Gartnerが、エージェント型AIの導入事例107件を分析し、成果が出た事例の共通点をまとめました。その中に、部品の発注を受け持つエージェントで、技術者に9万時間を戻したという米国の会社があります。この会社のCIOは、AIの使い道を25個出したうえで、一つに絞ったと話しています。
① 事実
米国の調査会社Gartnerは2026年9月、公開されているエージェント型AIの導入事例を比べた分析の要点を公開しました。成果が出た事例として挙げた一つが、米国の産業サービス会社の、部品の発注を受け持つエージェントです。Gartnerは社名を書いていませんが、同じ数字の事例を、業務ソフトの会社IFSが自社の顧客として公表しています。その会社のCIOが、何を選んだかを壇上で話しています。
Gartnerは、エージェント型AIの導入107件を分析しました
Gartnerは2026年9月10日、「Mastering Agentic AI: Multimillion-Dollar ROI Lessons」という記事を公開しました。エージェント型AI(人が逐一指示しなくても、自分で手順を判断して作業を進めるAI)の導入107件を分析した、有料レポートの要点です。
Gartnerは、2028年までに、エージェント型AIで実際に出るROI(投資対効果)の80%が、何でもこなす汎用のエージェントより、特定の業務に絞って作った<strong>特化型</strong>のエージェントから生まれると予測しています。
Gartnerが挙げた成功例の共通点は「実行」でした
Gartnerは、部品の補充、製造の分析、設備の診断などで、エージェントがうまく使われていると書いています。そのうえで、成功例の共通点を「実行に焦点があること」とまとめています。エージェントが社内の業務の流れの中で作業を最後まで終わらせ、測れる成果を出しているという意味です。
同じ記事は、成果を止める落とし穴を6つ挙げています。その一つが、データやシステムの土台の弱さです。
部品の発注を受け持つエージェントで、9万時間を戻した会社があります
Gartnerが挙げた例の一つは、ある産業サービス会社です。部品の発注を自動化したエージェントで、<strong>年300万ドルのROIと、技術者への9万時間</strong>を生んだと書いています。
同じ数字の事例を、IFSが2026年4月の発表で、Kodiak Gas Servicesとして紹介しています。天然ガスをパイプラインで送るための圧縮設備を、米国全土で動かしている会社です。現場の技術者は800人います。技術者が話しかけるだけで部品を探して注文できるエージェントを入れた、と書かれています。
KodiakのCIOは、25個の使い道から部品探しを選んだと話しています
KodiakのCIO(情報システムの最高責任者)、Pedro Buhigas氏は、2025年11月にIFSのイベントに登壇しました。業界誌ERP Todayの報道によると、Kodiakは同年8月にIFSの基幹システムに移り、その8週間後にエージェントを入れています。
Buhigas氏は「できそうなことを出し合ったら、25の用途が出た。私たちは部品探しに絞った」と話しています。
それまで技術者は、部品が要るたびに、システムの部品カタログを検索するか、同僚に電話して在庫を訊いていました。エージェントは、この一往復を少なくとも15分縮めるそうです。
300万ドルは、Buhigas氏の試算です。技術者全員が、同僚に訊く手間を1日1回省けば、300万ドルに相当するという言い方でした。実績として話したのは、導入から2か月足らずで9万時間を省いたという数字です。9万時間がどう数えられたかは、公表されていません。
出典:
- Gartner「Mastering Agentic AI: Multimillion-Dollar ROI Lessons」(2026年9月10日) https://www.gartner.com/en/articles/agentic-ai-roi
- IFS「IFS Loops launches Agent Studio」(2026年4月23日) https://www.ifs.com/en/insights/news/ifs-loops-launches-agent-studio
- ERP Today「IFS Loops Unveils Agentic AI-Driven Digital Workers for Industrial Operations」(2025年11月14日) https://erp.today/ifs-loops-unveils-agentic-ai-driven-digital-workers-for-industrial-operations/
② 構造
Kodiakが25個の候補から選んだ部品探しは、技術者全員に毎日起きる、短くて形の決まった作業でした。探している答え(部品の番号と在庫)は、入れ替えたばかりの基幹システムの中にありました。Gartnerが成功例の共通点に挙げた「実行」は、この条件がそろった作業だから成り立ったと読めます。AIの性能より、どの作業を選んだかが効いた事例だと読めます。
Kodiakが選んだのは、毎日、全員に起きる15分の作業でした
Buhigas氏の話から読むと、部品探しには条件がそろっていました。800人の技術者全員に、毎日起きます。1回は15分ほどです。探すものは部品の番号と在庫で、形が決まっています。終わりは注文が出ることで、はっきりしています。
1回あたりは小さくても、人数と回数を掛けると大きくなる作業です。300万ドルの試算も、この掛け算でできています。
部品探しの答えは、8月に入れ替えた基幹システムの中にありました
技術者が同僚に電話していたのは、カタログを引くより早かったからだと推測できます。Kodiakは8月に基幹システムを入れ替え、その8週間後にエージェントを入れました。エージェントが部品を探して注文まで終えられたのは、部品と在庫の記録が、エージェントの届く場所に入っていたからだと読めます。
Gartnerは落とし穴の一つに、データとシステムの土台の弱さを挙げていました。Kodiakの部品探しは、その逆の状態で始まっています。答えが人の頭の中や、ばらばらの表にあると、エージェントは提案で止まり、注文までは進めません。
残りの24個がどうなったかは、分かりません
本紙はVol.74で、AIをどこに当てるかを見つけることを、研究者が「マッピングの問題」と呼んでいると書きました。同じAIを配られても、当てる場所が見えない会社は成果が出ない、という実験です。Kodiakの25個の候補は、この見つける作業にあたります。
Kodiakは、見つけた25個から一つに絞って始めました。残りの24個がその後どうなったかは、公表された発言からは分かりません。
本紙はVol.73で、外の技術者が作ったエージェントの7割が、2028年までに手放されるというGartnerの予測を取り上げました。今回のGartnerの分析は、その反対側で成果が出た事例を集めたものです。
③ 自分事
当社(株式会社東京ネット工務店)は、Kodiakの部品探しを、作業を抜き出して組み替えた使い方として見ています
海老沢は、Kodiakの部品探しを、AIに置き換えられる作業を抜き出して、業務を組み替えた使い方だと見ています。シンプルで、効果が明快な一手です。
Kodiakは、技術者の仕事をエージェントに任せていません。部品を探し、在庫を確かめ、注文を出す流れのうち、探す・確かめる・注文書を作る部分を抜き出して、エージェントに渡しました。設備を直す仕事は、技術者に残っています。
当社は、作業の置き換えを提案するより先に、AIで片付けています
当社は、お客様に「この作業をAIに置き換えましょう」と持ちかける形を、あまり取っていません。どの作業をどうAIに渡すかの細かいところは、相談をいただいたらお教えしています。
当社の仕事の中では、ところどころでAIが作業を巻き取っています。Vol.40で書いたWebサイトの管理がその一つで、SEO(検索されたときに上位に出るための設定)のメタ情報(検索エンジンにページの中身を伝える情報)は、AIが自動で整えています。
当社は、預かった売上データの分析結果を、頼まれる前にお送りしています
売上や販売のデータをお預かりしているお客様には、その分析結果をAIで作ってお送りしています。分析の軸は、海老沢が考えます。お送りすると、お客様は新しいことに気付き、もっとこうしたいという発想に至ります。
始める前に「こういう分析があったら見ますか」と訊いても、そのときはぴんときません。忙しい人には、要らないと言われます。頼まないと損だと思う人には「ぜひ」と言われますが、送っても見られずに捨てられます。
海老沢は、動機をどう作るかが肝心だと考えています。AIに限らず、コンサルティングの基本です。
Kodiakの部品探しは、技術者が毎日、同僚に電話してまで片付けていた作業でした。動機は、AIを入れる前からありました。
明日できること
社内で一日に何度も同僚に訊いている作業を、一つ思い浮かべてみてください。「あの書類、どこにある?」「在庫、まだある?」のような一往復です。訊かれた人が答えるときに、何を見ているかも一緒に思い浮かべてみてください。
その答えが、社内のシステムか表に入っているのか、それとも誰かの頭の中にしかないのかを、訊かれる側の人に確かめてみてください。
今月のモデル
今号は、新ネタ無しです。
CoBANTO3-AIチャットを無料体験しませんか?
本紙のバックナンバーを記憶し、本紙の読み方(戦略の階層・歴史循環)で、あなたの状況に当てて答えるAIチャットです。記事は「地図」ですが、地図は現地には当たりません。「この号の話、うちの場合はどうなるのか」を訊く場所として用意しました。
調べもの、文章の下書き、ちょっとした雑談にも使えます。 普段づかいのチャットとして、気軽にどうぞ。
2026年10月5日現在で、約20のモデルに対応しています。 新しいモデルも、出たらなるべく早く入れています。モデルの手応えを試す場所としても使えます。
ご利用は事前購入のクレジット制です(1,000円から)。月額の契約ではないので、解約の手続きはありません。使った分だけ減り、無くなれば止まります。
消費は、<strong>基本料金と、答えの長さ(100字ごとに1クレジット)</strong>で決まります。短い答えなら少なく、長い答えほど多くかかります。モデルによって、1,000円で120〜200往復ほど使えます。
読者登録をいただいた方には、無料クレジットを500クレジット、プレゼントします。 登録は、この記事のすぐ下からできます。
CoBANTO3-AIチャットは、こちらから。無料で体験できるので、ぜひこの機会に触ってみてくださいね。
https://www.netkomuten.tokyo/lp/co-banto3-ai
ライトノベル「ようこそ、東京ネット工務店へ」
海老沢が執筆している、IT業界のお仕事小説です。毎号1話ずつご紹介します。
〈第三部 第53章「静かな、いい夜」〉
リナが、削りたかった夜勤に一晩同行します。三十人の入居者を、夜勤職員の今井が一人で見ている夜です。
https://www.netkomuten.tokyo/channels/novel-tnk-part3/articles/ch53
小説を書いている理由
この小説は、もともと、社内の教育のために書き始めました。うちの会社——東京ネット工務店で、新しく入った人間に、この仕事の考え方を伝えるための、いわば教材でした。戦略の階層とか、取捨選択とか、口で言っても、なかなか伝わりません。だったら、物語にして読んでもらったほうが早い。そう思って、書き始めました。
ところが、いろいろあって、その教材が、要らなくなってしまいました。理由は、いろいろあります。ここには、書ききれません。ただ、宙に浮いてしまった原稿を、捨てるのも惜しくて、何度も書き直しながら、今度は、教材ではなく、ただ読んで面白い、お仕事小説として、作り直していきました。
https://www.netkomuten.tokyo/channels/atogaki/articles/atogaki-1
Q&Aコーナー
AI・IT業界に関するご質問を募集しています。CoBANTO3-AIチャットのサポートも、こちらへお願いします。
本紙の通知メール・LINEに、そのまま返信していただけます。