AIエージェントは何件まで同時に動かす？——世田谷区2900時間・100サイト侵入から作る「同時稼働予算」

AIエージェントの魅力は、一つの依頼を速く終えることだけではありません。調査、比較、資料作成、コード変更、問い合わせ対応を並行して進められることです。人が一件を見ている間に、別のエージェントが十件、百件へ手を広げられます。

しかし、実行数が増えるほど、確認、修正、承認、障害対応も同じ速度で増えるとは限りません。世田谷区は14業務で約3カ月間に合計約2900時間の削減につながったと報告する一方、成果物を必ずレビューするため、確認と修正の負担が増えたと説明しています。海外では、AIエージェント群を使った攻撃者が100を超えるWebサイトへ侵入したとの調査も報じられました。

二つの事例は目的も規模も正反対です。それでも共通する運用上の問いがあります。AIへ何ができるかではなく、同時に何件まで動かしてよいのでしょうか。

本記事では、AIエージェントの並列性を「人数換算」せず、進行案件、外部への副作用、確認待ちの三つへ分ける「同時稼働予算」を提案します。

結論——エージェント数ではなく、同時に開いてよい仕事を決めます

AIエージェントを「デジタル社員」と呼ぶと、導入数を人員数のように管理したくなります。しかし、一つのエージェントが複数の作業を分岐させ、別のエージェントを呼び、再試行し、複数サイトへアクセスできるなら、名前の数は仕事量を表しません。

管理すべきなのは、少なくとも次の三つです。

予算	数える対象	上限を超えたときの動作
進行案件予算	同時に処理中の案件、分岐、再試行	新規開始を止め、優先順位を付けます
副作用予算	外部送信、公開、購入、更新、削除、認証試行	人の承認へ戻し、未承認操作を失効させます
確認待ち予算	人が未確認の成果物、差分、例外	生成を絞り、確認済み案件を先に閉じます

この三つを分ける理由は、読み取りだけの調査を二十件走らせることと、二十の顧客へメールを送ることが同じ危険ではないからです。また、成果物が二十件できても、確認者が一日に五件しか判断できないなら、残り十五件は成果ではなく在庫です。

以前の記事では、生成速度に確認能力が追いつかない状態を「検証待ち在庫」として整理しました。同時稼働予算は、その在庫が積み上がる前に、入口で仕事量と副作用を制限する仕組みです。

世田谷区の2900時間は、確認能力と一緒に読みます

世田谷区は、AIエージェント機能を備えた業務効率化ツールを使い、調査、情報収集、論点整理、資料や案内文の作成などを検証しました。評価したのは、職員個人が使えるか、同じ業務で繰り返し使えるか、担当者が変わっても課の業務として使えるかという三段階です。

この三段階は重要です。一人が一度だけ速くできても、指示、入力資料、確認観点が本人の頭の中に残れば、組織の処理能力は増えていません。担当変更のたびに最初からやり直すからです。

報道によると、同区は14業務で約3カ月間に合計約2900時間を削減しました。複数の計画を参照して内容を整理する一例では、作業時間が240分から90分へ短縮され、減った150分を内容の検討や論点の洗い出しへ回せたといいます。

ここで「一件150分削減」だけを横展開すると危険です。対象業務が百件へ増えれば、出力も百件へ増えます。事実や数値、権利関係、入力情報の公開可否、対外表現を確認する担当者の時間が増えなければ、確認待ちが積み上がります。

世田谷区が「確認と修正の負担は増えている」と明示した点は、失敗の告白ではありません。削減時間の外側にあった仕事を見えるようにした成果です。AIが作る時間、職員が確かめる時間、区民向けサービスを検討する時間を分ければ、2900時間の内訳を次の改善へ使えます。

AIの生産性配当を誰へ戻すかを考えるときも、確認者の時間を差し引く必要があります。同時稼働予算では、減った時間をそのまま新しい生成件数へ再投入せず、確認、住民との対話、業務知識の言語化、担当者育成へ予約します。

AI-PMOが示すのは、個別回答より横断管理です

NTTテクノクロスは、進捗報告書、課題管理表、議事録などをAIで分析し、遅延や品質低下につながる兆候を可視化する「PromanAIde」を発表しました。同社が掲げる「AI-PMO」構想では、複数プロジェクトの状況やリスクを横断して把握し、PM、PMO、管理部門、経営層の意思決定を支えるとしています。

ここで注目したいのは、AIが一件の報告書を要約する機能だけではありません。プロジェクト数と情報量が増えたとき、個々の担当者が見落とす変化を横断して扱おうとしている点です。

従来のプロジェクト管理では、目標、期限、品質、費用、課題、担当、依存関係を記録します。AIエージェントを加えても、基本は変わりません。ただし、人の担当表だけでは不足します。エージェントは夜間も動き、同じ認証情報で複数の外部サービスへ接続し、失敗時に自動再試行するからです。

AIを含む案件表には、次の九欄を持たせます。

欄	記録する内容
完了対象	何ができたら一件を閉じるか
入力境界	読ませてよい資料、個人情報、機密区分
実行主体	人、主エージェント、補助エージェントの役割
同時枠	同時に開ける案件数と分岐数
接続先	API、Web、メール、社内システム、保存先
副作用	送信、公開、更新、購入、削除など戻しにくい操作
確認者	誰が何件まで、どの期限で判断するか
停止条件	費用、時間、再試行、例外、確認待ちの上限
引き継ぎ	入力、差分、根拠、未完了、再開手順

この表の目的は、AIの自由を細かく奪うことではありません。読み取り、下書き、分類のような戻しやすい作業は広く並列化し、外部送信や原本更新の直前だけ同時枠を狭めることです。

100サイトへの侵入報道は、短い指示と長い実行を分けます

The Vergeは、AIセキュリティ企業Norforgeの調査とReutersの報道を基に、攻撃者がAIエージェント群を使って100を超えるWebサイトへ侵入したと報じました。被害先としてJohn Deere、SharkNinja、Cumminsなどが挙げられ、米国、カナダ、オーストラリア、日本の組織が対象になったとされています。

報道では、攻撃者が100字未満の中国語で好みの侵入手法を指定し、成功した侵入には約23時間かかったとされています。人の指示が短いことは、仕事が小さいことを意味しません。開始条件と終了条件だけを渡されたエージェントが、探索、試行、記録、次の対象への移動を長時間続ければ、人の操作回数よりはるかに大きな活動になります。

ただし、全対象で同じ被害が起きたと一般化してはいけません。John Deereは機微情報へアクセスされた兆候はないとし、Cumminsは第三者ベンダーのサイトに関する可能性を調査中、SharkNinjaは製品サポート情報の独立サイトへの影響を封じ込めたと説明したと報じられています。対象、侵入、機微情報取得、事業停止は別の状態です。

この事例から日本企業が学ぶべきなのは、特定ツールを一律に危険と決めることではありません。社内の正規エージェントにも、短い依頼から長い外部活動へ広がる同じ構造があります。競合調査の依頼が数百サイトへの巡回になり、採用候補の整理が外部プロフィール収集になり、障害調査が本番環境への操作になる可能性があります。

そのため、プロンプトの長さではなく、実行中に開いた対象数、外部通信先、認証試行、書き込み、再試行、経過時間を測ります。「一回の依頼だから一件」と数えるのではなく、外部へ触れた単位を副作用予算へ戻します。

常時稼働とローカル実行は、上限を不要にしません

Nvidiaは、企業向けの1200億パラメーター級モデル「Nemotron 3.5 Super VL」と、AI PCなどで動かす軽量なBolt系モデルを発表しました。TechCrunchによると、74B-A9B 24GBは多段階推論、ツール呼び出し、Web閲覧を想定し、企業向けモデルは文書処理、会計、科学実験、保険請求などのエージェント用途を掲げています。

提供者は、閉じたモデルより自社データで追加学習し、自社設備へ配備しやすい点を訴えています。性能比較や採用企業の紹介は提供者側の主張として扱う必要がありますが、常時稼働するエージェントをクラウドだけでなく、企業設備や個人向けPCへ置く流れは明確です。

ローカル実行には、入力を外部クラウドへ送らずに処理しやすい利点があります。しかし、端末内で動くから安全、無料、管理不要になるわけではありません。ローカルのエージェントでも、Web閲覧、社内ファイル、メール、ブラウザー、共有ドライブへ接続すれば、副作用は端末の外へ出ます。GPU費用が固定化されても、確認時間、電力、保存、監視、更新、障害復旧は残ります。

配置場所と実行上限は別の欄にします。クラウドかローカルかを決めた後に、同時案件、通信先、書き込み回数、確認待ちを設定します。これにより「自社PCだから無制限に動かす」「API課金が高いから少なくする」という単純な判断を避けられます。

三つの数字だけで、最初の上限を作れます

初期導入で複雑な管理製品を用意できなくても、三つの数字から始められます。

進行案件数

一人の確認者が同時に状況を説明できる案件数を上限にします。例えば、調査と下書きを合わせて五件までとし、六件目は待機へ送ります。エージェント内部の分岐も、親案件へ合算します。

未承認の副作用数

外部メール、公開、データ更新、購入、削除は、未承認のまま並べられる数をゼロまたは一にします。承認画面には対象、宛先、差分、費用、取消可能時間を表示します。一定時間を過ぎた承認要求は自動失効させます。

確認待ち件数

レビュー待ちが上限へ達したら、新しい生成を止めます。確認者を急いで増やすのではなく、重複、低価値、根拠不足の出力を先に捨てます。確認を通らない出力を作らないことも、処理能力の一部です。

たとえば、庁内資料作成なら「進行五件、外部公開ゼロ、確認待ち三件」、顧客メールなら「進行二件、未承認送信ゼロ、確認待ち二件」、公開情報の調査なら「進行十件、書き込みゼロ、確認待ち五件」のように変えます。一律の数字ではなく、戻しにくさで上限を変えます。

再試行は新しい仕事として数えます

AIエージェントは、失敗すると別の検索語、別のページ、別のツールで再試行できます。この性質は、人が途中で諦める作業を完了させる強みです。一方、認証、送信、購入、外部APIでは、再試行が重複や遮断を招きます。

再試行には、回数だけでなく理由を残します。

• 接続失敗で同じ操作をやり直したのか
• 入力不足で別の情報を探したのか
• 権限不足を別経路で迂回しようとしたのか
• 品質不足で成果物を作り直したのか
• 人の却下後に条件を変えて再開したのか

同じ失敗を三回繰り返す場合は、四回目を自動で始めません。人へ戻し、原因、対象、権限、費用を確認します。権限不足を別の接続先で回避する試行は、成功率ではなく境界違反として止めます。

AIプロジェクトの公開日を終点にせず、別担当者が修正、縮退、廃止できる日を「保守開始日」と考えると、再試行の記録も引き継ぎ資産になります。モデルを変更しても、どこで止まり、誰が直し、どう再開したかを再利用できるからです。

30日で「同時稼働予算」を試します

第一週は、AIが関わる仕事を十件だけ選びます。各案件について、完了対象、入力、接続先、外部への副作用、確認者を記録します。実行前に、現在の作業時間と確認時間も測ります。

第二週は、読み取りと下書きだけを並列化します。進行案件数を少数に固定し、分岐と再試行を親案件へ合算します。成果物ができた時刻だけでなく、人が確認を終えた時刻を記録します。

第三週は、戻しやすい内部更新を限定的に許可します。新しいファイルへの保存、検証環境への登録などから始め、原本更新、外部送信、公開、購入、削除は人の承認に残します。確認待ちが上限へ達したら、自動的に新規開始を止めます。

第四週は、担当交代と停止を試します。主担当がいない状態で、別の職員が案件表から未完了、根拠、差分、再開条件を読み、一件を完了できるか確認します。さらに、モデル、ネットワーク、接続先の一つを止め、手作業や別経路へ縮退できるか試します。

月末には、生成件数ではなく次の指標を並べます。

• 依頼から人の確認完了までの時間
• 同時進行の最大件数と平均件数
• 確認待ちの最大件数と滞留時間
• 外部送信、公開、更新、購入、削除の件数
• 再試行数、停止数、重複操作数
• 根拠不足や対象違いで廃棄した割合
• 担当交代後に再開・完了できた割合
• AI停止時に手作業へ戻れた割合

処理量が増えても、確認待ち、誤送信、重複、復旧時間が増えるなら、同時枠を狭めます。逆に、確認待ちが常にゼロで価値ある案件が待機しているなら、読み取りや下書きの枠を一つずつ広げます。

導入報告では「何体」より、閉じた案件を示します

AIエージェントを何体導入したか、何時間動かしたかは、設備規模の説明にはなります。しかし、利用者や経営者が知りたいのは、仕事が正しく閉じたか、外部へ何を変えたか、問題時に戻れたかです。

報告では、開始件数と完了件数を分けます。途中停止、確認待ち、廃棄、再実行、人への移管も数えます。成功率の分母から失敗や停止を外してはいけません。また、AIが作業を終えた時点ではなく、人または定めた検査が受け入れた時点を完了にします。

自治体なら、削減時間に加えて、住民向け表現を誰が確認したか、公開後に訂正した件数、担当変更後も使えた業務数を示せます。企業なら、顧客への送信前承認率、原本更新の差し戻し、確認待ち日数、停止後の復旧時間を示せます。

この形なら、AIを慎重に止めた案件も失敗ではありません。目的、入力、権限、品質のどれかが不足したため、影響が出る前に閉じた一件として評価できます。

出典

• ITmedia ビジネスオンライン「AI活用で約2900時間削減した世田谷区、しかし『確認と修正の負担』増加」
• ITmedia エンタープライズ「AIエージェントの業務管理、答えは『プロジェクト管理』にある？」
• The Verge「A hacker broke into John Deere and SharkNinja with an army of AI agents」
• TechCrunch「Nvidia launches new open models to run agents in the enterprise and on PCs」

まとめ——速さの次に、開いてよい仕事の数を決めます

世田谷区の約2900時間削減は、AIが公共業務の準備や整理を助けられる具体例です。同時に、確認と修正には職員の業務知識が必要であり、担当者が変わっても使える形へする課題を示しました。NTTテクノクロスのAI-PMO構想は、個別の出力だけでなく、複数プロジェクトを横断して遅延や品質低下の兆候を見る方向を示しています。

一方、100を超えるサイトへの侵入が報じられた事例は、短い指示が長時間、多数の対象へ広がり得ることを示します。目的が正当でも不正でも、エージェントの並列性そのものは同じです。だからこそ、善意や利用規約だけでなく、進行案件、副作用、確認待ちへ技術的な上限を置く必要があります。

AIエージェントを一つ追加するとき、「何時間削減できるか」だけでなく、もう一つ尋ねてみてはどうでしょうか。このエージェントが同時に開いてよい仕事は何件で、誰が閉じるのでしょうか。その答えを案件表と停止条件へ書ける組織なら、並列性は制御不能な速さではなく、人が責任を持って使える処理能力へ変わっていきます。