AIエージェントが現場に降りてきた｜国内大企業の本気の実装

AWS Bedrock AgentCoreの一般提供、大阪メトロの社内問い合わせAI、味の素グループの経理AIで年1万時間削減。2026年6月、AIエージェントは「実験」から「実装」のフェーズへ。事例3つと、見え始めた新リスクを正直に整理します。

「AIエージェント」という言葉、半年前まではちょっと未来っぽい響きでした。でも2026年6月、状況がはっきり変わってきています。

AWSが企業向けの基盤を“本番OK”の状態で正式公開。 大阪メトロが社内問い合わせの自動化を始め、味の素グループは経理業務に投入して年1万時間の削減を見込む。

それぞれ別のニュースですが、並べると一つの絵が見えてきます。AIエージェントは“実験”から“実装”のフェーズに入った——今日はその現場で何が起きているか、見えてきた新しいリスクまで含めて、正直に整理していきます。

まず結論

AWSが企業向けAIエージェント基盤**「Amazon Bedrock AgentCore」を一般提供化**（2026年4月）。6月には実行基盤（harness）もGA
大阪メトロがPKSHA AIヘルプデスクで社内問い合わせを効率化。最終的に従業員5,000人へ展開予定
味の素グループは経理AIエージェントを本番稼働。経費承認業務で年1万時間の削減見込み、正答率93.3%
同時に新リスクも：**「SKILL.md 1個でエージェントが乗っ取られる」**という脅威分類が公開
共通点は**「派手な発表より、地味な業務を1つずつ任せる」**現実路線

ニュース元: Amazon Bedrock AgentCore harness is now generally available（AWS ML Blog）

1. AWS Bedrock AgentCore：企業が「本番投入」できる土台が整った

まずインフラ側の話から。これが整わないと、現場の事例も生まれないからです。

Amazon Bedrock AgentCoreは、AWSが提供するAIエージェントの土台です。2026年4月末に正式リリース（GA）となり、6月には実行基盤（harness）部分もGAされました。

なぜこれが重要なのか。企業が業務にAIエージェントを使う時に避けて通れない要件——たとえばこんなものを、AWSが土台ごと提供してくれるからです。

必要なもの	AgentCoreでの提供
エージェントごとに隔離された実行環境	microVM技術で1セッション1環境
社内ネットワーク内での閉じた通信	VPC・AWS PrivateLink対応
安全な権限管理	エージェントに「ここまでやっていい」を細かく付与
本番運用に必要な監視・A/Bテスト	標準で提供

（出典：Amazon Bedrock AgentCore公式、AWS発表記事）

地味に聞こえるかもしれません。でも、「うちのデータを外に出さずに、エージェント同士を勝手に喧嘩させないで動かす」——これが企業にとっては最大のハードルでした。それを土台で吸収してくれるなら、現場が一気に動き始める。

実際、ここから先に紹介する国内事例は、こうした「土台が整い始めた」流れの上に乗っています。

2. 大阪メトロ：月1,000件の問い合わせを電話からAIへ

国内事例の1つ目は、地下鉄を運営する大阪メトロ。

「現場が困っていたこと」がリアルです。デジタル推進部だけで月約1,000件の問い合わせが来ていて、その9割が電話。電話だと履歴も残らないし、ナレッジも共有できない——同じ質問に何度も答え直し、属人化する。地下鉄を運営している会社の中の「ITヘルプデスク」が、いつの間にか時間泥棒になっていたわけです。

そこで導入されたのが、PKSHA Technologyの「PKSHA AIヘルプデスク」。タイムラインはこうです。

2025年12月：経理部・デジタル推進部に先行導入
2026年5月：人事部・調達部に拡大
今後：従業員約5,000人への全社展開を計画

（出典：キーマンズネット（ITmedia））

ポイントは、いきなり全社展開しなかったことです。経理とIT（デジタル推進）という、**「問い合わせが多くて、ナレッジ化しやすい部署」**で先に成果を出してから横展開する。AI導入の教科書みたいな進め方です。

3. 味の素：経理AIで「年1万時間」削減、正答率93.3%

国内事例の2つ目は、もっとはっきり数字が出ているケース。味の素グループの経理AIエージェントです。

開発したのは味の素フィナンシャル・ソリューションズ × ファーストアカウンティングの共同。2026年2月に本番稼働を始めました。担当する業務は経費承認——具体的にはこんな流れです。

システムに自分でログイン
申請内容を確認
AIが自律的に「承認 / 差し戻し」を判定

これまで人間が1件あたり約5分かけていた作業。月の件数は約1万件。これをAIが代行することで、年間およそ1万時間の削減を見込んでいます。1日にすると約27時間ぶん、つまりフルタイム3人ぶん以上の労力が浮く計算です。

そして驚くのが精度です。3つの判定項目（領収書の必須項目チェック・インボイス制度対応・接待交際費の税務判定）の平均で——

比較対象	3項目平均の正答率
LLM単独で判定	53.3%
業務にチューニングした経理AIエージェント	93.3%

（出典：ITmediaビジネスオンライン、Biz/Zine）

ChatGPTやClaudeを「そのまま」使うと正答率は53%程度ですが、業務にチューニングしたAIエージェントは93%まで上がります。“LLMをそのまま使う”と“業務AIエージェント”は別物——この差をはっきり示した事例として、いま国内で話題になっています。

💡 正直な本音 93%は人間の平均超えに近い数字ですが、残りの7%をどう扱うかが運用の腕の見せ所です。味の素の事例も、AIが100%判定するのではなく「自信のないケースは人間に回す」設計になっているはず。AIに完全に任せる、ではなく、判断の前さばきをAIに任せる——これが現実の使い方です。

4. 同時に見えてきた“新しいリスク”

便利な話だけで終わらせるのはSynthらしくないので、リスクの面も書きます。

AIエージェントが現場に降りてきたタイミングで、技術系の専門メディアでも新しい脅威の整理が始まっています。たとえば日本のZENNで、こんな問題提起が出たばかりです。

「SKILL.md 1個でエージェントは乗っ取られる」——Agent Skillsの脅威分類 （ZENN記事 2026-06-21 より）

「SKILL.md」は、AIエージェントにスキル（できること）を覚えさせるための小さな設定ファイルです。便利なのですが、悪意ある中身を1つ混ぜ込まれるだけで、エージェント全体の動きが乗っ取られうる——そんな構造的なリスクが指摘されています。

これは、先日記事にした「ディープリサーチで機密が漏れる」研究とも地続きの問題です。「便利さの裏で、どう守るかが追いついていない」——これが2026年中盤のAIエージェントの正直な現在地です。

⚠️ 企業導入で押さえたい3つの基本

権限を絞る：エージェントに「業務に必要な範囲」だけを許す。情報漏れの最大の原因は権限の渡しすぎ
判断のログを残す：AIが何を見て「承認/却下」したかを必ず記録。後追いできなければ運用は成立しない
段階導入：味の素や大阪メトロのように「1部門で成果」→「横展開」の順を守る。いきなり全社は地雷が多い

5. 共通点：派手じゃない、でも確実に効く

ここまで見てきた事例には、ある共通点があります。

それは、派手なテーマじゃないことです。

「ChatGPTで小説を書く」「AIで動画を作る」みたいな、SNSで盛り上がりやすい話ではない。問い合わせ対応・経費承認——“地味だけど毎日発生する業務”をAIエージェントに渡している。でもだからこそ、月1,000件・年1万時間という数字が出てくる。

派手な使い方より、地味な業務を1つずつ任せる——これが2026年の現場の答えのようです。

あなたへの影響

企業のIT・情シスの方 → 影響大。今後1〜2年で「AIエージェントを業務に入れたいんだけど」という相談が確実に増えます。Bedrock AgentCoreのような土台と、味の素・大阪メトロのような事例は、社内提案の根拠として使える素材です。
経理・人事・総務など定型業務が多い方 → 影響中。あなたの業務の「電話で5分かかってる確認」「同じ判定を毎月繰り返している作業」のいくつかは、AIエージェントに任せられる候補です。今のうちに「これは定型」「これは要判断」を頭の中で分けておくと、提案が来た時に対応しやすい。
AIサービスを売る側・開発する側の方 → 影響大。読者が必要としているのは「賢いLLM」ではなく「ちゃんと運用できる業務AIエージェント」です。精度93.3%のような具体数字を出せるかが勝負どころになります。