サブエージェントとは｜AIエージェント並列活用の仕組みと業務例【2026】

「AIエージェントを1体入れてみたけど、複雑な仕事を頼むと途中で迷子になるんですよね…」

企業向けのAI研修で、最近本当によく聞く悩みです。議事録要約やメール下書きはうまくいくのに、「競合5社を調査して比較表にまとめて」のような複合タスクになると、調査の途中で文脈があふれて品質が落ちる。多くの企業がここで「AIエージェントってこんなものか」と足踏みしてしまいます。

私自身、日々の業務の大半をClaude Codeに任せて運用していますが、転機になったのがまさに今回のテーマである「サブエージェント」でした。1体のAIに全部やらせるのをやめて、「調査係」「レビュー係」「執筆係」と役割を分けた子エージェントに並列で仕事を振る。これだけで、複合タスクの完走率が目に見えて変わったんです。

この記事では、サブエージェントの概念と並列化の仕組みを、公式一次情報にもとづいて整理したうえで、Claude Codeですぐ試せる設定例・プロンプト、法人導入時のコストと権限設計の注意点まで解説します。なお、AIエージェント全般の基礎や導入ステップはAIエージェント導入完全ガイドで体系的にまとめているので、前提から押さえたい方はあわせてどうぞ。

サブエージェントとは？親エージェントとの関係をシンプルに理解する

サブエージェントとは、メインのAIエージェントから特定のタスクを委任され、独立した環境で動く専門特化型のAIアシスタントのことです。Anthropicの公式ドキュメントでは、Claude Codeのサブエージェントを「特定タイプのタスクを処理する特化型AIアシスタントであり、それぞれが独自のコンテキストウィンドウ・カスタムシステムプロンプト・固有のツールアクセス権を持って動作する」と定義しています。

会社組織にたとえると分かりやすいです。メインのエージェントが「プロジェクトマネージャー」、サブエージェントが「調査担当」「レビュー担当」「資料作成担当」といった専門メンバー。PMは仕事を丸ごと自分で抱えるのではなく、タスクを分解して各メンバーに割り振り、上がってきた成果だけを受け取って統合します。

ポイントは「独立したコンテキスト」です。サブエージェントが検索結果やログ、ファイルの中身を大量に読み込んでも、その作業メモリはサブエージェント側に閉じていて、親エージェントには要約された結論だけが返ります。メインの会話が雑多な情報で汚れないので、長い業務フローでもAIが迷子になりにくいわけです。

なぜ今サブエージェントなのか。並列化で何が変わるか

サブエージェントの真価は「並列化」にあります。根拠として最も有名なのが、Anthropicが自社のリサーチ機能の裏側を公開したエンジニアリングブログです。要点は3つ。

• 性能が上がる: リーダー役のClaude Opus 4が3〜5体のClaude Sonnet 4サブエージェントを指揮するマルチエージェント構成は、単体のOpus 4に対して社内リサーチ評価で90.2%上回る成績を出した
• 速くなる: 複数のサブエージェントとツール呼び出しを並列化することで、複雑な調査クエリの所要時間を最大90%短縮
• ただし高くつく: マルチエージェントシステムのトークン消費は通常チャットの約15倍。単体エージェントでも約4倍

つまり「1体の賢いAIを育てる」より「そこそこ賢いAIを複数並べて同時に走らせる」ほうが、調査系タスクでは圧倒的に強い。これはSoftBankの連載でも書いてきた「大きなタスクは分割して段階的に進める」という原則を、AI自身が自動でやってくれるようになった、と捉えると腹落ちしやすいと思います。

一方で、同ブログは向かないケースも明言しています。エージェント間で共有すべき文脈が多いタスクや、各工程が前工程に強く依存する逐次的なコーディング作業では、マルチエージェント化のメリットが薄い。「なんでも並列化」ではなく、後述する向き・不向きの見極めが実務では重要です。

サブエージェントの仕組み：オーケストレーター・ワーカー型の動き方

主要な実装はほぼ共通して「オーケストレーター・ワーカー型」と呼ばれるパターンで動きます。流れは次の4ステップです。

ステップ1：親エージェントがタスクを分解する

「競合5社の料金と機能を調べて比較して」という依頼を受けた親エージェントは、まず調査戦略を立て、「A社担当」「B社担当」…と独立して進められる単位にタスクを分割します。

ステップ2：サブエージェントに委任し、並列実行する

分割した各タスクを、それぞれのサブエージェントに委任します。各サブエージェントは自分専用のコンテキストで同時に作業を進めるため、5社分の調査が「順番待ち」ではなく「同時進行」になります。

ステップ3：各サブエージェントが「要約」だけを返す

サブエージェントは検索・ファイル読解・分析を自分のコンテキスト内で完結させ、親には結論のサマリーだけを報告します。生ログや長大な検索結果が親の会話を圧迫しません。

ステップ4：親が結果を統合し、最終成果物をつくる

親エージェントは各担当からの報告を突き合わせ、不足があれば追加調査を指示し、最終的な比較表やレポートに統合します。Anthropicのリサーチシステムでは、この後さらに引用チェック専門のエージェントが出典の突き合わせを行う構成になっています。

このアーキテクチャ設計（オーケストレーター・ワーカー型やハンドオフ型などの設計パターン）をコードレベルで深掘りしたい方は、姉妹メディアのマルチエージェント設計パターン解説（AIgent Lab）が詳しいです。

主要プラットフォーム別：サブエージェント機能の比較

「サブエージェント」という言葉が一番ストレートに使われているのはClaude Codeですが、同等の概念は主要プラットフォームに揃っています。

ChatGPTを日常業務で使っている企業の場合、「ChatGPT本体にサブエージェントボタンがある」わけではなく、開発側でOpenAI Agents SDKのハンドオフを組む形になります。SDKの全体像はOpenAI Agents SDK完全ガイドで解説しているので、OpenAI系で組みたい方はこちらを参照してください。

なお、Claude Codeには複数セッション同士が対話する「Agent Teams」というベータ機能もありますが、環境依存が大きい実験的機能なので、まずは安定して動くサブエージェントから始めるのが現実的です（詳細はClaude Code Agent Teamsガイド）。

すぐ試せる：Claude Codeのサブエージェント設定＆委任プロンプト5選

ここからは実践編です。Claude Codeのサブエージェントは、プロジェクト内の.claude/agents/（またはユーザー共通の~/.claude/agents/）にYAMLフロントマター付きのMarkdownファイルを置くだけで定義できます。必須フィールドはnameとdescriptionの2つだけです。

1. 調査専用サブエージェントの定義（読み取り専用で安全に）

まずは「読むだけ」の調査係から。ツールを読み取り系に制限しておけば、勝手にファイルを書き換える事故が起きません。

---
name: research-assistant
description: 社内資料や公開情報の調査・要約を担当。調査依頼が来たら使う。
tools: Read, Grep, Glob, WebSearch, WebFetch
---

あなたは調査専門のアシスタントです。
依頼されたテーマについて情報を収集し、出典付きで要約してください。
不足している情報があれば、最初に質問してから作業を開始してください。
推測で補った箇所は必ず「推測」と明記してください。

2. 並列リサーチを依頼するプロンプト

サブエージェントを定義したら、メインの会話からこう頼むだけで並列調査が走ります。

次の3テーマを、それぞれ別のサブエージェントで並列に調査してください。
1. 競合A社の料金プランと直近の機能アップデート
2. 競合B社の料金プランと直近の機能アップデート
3. 自社が属する業界のAI導入に関する公的統計

各サブエージェントには出典URLの明記を必須とし、
最後に3つの結果を1つの比較サマリーに統合してください。
数字と固有名詞は、根拠（出典）を添えてください。

3. レビュー専用サブエージェントの定義（成果物の品質ゲート）

作る係と見る係を分けるのは、人間のチームと同じく品質管理の基本です。

---
name: doc-reviewer
description: 提案書・報告書のドラフトをレビューする。文書の品質チェック依頼で使う。
tools: Read, Grep, Glob
---

あなたは文書レビュー専門のアシスタントです。
以下の観点で指摘をリストアップしてください。
1. 事実・数値に出典があるか
2. 論理の飛躍や矛盾がないか
3. 読者（経営層）にとって分かりにくい表現がないか
指摘は重大度順に並べ、修正案を必ず添えてください。
仮定した点は必ず「仮定」と明記してください。

4. コストを抑える軽量モデル指定の定義

フロントマターのmodelフィールドで、サブエージェントごとに使用モデルを変えられます。定型的な下調べは軽量なHaikuに振るのが公式ドキュメントでも推奨されている定石です。

---
name: quick-checker
description: ファイルの存在確認や簡単な下調べなど、軽いタスクを低コストで処理する。
tools: Read, Grep, Glob
model: haiku
---

あなたは軽量タスク専門のアシスタントです。
依頼された確認作業を最小限の手数で実行し、結果を3行以内で報告してください。
判断に迷う場合は、自分で決めずに確認事項として報告してください。

5. 定例業務を分業させる委任プロンプト

週次レポートのような定例業務も、分業構造にすると安定します。

週次レポートを作成します。次の分業で進めてください。
1. research-assistant に、今週の業界ニュースの収集を任せる
2. quick-checker に、レポート用フォルダ内の先週版ファイルの確認を任せる
3. 1と2の結果を受けて、あなた（メイン）がドラフトを作成する
4. doc-reviewer にドラフトのレビューを任せ、指摘を反映する

各ステップの完了時に、何をどこまでやったかを短く報告してください。
不明点があれば、作業前に私に質問してください。

Claude Code自体の導入がまだの方は、Claude Code初心者ガイドから始めるのがおすすめです。また、SDKレベルでサブエージェントを組み込みたい開発者の方はClaude Agent SDKのサブエージェント実装ガイド（AIgent Lab）へどうぞ。

業務での活用例：どの部門で何が並列化できるか

事例区分: 想定シナリオ
以下は、100社以上のAI研修・導入支援の経験をもとに構成した、部門別の典型的な適用シナリオです。

経営企画・マーケティング：市場調査の並列化

もっとも効果が出やすい領域です。「競合各社」「市場統計」「規制動向」を別々のサブエージェントに割り振り、統合レポートを親エージェントにまとめさせる。順番に調べると半日仕事だった調査が、同時進行で回るようになります。前述のとおり、Anthropicが公開している数字でも、並列化の恩恵が最も大きいのはこうした「幅の広い調査タスク」です。

営業：商談準備の分業

「訪問先企業の公開情報調査」「過去の商談メモの整理」「提案骨子のドラフト」を分けて走らせ、最後にレビュー係が数字と固有名詞をチェックする構成。属人化しがちな商談準備が、手順として再現可能になります。

開発・情報システム：コードベース調査とレビューの分離

Claude Codeの公式ドキュメントでも、認証・データベース・APIといったモジュールを別々のサブエージェントで並列調査する使い方が紹介されています。実装係とレビュー係を分けることで、「書いた本人が自分でOKを出す」セルフレビューの甘さも構造的に防げます。

バックオフィス：定例レポートの品質ゲート

収集→作成→レビューの3役分業を毎週同じ構成で回す使い方。サブエージェント定義はファイルとして残るので、チームでバージョン管理して「組織のノウハウ」として蓄積できるのも実務上の利点です。

【要注意】サブエージェント導入の失敗パターンと回避策

失敗1：コスト設計をせずに「全部並列化」する

❌ すべてのタスクをマルチエージェント化して、APIコストが想定の10倍以上に膨らむ

⭕ 高付加価値な調査・分析タスクに絞って並列化し、軽いタスクは軽量モデルのサブエージェントか単体処理に振る

なぜ重要か: Anthropic自身が「マルチエージェントはチャットの約15倍のトークンを使うため、その価値があるタスクでないと経済的に見合わない」と明言しています。並列化は速さと精度を買う代わりにコストを払う設計判断です。

失敗2：権限を絞らず、全サブエージェントにフルアクセスを与える

❌ どのサブエージェントもファイル書き込み・外部送信を含む全ツールを使える状態で運用する

⭕ 調査係は読み取り専用、書き込みできるのは1体だけ、外部送信は人間の承認必須、と役割ごとに権限を最小化する

なぜ重要か: サブエージェントの強みはtoolsフィールドによる権限制限をエージェント単位で設計できることです。人間の組織で職務分掌を敷くのと同じで、「誰が何をできるか」を先に決めるのが法人運用の大前提。この論点はClaude Code法人利用セキュリティガイドで詳しく扱っています。

失敗3：逐次依存の強いタスクを無理に並列化する

❌ 「前の工程の結果を見ないと次が決められない」業務を複数エージェントに分割し、かえって手戻りが増える

⭕ 独立して進められるタスク（各社調査、各文書の分析など）だけを並列化し、依存の強い工程は1体で順に処理する

なぜ重要か: Anthropicのブログも、エージェント間の依存が強い領域や共有文脈が必要なコーディング作業はマルチエージェントに不向きと整理しています。「並列化できる形にタスクを切り出せるか」が腕の見せどころです。

失敗4：サブエージェントの報告を検証せずに採用する

❌ 並列で返ってきた要約を、そのまま経営会議資料に貼り付ける

⭕ 出典URLの明記をサブエージェントの必須ルールにし、数字・固有名詞は人間かレビュー専用エージェントで二重チェックする

なぜ重要か: サブエージェントは「要約だけ」を返す仕組みなので、途中の根拠が見えにくくなる副作用があります。だからこそ、定義ファイルの段階で出典明記と「不明点は質問する」を義務付けておくのが効きます。

導入時に押さえるべきコストと権限設計の考え方

最後に、法人導入の検討で必ず聞かれる2点を整理します。

コスト：並列度と使用モデルの2軸で管理する

• 並列度: 同時に走るサブエージェントが増えるほどトークン消費は積み上がります。定例業務は「何体構成で回すか」を決めて固定化する
• モデル振り分け: 判断が重要な統合・執筆は高性能モデル、下調べや確認作業は軽量モデル、と役割ごとに割り当てる。Claude Codeならフロントマターのmodel指定だけで実現できます
• 効果測定: 「調査1件あたりの所要時間」「手戻り回数」を導入前後で比べ、増えたAPIコストと相殺できているかを確認する。効果は複合要因なので、プロンプト単体でなく運用込みで評価するのが正直なやり方です

権限：人間の職務分掌と同じ発想で設計する

• 読み取り（調査）・書き込み（作成）・外部送信（公開）を分離し、外部送信は人間の承認を挟む
• サブエージェント定義ファイルは版管理し、「誰がどの権限のエージェントを追加したか」を追えるようにする
• まず1部門・1業務で小さく始め、定義ファイルというノウハウ資産を横展開する

正直にお伝えすると、サブエージェントを使っても「AIに丸投げで完璧」にはなりません。要約の裏取り、権限の設計、コストの見張り役は依然として人間の仕事です。だからこそ「AIの組織図を設計できる人」が、これからの各社で一番価値の高いスキルになると私は見ています。

まとめ：今日から始める3つのアクション

1. 今日やること: Claude Codeで本記事の「調査専用サブエージェント」定義を1つ作り、身近な調査タスクを委任してみる
2. 次にやること: 自部門の業務から「独立して進められるタスク」を3つ書き出し、並列化の候補リストを作る
3. その次に: サブエージェントごとのツール権限と使用モデルのルールを決め、チームの定義ファイルとして共有する

あわせて読みたい:

• AIエージェント導入完全ガイド：エージェント活用の全体像と導入ステップ
• AIエージェント導入5ステップガイド：社内展開の実務手順

次回予告: 次の記事では「サブエージェント定義ファイルの社内標準化」をテーマに、チームでエージェント資産を育てる運用設計を掘り下げます。

参考・出典

• Create custom subagents（Claude Code公式ドキュメント） — Anthropic（参照日: 2026-07-20）
• How we built our multi-agent research system — Anthropic Engineering（参照日: 2026-07-20）。90.2%の性能向上、トークン消費約15倍、並列化による最大90%の時間短縮の出典
• OpenAI Agents SDK 公式ドキュメント — OpenAI（参照日: 2026-07-20）。ハンドオフ・ガードレールの定義の出典
• Workflow orchestrations in Agent Framework — Microsoft Learn（参照日: 2026-07-20）。逐次・並行・ハンドオフ等の編成パターンの出典

著者: 佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。

サブエージェントを含むAIエージェントの導入・研修のご相談はお問い合わせフォームからお気軽にどうぞ。