エージェントハーネスとは？経営者が下すべき"内製かマネージドか"の意思決定ガイド

AI経営者の参謀@ひでです。

今日は「エージェントハーネス」の話をします。

「AIエージェント、導入したいんだけど……何から手をつければいいか全然わからない」

これ、最近の経営者あるあるじゃないですか。

セミナーに行けばキラキラした事例が並んでいる。

でも自社に持ち帰ると「それで、うちは何をすればいいの？」となる。

「内製すべきか、外から買うべきか」の議論が社内でループする。

決まらないまま、また次のセミナーへ——。

僕もこの感覚、すごくよくわかるんですよ。

でも正直に言うと、この迷いの根っこには「エージェントハーネス」という概念を知らないことが多い。

ここを押さえると、霧が一気に晴れます。

「内製か外注か」じゃなくて「何をハーネスで包むか」という問いに変わる瞬間があって、それが起きると意思決定が驚くほどシンプルになるんです。

この記事では、LayerX CEO 福島良典氏のnote記事と、Google DeepMind の Philipp Schmid氏のブログをベースに、経営者が押さえるべきポイントを整理していきます。

エージェントハーネスとAIマネージドサービス｜福島良典 | LayerX

note.com

The importance of Agent Harness in 2026

www.philschmid.de

エージェントハーネスとは何か——3分で掴む新概念

AIエージェントだけでは業務は回らない

まず大前提の話をさせてください。

「AIエージェントを導入すれば業務が自動化される」——これ、半分正解で半分間違いなんですよ。

AIエージェントは確かに賢いです。

文章を読んで、判断して、アクションを取れる。

でも、それだけで業務が回るかというと、全然回らない。

なぜかというと、業務って「判断」だけじゃなくて「管理」が必要だからです。

タスクの進捗管理、品質チェック、エラー時のリカバリー、他のシステムとの連携——こうした「判断以外のすべて」を支えるインフラが、エージェントハーネスです。

ここ、ちょっと注目してください。

ハーネスがないAIエージェントを導入するのは、「優秀な社員を採用したけど、デスクも電話もPCも与えずに『あとはよろしく』と言っている」状態なんです。

「シェフと調理場」の比喩で理解する

福島氏の比喩がとてもわかりやすいので、そのまま使わせてもらいます。

• AIエージェント = シェフ（料理の腕前＝推論能力）
• エージェントハーネス = 調理場（キッチン設備、食材管理、衛生管理、オーダー管理）

どれだけ腕のいいシェフを連れてきても、包丁がない、冷蔵庫がない、オーダーが来ない調理場では料理は出せないですよね。

ハーネスが担う役割を経営者向けに整理すると、こうなります。

ここで大事なのは、ハーネスはAIではないということです。

ハーネスの多くは決定論的なコード（ルールベースのプログラム）で構成されています。

AIに「考えさせる」部分と、ルールで「管理する」部分を分けるのが、エージェントハーネスの設計思想なんですよ。

つまり、「優秀なシェフを雇うだけ」が答えではなく、「しっかりした調理場を整備することが先」——この順序を間違えると、高い採用費を払っても業務は変わらない。

なぜ今、経営者がこの概念を知る必要があるのか

Philipp Schmid氏は「2025年がエージェントの始まりの年だったとすれば、2026年はエージェントハーネスの年になる」と述べています。

AIモデルの性能は急速に上がっていて、「シェフの腕前」はどんどん良くなっている。

でも、それを業務に組み込む「調理場」の設計がボトルネックになっているのが2026年の現状です。

経営者がこの概念を理解すべき理由はシンプルで、AIへの投資判断の軸が変わるからです。

「どのAIモデルを使うか」ではなく、「どんなハーネスで包むか」が競争力の差になる時代に入っています。

で、意思決定は？——この問いに答えるための判断軸を、次のセクションから具体的に整理していきます。

ドリフト問題——経営者が見落としがちなAIの品質劣化リスク

長時間タスクでAIが「勝手に完了宣言」する

ここからは、ハーネスがなぜ必要なのかを「リスク」の観点から話します。

「うちのAI、ちゃんと動いてるな」と思っていたら、実は品質がじわじわ劣化していた——というのがドリフト問題です。

これ、意外と笑えない話なんですよ。

AIエージェントに長めのタスクを任せると、こんなことが構造的に起きます。

• 終了条件の誤認: 本当は完了していないのに、AIが「できました」と報告する
• 品質の自己過信: 自分の出力を「問題ない」と判断してしまう（セルフチェックが甘い）
• 累積的なズレ: 小さな判断ミスが積み重なって、最終的に大きく方向がずれる

人間のチームでも「報告と実態が違う」ことはありますけど、AIの場合はこれが悪意なく、モデルの特性として構造的に起きるんですよ。

ドリフトはSLAリスクとコスト増大を招く

これを経営リスクとして捉え直すと、かなり深刻です。

例えば、AIエージェントにカスタマーサポートの回答を任せているとします。

ドリフトが起きると、最初は正確だった回答が徐々にズレていく。

気づいたときには、顧客に誤った情報を大量に送ってしまっている。

これはSLA違反、顧客離脱、信頼毀損に直結します。

さらに厄介なのが、ドリフトは静かに進行すること。

エラーで止まるならすぐ気づけますが、ドリフトは「動いているけど品質が劣化している」状態なので、発見が遅れます。

「動いているから大丈夫」という油断が一番危ない。

発見が遅れた分だけ、リカバリーコストが膨らむ。

経営者としては、この「見えないリスク」をどう管理するかが問われるわけです。

ハーネスがドリフトを防ぐ仕組み

「じゃあ、どう防ぐのか？」——ここがハーネスの真骨頂です。

福島氏はドリフト対策として、ハーネスに組み込むべき仕組みを3つ挙げています。

1. 終了条件の外部化

AIに「自分で終わりかどうか判断させない」こと。

タスクの完了条件はハーネス側（ルールベースのコード）で定義して、AIの自己判断に委ねない。

2. 視覚的品質チェック

AIの出力をスクリーンショットやプレビューで確認する仕組み。

テキストだけで品質を判断させると見落とすものを、別の角度から検証する。

3. Hook（フック）

タスクの各段階でチェックポイントを設け、基準を満たさなければ先に進ませない。

人間でいう「中間報告」を仕組み化するイメージですね。

ポイントは、これらは全部AIではなくハーネス（決定論的コード）が担うということ。

AIの弱点を、AIではなくルールで補う。

この設計思想が、エージェントハーネスの核心です。

「なるほど、リスクはわかった。では自社はどの形で調理場を整えるべきか」——次のセクションでその答えを出していきます。

AI業務提供の3つの型——自社はどれを選ぶべきか

型1: AIマネージドサービス型（業務の完成品を買う）

福島氏が提唱する3つの型のうち、最初に紹介するのがAIマネージドサービス型です。

これは「ハーネス＋エージェント＋決定論的コード」がすべてセットになった業務の完成品を購入するモデルです。

例えるなら、レストランで完成した料理を注文するようなもの。

調理場もシェフも食材調達も、全部お店（ベンダー）側が用意してくれる。

実例でいうと、Harveyはリーガル業務の、Rampは経費管理のAIマネージドサービスを提供しています。

LayerXのバクラクも、経理業務のAIマネージドサービスとして見ることができます。

つまり、「調理場を整備する手間とコストをまるごとベンダーに委ねる」という選択です。

向いている企業: AIが本業ではない企業。

経理、法務、カスタマーサポートなど、自社の競争優位に直結しない業務をAI化したい場合。

型2: プラットフォーム/SDK＋FDE型（半カスタム）

2つ目は、プラットフォームやSDKを使いつつ、ベンダーのFDE（Field Development Engineer）が自社の業務に合わせてカスタマイズしてくれるモデルです。

これは、ケータリング業者に「うちの好みに合わせたメニューを作って」と頼むイメージ。

調理場の基本設備はベンダーが持っているけど、味付けは自社仕様にできる。

向いている企業: 業務プロセスに独自性があり、汎用サービスではフィットしないが、ゼロから作るリソースはない企業。

型3: 内製型（自社エンジニアで構築）

3つ目は、ハーネスからエージェントまで全部自社で作る内製型です。

自分でキッチンを建てて、シェフを雇い、メニューも全部自分で考える。

向いている企業: AI活用そのものが競争優位の源泉である企業。

自社のデータとプロセスが独自のモートになりうる場合に限り、内製の価値がある。

3つの型を「予算×スピード×競争優位」で比較する

で、意思決定は？——ということで、3つの型を比較表で整理します。

多くのスタートアップにとっては、コア事業に直結する部分は型2か型3、それ以外は型1という組み合わせが現実的だと思っています。

「でも、今ってAIでコードも書けるんでしょ？じゃあ内製でよくない？」——この質問、めちゃくちゃよく聞かれるので次で答えます。

内製 vs マネージドサービスの経済合理性

「Claude Codeで作れるのでは？」への答え

確かに、プロトタイプを作るのは驚くほど簡単になりました。

でも、福島氏が指摘しているように、プロトタイプと本番運用の間には巨大な溝があります。

プロトタイプは「動く」ことを証明するだけ。

本番運用は「動き続ける」ことを保証しなければならない。

この差を埋めるのが、まさにハーネスの部分なんですよ。

「週末に動くものを作った」と「本番で24時間365日品質を保てる」の間には、天と地の差がある。

エンジニア人件費・機会コスト・継続改善コストの3論点

内製の経済合理性を判断するとき、見るべきコストは3つあります。

1. エンジニア人件費

ハーネスを設計・構築・運用できるエンジニアは、今のマーケットでは希少です。

現在のマーケット感覚でいえば、年収1,000万〜1,500万円クラスのエンジニアが最低2〜3名は必要になるケースが多い。

これだけで年間3,000万〜4,500万円のコストが発生します。

2. 機会コスト

そのエンジニアリソースを、本来のプロダクト開発に投下できたら？

特にスタートアップにとって、限られたエンジニアリソースをハーネス構築に割くことの機会コストは甚大です。

3. 継続改善コスト

ここが一番見落とされがちなんですけど、ハーネスは「作って終わり」じゃないんですよ。

AIモデルは数ヶ月単位でアップデートされます。

モデルが変わればハーネスも調整が必要。

業務要件も変わる。

この継続的なメンテナンスコストを、自社で永続的に負担し続けられるかどうか——マネージドサービスなら、このコストはベンダーが吸収してくれます。

福島氏のnoteを引用すると、給与計算の例がとてもわかりやすいです。

> 給与計算そのものは決定論的コード（ルール通りの計算）で行い、AIに任せるのは「異常検知」だけにする。

> アップサイドが大きく、ダウンサイドが小さい領域にだけAIを使う。

これが、AIとハーネスの役割分担の本質です。

シェフに「料理の腕前を発揮させる場面」と「レシピ通りに確実にやる場面」を分けて設計する——この発想が、内製・外注どちらを選ぶ場合でも効いてきます。

マネージドサービスが有利な条件 / 内製が有利な条件

判断をシンプルにまとめます。

マネージドサービスが有利な条件:

• その業務がコア事業ではない（経理、法務、サポート等）
• 社内にハーネスエンジニアリングの知見がない
• 6ヶ月以内に成果を出す必要がある
• AIモデルの継続的なキャッチアップにリソースを割けない

内製が有利な条件:

• AI活用そのものが事業の競争優位になる
• 自社データが独自のモートを形成している
• ハーネスエンジニアリングの知見を持つチームがいる（または採用できる）
• 長期的な投資として経営判断できる

経済合理性の話はここまでです。

「じゃあ今週、具体的に何をすればいいか」——最後のセクションで答えを出します。

経営者のアクションプラン——今週できる3つの判断

自社業務のAI化可能性をスクリーニングする

いきなり全社AI化を議論するより、まず「棚卸し」の一歩だけ踏み出すほうが圧倒的に速い。

ポイントは、業務を「判断」と「処理」に分解すること。

• 処理（ルール通りに実行する部分）→ 決定論的コード（従来のシステム）で対応
• 判断（状況に応じて考える部分）→ この中で「アップサイドが大きく、ダウンサイドが小さい」ものだけAIに任せる

福島氏のヘルプデスクエージェントの例でいうと、「ナレッジベースの自動改善」や「回答の鮮度劣化の検知」はAIに向いている領域です。

一方で「最終的な回答の送信」は人間のチェックを挟むほうが安全。

この仕分けをA4一枚でやるだけでいい。

それだけで「次に何をすべきか」が見えてきます。

マネージドサービス vs 内製の判断チェックリスト

以下のチェックリストで、各業務ごとに判断してみてください。

今週の会議に持ち込めるレベルの簡易チェックです。

• [ ] その業務は自社の競争優位に直結するか？ → Yesなら内製を検討
• [ ] 社内にAIエンジニアが3名以上いるか？ → Noならマネージドサービス
• [ ] 6ヶ月以内に成果が必要か？ → Yesならマネージドサービス
• [ ] 業務プロセスが業界標準に近いか？ → Yesならマネージドサービスがフィットしやすい
• [ ] AIモデルの進化に追従するリソースがあるか？ → Noならマネージドサービス
• [ ] その業務のミスが重大な損害（法的リスク等）につながるか？ → Yesならドリフト対策が整ったマネージドサービスが安全

5つ以上「マネージドサービス」に該当したら、内製にこだわる理由はほぼないと思います。

2026年に乗り遅れないための投資優先順位

最後に、投資の優先順位について。

僕が経営者として考える優先順位はこうです。

第1優先: コア事業以外の業務にAIマネージドサービスを導入する

経理、法務、カスタマーサポートなど、すでに成熟したマネージドサービスが存在する領域から着手する。

ROIが見えやすく、経営判断のハードルも低い。

第2優先: コア事業に近い領域でプラットフォーム/SDK型を試す

FDE付きのサービスを使って、自社業務に合わせたカスタマイズを検証する。

ここでハーネスの知見を社内に蓄積していく。

第3優先: 内製を検討する

型1・型2で十分な知見が溜まってから、本当に内製が必要な領域だけに絞って投資する。

いきなり型3から始めるのは、よほどの確信がない限りおすすめしません。

まとめ——エージェントハーネス時代の経営者に求められること

ここまで、エージェントハーネスの概念から、ドリフト問題、3つの型の比較、経済合理性、アクションプランまで一気に話してきました。

整理すると、経営者が押さえるべきポイントは3つです。

1. AIエージェントの性能より、ハーネスの設計が業務品質を決める
2. 多くの企業にとって、ハーネスは「買う」ほうが経済合理性が高い
3. 内製は「競争優位に直結する領域」だけに絞る

「エージェントハーネス」という言葉自体は技術用語ですが、その本質は「AIをどう管理・運用するか」という経営課題です。

2026年、AIモデルの性能差はどんどん縮まっていきます。

差がつくのは「どう使うか」——つまりハーネスの設計とその意思決定です。

で、意思決定は？

今週中に、まず自社の業務を「判断」と「処理」に分解するところから始めてみてください。

A4一枚、30分あれば十分です。

それだけで、次の一手が見えてくるはずです。

参考文献:

• 福島良典「エージェントハーネスとAIマネージドサービス」（note）
• Philipp Schmid「The importance of Agent Harness in 2026」（philschmid.de）
• Anthropic「Building effective agents」（anthropic.com）