / 48 · v1.0

PLATFORM SELECTION 01

製品を比較する前に、10の前提を決める

最適な基盤は機能数で決まらない。既存環境、データ境界、運用責任を先に固定する。

第6章 クラウド・基盤選定

questions

既存クラウド

no01
promptID・network・monitoringの標準はどこか

利用モデル

no02
prompt単一モデルか、モデルを切り替えるか

データ所在地

no03
prompt保存・処理・越境の制約は何か

ID基盤

no04
prompt利用者とAgentのIDをどう分けるか

ネットワーク

no05
promptpublic、private、on-premをどう接続するか

監視

no06
prompttrace・log・metric・費用をどこへ集約するか

SaaS連携

no07
prompt正本と更新権限はどのsystemにあるか

ロックイン

no08
prompt許容する独自API・ID・memoryは何か

運用能力

no09
promptpatch、評価、障害、24時間対応を誰が持つか

予算

no10
prompt初期費、月額上限、増量時の停止点はいくらか
gate10項目のownerと未決事項が埋まるまで、プラットフォームの総合点を付けない。
update Policy比較基準日:2026年8月18日。正式な見積・設計時に公式仕様、リージョン、価格、契約条件を再確認する。
BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [08] 35 / 48 · v1.0

PLATFORM SELECTION 02 / AWS

AWS:AgentCore harnessをIAM・VPC・監視へ接続する

AWS標準のID・network・observabilityを使い、Harness本体と周辺機能の提供状態・課金を分けて設計する。

第6章 クラウド・基盤選定

標準構成

STEP 01

認証・権限

呼出主体、end user、execution role、下流toolを分離

choiceIAM / AgentCore Identity
STEP 02

実行

設定型loop。独自loopが必要ならRuntime実装またはcode exportを検討

choiceAgentCore harness on Runtime
STEP 03

モデル

model権限、token上限、data policyを別確認

choiceAmazon Bedrock等の対応model
STEP 04

API・MCP

tool Allowlist、credential、Policy、監査を集中管理

choiceAgentCore Gateway / approved remote MCP
STEP 05

データ

session、長期記憶、正本、保持期限を分ける

choiceMemory / S3 / EFS / 業務DB
STEP 06

network

private resourceと必要なAWS endpointだけを許可

choiceVPC mode / endpoint / security group
STEP 07

監視

trace、変更、費用、失敗、rollbackを追跡

choiceCloudWatch / CloudTrail / Evaluations

向いている企業

  • AWS IAM・VPC・CloudWatchが社内標準
  • 標準loopを設定中心で運用したい
  • AgentCore周辺機能を同じ統制境界で使いたい

AgentCore harnessのGAは、接続する全tool・filesystem・model・region・周辺機能のGAを意味しない。機能単位で台帳化する。

BLUEAI AI LIBRARY / AGENT HARNESS 一次情報 出典 [11][12][13][08] 36 / 48 · v1.0

PLATFORM SELECTION 03 / GOOGLE CLOUD

Google Cloud:Agent Runtimeをデータ・評価・権限へ接続する

Gemini Enterprise Agent Platformの構成要素を使い、GAの基盤とPreviewの追加機能を分離する。

第6章 クラウド・基盤選定

標準構成

STEP 01

利用面

利用者ID、共有範囲、入力禁止情報を制御

choiceGoogle Workspace / Web / API
STEP 02

開発

frameworkとmanaged Runtimeの責任を分離

choiceAgent Development Kit等
STEP 03

実行

session、scale、region、quota、deploymentを管理

choiceAgent Runtime
STEP 04

状態・記憶

sessionと長期記憶、TTL、scope、削除を分ける

choiceSessions / Memory Bank
STEP 05

データ

正本、project、service account、data境界を維持

choiceBigQuery / Cloud Storage / approved APIs
STEP 06

network・暗号

regionと機能別の対応制約を確認

choiceIAM / VPC Service Controls / PSC / CMEK
STEP 07

品質・監視

評価dataset、trace、費用、quota、driftを追跡

choiceEvaluation / tracing / Cloud Monitoring

提供状態

Agent Runtime

周辺機能まで一括GAとは扱わない

stateGA基盤

Sessions / Memory Bank

region、CMEK、料金切替等の制約を別確認

stateGA

Code Execution

提供段階・API versionは公式情報を実装前に再確認

stateus-central1のみ

Agent Runtime統合の評価・agent identityアクセス方式

基盤のGA表記と分離

statePreview要素あり

向いている企業

  • BigQuery・Google Workspace・Google Cloud IAMが既存標準
  • data分析とAgentを同じproject統制へ置く
  • Preview依存を台帳化し代替手段を持てる

上位製品名「Gemini Enterprise Agent Platform」を、全構成要素の一括GA表記として使わない。

PLATFORM SELECTION 04 / MICROSOFT AZURE

Microsoft Azure:Harnessの実装とHosted agentsの実行を分ける

Microsoft Agent FrameworkのAgent Harnessと、Microsoft Foundry Agent ServiceのHosted agentsは役割が異なる。

第6章 クラウド・基盤選定

標準構成

STEP 01

利用面

tenant・channel・管理者承認を分ける

choiceMicrosoft 365 / Teams / 業務Web
STEP 02

Agent実装

plan、memory、context、approval、telemetryをapplication側で構成

choiceMicrosoft Agent Framework / Agent Harness
STEP 03

managed hosting

session isolation、identity、container、scaleを管理

choiceMicrosoft Foundry Agent Service Hosted agents
STEP 04

ID・権限

ARM、data plane、downstream accessを最小権限で分離

choiceMicrosoft Entra ID / RBAC / managed identity
STEP 05

データ

Purview、DLP、retention、正本の責任を確認

choiceSharePoint / business systems / storage
STEP 06

network

region、DNS、egress、外部toolを確認

choiceVNet integration / private接続
STEP 07

監視

trace、log、metric、evaluation、data exportを管理

choiceApplication Insights / OpenTelemetry

提供状態

Microsoft Agent Framework 1.0

Framework本体の状態

stateGA

Harness create_harness_agent

Harness内の全追加機能を表さない

statereleased

background agents / file access / looping

本番要件は代替案を用意

stateexperimental

Python shell tooling

高権限toolとして隔離・承認

statepre-release

Foundry Hosted agents

A2A protocol等のPreview機能は別判定

stateGA

向いている企業

  • Microsoft 365・Teams・Entra IDが業務標準
  • Agent applicationとmanaged hostingの責任を分けられる
  • experimental/Preview依存を機能台帳で管理できる

Hosted agentsのGAは、Agent Harnessのexperimental機能、A2A、接続先serviceの提供状態を変更しない。

PLATFORM SELECTION 05 / OSS

OSS:Harness本体の外側を、自社が企業基盤にする

DeepSeek Harnessは有力なOSS選択肢だが、Developer PreviewのHarness単体で認証・監査・運用まで完成するわけではない。

第6章 クラウド・基盤選定

強み

  • ソースを確認・変更できる
  • model・tool・hostingを組み合わせやすい
  • 独自業務やportable構成へ適用しやすい

stack

自社

layer業務面

要点

  • 業務UI
  • 人間承認
  • 責任者
  • SLA
  • 手作業復帰

自社

layer統制面

要点

  • 認証
  • 最小権限
  • 秘密情報
  • audit
  • 評価
  • kill switch

自社

layerデータ面

要点

  • 自社DB
  • session
  • memory
  • 保持・削除
  • backup

自社またはmanaged cloud

layer実行面

要点

  • container
  • sandbox
  • network
  • scale
  • monitoring

DeepSeek OSS+自社

layerHarness

要点

  • plugin architecture
  • model
  • tools
  • session
  • agent loop

obligations

  • versionとcommitを固定
  • breaking changeへのmigration・rollback
  • SBOM・脆弱性・第三者ライセンス確認
  • 企業向けID・network・監視・on-callの実装
  • 高権限toolの隔離と承認

2026年8月18日時点でDeveloper Preview。安定した本番標準、長期互換性、商用supportを推定しない。

BLUEAI AI LIBRARY / AGENT HARNESS 一次情報 出典 [04][06][23][08] 39 / 48 · v1.0

PLATFORM SELECTION 06 / COMPARISON

4つの選択肢は「既存環境」と「自社が持つ責任」で選ぶ

単一の勝者は置かない。自社標準へ寄せる価値と、可搬性・独自性のために引き受ける運用負荷を比較する。

第6章 クラウド・基盤選定

比較項目AWSGoogle CloudMicrosoft AzureOSS
既存環境との親和性AWSのIAM・VPC・運用標準Google Cloud・BigQuery・WorkspaceMicrosoft 365・Teams・Entra特定cloudに寄せず自社で統合
managed境界Harness+Runtime+周辺capabilityRuntime+Sessions+Memory等Harness実装+Hosted agents自社がhosting・security・運用を統合
自由度AWS capability内で高いGoogle data/agent体系内で高いM365/Foundry接続で高いsource変更まで可能。保守責任も大きい
運用責任IAM・tool・data・品質は自社IAM・data・Preview台帳・品質は自社Framework/hosting境界・Entra・品質は自社基盤・upgrade・security・on-callまで自社
提供状態の注意Harness GA。周辺機能は個別確認Runtime等のGAとPreview追加機能を分離Framework/Hosted agentsのGAとexperimental機能を分離DeepSeek HarnessはDeveloper Preview
向く場合AWS統制を再利用data・Google環境を再利用M365の業務面を再利用独自性・可搬性を優先し運用力がある

既存ID・network・monitoringを再利用できるmanaged基盤を第一候補にし、満たせない独自要件だけOSS/独自実装で補う。

相対評価は個社要件によって逆転する。表は製品ランキングではなく、選定質問の要約である。

SECURITY / GOVERNANCE 01

AIに任せる範囲を「読む・下書き・実行」で分ける

最初から実行権限を渡さない。取消可能性と影響額に応じて、承認と技術的制限を強くする。

第7章 セキュリティとガバナンス

権限レベル

読む

levelLEVEL 1

examples

  • 情報収集
  • 検索
  • 要約
  • 分類
default Controlread-only ID、出典表示、data scope、保存制限
rollout最初のPoCの中心

下書き

levelLEVEL 2

examples

  • メール案
  • 資料案
  • CRM更新案
  • 見積案
default Control保存先分離、人間review、差分表示、承認後のみ反映
rollout品質を測りながら限定導入

実行

levelLEVEL 3

examples

  • 送信
  • 公開
  • 支払
  • 契約
  • 削除
default Controlstep-up認証、金額・件数上限、two-person approval、rollback、即時停止
rollout十分な実測後も高リスク操作は人が承認
rule同じAgentでもtoolごとにLevelを設定する。promptの「禁止」ではなく、ID・Policy・Allowlist・approvalで強制する。

no Autonomy Zone

  • 取り消せない支払・契約
  • 個人情報の外部送信
  • 大規模削除
  • 重大な法務・医療・安全判断
BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [09][24] 41 / 48 · v1.0

SECURITY / GOVERNANCE 02

高リスク操作の直前に、承認gateを置く

承認は最後に一度だけでは足りない。情報の持ち出し、外部作用、取消不能な変更の直前で止める。

第7章 セキュリティとガバナンス

gates

group対外作用

実行内容

  • 外部メール送信
  • Web公開
  • Microsoft 365/Teams等への公開
approver業務ownerまたは広報owner
group正本変更

実行内容

  • 本番DB更新
  • 請求確定
  • 契約確定
  • 支払
approversystem owner+業務責任者
groupdata境界

実行内容

  • 個人情報の外部送信
  • 機密fileの持出し
  • 新しいdata sourceへの接続
approverdata owner+security
group破壊・権限

実行内容

  • 削除
  • 権限変更
  • credential発行
  • 大量処理
approversystem owner+security

approval Payload

  • Agentが行う操作
  • 対象resourceと件数・金額
  • 根拠・参照data
  • 予想される差分
  • rollback方法
  • 承認期限
denial Path却下・期限切れ・応答不能時は処理を実行せず、人へ返す。自動で承認を迂回しない。
BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [09][24] 42 / 48 · v1.0

SECURITY / GOVERNANCE 03

「何をしたか」だけでなく、誰が・なぜ・何を変えたかを残す

Agentの回答ログだけでは監査できない。依頼、参照、判断、tool、承認、変更結果を一つのtraceで追えるようにする。

第7章 セキュリティとガバナンス

trace

order01
field依頼主体
captureuser ID、service ID、tenant、session、入力時刻
order02
field実行条件
capturemodel、version、system instruction、policy、feature flag
order03
field参照
capturesource ID、document version、query、権限判定。秘密本文は必要最小限
order04
fieldtool実行
capturetool、引数の安全な要約、対象resource、結果、latency、cost
order05
field承認
captureapprover、decision、理由、時刻、条件、expiry
order06
field変更結果
capturebefore/after、transaction ID、rollback ID、最終output
order07
field例外
captureerror、retry、fallback、人へのhandoff、停止

privacy Controls

  • credential・tokenを記録しない
  • PII・機密payloadをmasking
  • 閲覧権限と保持期限を分離
  • 改ざん検知・時刻同期
  • data subject/法令要件に応じた削除
investigation Question1件の業務結果から、依頼者・根拠・tool・承認・正本変更へ5分以内に遡れるか。
BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [09][24] 43 / 48 · v1.0

SECURITY / GOVERNANCE 04

品質・安全・費用・利用を同じdashboardで見る

正答率だけでは本番可否を判断できない。業務完了、誤処理、人間修正、tool失敗、費用、利用率を同じ母数で測る。

第7章 セキュリティとガバナンス

評価指標

category業務品質
metric業務成功率
definition完了条件を満たした件数 ÷ 評価対象件数
alert業務別の合格基準未達
category事実性
metric事実誤認率
definition重大・軽微を分けた誤認件数 ÷ 事実主張件数
alert重大誤認は即時停止候補
category人間負荷
metric人間修正率
definition意味のある修正を行った件数 ÷ Agent下書き件数
alert工数便益を相殺
categorytool信頼性
metrictool実行成功率
definition期待したstateになったtool call ÷ 全tool call
alertretry増、partial failure
category速度
metric処理時間
definition依頼受付から承認・完了までのp50/p95
alert人手baselineを超過
category費用
metric1件あたり総費用
definitionmodel+compute+tool+monitoring+人の確認 ÷ 完了件数
alert予算上限超過
category承認
metric承認却下率
definition却下・差戻し ÷ 承認要求件数
alert条件・説明・対象選定の不備
category復旧
metric再実行率
definition人またはsystemが再実行した件数 ÷ 全件数
alert不安定または冪等性不足
category安全
metric重大incident
definition権限越境、無承認実行、data漏えい等の件数
alert1件でも停止・報告・原因分析
category定着
metric利用率
definition対象利用者のうち期間内に有効利用した人数
alert効果試算の前提が崩れる

segmentation

  • 業務
  • Agent version
  • model
  • tool
  • user group
  • risk level
  • time period

evaluation Cadence

  • deploy前:固定dataset
  • 限定本番:日次incident/週次KPI
  • 本番:変更時再評価+月次review
BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [09][10][24] 44 / 48 · v1.0

90-DAY POC 01

90日で「作る」ではなく「続けるか」を判断する

1部門・1業務・1KPIに限定し、現状計測から限定利用、ROI測定、撤退判断までを12週間で完了する。

第8章 90日PoC

ロードマップ

STEP 01

対象と基準を決める

period0〜2週

実行内容

  • 対象業務選定
  • 現状時間・件数・品質の計測
  • KPI・禁止操作・撤退条件の合意
成果物PoC charter+baseline
gateowner、data、tool、評価、停止条件が揃う
STEP 02

隔離環境で形にする

period3〜4週

実行内容

  • 最小tool接続
  • prototype
  • test data
  • trace・cost取得
成果物read-only/下書きprototype
gate実行経路とログが再現できる
STEP 03

実dataで壊す

period5〜8週

実行内容

  • 正常・例外・攻撃test
  • 承認flow
  • 評価dataset
  • 改善と再試験
成果物評価report+risk register
gate重大誤処理0件、権限越境0件
STEP 04

限定利用する

period9〜10週

実行内容

  • 少数user
  • 運用手順
  • 障害・fallback訓練
  • support窓口
成果物限定本番log+利用者feedback
gate停止・rollback・手作業復帰を再現
STEP 05

経営判断する

period11〜12週

実行内容

  • ROI測定
  • 品質・安全・費用review
  • 本番gap
  • 継続・修正・撤退
成果物Go/Revise/Stop判定書
gate前提と実測差分を経営・業務・ITが合意

判定

STEP 01

GO

安全gateと便益gateを満たし、owner・予算・運用を引き継げる

STEP 02

REVISE

限定した問題を4週間以内に再評価できる

STEP 03

STOP

重大risk、便益不足、data/owner不足を解消できない

BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [10][09] 45 / 48 · v1.0

90-DAY POC 02

PoC開始前に、合格と撤退の数字を決める

demoが動いたかではなく、業務・安全・人間負荷・費用・利用の6条件で本番移行を判断する。

第8章 90日PoC

判断基準

業務

metric業務成功率
initial Target90%以上
denominator合意した評価対象件数
fail Signal完了条件未達・一部処理の見落とし

安全

metric重大誤処理
initial Target0件
denominator権限越境・無承認実行・data漏えい等
fail Signal1件で停止・原因分析

人間負荷

metric人間修正率
initial Target30%以下
denominatorAgent出力をreviewした件数
fail Signal修正時間で便益が消える

速度

metric処理時間削減
initial Target50%以上
denominator確認・例外を含むend-to-end時間
fail Signalbaselineより遅い/待ち時間を除外

費用

metric1件あたり総費用
initial Target案件目標内
denominator完了件数。model+cloud+tool+人の確認
fail Signaltoken費だけで比較

定着

metric現場利用率
initial Target60%以上
denominator対象userの有効利用人数
fail Signallogin数だけで利用と判定

customize Before Start

  • 業務成功の定義
  • 重大incidentの範囲
  • 評価件数と期間
  • baseline
  • 費用上限
  • ownerと判定会議日

安全上の必須条件をすべて満たし、業務便益・費用・定着の合意条件を満たした場合だけGO。平均値で重大incidentを相殺しない。

BLUEAI AI LIBRARY / AGENT HARNESS 未検証仮説 出典 [10][07] 46 / 48 · v1.0

90-DAY POC 03

失敗の多くは、モデルではなく開始条件にある

広すぎるscope、測定不足、権限過多、運用owner不在を、着手前の停止条件として扱う。

第8章 90日PoC

失敗パターン

symptom目的が「AI導入」
correction1業務・1KPI・1ownerへ戻す
symptom対象業務が広すぎる
correction最短のend-to-end flowへ縮小
symptom現状時間を測っていない
correction2週間baselineを先に取得
symptomAIに権限を与えすぎる
correctionread-only→下書き→承認付き実行
symptom評価dataがない
correction正常・例外・拒否・攻撃setを固定
symptom現場責任者がいない
correction業務ownerの週次時間を確保
symptom保守費を見ていない
correctionTCOへmonitoring・再評価・障害・変更を含める
symptomモデル性能だけで判断
correction業務成功率と安全gateで判定

stop Before Build

  • 正本dataのowner不明
  • 取消不能操作を無承認で要求
  • 評価対象件数を確保できない
  • PoC後のowner・予算がない

PoCを止めることは失敗ではない。判定不能のまま本番へ進むことが最大の失敗である。

BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [10][09][07] 47 / 48 · v1.0

NEXT STEP

最初にAIへ任せる業務を、数字と境界から決める

無料の適用判断とROI試算から始め、必要な企業だけを2週間診断、90日PoC、本番導入へ進める。

BLUEAI AI LIBRARY / AGENT HARNESS 公開情報 出典 [10][07] 48 / 48 · v1.0

← → / PageUp PageDown:移動 Home End:先頭・末尾 O:一覧 Esc:一覧を閉じる

DOWNLOAD / PDF

社内共有用PDFを受け取る

スライドと同じ内容を、16:9・全48ページのPDFで保存できます。経営会議、稟議添付、商談前の共通認識づくりにご利用ください。

  • 市場・構造・業務・ROIを一続きで理解
  • 公式情報とBlueAI試算を明確に分離
  • 90日以内のPoC判断まで具体化
関連ツールを使う →

SOURCES / METHOD

根拠と更新条件

一次情報、公開情報、BlueAI実務フレーム、BlueAI試算を区別しています。クラウドやOSSの提供状態・料金は変更されるため、導入時に参照先を再確認してください。

[01] BlueAI実務フレーム2026-08-18

Agent Harness完全ガイド

Agent Harnessの定義、責任境界、標準構成、承認、評価、停止、90日導入の設計。

参照先を確認 →
[02] BlueAI実務フレーム2026-08-18

SaaSとAgent Harnessの違い

SaaS、固定連携、RPA、Copilot、Agent Harnessの役割と選定境界。

参照先を確認 →
[03] BlueAI実務フレーム2026-08-18

企業向けAgent Harness基盤比較

個別製品名ではなく、実行、権限、承認、監視、評価、停止を責任境界として比較する枠組み。

参照先を確認 →
[04] 一次情報・公式仕様2026-08-18

DeepSeek Harness README

公式OSS、plugin architecture、Developer Preview、互換性を壊す変更の警告。

参照先を確認 →
[05] 一次情報2026-08-18

DeepSeek Harness Architecture

model adapter、tool registry、session log、agent loop、sandbox、approval policy、web/headless profileをpluginとして構成する公式設計。

参照先を確認 →
[06] 一次情報・公式仕様2026-08-18

DeepSeek Harness LICENSE

MIT License本文。著作権表示と許諾表示の保持等を条件とする利用・変更・配布等の許諾。

参照先を確認 →
[07] BlueAI試算2026-08-18

BlueAI Agent Harness ROI・TCO試算モデル v1.0

初期費用、月額費用、人間確認工数、月間純効果、感度分析を同じ式で比較する計算枠。市場平均・成果保証ではない。

参照先を確認 →
[08] BlueAI実務フレーム2026-08-18

BlueAI Agent Harness クラウド選定フレーム v1.0

既存クラウド、ID、データ所在地、ネットワーク、監視、運用能力、ロックイン許容度で基盤を比較する編集フレーム。

参照先を確認 →
[09] BlueAI実務フレーム2026-08-18

BlueAI Agent Harness セキュリティ設計フレーム v1.0

読む・下書き・実行の権限段階、承認点、監査ログ、評価、停止を業務責任へ対応づける設計枠。

参照先を確認 →
[10] BlueAI実務フレーム2026-08-18

BlueAI 90日PoC判定フレーム v1.0

1業務・1部門・1KPIで、品質、安全、費用、利用率を測り、継続・修正・撤退を判断する実務テンプレート。

参照先を確認 →
[11] 一次情報・公式発表2026-08-18

Amazon Bedrock AgentCore harness is now generally available

AgentCore harnessの正式名称、2026年6月17日のGA、managed loop、モデル非依存、code export。

参照先を確認 →
[12] 一次情報・公式仕様2026-08-18

AgentCore harness

Harnessが管理するloop、Runtime上の実行、model、tools、skills、memory、version、費用境界。

参照先を確認 →
[13] 一次情報・公式仕様2026-08-18

AgentCore harness security and access controls

IAM、OAuth、SigV4、入力・モデル・skillsのtrust boundary、VPC要件。

参照先を確認 →
[14] 一次情報・公式仕様2026-08-18

Gemini Enterprise Agent Platform

上位製品名とBuild・Scale・Govern・Optimizeで構成される公式体系。

参照先を確認 →
[15] 一次情報・公式発表2026-08-18

Gemini Enterprise Agent Platform release notes

名称変更と、Agent Identity基盤・個別APIなど機能単位の提供段階。

参照先を確認 →
[16] 一次情報・公式仕様2026-08-18

Agent Runtime

マネージド実行、Sessions、Memory Bank、Code Execution、評価、監視、セキュリティの対応関係。

参照先を確認 →
[17] 一次情報・公式発表2026-08-18

Generative AI on Vertex AI release notes

2025年3月4日のVertex AI Agent Engine GAと、Sessions・Memory BankのGA履歴。

参照先を確認 →
[18] 一次情報・公式仕様2026-08-18

Agent Platform Code Execution

隔離sandbox、ネットワーク非接続、入出力上限、TTL。

参照先を確認 →
[19] 一次情報・公式仕様2026-08-18

Agent Harness

Microsoft Agent Framework内のHarness定義、構成、API、個別機能の提供状態。

参照先を確認 →
[20] 一次情報・公式発表2026-08-18

Microsoft Agent Framework at BUILD 2026

Microsoft Agent Framework 1.0のGA日とAgent Harnessの正式な位置づけ。

参照先を確認 →
[21] 一次情報・公式仕様2026-08-18

Hosted agents in Microsoft Foundry Agent Service

session isolation、永続file、protocol、agent identity、managed identity、Application Insights、regionと制約。

参照先を確認 →
[22] 一次情報・公式発表2026-08-18

Hosted agents in Foundry Agent Service GA announcement

Hosted agents、VNet integration、Hosted agent tracing・evaluation、Microsoft 365/Teams公開のGA確認。

参照先を確認 →
[23] 一次情報・公式仕様2026-08-18

DeepSeek Harness THIRD_PARTY_NOTICES

第三者依存関係とライセンス表示。

参照先を確認 →
[24] 一次情報・公式仕様2026-08-18

AI Risk Management Framework

AIリスクをGovern、Map、Measure、Manageの継続活動として扱う公的フレームワーク。

参照先を確認 →

NEXT ACTION

自社の業務・権限・費用へ置き換える。

資料の一般条件を、自社の現状工数、正本データ、承認責任、費用上限、停止条件へ置き換えるとPoCの発注判断に進めます。