Copilotエージェントの教科書―AIによる業務自動化の大本命 [単行本]

Copilotエージェントの教科書―AIによる業務自動化の大本命 の 商品概要

• 要旨（「BOOK」データベースより）

  生成ＡＩの普及により、業務でＡＩエージェントを試すことが当たり前になりました。しかしながら、ＰｏＣすなわち概念実証はできても、本番運用にうまく乗せられない、公開後に問い合わせやエスカレーションが増える、品質や統制の観点で止まるといった課題も数多く発生しています。その原因は、設計と運用の前提が不足したまま、ＡＩエージェントとの「会話」だけを先に作ってしまうことにあります。本書は、Ｃｏｐｉｌｏｔ　Ｓｔｕｄｉｏを中心に「業務で使えるＡＩエージェント」を実装するためのアーキテクチャ（構造）を整理しました。ナレッジ、会話設計、ツール連携、プロセス化、自律化、そして運用・ガバナンスまでを体系立ててまとめています。また、本書の内容を把握できる解説動画を用意しました。本書を読んで、「業務で使えるＡＩエージェント」の実装法を、再現可能な手順として身に付けましょう。

• 目次

  はじめに
  　　　免責事項
  　　　本書のサポートサイトについて
  目次
  
  第1章 マイクロソフトが描くエージェントの世界
  
  第2章 エージェントとCopilot の基礎概念
  　　　2-1 生成AI の仕組み
  　　　2-2 Copilot とは
  　　　2-3 エージェントとは
  　　　2-4 エージェントの構成要素
  　　　2-5 エージェントの種類
  　　　2-6 Copilot Studio の役割
  　　　2-7 Copilot Studio とMicrosoft 365 Copilot エージェントビルダーの本質的な違い
  
  第3章 従来型自動化／AI自動化／AIエージェントの違い
  　　　3-1 すべてをエージェント化する必要はない
  　　　3-2 ルールベースの自動化とは
  　　　3-3 ゴールベースの自動化とは
  　　　3-4 コスト構造から見るルールベース型とゴールベース型の違い
  　　　3-5 AI 補助ベースの自動化とは（中間アプローチ）
  　　　3-6 どのアプローチを選ぶべきかの判断基準とフレームワーク
  　　　3-7 業務分類演習
  　　　3-8 「適材適所」こそが成功の鍵
  
  第4章 Copilot Studio の基礎
  　　　4-1 Copilot Studio のアーキテクチャ
  　　　4-2 ランタイムとチャネル
  　　　4-3 指示（プロンプト）とオーケストレーション
  　　　4-4 ナレッジ
  　　　4-5 トピック設計
  　　　4-6 ツール
  　　　4-7 トリガー
  　　　4-8 マルチエージェントで「強いチーム」を作る
  　　　4-9 環境と請求プランを作成する
  
  第5章 業務シナリオをエージェントに変える
  　　　5-1なぜ「業務シナリオ」から考えるのか
  　　　5-2 本書で扱う共通業務シナリオの全体像
  　　　5-3 現状、何が起こっているかをそろえる
  　　　5-4 未来像（To-Be）と成功条件を定義する
  　　　5-5 エージェントの価値ポイントを選び抜く
  　　　5-6 入力（プロンプト）と出力（期待回答）を具体化する
  
  第6章 ナレッジと検索で「一次回答の土台」を作る
  　　　6-1 ナレッジの仕組み
  　　　6-2 合格ラインと対象範囲を決める
  　　　6-3 Copilot Studio のナレッジ全体像
  　　　6-4 ナレッジソースを追加する
  　　　6-5 Copilot Studio におけるRAG アーキテクチャ
  　　　6-6 Copilot Studio で問い合わせ対応エージェントを作成する
  　　　6-7 指示プロンプトを作る際のベストプラクティス
  
  第7章 トピックで「会話」を成立させる
  　　　7-1 生成型オーケストレーション
  　　　7-2 トピックを「再利用できる処理ブロック」として利用する
  　　　7-3 トピック内におけるトリガー
  　　　7-4 マルチインテント／マルチステップを「許す」構成にする
  　　　7-5 応答時の挙動を制御する
  　　　7-6 テストとチューニング
  　　　7-7 問い合わせ対応エージェントにトピックを追加する
  
  第8章 ツールでシステム連携を行う
  　　　8-1 「エージェントが手を動かす」ための機能
  　　　8-2 会話とツールの役割分担
  　　　8-3 ツールの種類と選び分け
  　　　8-4 認証と権限
  　　　8-5 入出力設計
  　　　8-6 誤登録を防ぐ会話パターン
  　　　8-7 エスカレーションエージェントを作成する
  
  第9章 エージェントフロー、トリガーとマルチエージェント
  　　　9-1 エージェントフローの構成
  　　　9-2 どこまでをフローに寄せるか
  　　　9-3 フロー設計の基本
  　　　9-4 トリガーを設計する上での考え方
  　　　9-5 条件分岐とルール
  　　　9-6 例外処理を最初から組み込む
  　　　9-7 落とし穴を踏まない設計
  　　　9-8 人の介在（承認・確認）をフローに組み込む
  　　　9-9 システム連携の現実解
  　　　9-10 見積書作成のエージェントフローを作成する
  　　　9-11 マルチエージェントを入れる判断基準
  　　　9-12 役割分担の実例
  　　　9-13 アフターセールスエージェントを作成する
  
  第10章 Dataverse やコードインタープリターで複雑なタスクに対応
  　　　10-1 「業務の台帳」としてのDataverse
  　　　10-2 セキュリティと権限
  　　　10-3 エージェントからDataverse を触る経路の整理
  　　　10-4 コードインタープリター
  　　　10-5 メンテナンスエージェントを作成する
  
  第11章 Computer Use Agent とデスクトップフロー（RPA）でPC操作を自動化
  　　　11-1 なぜ今でも「PC 操作の自動化」が必要なのか
  　　　11-2 デスクトップフロー（RPA）の基礎
  　　　11-3 デスクトップフローで生産管理システムへつなげる
  　　　11-4 コンピュータユースエージェント（CUA）の基礎
  　　　11-5 CUA で在庫状況サイトへの確認を自動化
  　　　11-6 使い分けの整理：API / CUA / デスクトップフロー
  　　　11-7 サプライエージェントを作成する
  　　　11-8 セキュリティと運用
  
  第12章 チャネル連携で公開する
  　　　12-1 チャネル選定は「配布先」ではなく「UX の設計」
  　　　12-2 Copilot Studio の「公開」とチャネル接続の基本
  　　　12-3 チャネルごとの差分を前提に会話を作る
  　　　12-4 Teams とMicrosoft 365 Copilot
  　　　12-5 Web 公開
  　　　12-6 認証設計
  　　　12-7 エージェントを公開する
  
  第13章 モニタリング・ガバナンス・運用自動化
  　　　13-1 なぜ運用が主戦場になるのか
  　　　13-2 エージェントの文脈におけるガバナンス
  　　　13-3 Microsoft Agent 365 を運用基盤としてとらえる
  　　　13-4 環境単位のガバナンス
  　　　13-5 Copilot Studio におけるALM の概要
  　　　13-6 エージェントを安定して稼働させる「評価（Evals）」
  　　　13-7 Copilot Studio における評価機能
  　　　13-8 一次対応エージェントに評価を設定する
  　　　13-9 Copilot Studio Kit
  
  おわりに
  索引

• 出版社からのコメント

  Copilot Studioを用いて業務で使えるAIエージェントを実装する手法を解説し解説動画も用意しました。

• 内容紹介

  　生成AI の普及により、業務でAI エージェントを試すこと自体は珍しくなくなりました。一方で、PoC（Proof of Concept：概念実証）は成立しても本番運用にうまく乗せられない、公開後に問い合わせやエスカレーションが増える、品質や統制の観点で止まる――。そういった課題も同じ頻度で発生しています。
  　多くの場合、その原因はAI のモデル性能ではなく、設計と運用の前提が不足したまま、AI エージェントとの「会話」だけを先に作ってしまうことにあります。
  　本書は、非エンジニアの業務担当者から情報システム部門まで、AI エージェント導入に携わるすべての方々を対象として、Copilot Studio を中心に「業務で使えるAI エージェント」を実装するためのアーキテクチャ（構造）を整理しました。ナレッジ、会話設計、ツール連携、プロセス化、自律化、そして運用・ガバナンスまでを体系立ててまとめています。
  　Copilot Studio の機能は豊富で、画面操作を覚えるだけでも一定の成果は出るでしょう。しかし、業務で「使われ続ける」ために必要なのは、エージェント設計を「型（パターン）」として整理することです。
  　本書は、冷蔵庫・電子レンジ・炊飯器などを製造する架空の家電メーカー「コントソ」の業務部門を業務の想定シナリオとして取り上げました。製造・需要供給・物流・アフターサポートまで業務を横断し、問い合わせ対応、保証・修理手配、配送状況確認など、現実に起こりやすい業務シナリオを題材として多く取り入れています。
  
  ■解説動画を用意
  
  　本書は、全章を通してコントソの業務シナリオを一貫して取り扱っています。読み手の前提となる認識が途中でずれると理解が難しくなってしまう箇所があるため、全体像を短時間で把握できる解説動画を各章に散りばめました。章を読み進める中で「いま扱っている設計が、全体の業務のどこに効いているか」を見失ってしまったら、解説動画に戻って前提を確認できます。
  
  　本書の目的は、AI エージェントの「機能」の網羅ではなく、「実装の型」を学ぶことです。ぜひ本書を通じて、各要素をどう組み合わせれば、現場で使える形で「業務を完遂する」エージェントになるのかを、再現可能な手順として身に付けてください。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  吉田 大貴(ヨシダ タイキ)
  大阪府出身。２０１８年にマイクロソフト入社後、日本でＰｏｗｅｒ　Ｐｌａｔｆｏｒｍビジネスを立ち上げ、２０２１年に渡米。米国本社の製品開発チームで世界中の大規模導入支援と成長戦略を牽引。２０２５年新設の生成ＡＩ　Ａｇｅｎｔｓ　ＦＤＥチームの管理職としてＰｒｉｎｃｉｐａｌ　ＰＭ　Ｍａｎａｇｅｒに就任。経営層向け登壇では全世界で最上位の賞を受賞し、殿堂入りを果たす
  
  吉田 まみな(ヨシダ マミナ)
  愛知県出身。通算１０年の人事採用経験を経て、独学でマイクロソフトのＩＴエンジニアに転身。２０２１年に渡米後、米国本社で北米顧客の技術サポートを担当。現在はマイクロソフトのパートナー企業で戦略的パートナーシップをリード

Copilotエージェントの教科書―AIによる業務自動化の大本命 の商品スペック