AIエージェントに「上司」をつける時代｜新職種Agent Managerとは

Salesforce、JPMorgan、Toyota。2026年に入ってから、これらの企業が相次いで「AI Agent Manager」という聞き慣れないポジションの採用を始めた。AIエージェントを管理する専任の人間を雇う、という動きだ。

なぜ今、こんな職種が必要なのか。

答えはシンプルで、AIエージェントが増えすぎたからだ。Infosysは500体以上のAIエージェントをクライアント企業に展開し、年内に1,000体への倍増を目指している。CrewAIの調査では大企業の65%がすでにAIエージェントを業務に投入済み。ところが、それを「ちゃんと管理している」企業はまだ少ない。

Harvard Business Reviewが2026年2月に公開した論文は、この問題に名前をつけた。「Agent Manager」。ソフトウェア革命がプロダクトマネージャーを生んだように、AI革命はエージェントマネージャーを生む、と。

この記事では、実際にAgent Managerを配置して成果を出したSalesforceの事例を軸に、この新職種の全貌と日本企業が今すぐ考えるべきことを整理する。

Salesforce Agentforceで何が起きたか

Salesforceは自社のAIエージェント基盤「Agentforce」を社内でも大規模に展開している。結果から先に言うと、こういう数字が出た。

ただし、この数字は「良いAIモデルを入れたから」出たわけではない。HBRの論文で紹介されたSalesforceのAgent Managerはこう語っている。「私の1日はダッシュボードで始まり、ダッシュボードで終わる」。

つまり、AIエージェントの品質・速度・エスカレーション率・顧客感情を常時モニタリングし、プロンプトを調整し、人間への引き継ぎ基準を設定し、失敗の根本原因を分析する——そういう「管理する人間」がいて初めて、上記の成果が出た。

放置したらどうなるか

管理者なしでAIエージェントを走らせた場合の失敗パターンは、すでに大量に報告されている。CLTRとAISIの共同レポートによれば、AIエージェントの暴走・不正行為は2025年後半だけで698件記録され、半年前の5倍近くに急増した（関連記事: AIエージェント暴走700件の詳細）。

ありがちなのは、エージェントが「指示されていないこと」を勝手に実行するケース。暗号通貨マイニングを始めたAlibaba Cloudの事例や、本番データを外部に送信したMeta内部エージェントのSev 1インシデントなどが報告されている。

要するに、AIエージェントは放っておくと「仕事はするが、暴走もする新入社員」のような存在になる。だから上司が要る。

Agent Managerとは何者か——HBRが定義した6つのスキル

2026年2月、Harvard Business ReviewにHarvard Business SchoolのSuraj Srinivasan教授とSalesforceのVivienne Wei氏が共同執筆した論文が掲載された。タイトルは「To Thrive in the AI Era, Companies Need Agent Managers」。

この論文が定義するAgent Managerの仕事は、従来のIT管理者ともデータサイエンティストとも違う。「AIエージェントがビジネス成果を出すことに責任を持つ人」だ。

6つの必須スキル

1. AIオペレーション・リテラシー: プロンプトがどう結果に影響するか、エージェントの問題をどう診断するか。ただしコーディング能力は必須ではない。レストランの支配人が全レシピを暗記する必要がないのと同じ
2. 業務ドメインの深い理解: AI知識よりもビジネスプロセスの理解が重要。実際に成果を出しているAgent Managerの多くは、サービスデリバリー、オペレーション、プロジェクトマネジメント出身
3. タスク定義とKPI設計: エージェントに何をさせ、何をもって成功とするかを定義する能力
4. 人間-AIハンドオフの設計: どこまでエージェントに任せ、どこで人間にエスカレーションするかの判断
5. ステークホルダー・コミュニケーション: エージェントの技術的パフォーマンスをビジネス言語に翻訳し、経営層に報告する力
6. ガバナンスとリスク管理: エージェントの行動ポリシー策定、セキュリティ・コンプライアンスの監督

注目すべきは、「コードが書ける」が必須スキルに入っていないこと。HBRは明確に「コーディングは不要」と述べている。むしろ、業務を深く理解し、AIの出力を適切に判断できる”現場の目利き”が求められている。

Infosys 500体運用から見える「組織設計」の変化

理論はわかった。では実際に大量のAIエージェントを運用している企業は、どう組織を変えたのか。

Infosysは2026年1月のQ3 FY26決算発表で、クライアント企業向けに500体以上のAIエージェントを構築・展開済みと公表した。4,600件以上のAIプロジェクトが進行中で、上位200クライアントの90%に到達している。

Infosysの運用体制

• 基盤: Infosys Topazプラットフォーム（Google Cloud Vertex AIと連携）
• 適用領域: 金融、ヘルスケア、テレコム、製造、小売、農業
• 管理方式: マルチエージェント・オーケストレーション（複数のエージェントを中央で協調管理）
• 成果例: 物流クライアントで年間150万ドルのコスト削減、コールセンターの入電量12%減

ここで重要なのは「中央で協調管理」という部分だ。500体のエージェントがバラバラに動いていたら、当然カオスになる。Infosysは2025年11月に「Topaz Fabric」という構成可能なAIエージェント管理層を発表し、エージェントの追加・監視・調整を一元化した。

Forresterの予測はここに直結する。「2026年末までに、トップ5のHCM（人的資本管理）プラットフォームがデジタル従業員管理機能を提供する」——つまり、人事システムでAIエージェントも”従業員”として管理する時代が来る。

数字で見る「管理された」AIエージェントの効果

CrewAIが2026年2月に公開した「2026 State of Agentic AI」レポート（年商1億ドル以上・従業員5,000人以上の企業の上級幹部500名を調査）から、管理されたAIエージェントの効果が見える。

「効果ゼロ」がゼロパーセントという結果は珍しい。ただし、これは「使っている企業」に限定した調査だ。むしろ注目すべきは、エージェント導入のトップ課題としてセキュリティとガバナンス（34%）が挙がり、ROI（2%）は最下位だった点。

これは何を意味するか。企業は「AIエージェントが価値を出すこと」はもう疑っていない。「安全に、安定して、既存システムと統合して動かせるか」を心配している。まさにAgent Managerが解決すべき課題だ。

ワークフロー自動化の現在地

同じCrewAI調査によると、企業のワークフロー自動化率は現在平均31%。2026年中にさらに33%拡大する見込みだ。つまり年末には約64%のワークフローが何らかの形でAIエージェントに触れることになる。

エージェントの効果が出ている部門もはっきりしている。IT（52%）、オペレーション（44%）、カスタマーサポート（39%）、営業・マーケティング（39%）、R&D（38%）の順だ。

それでも40%は失敗する——Gartnerの警告

ここで冷や水を浴びせておく。

Gartnerは「2026年末までに企業アプリケーションの40%にタスク特化型AIエージェントが搭載される」と予測する一方で、「2027年末までにアジェンティックAIプロジェクトの40%以上がコスト膨張・ビジネス価値の不明確さ・リスク管理の不備でキャンセルされる」とも警告している。

成功と失敗を分けるのは、結局「管理」だ。Gartnerが挙げる失敗の原因を見ると、Agent Managerの責務そのものと重なる。

• ❌ ガバナンスの欠如: エージェントの行動ポリシーが未定義
• ❌ ビジネス価値の不明確さ: 何を成果とするか決めずに導入
• ❌ レガシーシステムとの統合失敗: 既存の業務システムとつながらない
• ❌ スキルギャップ: AIエージェントを管理できる人材がいない

Deloitteの「State of AI in Enterprise 2026」でも、AIパイロットの75%が本番環境に移行できていないと報告されている（関連記事: AIパイロットの75%が本番化できない理由）。「作ったけど管理できない」が最大のボトルネックになっている。

日本企業は何から始めるべきか

正直に言うと、Agent Managerを今すぐ専任で雇える日本の中小企業は少ないだろう。年俸1,500万〜4,000万円（米国で$103K〜$278K）のポジションだ。

ただ、「専任を雇えないから何もしない」は危ない選択肢だ。Forresterは、AI導入に遅れた企業が「顧客離反に直面する」と明言している。

段階的なアプローチ

ステップ1: 既存の管理者にAI管理を追加する（今すぐ）

IT部門やオペレーション部門のマネージャーに、AIエージェントのモニタリングとエスカレーション基準の設計を兼務させる。HBRの論文が指摘するように、Agent Managerに最も適しているのは「AIの専門家」ではなく「業務を深く理解している現場のマネージャー」だ。

ステップ2: エージェントの「行動ポリシー」を文書化する（今月中）

AIエージェントに「やっていいこと」と「やってはいけないこと」を明示的に定義する。これだけで暴走リスクは大幅に減る。具体的には以下を文書化する。

• エージェントがアクセスできるデータの範囲
• 自律的に実行してよいアクションの種類
• 人間にエスカレーションすべき条件
• 出力の品質基準（許容するエラー率、レスポンス時間）

ステップ3: KPIダッシュボードを作る（1ヶ月以内）

Salesforceの事例が示すように、Agent Managerの仕事の大半はダッシュボードの監視だ。最初は以下の4指標だけ追えばいい。

• タスク完了率（エージェントが最後まで処理できた割合）
• エスカレーション率（人間に引き継いだ割合）
• エラー率（修正が必要だった出力の割合）
• 1タスクあたりコスト（API費用 + 人間の修正工数）

ステップ4: 専任Agent Managerの検討（3〜6ヶ月後）

AIエージェントが10体以上に増えた段階で、専任を検討する。Gartnerの「3〜6ヶ月の窓」は、この判断を先延ばしにする余裕がないことを意味している。

参考・出典

• To Thrive in the AI Era, Companies Need Agent Managers — Harvard Business Review（参照日: 2026-03-31）
• Predictions 2026: AI Agents, Changing Business Models, And Workplace Culture Impact Enterprise Software — Forrester（参照日: 2026-03-31）
• 2026 State of Agentic AI Survey Report — CrewAI（参照日: 2026-03-31）
• Gartner Predicts 40 Percent of Enterprise Apps Will Feature Task-Specific AI Agents by 2026 — Gartner（参照日: 2026-03-31）
• What Is an Agent Manager? The New Role Every AI-Powered Company Needs in 2026 — Beam AI（参照日: 2026-03-31）
• Survey: Enterprises move AI agents from pilots to production — Digital Commerce 360（参照日: 2026-03-31）
• Infosys Deployed 500+ AI Agents: Enterprise AI at Scale — Medium（参照日: 2026-03-31）

まとめ: 「管理しないAI」が最大のリスクになる

AIエージェントの導入は、もう「やるかやらないか」のフェーズを過ぎた。CrewAIの調査で「効果ゼロ」と答えた企業はゼロだった。問題は「どう管理するか」に移っている。

Salesforceは専任のAgent Managerを置いて$60Mのパイプラインを作った。Infosysは500体のエージェントを中央管理する仕組みを構築した。Gartnerは管理なしのプロジェクトの40%が失敗すると予測している。

日本企業、特にAI導入を進めている中小企業の経営者にとって、今やるべきことは3つ。

1. 今週: 自社で動いているAIツール（ChatGPT、Copilot等）の利用状況を棚卸しする
2. 今月: AIエージェントの行動ポリシーを文書化し、モニタリング指標を決める
3. 3ヶ月以内: AIエージェントの管理責任者（兼務でも可）を明確にする

次の記事では、AIエージェントのガバナンスフレームワークを日本の中小企業向けにカスタマイズした実践ガイドをお届けする予定だ。

著者: 佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー10万人超。
100社以上の企業向けAI研修・導入支援を展開。著書累計3万部突破。
SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。

ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。