目次
ChatGPTからエージェント時代へ。AI 活用の歴史とハーネス誕生の理由
最近、Copilot Studio や AI エージェントの解説をしていると、「ハーネスとは何ですか？」という質問をよくいただきます。
しかし本当に重要なのは、ハーネスの定義を覚えることではありません。
なぜ企業向け AI の世界で、わざわざハーネスという仕組みが必要になったのか。
その歴史を知ると、Copilot Studio の Standard ハーネスや Copilot Chat ハーネスの違いも自然と理解できるようになります。
第1世代：AI はただのチャットボットだった
ChatGPT が登場した当初の AI は非常にシンプルでした。
ユーザーが質問を入力する。
AI が回答する。
それだけです。
当時の AI は文章生成能力に大きなインパクトを与えました。
メールを書ける。 企画書を書ける。 要約もできる。
しかし企業業務では限界がありました。最新のニュースの情報を取ろうと思っても、最新の情報を知っておらず、学習済みの内容から答えます。
さらに、有給申請の方法は？と聞かれても、AI は申請書の文章は作れますが、本当に申請システムに関する社内のマニュアルを知っているわけではありません。
つまり AI は賢かったものの、社内の情報とは完全に切り離されていたのです。
第2世代：RAG によって情報へ接続された
次に企業が求めたのは、「社内情報を参照できる AI」でした。
これにより SharePoint や Dataverse、社内マニュアルなどのナレッジを検索して回答する RAG が普及します。Copilot Studio でも、企業データやファイルをナレッジとして取り込み、回答を組織の情報で補強する仕組みが提供されています。
構造はこう変わります。
これによって、
- 社内規程
- FAQ
- 手順書
- 業務マニュアル
を根拠として回答できるようになりました。
しかし新しい課題が生まれます。
- 誰が検索するのか。
- 何を検索するのか。
- どの文書を渡すのか。
こうした判断は、まだ AI 任せにはできませんでした。
第3世代：AI に行動も任せたくなった
やがて企業は AI にこう期待するようになります。
- 有給申請
- チケット起票
- 注文登録
- メール送信
- 顧客データ取得
つまり「回答」ではなく「実行」です。
Copilot Studio ではコネクタをツールとして利用でき、Power Platform や外部サービスを呼び出せます。エージェントが様々なシステムと連携できるようになります。
構成イメージはこうです。
もし AI が自由に API を呼び出せるなら、
全社員データを削除して
という危険な指示も実行できてしまう可能性があります。
賢いだけでは足りない。
安全に制御する仕組みが必要になったのです。
第4世代：ハーネスの登場
ここで登場するのがハーネスです。
ハーネスとは、AI と企業システムの間に存在する制御レイヤーです。
業務システムその他の行を表示する
ハーネスは、
- いつモデルを呼ぶか
- 何を渡すか
- 何を検索するか
- どのツールを呼ぶか
- 誰に実行権限があるか
- 何をログに残すか
を制御します。
Microsoft Learn が説明する Generative Orchestration も、ユーザーの意図を解釈し、適切なツールやナレッジを選択し、複数ステップの計画を安全に実行する仕組みとして説明されています。
つまりハーネスは、AI を企業で安全に運用するための実行環境なのです。
今後の組織の競争力とは
モデルは十分賢くなった。これからは「ハーネス」の時代
これまで AI の進化といえば、「GPT-4 より GPT-5」というように、どのモデルを使うかが最大の関心事でした。
しかし今、その前提が変わりつつあります。最新の LLM は、文章作成・要約・翻訳・アイデア出しといった知的作業で、すでに十分すぎるほど高い水準に達しているからです。
もちろんモデルの進化は今後も続きます。それでも企業利用においては、「どのモデルを選ぶか」よりも「そのモデルをどう運用するか」が重要になってきています。
これはその最新の例です。
| 出典 | 数字・主張 |
|---|---|
| McKinsey 2026 | ROI を出した企業の 74% が「モデルの高度さ」ではなく「実行の質」を主要因に挙げた [engipulse.com] |
| MIT NANDA 研究 | 生成AIパイロットの 95% が本番導入に至らず失敗。原因はモデル品質ではなく「周辺のすべて」 [fountaincity.tech] |
| McKinsey | 「再設計されたプロセスこそが最大の企業インパクトを生む。モデル選択ではない」 [fountaincity.tech] |
差を生むのは、モデルではなくハーネス
これからは、多くの企業が同じ基盤モデルを使うのが当たり前になります。すると、差が生まれる場所は自然と別のところへ移ります。
たとえば、こうした運用設計です。
- どの情報を AI に見せるのか
- どのデータを優先して参照させるのか
- どのツールを使えるようにするのか
- 何を実行させ、何を禁止するのか
- どんな承認プロセスを設けるのか
- どんな監査ログを残すのか
つまり企業の差別化ポイントは、モデルそのものから「ハーネス」へと移り始めているのです。
これからの組織に求められること
大事なのは、「どのモデルが一番賢いか」を議論することではありません。問うべきは、次のような自社の方針です。
- 自社はどのハーネスを採用するのか
- あるいは独自のハーネスをどう構築するのか
- どのナレッジを優先して参照させるのか
- どのツールを利用可能にするのか
- どの操作に承認を求めるのか
- どこまでのリスクを許容するのか
こうしたポリシーを自ら設計することが、これからの組織には求められます。
AI 活用の主戦場は、ハーネスへ
AI の黎明期は、「どれだけ賢いモデルを作れるか」の競争でした。しかしエージェント時代の競争は、「どれだけ優れたハーネスを設計できるか」へと移っていきます。
モデルは頭脳です。けれど、企業価値を生むのは頭脳だけではありません。知識につなぎ、ツールを呼び出し、権限を確認し、業務ルールを守りながら安全に実行する。その仕組みを設計するハーネスこそが、これからの AI 活用の中核になります。
言い換えれば、これから企業が開発するのは AI そのものではなく、自社の業務を体現したハーネスです。これこそが、エージェント時代における最も重要な変化だと私は考えています。
エージェント時代は違います。「AI をどう制御するか」がテーマです。
LLM は頭脳です。しかし頭脳だけでは業務は動きません。検索し、判断し、権限を確認し、ツールを実行し、監査ログを残す。
そうした企業利用に必要な機能を提供するのがハーネスです。だからこれからの AI 活用では、モデル選びよりもハーネス選びが重要になります。
実際、私が提供しているAIファースト開発標準もハーネスの一つです。いかにAIに適切に開発をさせるかに主眼をおいています。
Copilot Studio にも GitHub Copilot ハーネス等が発表されましたがあくまでこれは Microsoft としてのハーネスです。組織としてのハーネスも用意する必要があります。その意識を持ち利用する、自分たちのハーネスを育てていくことが重要です。
