既製のパーソナルAIエージェントで足りるか、自社専用に作るか｜判断基準と進め方
仕様確認・更新日: · 編集: 株式会社ウェステリア
Muse、Gemini Spark、ChatGPT Work、Claude Coworkと、既製のパーソナルAIエージェントがそろってきました。調査やメールの下書き、資料づくりなら、既製品で十分なことも多くなっています。では、自社専用のAIエージェントを作る必要があるのはどんなときでしょうか。この記事では、既製品で足りるかどうかの判断表、自社専用が必要になる4つの場面、手元で動くオープンモデルという選択肢、小さく始める手順を整理します。
結論から
- 調査、メールの下書き、予定調整、資料作成のように、一般的なアプリの中で完結する作業なら、まず既製のエージェントで足りるかを試すのが順当です。2026-09時点で、日本でもGemini Spark、ChatGPT Work、Claude Coworkが有料プランで使えます
- 自社専用が要るのは「社内システムを操作させたい」「自社の業務知識に沿って判断させたい」「権限を会社で管理したい」「記録を会社に残したい」のどれかが業務上欠かせない場合です
- 作る場合も、いきなり全社展開はしません。1つの業務に絞り、承認を挟み、記録を取りながら小さく始めます。Muse Glimmerのように手元のPCで動くオープンモデルも、データを社外に出さない選択肢の1つになりました
自社の場合はどうなるかを先に知りたい方へ。 初回1時間の無料ヒアリングで、御社の状況に当てはめてお答えします →
既製のパーソナルAIエージェントでできること
2026年は、個人向けの「パーソナルAIエージェント」が相次いで登場した年です。答えるだけのチャットAIと違い、利用者の代わりに操作を実行し、長時間裏で動き、会話を記憶し、外部サービスへの権限を持つのが特徴です。主な製品を2026-09時点の情報で整理すると次のとおりです。
- Meta Muse(2026-09-08発表): メール送信、予約、買い物、Webフォーム入力、交渉などを内蔵ブラウザで実行。北米に続き、2026-10-23に日本でも提供開始(iOS・Android・muse.ai)。企業向けプランの発表はありません(2026-10-23時点)
- Google Gemini Spark(2026-05-19発表): Google Cloud上の専用仮想マシンで24時間稼働。GmailやカレンダーなどGoogle Workspaceとネイティブ連携し、MCPで他社アプリにも接続。日本では2026-07-16にAI Ultra向けに日本語で提供開始。個人のGoogleアカウント向けで、業務用Workspaceプラン経由の提供はないと報道されています
- OpenAI ChatGPT Work(2026-07-09発表): アプリやファイルをまたぐ数時間規模のタスクをこなし、文書・スプレッドシート・プレゼン・Webアプリを作成。Plus・Businessにも拡大
- Anthropic Claude Cowork: ローカルのファイル・フォルダを使う知識労働エージェント。2026-07-07にクラウド対応を発表し、2026-08-18に全有料プランへ展開
- OpenClaw: 無料・オープンソースで手元のPCで動く自律型エージェント。「スキル」で機能を追加できる一方、広い権限やプロンプトインジェクションのリスクが指摘されています
選び方の原則としてよく言われるのが、「その作業の置き場所(調査・予定・受信箱・ブラウザ・チャット)に合ったエージェントを選ぶ」という考え方です。メールと予定が中心ならWorkspaceと連携する製品、資料作成ならファイルを扱える製品、というように、作業のある場所から逆算すると候補が絞れます。
多くの作業は、これらの既製品で十分に試せます。自社で作るかを考えるのは、既製品を試して「ここが足りない」がはっきりしてからでも遅くありません。
判断表:既製で足りるか、自社専用が要るか
既製品で足りるかどうかは、製品の性能よりも「業務の側の条件」で決まることが多いです。次の表で、自社の業務がどちらに近いかを確認してみてください。
| 観点 | 既製のエージェントで足りやすい | 自社専用を検討したほうがよい |
|---|---|---|
| 操作する対象 | Gmail・カレンダー・一般的なWebサービスなど、製品が連携している先 | 自社の基幹システム、独自の業務アプリ、社内だけのデータベース |
| 必要な知識 | 一般常識や公開情報で判断できる | 自社の規程・過去の案件・製品知識など、社内にしかない知識が要る |
| 権限の管理 | 利用者本人が自分の範囲で使う | 部署や役職ごとに、会社として権限を決めて管理したい |
| 記録 | 本人が操作履歴を見られれば足りる | 誰が何をさせたかを会社の記録として残し、監査したい |
| データの置き場所 | 外部クラウドに出してよい情報 | 社外に出したくない情報(顧客情報・機密など) |
| 利用者 | 個人単位で使う | チームや全社で同じ手順を共有して使う |
| 契約・提供形態 | 個人向けプランで問題ない | 企業としての契約・管理が必要 |
| 費用の考え方 | 1人あたり月20ドル前後〜の利用料で完結(2026-09時点) | 開発費と運用費がかかるが、業務に合わせて作り込める |
右側の列に当てはまるものが1つもなければ、まず既製品で試すのがよいでしょう。1つでも「業務上どうしても外せない」ものがあれば、自社専用の検討に進む意味があります。
自社専用が要る4つの場面
1. 社内システムを操作させたい
既製のエージェントが操作できるのは、基本的に製品が連携しているサービスや、一般的なWebサイトです。受発注システムや在庫管理、独自の顧客管理のような社内システムを扱わせたい場合、既製品のままでは届かないことがあります。Gemini SparkのようにMCP(外部アプリと接続するための仕組み)で他社アプリに繋げる製品もありますが、自社システムを安全に繋ぐには、接続部分を自社側で用意する必要があります。
2. 自社の業務知識に沿って判断させたい
「この取引先にはこの条件で見積もる」「この問い合わせはこの部署に回す」といった判断は、社内の規程や過去の経緯を知らないとできません。既製のエージェントも会話から記憶しますが、それは利用者個人との会話の記憶です。社内の知識を整理し、エージェントが参照できる形に整えることが、自社専用のエージェントの核になります。
3. 権限を会社で管理したい
パーソナルAIエージェントは、接続するアプリや許可の範囲を利用者本人が選ぶ設計が一般的です。Meta Museも、接続先と許可範囲を利用者が選び、いつでも変更・解除できると説明しています。個人を守る仕組みとしては合理的ですが、「営業部はこのデータまで」「経理の操作は課長承認」のように会社として権限を決めたい場合は、会社側で管理できる仕組みが必要です。
4. 記録を会社に残したい
Museは実行済み・実行予定の操作の監査履歴を利用者が見られるとしています。これも利用者本人が確認するための機能です。業務で使う場合、誰がエージェントに何をさせ、何が実行されたかを会社の記録として残したい場面があります。記録の置き場所を会社が決められることは、自社専用にする大きな理由の1つです。
社員が個人の既製品を業務に使う場合のルールづくりは、別記事「社員がパーソナルAIエージェントを仕事で使うとき」で整理しています。
オープンモデルという選択肢:Muse Glimmer
自社専用のエージェントを作るとき、頭脳となるAIモデルをどうするかも論点です。外部のAIサービスのAPIを使う方法に加えて、手元で動かせるオープンなモデルも選択肢に入ってきました。
その一例が、Meta Superintelligence Labsが2026-08-10に発表したMuse Glimmerです。
- 300億パラメータのオープンなモデルで、ライセンスはApache 2.0
- エージェント向けに作られ、用途としてローカルエージェント、関数呼び出し、ローカルでのコーディング、LLM-as-a-judge(AIによる出力の評価)が挙げられている
- 約4bit量子化で作業メモリ込み20GB未満に収まり、Mac/PCの単一のコンシューマ向けGPUで動作(MacBook M4 Max/M5 Max、RTX 5090で検証)
- Hugging Face、Ollama、LM Studio、vLLMで入手できる
手元のPCや自社のサーバーで動かせるということは、処理するデータを社外のAIサービスに送らずに済むということです。顧客情報や機密を扱う業務で「外部クラウドには出せない」という条件がある場合、検討する価値があります。
一方で、手元で動かすなら機器の用意や更新、動作の確認は自社の責任になります。性能についても、MetaはGemma4-31BやQwen3.6-27Bと比較評価していますが、自社の業務で十分かどうかは実際に試して確かめる必要があります。どのモデルが最適かを本記事で断定することはしません。外部サービスのモデルと手元のモデルを、業務やデータの性質に応じて使い分けるのが現実的な構えです。
小さく始める手順
自社専用のエージェントを作ると決めた場合も、最初から大きく作る必要はありません。当社がおすすめしているのは次の進め方です。
- 既製品で試す。まず既製のエージェントで対象業務を試し、「どこが足りないか」を具体的に書き出します。足りない点が判断表の右側に当たるかを確認します
- 業務を1つに絞る。「問い合わせの一次振り分け」「見積書の下書き」など、範囲がはっきりしていて効果を測りやすい業務を1つ選びます
- 必要な知識を整える。その業務に必要な社内の規程や過去事例を集め、エージェントが参照できる形に整理します。ここが成否を分けることが多い工程です
- 権限は最小から。最初は「読むだけ」「下書きまで」に限り、送信・登録・支払いのような操作は人の承認を必須にします。承認を挟む設計は、既製品各社にも共通する流れです
- 記録を取りながら運用する。何を依頼し、何が実行されたかを記録し、誤りや手戻りを確認します
- 効果を測って広げる。一定期間の運用で時間の削減や品質を確かめ、効果があれば対象業務や権限を段階的に広げます
途中で「既製品で足りた」と分かれば、それも立派な結論です。作ること自体を目的にしないことが大切です。
出典
本記事の事実関係は、次の公開情報に基づいています(2026-09-23時点で確認)。製品の仕様・料金・提供地域は変わることがあるため、最新は各社の公式情報でご確認ください。
仕様の出典: Meta: Introducing Muse(英語) / Meta: Museの発表(日本語) / Meta: パーソナルAIエージェント「Muse」を日本で提供開始(日本語、2026-10-23) / Meta: Introducing Muse Glimmer / Google公式ブログ: Gemini Spark が日本で利用可能に / PCWorld: Google's new Spark AI agent / Bloomberg: OpenAI unveils ChatGPT Work / NBC News: Claude Cowork のクラウド対応 / 9to5Mac: Claude Cowork が全有料プランのモバイルで利用可能に / Wikipedia: OpenClaw / gravity.fast: Best personal AI agents
よくあるご質問
- 既製のエージェントと自社専用のエージェントは併用できますか?
- 併用できますし、多くの場合は併用が現実的です。調査や一般的な資料作成は既製品で、社内システムや社内知識が必要な業務は自社専用で、というように役割を分けます。その際、個人の既製品に会社のデータをどこまで繋いでよいかは、社内ルールで決めておく必要があります。
- 自社専用のエージェントを作るには、どのくらいの期間がかかりますか?
- 対象業務、繋ぐシステムの数、社内知識の整理状況によって大きく変わるため、一律には言えません。1つの業務に絞り、繋ぐシステムを少なくして始めるほど、試しに動かすまでの期間は短くしやすくなります。具体的な見立ては業務内容を伺ってからになります。
- Muse Glimmerを使えば、AIの利用料はかからなくなりますか?
- モデル自体はApache 2.0のオープンなモデルとして公開されていますが、動かすための機器(十分なメモリを持つGPU搭載のPCなど)や、その保守・運用の手間は自社の負担になります。外部サービスの利用料とどちらが安いかは、利用量や業務の条件によって変わります。