技術共有
Helper CTO シリーズ 09｜システム健診では何を見ているのか：コード、データベース、デプロイ、セキュリティの 4 領域
コードを見せる前に、経営者がいちばん知りたいのは「結局何を見ているのか」です。本記事ではシステム健診の 4 つの領域と、それぞれで実際に確認する 3 つのことを明らかにし、60 分のミーティング、本番環境のアカウント情報不要、1 ページのレポート、3 通りの結論という流れを解説します。
2026 年は「AI エージェント本番投入の年」と呼ばれています。Gartner は、年末までに企業アプリケーションの 4 割にエージェントが組み込まれると予測しています。しかし同社は同時に、エージェント型 AI プロジェクトの 40% 以上が 2027 年末までに中止されるとも予測しています。原因はモデルの性能不足ではなく、コストの暴走、ビジネス価値の不明確さ、リスク管理の不備です。マルチエージェント（Multi-Agent）アーキテクチャが注目を集めるなか、意思決定者が本当に問うべきは「技術的に実現できるか」ではなく、「このタスクは 15 倍のトークンを払う価値があるか」です。本記事ではトポロジーや状態管理には踏み込まず、マルチエージェントの採算を明確に計算し、そのまま使える ROI 判断フレームワークをお渡しします。
まず採算を計算する：マルチエージェントは何が高いのか
Anthropic がマルチエージェント研究システムのエンジニアリングデータを公開した際、注目すべき数字が明らかになりました。通常のエージェントはチャット対話の約 4 倍のトークンを消費し、マルチエージェントシステムは約 15 倍にも達します。言い換えれば、1 回の一問一答で 1 ドルで解決できる問題が、マルチエージェント協調では 15 ドルかかる可能性があるということです。これは必ずしも無駄ではありません。Anthropic の社内評価では、マルチエージェントシステムは単体の Opus 4 を 90.2% 上回り、しかもトークン使用量だけで性能差の 80% を説明できました。追加コストは確かに能力を買っています。問題は、あなたのタスクがその能力を本当に必要とするかどうかだけです。
この問いが切実なのは、導入の波がすでに到来しているからです。世界の企業の約 79% が AI エージェントの導入を開始しており、Gartner は 2026 年末までに企業アプリの 4 割がエージェントを組み込むと見込んでいます（2025 年時点では 5% 未満）。「他社もやっている」という圧力が 15 倍のコスト乗数と重なるとき、採算を計算せずに流行を追ったプロジェクトが、翌年に切られる 40% になりがちなのです。
見落とされがちな 3 つの隠れコスト
マルチエージェントのコストはトークン請求が重くなるだけではなく、さらに 2 つの見えにくい代償があります。同じ表に並べると分かりやすくなります。
| コスト種別 | 発生源 | 実測データ |
|---|---|---|
| トークンコスト | 各エージェントが独立した context を持ち、ツール schema を繰り返し読み込む | マルチエージェントは単一チャットの約 15 倍（Anthropic 実測）。繰り返し読み込まれるツール schema も主要な隠れトークンコストの一つ |
| 信頼性税 | 工程が増えるほど、エラー率が掛け算になる | 各 95% 信頼のエージェント 5 つを直列につなぐと、全体の信頼性は約 77% しか残らない（0.95⁵） |
| 調整オーバーヘッド | エージェント間の通信と再試行 | メッシュ型トポロジーは逐次推論タスクで通信の断片化により性能が 39〜70% 低下しうる（Google Research 実測）。調整の失敗は全体コストを連鎖的に増幅させることもある |
Devin を開発した Cognition は、論文「Don't Build Multi-Agents」でこう断言しています。互いの作業が見えないまま並行動作するエージェントは、矛盾する前提を各自で立て、脆弱なシステムを生む、と。これが「信頼性税」がトークン請求よりも致命的になりやすい理由です。15 倍の費用を払ったのに、かえって壊れやすいシステムを手にしかねないのです。
マルチエージェントが本当に採算に合うとき
Anthropic の判断基準は明快です。マルチエージェントは「タスクの価値が追加性能のコストを支払えるほど高い」場面に向いています。具体的には、以下をすべて同時に満たすタスクだけが価値を持ちます。
- 高度に並列化できる：タスクを互いに依存しない複数の方向へ分割し、同時に進められる（広さ優先の市場調査、複数ソースのデューデリジェンスなど）。
- 情報量が単一の context ウィンドウを超える：同時に扱うデータが多すぎて、1 つのエージェントには収まらない・覚えきれない。
- 1 タスクあたりの価値が十分高い：一度の分析の産出が数百〜数千ドルに相当し、15 倍のトークンコストが相対的に些細になる。
逆に、ルールが明確で線形に完了でき、単価の低い反復作業であれば、マルチエージェントは採算が合わないどころか、調整オーバーヘッドと信頼性低下によってかえって不利になります。だからこそ「広さ優先・並列可能・高価値」の 3 条件は、どれ一つ欠けても成立しないのです。
マルチエージェントに手を出すべきでないとき
業界の「自律性」への幻想は冷めつつあります。2026 年、開発者コミュニティの共通認識は 3 つの言葉に収束しました。ワークフローはデモよりも重要、検証こそが本当のボトルネック、そしてオーケストレーションは自律性に勝る、です。多くの企業タスクにおいては、よく設計された単一エージェントと明確なワークフローの組み合わせのほうが、自律エージェントの群れよりも安定し、安価で、運用しやすいことが多いのです。次の場合は、まず単一エージェントで十分です。
- タスクを線形に分解でき、工程間の依存が強く、並列化に利点がない。
- 出力の正確性が極めて重要で、一度の誤りのコストが大きく、信頼性税を負担できない。
- チームがまだ分散システムを監視・デバッグする能力を持たず、調整オーバーヘッドが運用の悪夢になる。
さらに過小評価されがちなリスクがあります。多段推論が長くなるほど、文脈は狂いやすくなります。context drift（文脈のずれ）と記憶の喪失は、多段推論に依存する企業 AI プロジェクトで繰り返し見られる失敗要因の一つです。マルチエージェントは本質的に「多段・工程横断」のアーキテクチャです。相応の検証・監視能力がなければ、歩けるようになる前に走ろうとするようなものです。
そのまま使える ROI 判断フレームワーク
上記の基準を 4 つの関門に変えます。どれか一つでも通らなければ、マルチエージェントは一旦見送りましょう。
| 関門 | 問うべきこと | 参考基準 |
|---|---|---|
| ① タスク価値 | 1 回のタスクの産出はいくらの価値か？ | 人手による定型問い合わせ 1 件は約 20〜25 ドル、AI は約 0.5〜0.7 ドル。単位価値が高いほどマルチエージェント向き。 |
| ② トークン予算 | 月間トークン使用量はどの区分か？ | 月 5,000 万トークン未満なら従量課金が最も安い。超える場合は予約容量や自社構築で TCO を下げる検討を。 |
| ③ 構築コスト | 買うか、設定するか、自社構築か？ | PoC は約 1.5 万ドルから、中堅企業の導入は 4〜15 万ドル、企業級のマルチエージェント群は 40 万ドル超に達しうる。 |
| ④ 回収期間 | どれくらいで回収できるか？ | 購入/設定型は約 8〜18 か月、自社構築型は 18〜36 か月。McKinsey 2026 のデータでは、範囲が明確な導入で 14 か月以内に 5.8 倍の ROI とされる。 |
この 4 つの関門の順序は意図的です。まずタスク価値がコストを支えられるかを確認し、その後で技術選定と投資規模を論じます。関門①を飛ばしてアーキテクチャに惚れ込むことこそ、Gartner が 4 割のプロジェクトの頓挫を予測する理由です。モデルが失敗したのではなく、モデルを取り巻くビジネス管理が失敗したのです。
コストの敷居は下がっている、しかし規律は古びない
朗報は、マルチエージェントのコストの天秤が傾きつつあることです。LLM API の価格は 2023 年以降 90% 以上下落し、2025 年初めから 2026 年初めだけでもさらに約 80% 下がりました。今日は採算が合わないタスクも、1 年後には敷居を越えているかもしれません。しかしこれは油断してよい理由にはなりません。Gartner は、プロジェクトが頓挫するのは「モデルが失敗したからではなく、モデルを取り巻くビジネス管理が失敗したからだ」と強調しています。台湾企業の AI 平均投資額は 2024 年の 209 万台湾ドルから 2026 年推計の 261 万台湾ドルへと上昇し、投資様式もボトムアップの散発的な実験から、トップダウンの集中投資へと変わりました。集中投資であるほど、マルチエージェントというスイッチを押す前に、この採算を明確に計算しておく必要があります。
恩梯科技（Nerdtechnic）が台湾の中小企業のために行っているのは、まさにこの「採算計算」の仕事です。いかなる AI アーキテクチャを導入する前にも、私たちはタスクの本当の価値を棚卸しし、トークンと構築のコストを見積もり、信頼性要件と回収期間を評価したうえで、単一エージェントを使うのか、マルチエージェントか、あるいは実は AI が不要なのかを判断します。私たちは AI 導入コンサルティング、カスタム開発、OpenClaw 自動化サービスを提供しています。目標は最も華やかなアーキテクチャを売り込むことではなく、投じた一円一円が、それが解決すべき課題に見合うようにすることです。マルチエージェントに価値があるかを検討中でしたら、ぜひ一度ご相談ください。構築の前に、一緒に採算を計算しましょう。
参考資料
- Gartner、《Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027》、2025年。Forbes 経由：Forbes
- Gartner、《Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026》、2025年。Accelirate 経由：Accelirate
- Anthropic、《How we built our multi-agent research system》、2025年。Anthropic Engineering
- PwC、《AI Agent Survey》、2025年。PwC
- Google Research、《Towards a Science of Scaling Agent Systems: When and Why Agent Systems Work》、2026年。Google Research Blog
- Cognition、《Don't Build Multi-Agents》、2025年。Cognition Blog
- 資策会産業情報研究所（MIC）、《台湾電子情報製造業の28%がAIを実践》、2025年。資策会 MIC
- McKinsey State of AI 調査データ、5.8倍ROI／14か月の数値は業界報道による引用、2026年。TechDogs まとめ
- マルチエージェント／AI エージェント構築コストと回収期間の分析：Neontri、Musketeers Tech、BitBytes
- LLM API 価格トレンド分析、2026年。AIMagicX
- トークン課金の敷値と自社構築 TCO モデルの研究。arXiv:2606.11690
- マルチエージェント信頼性税の計算例：MindStudio
