AIエージェントという言葉だけを頼りに作り始めると、何でもできるが何も安定しない仕組みになりがちです。DeepLearning.AIの「Agentic AI」講座は、実際に使われている設計を4つの型に整理しています。講座の枠組みを、業務への当てはめ方に翻訳します。

手順1:業務を工程に分解する
任せたい仕事を、1行1作業で書き出します。講座は、業務プロセスをエージェントのワークフローに分解することを重視しています。分解した各工程に、判断が要るか、外部データが要るか、やり直しが起きるかを書き添えます。
手順2:往復が必要な工程にReflectionを当てる
Reflectionは、自分の出力を自分で批評し、直して出す型です。講座は、コードレビューのように、書いたものを別の視点で読み直す動きだと説明しています。文章の下書き、翻訳、表の整形など、一度で仕上がらない作業に向きます。
手順3:外部データが要る工程にTool Useを当てる
Tool Useは、モデルの外にあるデータベース、API、検索、コード実行につなぐ型です。手元の知識だけで答えさせると誤りが混ざる工程に有効です。どのツールをどの順で使えるかを絞ると、暴走を防げます。接続の標準的な作法はMCPのページで扱っています。
手順4:手順が分岐する工程にPlanningを当てる
Planningは、大きな仕事を実行可能な手順に割り、状況が変わったら組み替える型です。講座は、想定外のことが起きたときに計画を適応させる点を特徴として挙げています。手順が固定できる作業には、この型は過剰です。
手順5:役割が分かれる工程にMulti-Agentを当てる
Multi-Agentは、専門を分けた複数のエージェントを組み合わせる型です。調査役、執筆役、確認役のように、求められる知識と視点がはっきり違う場合に効きます。1つの役割で足りるなら、分けるだけ調整の手間が増えます。
| 型 | 向く工程 | 入れすぎたときの症状 |
|---|---|---|
| Reflection | 下書き、翻訳、整形 | 直すたびに元の意図から離れる |
| Tool Use | 社内データの参照、計算、検索 | 呼び出し回数が増え、費用と時間が膨らむ |
| Planning | 手順が状況で変わる作業 | 計画の立て直しが終わらず、実行に進まない |
| Multi-Agent | 役割の異なる分業 | 受け渡しの齟齬で、責任の所在が曖昧になる |
手順6:指標を決めてから広げる
講座は、性能指標、誤りの分析、本番投入までを含めて評価と改善を扱っています。効果を測る前に範囲を広げると、良くなったのか悪くなったのか分からなくなります。工程ごとに、正解率、やり直しの回数、1件あたりの時間のどれかを1つ決め、その数字で判断します。評価の設計はAIエージェントを評価データで検証する6ステップで詳しく扱っています。
FAQ
Q. 4つの型は全部入れる必要がありますか?
A. 必要ありません。DeepLearning.AIの講座は4つを設計パターンとして並べており、業務のどこで往復や分岐が起きるかによって選ぶ前提です。1つだけでも効果が出る工程は多くあります。
Q. プログラミングの知識は必須ですか?
A. 講座はPythonでの実装を前提にしています。ただし考え方自体は、ノーコードの自動化ツールでも再現できます。どの型を使うかを決める段階は、コードを書かずに進められます。
あわせて使いたいツール
型を決めた後は、実行基盤の選定に移ります。料金と提供条件は各サービスの公式情報で確認してください。
出典
出典:DeepLearning.AI「Agentic AI」(2026年10月30日更新)。Reflection・Tool Use・Planning・Multi-Agentという4つの設計パターン、業務プロセスの分解、評価と本番投入までの扱いは同講座の公開情報に基づきます。
関連ガイド
最新のAI情報をメールで受け取る
新着のAIツール比較・ランキング・ニュースを、まとめてお届けします。
ご登録後、確認メールをお送りします。配信停止はいつでも可能です。
