AIエージェントの世界で、ここ数週間いちばん大きな「数字」が出た。2026年11月10日、IBMとMicrosoftが共同で Imagine Enterprise を発表し、その中核に 6,000を超える既製エージェントとアセット を据えたのだ。業界特化のフレームワークを掲げ、まず金融・保険・小売から始まるという。エンタープライズ向けにAIエージェントの導入を支援するhomulaの立場から見ると、この発表は「エージェントはもう作るものではなく、棚から選ぶものになった」という号砲のようにも読める。
だが、ここで一歩引いて考えたい。6,000という数字が解決するのは「供給」であって、「導入」ではない。 カタログが分厚くなるほど、企業に残る本当の仕事——どれを選び、既存システムにどうつなぎ、振る舞いをどう検証し、誰がどう統制するか——は、むしろ重く、濃くなる。本稿では、Imagine Enterpriseの発表内容を事実として整理したうえで、「カタログの時代」に企業が持つべき作法を、本番化の壁から逆算して読み解く。
何が発表されたのか——事実の整理
まず、公開情報から確認できる範囲を整理する。各社報道が一致している点は次のとおりだ(IBM Newsroom、PYMNTS、CIO Dive ほか)。
| 項目 | 内容 |
|---|---|
| 発表 | 2026年11月10日、IBM × Microsoft 共同 |
| 中核 | IBM Consulting由来の 6,000超の既製エージェント/アセット(IBM Consulting Advantage) |
| Microsoftの提供 | Microsoft Foundry、GitHub Copilot、Copilot Studio、Fabric、Entra/Purview/Defender(ID・ガバナンス・セキュリティ)、Azure |
| 対象業種 | まず 金融サービス・保険・小売 の業界フレームワーク |
| 導入支援 | 両社の フォワード・デプロイド・エンジニア(対象案件向け) |
| 価格・一般提供 | 発表時点で 未開示 |
ポイントは2つある。ひとつは、これが「モデル」の発表ではなく 「束ね方(プラットフォーム)」の発表 だということ。IBMはコンサルティングが積み上げた資産を、MicrosoftはFoundryからEntra/Purview/Defenderまでの土台を持ち寄り、構築・運用・統制 を一枚のプラットフォームに乗せようとしている。
もうひとつは、肝心な部分がまだ空いている ことだ。価格も一般提供時期も未開示で、支援対象となる「対象案件」の条件も明示されていない。そして後述するとおり、個々のエージェントの振る舞いをどう記録し、どう監査するか についても、発表は多くを語っていない——複数のアナリストがこの点を注記している。
本稿のImagine Enterpriseに関する記述は、発表当日の一次発表(IBM Newsroom)と複数の業界報道で一致している事実に限定している。価格・提供時期・監査の実装詳細など未開示の論点は「未開示」と明記し、推測で埋めていない。
「6,000体」は何を解決し、何を解決しないか
6,000という数字は強い。だが企業の現場で効くのは「カタログの厚さ」ではなく「自社の業務に当てはめたときの歩留まり」だ。ここで、エンタープライズのAIエージェント導入が実際にどこで詰まっているかを見ておきたい。
各種の2026年調査は、定義のばらつきこそあれ、ひとつの傾向で一致している。「使い始めた企業」は多いが、「本番に乗った用途」は驚くほど少ない。 たとえばCamundaの調査ではエージェントを利用する組織は7割に達する一方、本番に至ったユースケースは1割程度にとどまる。Deloitteも、エージェントの採用スピードがガバナンス・統制の整備を追い越している と指摘する(各社調査は手法・定義が異なるため、水準は幅をもって読む必要がある)。
つまり、ボトルネックは「エージェントが足りない」ことではない。選定・統合・検証・統制という“企業側の作法”が足りない ことだ。6,000体のカタログは、この4つのうち「候補の供給」を一気に満たす。だが残りの3つ——
- 統合: 既製エージェントを自社の基幹・SaaS・社内データにどうつなぐか
- 検証: その振る舞いが、自社の業務ルールと安全基準を満たすかをどう確かめるか
- 統制: 誰が承認し、何を記録し、逸脱をどう止めるか
は、カタログが増えても自動では埋まらない。むしろ 選択肢が増えるほど、選定と統制の難度は上がる。 これは本ブログで繰り返し扱ってきた「買う vs 作る」の論点(McKinseyの32%が示す内製の請求書)の、エージェント・カタログ版と言える。
置き去りにされがちな「振る舞いの検証」と「監査」
Imagine Enterpriseの発表で、実務者がまず気にすべき空白は 監査 だ。報道では、Microsoft側のEntra/Purview/Defenderが「ID・ガバナンス・セキュリティ」を担うとされる一方、個々のエージェントの行動がどの粒度で記録され、振る舞いの変更を誰がどう承認するのか という「エージェント単位の監査」については具体像が示されていない、という指摘が複数ある。ID(誰が)とポリシー(何を許すか)は土台だが、本番運用で問われるのは 「このエージェントは、この入力に対して、正しいことをしたか」を後から再現・説明できるか である。
この「正しいことをしたか」を測る作法について、くしくも同じ週に、参照点になる文書が公開された。Anthropicが2026年11月13日に出した Building strong safety evaluations だ。これはモデル提供者向けの技術ガイドだが、エージェントを本番投入する企業の「受け入れ検証」の設計 にそのまま効く示唆が多い。要点を企業目線で抜き出すと——
- 「拒否率」は安全性の代理指標にならない: 何を測っているか(構成概念の妥当性)を先に定義せよ。有害なプロンプトへの対応だけでなく、過剰拒否(正当な依頼まで断る)も対で測る。
- 採点者(グレーダー)を人間ラベルで較正する: LLMに採点させるなら、人間の判断とどれだけ一致するかを検証し、被評価モデルとは別のモデルで採点する。
- 設定の違いが結果を大きく動かす: 同じ評価でも、APIと対話UI(claude.ai)とで適切応答率が大きく変わりうる(同文書は、ある自傷関連の緩和策を入れた状態で、API上は60%・対話UI上は94%と測る設定で結果が割れた例や、設定差が数十ポイントに及ぶ例を挙げている)。「どの設定で測ったか」を固定しない比較は意味を持たない。
- 評価は一度きりにしない: チューニングの前後を通して継続的に回す。公開ツール(UK AISIの Inspect、監査ツールキット Petri など)も挙げられている。
ここから企業が持ち帰るべき原則はシンプルだ。ベンダーが提示する安全性の数字を額面で受け取らず、自社の業務文脈・自社の設定で、再現可能な検証を回す。 6,000体のカタログがあっても、この「検証の作法」を持たない組織は、どのエージェントが本番で何をしたかを説明できないまま運用に入ってしまう。それは、監査が空いているのと同じ構造的リスクだ。
カタログ由来の既製エージェントは「汎用の振る舞い」で出荷される。自社の禁止事項・承認ルール・データ境界に照らした受け入れ検証を通さずに本番へ回すと、「動くが、自社基準では正しくない」 エージェントが静かに増える。供給が増える局面ほど、受け入れゲートの設計が効く。
homulaの見立て——カタログより「作法」、機能より「順序」
homulaはAIエージェント・インテグレーターとして、戦略策定 → PoC(最短5日)→ 実装 → 運用 → 内製化 を一気通貫で支援してきた。Imagine Enterpriseのような「厚いカタログ+土台」が登場する局面でこそ、価値の重心は 「どのエージェントを持つか」から「どう選び・つなぎ・検証し・統制するか」 へ移る。私たちが実務で置いている順序はこうだ。
-
選定の作法(棚卸し): まず業務を棚卸しし、どの工程をエージェントに任せるかをROIで仕分ける。ここを飛ばして「6,000体から選ぶ」と、カタログの大きさに判断が溶ける。homulaの AIエージェント・ブートキャンプ は、業務棚卸し・プロトタイプ構築・ROI試算を3〜5日で一気に走らせ、「作る/買う/やらない」の判断材料を先に固める。
-
統合の作法(つなぐ): 既製エージェントも自社エージェントも、結局は自社のツール・データにつながって初めて働く。homulaの Agens は、MCPを活用して 200以上のツールと構築ゼロで接続 する統合プラットフォームとして、この配線を薄く保つ。カタログを「使える行動」に変える層だ。
-
検証と統制の作法(確かめ・止める): 前節の「受け入れ検証」を運用に組み込み、承認・記録・逸脱停止を仕組みにする。homulaの Agens Control は、承認フロー・DLP・5年分の監査ログ・RBACを提供する。Imagine Enterpriseの発表で空いていた「個々のエージェントの行動をどう記録・監査するか」に、運用側から答えを置く層にあたる。
-
内製化の作法(自走させる): 最後は、選定・検証・統制を自社の筋力にする。ベンダーのカタログに依存し続けるのではなく、自社で回せる状態(内製化)に着地させることが、本番化の壁を越えた先の持続条件になる。
技術は n8n / Dify / LangGraph を使い分ける。実績としては、適切に設計したエージェント化で 処理時間93%削減 といった成果を、月額30〜80万円 規模の小さな検証から積み上げてきた。大きなカタログの到来は、この「小さく始めて、作法で広げる」設計の価値を下げない——むしろ、選択肢が増えた分だけ、作法の有無が結果を分ける。
まとめ
IBM×MicrosoftのImagine Enterpriseは、エージェントの「供給」をかつてない規模で束ねた、象徴的な発表だ。6,000体というカタログは強力な出発点になる。だが、
- カタログは 供給 であって、導入ではない。本番化の壁は「エージェント不足」ではなく「選定・統合・検証・統制の作法不足」にある。
- 発表で空いていた最大の論点は 「個々のエージェントの振る舞いをどう検証し、どう監査するか」。ID・ポリシーの土台だけでは埋まらない。
- 同週のAnthropicの安全性評価ガイドが示すとおり、ベンダーの数字を額面で受け取らず、自社設定で再現可能な検証を回す ことが、本番運用の前提になる。
カタログが分厚くなる時代に効くのは、カタログの大きさではなく、それを自社の成果に変える作法と順序 だ。homulaは、その作法を企業の筋力にするところまで伴走する。
既製エージェントの波をどう選別し、自社基準で検証・統制して本番に乗せるか——最初の一歩の設計から、お気軽にご相談ください。