AIエージェントを1つ試してうまくいくと、次は別の部署でも使いたい、という話になります。そこで出てくるのが、AIエージェント基盤という言葉です。開発会社やクラウドの事業者から「まず基盤を整えましょう」と提案されても、基盤が何を指すのか、クラウドで借りるのと自社で持つのとでは何が違うのかが分からないと、判断できません。先に結論を書くと、AIエージェント基盤は、複数のAIエージェントを動かし、つなぎ、管理するための共通の土台です。クラウドのサービスを使うか、自社で運用するかは、初期費用ではなく、データの所在、拡張のしやすさ、記録の取り方、あとから移行できるかの4点で比べます。2026年11月に私が確認した検索上位は、基盤を提供する会社の製品紹介が中心で、発注する側の比較の観点を整理した記事は多くありませんでした。この記事では、基盤の役割と置き方を整理したうえで、比較のポイントと、先に洗い出す自社の制約をまとめます。
この記事のポイント
- AIエージェント基盤は、複数のAIエージェントを動かし、つなぎ、管理するための共通の土台
- 置き方は、クラウドのサービス、業務ソフトへの組み込み、自社運用の3つに分かれる
- 比較は初期費用ではなく、データの所在・拡張性・記録・移行のしやすさで行う
- 基盤を選ぶ前に、扱うデータと社内の規程から、自社の制約を洗い出しておく
目次
AIエージェント基盤とは何かと3つの置き方
基盤が担う6つの役割
AIエージェント基盤という言葉に、決まった定義はありません。提供する会社によって、含める範囲が違います。ただ、多くの製品に共通している役割を並べると、次の6つになります。
- 実行する場所:AIエージェントのプログラムを動かし、利用が増えても止まらないようにする
- モデルとの接続:LLMを呼び出し、必要に応じて別のモデルに切り替える
- ツールとの接続:メールや業務システムなど、外部のシステムにつなぐ
- 権限と認証:誰の権限で動くのか、どのデータに触れてよいのかを管理する
- 記録と監視:判断と実行の記録を残し、異常や費用の増加に気づけるようにする
- 評価と改善:結果の良し悪しを測り、設定の変更を管理する
AIエージェントを1つだけ動かすのであれば、これらを個別に作っても回ります。基盤が必要になるのは、2つ目、3つ目と増えてきたときです。構成要素そのものの説明は、AIエージェントの仕組みと構成要素の記事で整理しています。
基盤がないと起きること
基盤を決めないまま、部署ごとにAIエージェントを作り始めると、どうなるでしょうか。営業部は対話型のサービスの機能で作り、経理部は別の開発会社に頼んで作り、情報システム部は自分たちでプログラムを書く。それぞれは動きますが、会社全体で見ると、困ったことが起きます。
まず、権限の管理がばらばらになります。どのAIエージェントが、どのシステムに、どの権限でつながっているのかを、誰も一覧で把握できなくなります。次に、記録が散らばります。何か問題が起きたときに、3か所の記録を別々の方法で調べることになります。費用も、部署ごとの請求に分かれて、全体でいくら使っているのかが見えなくなります。
私の感覚では、基盤の話は、技術の話というより、管理の話です。AIエージェントが増えても、権限と記録と費用を1か所で見られるようにする。そのための共通の土台が基盤だと考えると、必要かどうかを判断しやすくなります。逆に、当面は1つの業務でしか使わないのであれば、基盤の整備を急ぐ必要はありません。
クラウド型と組み込み型の特徴
基盤の置き方は、大きく3つに分かれます。1つ目は、クラウドの事業者が提供する、AIエージェントのための基盤サービスを使う方法です。実行する場所、モデルとの接続、記録の仕組みなどが、あらかじめ用意されています。自社で用意するものが少なく、早く始められます。利用が増えたときの拡張も、事業者の側で対応されます。
2つ目は、すでに使っている業務ソフトに組み込まれた機能を使う方法です。グループウェアや顧客管理のサービスが、その中で動くAIエージェントを作る機能を提供しています。そのソフトの中のデータと権限をそのまま使えるため、設定の手間が少なくて済みます。そのかわり、そのソフトの外にあるシステムとつなぐ場面では、できることが限られます。
どちらも、基盤そのものの運用を事業者に任せられる点が利点です。一方で、データが事業者の環境を通ること、機能や料金が事業者の都合で変わること、ほかの基盤に移るときに作り直しが発生しやすいことは、あらかじめ受け入れる必要があります。具体的な製品の名前や機能は変わりやすいため、検討の時点で公式の情報を確かめてください。
自社運用とローカルの特徴
3つ目は、自社で基盤を運用する方法です。公開されている開発用のフレームワークを使い、自社が管理する環境の上に、実行する場所や記録の仕組みを組み立てます。自社のクラウドの契約の中に置く場合もあれば、社内のサーバーに置く場合もあります。
ローカルという言葉は、LLMそのものを社内の機器で動かす構成を指して使われることがあります。データを社外に出さずに済むため、機密性の高い情報を扱う業務で検討されます。ただし、十分な性能の機器を用意する費用がかかり、外部のサービスで使えるモデルと比べると、判断の質や速さが見劣りすることがあります。モデルの更新も、自社で行う必要があります。
自社運用の利点は、データの流れと仕組みを自分たちで決められることです。欠点は、運用する人が要ることです。障害への対応、利用の増加への備え、セキュリティの更新を、自社か、委託先が担い続けます。作るときの費用だけでなく、持ち続ける費用と体制を見込めるかが、判断の分かれ目になります。
AIエージェント基盤を比較するポイント
初期費用だけで比べない
基盤の比較で最初に目が行くのは、初期費用です。クラウドのサービスは初期費用が小さく、自社運用は大きい。この比較だけなら、クラウドのサービスを選ぶことになります。しかし、基盤は一度決めると、何年も使い続けるものです。その上に載るAIエージェントが増えるほど、あとから変えにくくなります。
費用を見るなら、3年ほどの期間で、利用料、運用する人の費用、変更や追加にかかる費用を合わせて比べます。クラウドのサービスは、利用が増えると利用料が伸びます。自社運用は、利用が増えても伸び方は緩やかですが、人の費用が固定でかかります。どの時点で逆転するかは、利用の量しだいです。費用の種類と見積もりの揃え方は、AIエージェントの費用を導入形態別に整理した記事で解説しています。
比較する4つの観点
費用のほかに、次の4つの観点で比べます。表は一般的な傾向で、実際は製品と契約の内容によって変わります。
| 観点 | クラウドのサービス | 自社運用 |
|---|---|---|
| データの所在 | 事業者の環境を通る。保存する地域や学習への利用は契約で確かめる | 自社が決めた場所に置ける。管理の責任も自社が負う |
| 拡張のしやすさ | 利用の増加には対応しやすい。用意されていない接続先は追加しにくいことがある | 接続先や機能を自由に足せる。そのたびに開発と運用の手間がかかる |
| 記録の取り方 | 標準の記録がある。項目や保存期間を変えられる範囲は製品による | 必要な項目を必要な期間だけ残せる。仕組みは自分たちで作る |
| 移行のしやすさ | その基盤に固有の機能を使うほど、ほかへ移りにくくなる | 公開された部品で組めば、移しやすい。設計しだいで変わる |
どちらか一方が優れているわけではありません。扱うデータが社外に出せるものなら、クラウドのサービスの手軽さが生きます。社外に出せないデータを扱う業務がある場合は、その業務だけ自社運用にする、という組み合わせも選べます。
データの所在と記録を確かめる
4つの観点のうち、あとから変えにくいのが、データの所在です。確かめるのは、入力したデータがどの国や地域に保存されるか、事業者の従業員が見られるか、モデルの学習に使われるか、契約を終えたあとに消去されるか、の4点です。規約や契約書に書かれている内容を、文面で確かめます。営業担当者の口頭の説明だけで判断しません。
記録については、自社の監査や取引先との契約で求められる水準を満たせるかを見ます。誰が、いつ、どのAIエージェントに、何をさせたのかを、あとからたどれるか。記録を自社の保管先に取り出せるか。保存期間を延ばせるか。標準の機能で足りない場合は、追加の費用がかかるか、そもそも対応できないかを確かめます。
移行できるかを先に確かめる
基盤を選ぶ時点で、やめるときのことを考えておきます。事業者が料金を上げる、機能の提供を終える、より良い基盤が出てくる。数年のうちに、どれも起こり得ます。そのときに、作ったAIエージェントをほかの基盤へ移せるかどうかで、選択の自由が変わります。
移しやすさは、次の点で決まります。指示の文章や設定を、ファイルとして取り出せるか。ツールとの接続に、広く使われている規格を使っているか。蓄積した記録や知識のデータを、取り出せる形式で持ち出せるか。その基盤だけの独自の機能に、どの程度頼っているか。
完全に移しやすい基盤はありません。便利な独自の機能を使うほど、移しにくくなります。大切なのは、どの部分がその基盤に固定されるのかを、分かったうえで選ぶことです。
自社の制約を先に洗い出す
ここまでの観点で製品を比べる前に、自社の側の条件を決めておく必要があります。条件が決まっていないと、どの製品の説明もよく聞こえ、決め手がなくなります。洗い出すのは、次のような制約です。
- 扱うデータの種類:個人の情報、取引先の機密、社外に出せない情報が含まれるか
- 社内の規程:クラウドの利用や、データの保存先に関する決まりがあるか
- つなぐシステム:既存の業務システムが、外部からの接続に対応しているか
- 運用の体制:基盤を見る担当者を置けるか、外部に任せるか
- 予算の枠:初年度と、2年目以降に使える金額
この5つを書き出そうとすると、規程があるかどうか分からない、担当者が決まっていない、という項目が出てきます。そうした抜けは、データ・セキュリティ・運用・費用など6領域50項目を自己採点するAI導入準備度チェックリストで先に見つけておくと、基盤を選ぶ条件を社内でそろえてから、提供会社の説明を聞けます。
提供会社と開発会社に聞くこと
制約がそろったら、基盤を提供する会社や、構築を支援する開発会社に、同じ質問をして答えを並べます。
- 入力したデータと記録は、どこに、どの期間保存されるか
- 記録を自社の保管先に取り出せるか。項目と保存期間を変えられるか
- 設定と蓄積したデータを、取り出せる形式で持ち出せるか
- 利用が今の10倍になった場合、利用料はいくらになるか
- 障害が起きたときの連絡と復旧の体制はどうなっているか
答えを聞くだけでは、あとで比べられません。会社ごとの答えを同じ表に並べ、自社の制約と照らして点数を付けます。その表には、体制や費用など10カテゴリ100項目を重み付きで採点するベンダー選定比較表テンプレートを使うと、データの所在や移行のしやすさといった自社が重く見る項目に重みを付けて、候補を同じ基準で比べられます。サービスを並べて比べる手順は、AIエージェントサービスの比較の記事でも整理しています。

