はじめに
2026年2月、Harvard Business Reviewに一本の論文が掲載されました。タイトルは「To Thrive in the AI Era, Companies Need Agent Managers」。AIエージェントが実運用段階に入った今、企業には「エージェントマネージャー」という新しい職種が必要だ、という提言です。
かつてソフトウェア革命がプロダクトマネージャーを生んだように、AI時代にはAIエージェントの学習・実行・協働を統制し、人間との安全な共働を設計するリーダーが求められている。これがHBRの主張の骨子です。
この動きはシリコンバレーではすでに現実のものとなっています。AI-native企業の従業員あたり売上は、従来のSaaS企業の17倍にあたる平均5.2億円。Cursorは約300人でARR1,500億円、Midjourneyは約107人で売上750億円をVC調達ゼロで達成しています。少人数で桁違いのアウトプットを出す組織が次々と生まれている背景には、AIエージェントを「ツール」ではなく「チームの一員」として扱うマネジメントの変化があります。
本コラムでは、この「エージェントマネージャー」という役割が日本企業にどう定着していくのかを、IDEATECHでAI推進に取り組む立場から考えてみます。
「AI推進担当」と「エージェントマネージャー」は何が違うのか
日本企業にも「AI推進担当」や「DX推進室」はすでに存在します。では、エージェントマネージャーはそれらとどう異なるのでしょうか。
従来のAI推進担当は、AIツールの導入や社内への啓蒙が主な役割でした。「このツールを使いましょう」「こういう業務に活用できます」という、いわば案内役です。
エージェントマネージャーの役割はもう一段深いところにあります。AIエージェントは自律的にタスクを実行します。コードを書き、データを検索し、外部APIを呼び出し、ファイルを操作する。つまり「動く」のです。この「動くAI」をどう管理し、どこまで任せ、どこで人間が介入するか。その設計と監督がエージェントマネージャーの仕事です。
Salesforceでは、AIエージェントプラットフォーム「Agentforce」が顧客からの問い合わせの74%を自動で解決し、営業チームの商談予約を7倍に伸ばしました。しかしこの成果は、AIを導入しただけで得られたものではありません。エージェントの品質を日々モニタリングし、プロンプトやワークフローを改善し、人間へのエスカレーション基準を調整する——そうした運用の積み重ねがあって初めて実現したものです。
HBRはこの職種が12〜18ヶ月以内にAI主導企業の標準的なポジションになると予測しています。日本においても、AIエージェントの業務活用が進むにつれて、同様の役割が求められるようになるのは時間の問題だと考えています。
AIとの「認識の共有」という課題
IDEATECHでAIの活用推進やリサーチに携わる中で、一つ強く感じていることがあります。それは、AIエージェントとの協働において最も重要なのは「認識の共有」だということです。
AIエージェントとのやり取りは自然言語で行います。一見すると、日本語が使えれば誰でも同じように扱えるように思えます。しかし実際には、同じ日本語でも「どれだけ深い認識を共有できるか」に大きな差が生まれます。
私は大学院でLLM（大規模言語モデル）の研究を行っており、普段からAIの仕組みに触れています。この背景があると、AIエージェントが生成するアウトプットに対して、ある程度「こういうものが出てくるだろう」という想像が働きます。出力の妥当性を判断し、意図と異なる方向に進みそうなときに早い段階で修正をかけることができる。
これは特別な能力の話ではなく、「共通言語の語彙数」の違いだと捉えています。システムの基本的なアプローチを知っていること、技術的な概念を理解していること。そうした土台があると、AIとのやり取りが一方通行の「指示→出力」ではなく、双方向の「ディスカッション」に近づいていきます。
「小さなズレ」に気づけるか — ITスキルがもたらす深さ
ここで誤解のないようにしておきたいのは、エージェントマネージャーにとってITスキルだけが重要だと言いたいわけではない、ということです。業務の文脈を理解するビジネスサイドの視点は当然不可欠であり、両輪で成り立つ役割です。
その上で、AIエージェントの管理において「深さ」を求めるならば、ITスキルの有無が効いてくる場面があります。
AIエージェントの出力は、大きく外れることはそう多くありません。むしろ厄介なのは、一見すると正しいが意図とは微妙にずれている、という「小さなズレ」です。このズレは、深く確認しなければ見逃してしまいます。そして小さなズレが積み重なると、気づいたときにはプロジェクト全体の方向が少しずつ意図から離れている、ということが起こり得ます。
技術的なバックグラウンドがあると、AIが提案してくるシステムの構造やアプローチが頭の中で組み立てられるため、自分のイメージとの差分がはっきりと見えます。「この設計は自分が想定していたものと違う」「ここのアプローチは別の方法のほうが適切だ」という判断を、出力を受け取った段階で下すことができる。一方、技術的な土台がなければ、その差分に気づくこと自体が難しくなります。
これはエージェントマネージャーの責任の問題にも直結します。AIエージェントが自律的に動く以上、その出力の品質に対して最終的な責任を負うのはエージェントマネージャーです。大きな失敗であれば誰でも気づけますが、小さなズレの蓄積に対して責任を持てるかどうかは、出力を検証する力に依存します。
また、AIエージェントに「何をどこまで任せるか」の境界線を引く際にも、技術的な理解は判断の精度を高めます。AIの得意・不得意を構造的に把握していれば、過度な期待も過度な制限もせず、適切な役割分担を設計できます。
エージェントマネージャーという役割において、ビジネスの知識が「幅」を担うとすれば、ITスキルは「深さ」を担う。そのように捉えています。
おわりに
AIエージェントマネージャーという職種は、まだ日本では馴染みの薄い言葉かもしれません。しかし、AIエージェントが業務の中で自律的に動き始めている今、「誰がそれを管理するのか」という問いは、あらゆる企業にとって避けて通れないものになりつつあります。
IDEATECHでは、AIを業務に積極的に取り入れる中で、この問いと日々向き合っています。その実感として言えるのは、エージェントマネージャーは完全に新しい職種というよりも、既存のAI推進やDX推進の延長線上にある役割だということです。ただし、「ツールの導入」から「自律するAIの管理」へと、求められる深度が一段上がっている。
次回のコラムでは、この「深さ」をもう少し掘り下げ、エージェントマネージャーに求められる具体的なリテラシーについて考えてみたいと思います。ITのバックグラウンドがなくても、どこから手をつければよいのか。その入口を整理してみます。
本コラムは、Harvard Business Review (2026年2月号)「To Thrive in the AI Era, Companies Need Agent Managers」を参考にしています。
著者
久保田 仁喜（くぼた よしき） | IDEATECH インターン
2021年にIDEATECHへ入社。調査企画・設計業務に携わった後、情報系学部での知識を活かし、社内業務の効率化をプログラムで推進。社内ツールの開発やクライアント向けの業務効率化支援を経験する。ChatGPTの登場以降はAI推進担当として、GPTs・RAG・LLMを活用した社内ツールの開発を主導し、現在はAIエージェントの設計に携わる。社内向けにAIの活用方法や考え方に関する研修も担当しており、今後は社外向けEラーニングとしての展開を準備中。
情報系の大学院博士前期課程に在籍中。研究テーマはLLMの学習差分の転移。業務と研究の両面からAIに向き合う日々を送っている。