AIエージェントの種類と比較｜常駐型・チャット型など4タイプの違いと選び方

AIエージェントとは、目的を伝えると必要な手順を自分で組み立て、ツールやアプリを操作して作業の完了まで進めるAIのことです。 「AIエージェント」と名の付く製品は2026年時点で数十種類ありますが、動き方がまったく違うものが同じ名前で呼ばれているため、製品名を並べて比較する前に種類(タイプ)を見分けることが先です。この記事では、AIエージェントを動き方で4タイプに整理したうえで、2026年に出そろった常駐型AIエージェント4製品(Grok Bot・Claude Cowork・ChatGPT Work・Copilot Cowork)の違いと料金、自社に合う選び方までを解説します。

AIエージェントとチャットAIの違い — 「答える」か「完了させる」か

生成AIの業務利用は、これまで「人がAIに聞き、AIが答え、人が実行する」形が中心でした。ChatGPTに提案書の下書きを頼んでも、体裁を整えて共有フォルダに置き、関係者に送るのは人間の仕事です。

AIエージェントはこの「実行」を持っています。LLMが推論して手順を組み立て、検索・ファイル操作・アプリ入力といった道具を呼び出しながら、目的に到達するまで自分でループを回します。つまり違いはモデルの賢さではなく、道具を持って作業を完了させる仕組みがあるかどうかです。同じブランドの中にチャット機能とエージェント機能が並んでいる製品も多く、「ChatGPTを使っている=AIエージェントを使っている」とは限りません。

AIエージェントの種類 — 動き方で4タイプに分ける

本記事では、比較の土俵を揃えるために、AIエージェントを「誰が手順を決めるか」「何を任せるか」で4タイプに分けて整理します。

どのタイプが必要かは、次の順で判定できます。

比較記事やランキングで迷子になる典型は、この分岐を飛ばして製品名から入るケースです。チャット型とワークフロー型と常駐型では料金の構造も導入の重さも違うため、同じ土俵に載せて点数を付けても意味のある比較になりません。

常駐型AIエージェントとは — 2026年に出そろった新カテゴリ

常駐型AIエージェントとは、名前と役割を与えて部下のように「雇い」、継続的に仕事を任せるタイプのAIエージェントです。 クラウド上の作業環境やPC上のサンドボックスの中でブラウザやアプリを人間と同じように操作し、調査・入力・資料作成といった複数手順の業務を完了まで進めます。人がアプリを閉じても作業は止まらず、送信や購入など影響の大きい操作の前だけ人に確認を戻す設計が共通です。

このカテゴリは2026年に入って一気に形になりました。1月にAnthropicのClaude Coworkがリサーチプレビューとして先行し、6月にMicrosoftのCopilot Cowork(開発支援のGitHub Copilotとは別の、Microsoft 365向け製品)が一般提供、7月にOpenAIのChatGPT Work、8月にxAIのGrok Botと、主要各社の製品が半年あまりで出そろっています。従来の「1回のタスクを実行して終わり」のエージェントと違い、役割を持って居続ける(常駐する)ことが名前の由来で、営業リストの調査、広告レポートの定例作成、問い合わせの一次対応といった「人を1人アサインするほどではないが、毎週発生する仕事」が主な任せ先です。

常駐型AIエージェント4製品の比較

主要4製品を、提供元・実行場所・接続方式・承認の設計・料金の5軸で比較します(2026年8月時点)。

この表は「どれが最強か」ではなく、自社の前提とどれが噛み合うかを見るための表です。読み方のポイントは3つあります。

1. 接続方式が導入の性格を決めます。コネクタ・プラグイン方式(Claude Cowork・ChatGPT Work・Copilot Cowork)は接続先が公式に用意されたツールに限られる代わりに、権限の範囲が明確です。画面操作方式(Grok Bot)はAPIのない社内システムにも入れる代わりに、ログイン情報の扱いと画面変更への弱さという運用リスクを引き受けます
2. 承認の設計は安全性の下限を決めます。「重大な操作の前に必ず人が確認する」ヒューマンインザループを仕様として固定している製品と、恒久的に許可を出せる製品では、事故時に効く歯止めが違います
3. 料金は「席料」より「従量部分」で差がつきます。定額内包型(Claude Cowork)は費用が読みやすく、従量型(Copilot Cowork・Grok Botの超過分)は使うほど増えます。特に枠の量が非公開の製品は、試してみるまで月額費用が読めません

各製品の詳細は、Grok Botの仕組みと注意点で最も新しいGrok Botを深掘りしています。エージェントに任せる業務の費用対効果の考え方はAIコストの管理を参照してください。

個人向けの「パーソナル型」が出てきた — Meta Muse(2026年9月8日発表)

上の4タイプは業務用の分類ですが、その外側に個人の生活と目標を丸ごと預かるパーソナル型が現れました。Metaが2026年9月8日に発表したMuseです。公式の位置づけは「a secure, private personal AI agent that proactively helps with people’s goals and suggests ideas」(安全でプライベートな個人向けAIエージェント。人の目標に向けて先回りして動き、アイデアを提案する)で、常駐型と同じく「アプリを閉じても作業を続け、メール送信や購入のような承認が要る場面で人に戻る」設計です。

公式発表に書かれている範囲で整理すると、次のとおりです。

日本の法人読者への含意は2つです。ひとつは、いま日本の企業が業務に入れる選択肢ではないということ。米国限定で、個人アカウント前提の製品です。もうひとつは、設計の考え方が上の「選び方5基準」の4番目(承認とログ)とそのまま重なることです。「承認地点を1つ残して残りを任せる」「ログイン情報をエージェント本体から隔離する」という2点は、常駐型4製品を評価するときのチェック観点として読み替えられます。製品を選ぶときは「承認をどこで求めるか」「資格情報を誰が見られるか」を、この発表を物差しにして質問してみてください。

業務アプリの中で動く「職務別エージェント」 — Salesforce Agentforce の7体(2026年9月11日発表)

職務別エージェントとは、担当する職務(ジョブ)を先に決めておき、その仕事に必要な操作・データの持ち方・業務ルールを組み込んだ状態で配られるAIエージェントです。 Salesforceが2026年9月11日に発表したAgentforceの7体がこれにあたります。公式発表はこれを「agents designed around the jobs where AI can have an immediate business impact」(AIがすぐ成果を出せる職務を軸に設計したエージェント)と説明し、1体ずつ自社で組み立てる前提を置き換えるものとして位置づけています(公式発表)。

上の4タイプでいえば常駐型に近いのですが、動く場所が汎用の作業環境ではなく、すでに使っている業務アプリやチャネルの中である点が違います。発表された7体は次のとおりです。

7体のうち6体は提供中で、営業のアウトバウンドを担うHunterだけがパイロット段階という差があります。いま試せるものと待つものが分かれるため、社内で話題に出たときはこの1点を先に確認してください。また、料金とパッケージングについて公式発表に記載はありません。 既存のAgentforce契約に含まれるのか追加費用が要るのかは、この発表だけでは判断できません。

常駐型4製品との違いは3点に整理できます。

1. 名前とスコープが職務で固定されている。常駐型は汎用の道具を1体に渡して何でも頼める代わりに、任せ方の設計を利用者側が考えます。職務別エージェントは担当が先に決まっている分、導入時に決めることが少なくなります
2. 統制は顧客側の設定が効く。公式発表は「Every agent operates within the customer’s business rules, permissions, and security」(各エージェントは顧客の業務ルール・権限・セキュリティの範囲内で動く)としており、名前を自社ブランドに合わせて変更できるほか、Agent Scriptというオープンソースの記述言語でAIの判断と決まりきったルールを組み合わせ、判断の細かい制御ができると説明しています
3. そのぶん適用範囲は狭い。渡せる仕事はその職務の内側に閉じます。前掲の比較表(常駐型4製品)と同じ土俵には乗らず、「汎用の1体を雇うか、職務ごとの担当を業務アプリに置くか」という別の選択になります

営業・マーケの読者に直接関係するのは、インバウンドのPiperとアウトバウンドのHunterです。どちらも「工程のどこまでをエージェントに渡すか」の設計が前提になるため、Agentic GTMの「どの工程から任せるか」で整理した可逆性・検証可能性の2軸と重ねて読んでください。特にHunterが担う調査から接触までは、調査・リスト作成までは任せやすく、社外に出る文面と送信は確認を残すのが原則という区分がそのまま当てはまります。

なお同じ発表では、複数体をまとめて動かすMulti-Agent Orchestrationが提供中(GA now)、AI Skills in CoworkerとAgent Optimizerが2026年10月の一般提供予定とされています。複数体に指揮役を置く話は後述の「AIオーケストレーション」で扱います。

その7体が中で使うモデル — Salesforce Koa(2026年9月15日発表)

Koaとは、Agentforceのエージェントが複数手順の仕事を筋道立てて処理するために、Salesforceが自社で追加学習させたCRM専用の推論モデルです。 上の7体は「誰が何を担当するか」の話でしたが、Koaはその担当が中で何を使って考えるかの話で、比較する層がひとつ下がります。公式発表はKoaを「Salesforce’s first CRM reasoning model for Agentforce」(Agentforce向けでSalesforce初のCRM推論モデル)と説明しています(公式発表)。

読むときの注意が3つあります。

1. いま試せるものではありません。 パイロットとして社名が挙がっているのは1-800Accountant・Baxter Credit Union・Engine・Formula 1・UChicago Medicine・Xeroの6社で、一般提供は米国地域で2026年冬の予定と書かれています。上の表のHunterと同じ「待つ側」に置いて読んでください
2. 性能の数字はSalesforce自身の評価です。 「誤りが3分の1」は同社が自社のCRMベンチマークで測った結果として発表されたもので、第三者が検証した値ではありません。他社モデルとの優劣をこの1点で判断することはできません
3. 土台は他社の公開モデルです。 NVIDIAのNemotron 3 Superに追加学習を重ねた形で、ゼロから作った基盤モデルではありません。一方で学習データは自社で作った合成データに限り、顧客データは使っていないと明記しています

実務への含意は、業務アプリのエージェントを比べるときに「中で何のモデルが動くか」という観点が増えることです。これまでは「何ができるか」と「いくらか」で比べるのが普通でしたが、汎用モデルをそのまま使う製品と、その業務に寄せて追加学習したモデルを積む製品が分かれ始めています。前掲の選び方5基準の4番目(承認とログ)を確認するときに、「判断の中身が自社の業務ルールにどれだけ寄せてあるか」も併せて質問する材料になります。ただし現時点のKoaはパイロット止まりなので、いま比較表に列を足して選定をやり直す必要はありません。

AIエージェントの選び方 — 5つの判断基準

製品選定は次の順で進めると、比較する候補が自然に2〜3個まで絞れます。

1. 任せたい業務を書き出して仕分ける。「答えが欲しいだけ」の業務はチャット型の有料プラン(月3,000円前後)で足ります。完了まで任せたい業務が週に数時間分あるなら、先に進みます
2. 定型か非定型かを分ける。手順が毎回同じ定型作業は、ワークフロー型かRPAのほうが安く確実です。常駐型に回すのは、状況判断が挟まる非定型業務だけにします
3. 既に契約している基盤で絞る。Microsoft 365中心の会社ならCopilot Cowork、ChatGPT Plusを配布済みならChatGPT Work、というように既存契約に内包される製品から試すと、追加費用とアカウント管理の手間が最小になります
4. 承認とログの設計を確認する。「送信・購入・削除の前に人の確認が必ず入るか」「操作の記録が残るか」の2点を、契約前にドキュメントで確認します。顧客データに触れる業務なら、この確認を省略してはいけません
5. 費用の上限を決めて1業務から試す。従量課金がある製品は、上限設定の有無を確認したうえで、影響の小さい1業務・1か月のPoCから始めます。最初の月の従量実績が、本格導入時の予算の根拠になります

費用の目安 — 1人で試す最小構成(2026年8月時点)

数字の上では月20ドルから並びますが、実態は同じではありません。常駐型は1つのタスクで何十手も操作するため、チャット利用とは消費の桁が違います。定額内包型でもプランの利用枠を使い切れば作業は止まり、従量型は止まらない代わりに費用が伸びます。「月いくらか」ではなく「上限を自分で決められるか」を確認するのが、費用面でいちばん重要なチェックです。

モデル選定の具体例はGPT-6 Astraの機能と利用時の確認点、社内文書を根拠として回答させる設計はRAGの導入判断と進め方で扱っています。

AIオーケストレーションとは — 1体で足りないときに指揮役を置く

AIオーケストレーションとは、複数のAIエージェントやAIモデルに指揮役を1つ置き、仕事の割り振りと結果の突き合わせをその指揮役に任せる仕組みのことです。 言葉のとおり、個々のエージェントが楽器の奏者、指揮役が指揮者にあたります。ここまで見てきた4タイプが「1体をどう選ぶか」の話だったのに対し、オーケストレーションは1体では担当が足りない業務をどう組むかの話です。

エージェントを1体だけ使う場合との違いは、次の4点に整理できます。

ワークフロー型との違い — 手順を先に固定するかどうか

実務でいちばん紛れるのが、上の表で挙げたワークフロー型との違いです。どちらも「複数の処理をつなぐ」点は同じですが、手順を先に人が固定するのがワークフロー型、その場で指揮役が決めるのがオーケストレーションです。

問い合わせメールの一次対応で言うと、「件名に『請求』が含まれたら経理へ転送」と条件を書いておくのがワークフロー型、「この問い合わせを一次対応まで進めて」と目的だけ渡し、内容を読んで調べる担当と返信案を書く担当に振り分けさせるのがオーケストレーションです。前者は動きが読めて安く、後者は想定外の内容にも届く代わりに、実行のたびに経路が変わります。経路が毎回同じなら、オーケストレーションを持ち出す必要はありません。

AIオーケストレーションのやり方 — 小さく始める3ステップ

1. 1体で詰まっている業務を1つ選ぶ。「調べるところまではできるが、そのあと別の形式に直して登録するところで止まる」という業務が候補です。1体で完結している業務に指揮役を足しても、遅く高くなるだけです
2. 担当を3つ以内に分けて、渡すものと返すものを決める。「調べる担当は出典URL付きの箇条書きを返す」のように、担当ごとの入力と出力を文章で決めておきます。ここが曖昧だと、指揮役が同じ担当を何度も呼び直して費用だけが伸びます
3. 人が承認する地点を1つ残す。送信・購入・削除の直前に確認を挟み、そこまでは自動で進める形が現実的です。全部を人が見ると効果が消え、全部を任せると事故の歯止めがなくなります

現時点でこの仕組みを社内で組むには、Difyやn8nのようなワークフロー型ツールの上に指揮役の処理を置くか、コーディング型のエージェントに担当を分けて実装させるのが一般的です。常駐型AIエージェントの中にも、1つの依頼を内部で複数の作業に分けて進める製品がありますが、担当の分け方や差し戻しの条件を利用者側から設計できるかは製品によって異なります。前掲の5つの判断基準のうち「承認とログの設計を確認する」は、複数体を動かす場合ほど重くなると考えてください。

指揮役を自前で作らない選択肢 — OpenAI Agents API(2026年9月10日公開ベータ)

OpenAI Agents APIは、OpenAIが自社のCodexで使っているエージェントの制御部分(ハーネス)と実行基盤を、開発者がAPIから呼び出して使えるようにしたものです。 ハーネスとは、エージェントに道具を使わせ、会話の文脈を管理し、サブエージェントに仕事を振る部分を指します。OpenAIは2026年9月10日にこれを公開ベータとして提供を始め、すべての開発者が当日から使えるとしています(公式ブログ)。上の段落で「社内で組むなら指揮役の処理を自分たちで置くのが一般的」と書いた部分を、OpenAIの側で引き受ける形のサービスです。ChatGPTの画面から使う製品ではなく、開発担当が自社のアプリや業務システムに組み込むためのものです。

オーケストレーションの表に当てはめると、自社で用意するものとOpenAIが持つものは次のように分かれます。

「途中で止まったとき」の行は開発者向けの変更履歴(2026年9月10日の項)、それ以外は公式ブログの記述によるものです。提携事業者として名前が挙がっているのは Blaxel・Cloudflare・Daytona・DigitalOcean・E2B・Modal・Oracle・Runloop・Vercel です。中核のハーネスはオープンソースとして公開されており、開発担当はコードを読んで挙動を確かめられます。

料金について公式ブログは、Agents APIの利用に追加料金はなく、エージェントが使ったトークンとツールの分を支払うと書いています。API自体の上乗せはない代わりに、並行で動かす担当が増えればその分のトークンも増える構造なので、前掲の3ステップの「担当を3つ以内に分ける」はここでもそのまま効きます。また、現時点は一般提供の前の公開ベータで、OpenAIは利用者の声をもとに素早く改良しながら一般提供を目指すとしています。仕様が変わる前提で、まずは検証用途から使うのが無難です。

営業・CSの業務に使いたい場合、社内の開発担当に依頼する前に次の3点を決めておくと話が早く進みます。

1. どの社内システムを道具として渡すか。CRMや問い合わせ管理をエージェントから読めるようにするには、MCPサーバーなどの接続口が必要です(仕組みはMCPの基礎を参照)
2. 作業場所をどこに置くか。OpenAIのサンドボックスで動かすか、自社のインフラで動かすかで、社内データを外に出してよいかの判断が変わります。情報システム部門の確認が要る論点です
3. 人が承認する地点をどこに残すか。公式ブログの紹介には、人の承認をどこで挟むかについての説明はありません。送信・購入・削除の直前の確認は、依頼の段階で要件として書いておくのが確実です

実装の入口は公式のクイックスタートです。

よくある失敗・アンチパターン

• 製品名から比較を始める: タイプの違うエージェントを1つのランキングで比べても、料金構造も導入の重さも揃わず判断できません。先に4タイプの仕分けをしてください
• 定型業務に常駐型を当てる: 毎回同じ手順の作業は、ワークフロー型やRPAのほうが安く、挙動も安定します。常駐型は「賢いが割高な手段」であることを忘れないでください
• チャット感覚で使い放題だと思う: 従量課金や利用枠の仕様を確認せずに任せると、月末の請求で気づくことになります。枠が非公開の製品は特に、小さく試して実測してから広げてください
• 承認を「常に許可」で運用する: 確認が面倒だからと恒久許可を重ねると、誤送信や誤発注の歯止めがなくなります。送信・購入・削除の3つは人の確認を残すのが目安です
• 社内ルールなしで個人契約が乱立する: 部署ごとにバラバラに契約すると、費用も権限も把握できなくなります。AI利用ガイドラインを先に決め、会社として入口を揃えてください