AIエージェント議論が毎回リセットされる理由──エンジン視点から車全体の設計へ

店舗からの問い合わせ対応の記録・分析が手作業だった課題に対し、Google Apps Script と Claude API を組み合わせて自動分類・集計パイプラインを構築。月1時間の手動分類業務をゼロにし、月16時間の工数削減を実現。さらにクラウド型コールシステムとの統合や RAG を活用した自動回答システムの構築を進めている。

AI導入で作業が高速化しても疲労が増す現象を、脳の3つのネットワーク（DMN・CEN・SN）の観点から解説。AIは判断タスクをノンストップで発生させ意思決定疲労を招き、マルチエージェント並列処理はSNのオーバーヒートを起こすため、バッファ層としてマネージャーAIを導入しバッチ処理化することで脳負荷を軽減できると提示。

EVERSTEEL のエンジニアが、障害対応後のポストモーテム作成における情報収集・整理作業を Agent Skills で半自動化した事例を紹介。Slack・CloudWatch・Sentry・GitHub など複数ツールからの情報収集とドラフト作成をAIに委ねることで、ポストモーテムミーティングでは根本原因究明と再発防止策の議論に集中できる体制を実現した。

Agentic Engineering の 8 段階フレームワークを用いて、組織の AI 活用度を可視化する実践ガイド。現実解は L7（サブエージェント + 責務分割 + AI 同士レビュー）であり、多くの企業が位置する L5（MCP/Skills 活用）では品質保証が人間頼みになる危険ゾーンであることを警告。L8（自律型エージェントチーム）はまだコスパ合致していない。