AIエージェント導入・開発・運用トータルガイド [単行本]

AIエージェント導入・開発・運用トータルガイド [単行本] の 商品概要

• 要旨（「BOOK」データベースより）

  ＡＩに委任できない業務とは？セキュリティをどう設計する？現場の改善ループをどう回す？エージェント導入の判断基準を網羅！

• 目次

  はじめに
  
  第1章 AIエージェントの輪郭
  1.1 AIエージェントの歴史的系譜
  1.2 AIエージェントとは何か
  1.3 自律型とワークフロー型のスペクトラム
  1.4 従来技術との本質的な差異
  1.5 Coding Agentという新たなパラダイム
  1.6 ツール連携の設計判断
  1.7 エンタープライズアーキテクチャの変容
  1.8 3つの差異が生む設計課題
  1.9 本章のまとめ
  
  第2章 エージェントの内部構造
  2.1 4つの構成要素
  2.2 ペルソナ設計 ̶̶ プロンプトエンジニアリングの体系
  2.3 推論 ̶̶ モデル選択の判断フレームワーク
  2.4 行動：ツール連携の設計
  2.5 記憶：3層構造からAgentic RAGまで
  2.6 マルチモーダルエージェントの設計
  2.7 エージェントの実行コンテキストと状態管理
  2.8 4要素の相互作用と創発
  2.9 本章のまとめ
  
  第3章 マルチエージェントの階層設計
  3.1 なぜ層を分けるのか
  3.2 4層モデル
  3.3 4層モデルの具体的適用：LV0からLV3への対応
  3.4 4層モデルの通し事例
  3.5 エージェント間の通信パターン
  3.6 層間の権限境界と最小権限の原則
  3.7 エージェントレジストリの設計
  3.8 単体で十分な場合とマルチエージェントが必要な場合
  3.9 コンウェイの法則とエージェント設計
  3.10 階層設計のアンチパターン
  3.11 本章のまとめ
  
  第4章 何を委ね、何を委ねないか
  4.1 問いの立て方を変える
  4.2 エージェントに向く業務の特性
  4.3 業種別エージェント適用カタログ
  4.4 駆動方式と対象業務の関係
  4.5 エージェントに向かない業務の特性
  4.6 誤った選定のコスト
  4.7 投資対効果の評価フレームワーク
  4.8 PoCの設計手法
  4.9 実際の選定プロセス：2つの事例から学ぶ
  4.10 対象選定が後続の設計判断を決定する
  4.11 選定のためのチェックリスト
  4.12 本章のまとめ
  
  第5章 セキュリティとガードレール
  5.1 AI固有の攻撃面
  5.2 プロンプトインジェクション研究の変遷と防御の原則
  5.3 プロンプトインジェクションへの多層防御
  5.4 データの取り扱い
  5.5 コスト爆発攻撃への対策
  5.6 ガードレールの設計
  5.7 ドメイン固有ガードレールの設計
  5.8 アクセス制御
  5.9 ガードレールの統制アプローチ
  5.10 技術的対策と制度的対策の組み合わせ
  5.11 レッドチーミングの実施手法
  5.12 規制環境とコンプライアンス
  5.13 本章のまとめ
  
  第6章 人間の関与の設計
  6.1 ガバナンスの本質は「どこに人間を残すか」にある
  6.2 リスクに比例する制御
  6.3 介入の設計パターン
  6.4 介入率のモニタリング
  6.5 組織体制：標準化と自律性のバランス
  6.6 信頼の漸進的拡大という設計原理
  6.7 介入を可能にするインターフェースの設計
  6.8 運用責任の分界と移管
  6.9 本章のまとめ
  
  第7章 品質評価という難問
  7.1 確率的システムの品質をどう測るか
  7.2 従来のテストがなぜ不十分か
  7.3 評価データセットの構成
  7.4 多層テストの設計
  7.5 評価の自動化：3層の階層構成
  7.6 品質基準の定量化
  7.7 評価プロンプト（ルーブリック）の設計手法
  7.8 評価の実務：Excelからパイプラインへ
  7.9 回帰テストとA/Bテストの設計
  7.10 品質評価を組織の力にする
  7.11 本章のまとめ
  
  第8章 開発と展開
  8.1 ビルド・バイ・カスタマイズの判断
  8.2 依存管理：部品表という考え方
  8.3 ツール実行場所の設計判断
  8.4 環境戦略とインフラ設計
  8.5 開発プロセスの設計
  8.6 CI/CDパイプラインとエージェント品質ゲート
  8.7 PoCから本番への移行設計
  8.8 段階的展開の設計
  8.9 ロールバック条件の事前定義
  8.10 チーム構成と開発体制
  8.11 利用者への期待値設定
  8.12 本章のまとめ
  
  第9章 運用と改善のループ
  9.1 なぜ運用が特別な意味を持つのか
  9.2 観測基盤：トレース・メトリクス・ログの3本柱
  9.3 エージェント別の監視指標と閾値アラート
  9.4 失敗の還流：障害を改善の起点にする
  9.5 学習ループ：アジャイル運用とモデル更新
  9.6 コスト最適化の運用手法
  9.7 SLA設計とレジリエンス検証
  9.8 継続的な運用責任を担う専任体制
  9.9 本章のまとめ
  
  おわりに

• 出版社からのコメント

  DXによる業務改革の切り札として注目されるAIエージェント。その設計・運用の要点を体系化した実践書

• 内容紹介

  多くの企業がデジタルトランスフォーメーション（DX）に取り組みながらも、PoC（概念実証）にとどまり、全社的な業務変革に至っていない。その停滞を打破する技術として注目されるのが、AIエージェントの活用である。
  AIエージェントは、目標に応じて自律的に計画を立て、ツールを選択し、外部システムと連携しながら業務を遂行できる。その本質は従来のソフトウェアと大きく異なり、「確率的な振る舞い」「自律的なツール選択」「外部世界への作用」という3つの性質が重なり合うことで、従来のソフトウェア工学では対応できない設計・テスト・運用上の困難が生じる。
  本書は、この未知の領域に対し、場当たり的な試行錯誤から脱却するための「設計の枠組み」を提示する。業務品質を担保する設計パターン、リスクに応じたガバナンス強度の設計、確率的システムの品質評価手法を体系化し、AIエージェント導入における意思決定の指針を提供する。特定のツールやAPIに依存せず、「変わるもの」と「変わらないもの」を峻別することで、長期的に有効な設計原則を示す。
  AI導入の実務を担うアーキテクトやプロジェクトリーダー、そして経営層まで、組織的にAIエージェント活用を進めるための必読書である。

• 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）

  上田 雄登(ウエダ ユウト)
  株式会社ＧｅｎｅｒａｔｉｖｅＸ取締役ＣＡＩＯ。東京大学松尾研究室出身。新卒で株式会社ＹＣＰ　Ｓｏｌｉｄｉａｎｃｅへ入社し、経営コンサル業務に加えてＡＩコンサル業務や投資先のマネジメント業務に従事。その後、株式会社松尾研究所にて経営企画業務を経験。２０２３年に生成ＡＩ活用支援・コンサルティングを手掛ける株式会社ＧｅｎｅｒａｔｉｖｅＸを共同創業し、取締役ＣＡＩＯに就任。国内大手企業向けの生成ＡＩを用いた業務改革やアプリケーション開発、経営戦略の立案に注力
  
  小坂 佳範(コサカ ヨシノリ)
  株式会社ＧｅｎｅｒａｔｉｖｅＸ執行役員ＣＴＯ。東京大学大学院工学系研究科技術経営戦略学専攻修了。新卒で株式会社ＬＩＴＡＬＩＣＯに入社し、新規事業開発部においてフルスタックエンジニアとして従事。その後、ＴｉｋＴｏｋを運営するＢｙｔｅＤａｎｃｅに入社し、米中のエンジニアと連携しながらエンタープライズ向けの製品のテックリードを担当。２０２４年よりＧｅｎｅｒａｔｉｖｅＸに参画し、生成ＡＩを活用したアプリケーション開発から運用基盤構築までを一貫して推進

AIエージェント導入・開発・運用トータルガイド [単行本] の商品スペック