Agentic AI（自律的に目標を解釈し、複数ステップのタスクを計画・実行する AI）の議論は 2025 年後半から急速に加速し、2026 年の情シス経営層の最大の論点のひとつになっている。一方で「自社は今どの段階にあるのか」を客観評価する物差しは、各社ベンダーの売り文句ごとに揺れている。

本記事では、GXO が企業の情シス・事業部門のヒアリングから整理した Agentic AI 導入成熟度モデル（Level 0〜5） を提示する。これは GXO 独自の定義 であり、Gartner の AI Maturity Model や Forrester の AI Agent Wave との対応関係も併記する。自社の現在地と、次段階への移行要件を確認いただきたい。

1. 成熟度モデルの前提と 6 段階の全体像

成熟度モデルは「高いほど優れている」という単純な話ではない。業種・規模・リスク許容度 によって、到達すべき段階は異なる。金融・医療のように Level 2〜3 で長く運用するのが合理的なケースもあれば、EC・SaaS のように Level 4〜5 を早期に目指すケースもある。

Level 0〜5 の全体像

Level状態典型的な実装意思決定者
未検討検討すら開始していない情シスも経営も未着手
1試用ChatGPT / Copilot の個人利用現場が個別に導入
2部門限定FAQ / 要約 / 議事録情シスまたは業務部門長
3業務統合RAG + 基幹データ連携、Single-AgentCIO / CDO
4マルチエージェント複数エージェントの分業、Human in the LoopCIO / 事業部長
5自律運用エージェント自律、人間は監査のみ経営全体

各 Level の意思決定コスト

  • Level 0 → 1：ほぼ発生しない（個人利用）
  • Level 1 → 2：数百万〜数千万円
  • Level 2 → 3：数千万〜1 億円
  • Level 3 → 4：1 億〜数億円
  • Level 4 → 5：数億円〜、ガバナンス再設計必須

2. Level 0〜2：試用から部門限定まで

Level 0：未検討

  • 状態：情シスも経営も、Agentic AI を議題に上げていない
  • 典型企業：中小企業、規制業種の保守的な企業
  • 次段階への移行要件：経営層の関心喚起、情シス担当の情報収集

Level 1：試用

  • 状態：個人が ChatGPT / Microsoft Copilot / Gemini を業務外または業務補助で利用
  • 典型的な課題：シャドー利用、機密情報の外部送信リスク
  • 典型的な壁：社内ポリシー不在、ライセンス管理未整備
  • 投資規模：数十万円（個人ライセンス）
  • 次段階への移行要件：全社ポリシー策定、法人ライセンス一括契約、利用ガイドライン

Level 2：部門限定

  • 状態：特定部門で FAQ、議事録要約、資料作成補助などに限定利用
  • 典型的な実装：Microsoft 365 Copilot、ChatGPT Enterprise、Gemini for Workspace
  • 典型的な壁：効果測定不在、「便利だが経営効果が見えない」状態
  • 投資規模：数百万〜数千万円 / 年
  • 次段階への移行要件：KPI 設計、基幹データ連携の要件整理、RAG 基盤の設計

3. Level 3：業務統合（Single-Agent × 基幹データ）

業務統合段階では、AI エージェントが 基幹システムのデータを参照・更新 する領域に入る。ここからは情シスの本格的な設計・ガバナンスが必要になる。

典型的な実装

  • 社内 RAG（過去の議事録、契約書、社内規程を参照）
  • 見積書の自動ドラフト（CRM データを参照）
  • カスタマーサポートの一次対応（FAQ + 過去履歴）
  • 財務レポートの下書き生成

典型的な壁

  • データ品質：基幹データが散逸しており、エージェントが誤った情報で回答
  • 権限統制：誰がどの文書を検索・利用できるか、ABAC / RBAC の設計
  • ハルシネーション監視：回答の真正性を検証する仕組み不在
  • ROI 測定：時間削減は測れるが、品質改善の測定は難航

投資規模

3,000 万〜1 億円（基幹データ整備 + RAG 構築 + 権限基盤）

次段階への移行要件

  • 単一エージェントの運用が 6〜12 ヶ月安定稼働
  • 評価データセット、監査ログが整備
  • マルチエージェント化の業務設計（どのエージェントに何を任せるか）

4. Level 4：マルチエージェント × Human in the Loop

複数のエージェントが分業・連携し、計画エージェント → 実行エージェント → レビューエージェント のような役割分担が走る段階。ただし最終決裁は必ず人間が行う Human in the Loop（HITL）が前提となる。

典型的な実装

  • 営業提案：情報収集エージェント + 提案書作成エージェント + 添削エージェント
  • 調達：仕様整理エージェント + 相見積依頼エージェント + 評価エージェント
  • IT 運用：障害検知エージェント + 原因分析エージェント + 復旧提案エージェント
  • マーケティング：トレンド分析 + コンテンツ生成 + 配信最適化

典型的な壁

  • エージェント間の責任分界：どのエージェントのミスが原因かの追跡
  • コスト膨張：エージェント数に比例して LLM 呼び出し回数が増加
  • 監査の難化：複雑な連携ログの解釈
  • 人間の学習コスト：どのタイミングで介入するかの判断

投資規模

1 億〜数億円（エージェントフレームワーク + 統合基盤 + 監査環境）

次段階への移行要件

  • マルチエージェント運用が 12 ヶ月以上安定
  • 自律実行してもリスクが許容範囲に収まる領域の特定
  • 全社ガバナンス体制（AI 監査委員会、倫理規程）の整備

5. Level 5：自律運用（監査のみ）

エージェントが 目標を受け取り、計画・実行・評価・修正 まで自律的に回す段階。人間は異常検知と監査のみに関与する。現時点で本格的に Level 5 に到達している企業は、国内ではごく一部。

典型的な実装（想定）

  • 在庫最適化：需要予測 + 発注判断 + 納期調整を自律実行
  • 広告運用：予算配分 + クリエイティブ生成 + 配信最適化の連続ループ
  • ソフトウェア保守：不具合検知 + 修正提案 + テスト実行 + リリース判定
  • コールセンター：一次対応〜解決まで人間介入ゼロ（特定カテゴリ限定）

典型的な壁

  • ガバナンスの再設計：経営責任・法的責任の整理
  • AI 倫理・透明性：説明責任の担保
  • セキュリティ：エージェントが攻撃対象になる
  • 社会的受容性：顧客・従業員の心理的受容

投資規模

数億円〜、既存 IT 予算の 10〜30% を恒常配分

次段階は「存在しない」

Level 5 到達後は、さらに高度な段階への移行 ではなく、適用領域の拡張 とリスク管理の深化が課題となる。

6. 業界標準フレームとの対応、業種別分布、段階診断

Gartner / Forrester との対応

本モデルは業界標準フレームとの対応を意識している（各フレームの正式定義は各社の一次情報を参照されたい）。

GXO Level対応する考え方（筆者整理）
Level 0〜1Gartner「AI 非採用〜試験的採用」段階に対応
Level 2Gartner「Generative AI 採用初期」に対応
Level 3Forrester「Single Agent」段階に対応
Level 4Forrester「Multi-Agent / HITL」段階に対応
Level 5Forrester「Autonomous Agent」段階に対応
※ 上記は筆者による対応整理であり、Gartner / Forrester の公式定義は各社公式レポートを参照のこと。業界標準フレームは更新が速く、2026 年時点の最新版の確認を推奨する。

業種別の一般的な段階分布（目安）

  • IT / SaaS：Level 3〜4 が中心、先端企業は Level 5 を試験中
  • 製造：Level 2〜3 が中心、工場エッジ展開で伸び悩むケース多
  • 金融：Level 2〜3 が中心、規制対応で Level 4 への移行に慎重
  • 医療：Level 1〜2 が中心、規制・倫理で Level 3 以降は限定的
  • 建設：Level 1〜2 が中心、文書の紙比率が RAG 導入の壁
  • 小売 / EC：Level 3〜4 が広がりつつある

自社段階の診断設問

以下を情シス責任者で議論することで、自社の現在地が見えてくる。

  • 全社で AI 利用ポリシーが文書化されているか
  • 基幹データと RAG の連携が 1 件以上稼働しているか
  • エージェント間の連携ログを監査できる体制があるか
  • AI 倫理委員会または相当する組織が存在するか
  • AI 投資の経営計画への組み込みがあるか
  • AI による自律実行を許容する業務領域が定義されているか

段階移行の優先順位

多くの企業は Level 2 → Level 3 の移行で止まる。ここを超えるには、経営判断 + 基幹データ整備 + ガバナンス設計 の 3 つを同時に進める必要がある。単一の PoC 追加では壁を越えられないのが実情である。

まとめ

Agentic AI は「最新のモデルを導入すれば進む」ものではなく、基幹データ・ガバナンス・業務設計 の成熟度に律速される。自社が Level 0〜5 のどこにあるか、次段階への移行要件は何かを客観的に把握することが、2026 年の情シス投資判断の出発点となる。

GXO では、自社の Agentic AI 成熟度 無料診断 を受け付けております。貴社の利用状況・基幹データ・ガバナンス体制をヒアリングし、Level 0〜5 の現在地診断と、次段階移行に向けたロードマップをご提案いたします。業種・規模に応じた到達目標の設定から、段階移行の優先施策までをご一緒に整理いたします。

GXO実務追記: レガシー刷新で発注前に確認すべきこと

この記事のテーマは、単なるトレンド紹介ではなく、現行調査、刷新範囲、段階移行、ROI、ベンダー切替リスクを決めるための検討材料です。検索で情報収集している段階でも、発注前に次の観点を整理しておくと、見積もりのブレ、手戻り、ベンダー依存を減らせます。

まず決めるべき3つの論点

論点確認する内容未整理のまま進めた場合のリスク
目的売上拡大、工数削減、リスク低減、顧客体験改善のどれを優先するか成果指標が曖昧になり、PoCや開発が終わっても投資判断できない
範囲対象部署、対象業務、対象データ、対象システムをどこまで含めるか見積もりが膨らむ、または重要な連携が後から漏れる
体制自社責任者、現場担当、ベンダー、保守運用者をどう置くか要件確認が遅れ、納期遅延や品質低下につながる

費用・期間・体制の目安

フェーズ期間目安主な成果物GXOが見るポイント
事前診断1〜2週間課題整理、現行確認、投資判断メモ目的と範囲が商談前に整理されているか
要件定義 / 設計3〜6週間要件一覧、RFP、概算見積、ロードマップ見積比較できる粒度になっているか
PoC / MVP1〜3ヶ月検証環境、効果測定、リスク評価本番化判断に必要な数値が取れるか
本番導入3〜6ヶ月本番環境、運用設計、教育、改善計画導入後の運用責任と改善サイクルがあるか

発注前チェックリスト

  • [ ] 現行システムの機能、利用部署、データ、外部連携を一覧化したか
  • [ ] 保守切れ、属人化、障害頻度、セキュリティリスクを金額換算したか
  • [ ] 全面刷新、段階移行、SaaS置換、リホストの比較表を作ったか
  • [ ] 移行中に止められない業務と、止めてもよい業務を分けたか
  • [ ] 既存ベンダー依存から抜けるためのドキュメント/コード引継ぎ条件を決めたか
  • [ ] 稟議で説明する投資回収、リスク低減、保守費削減の根拠を整理したか

参考にすべき一次情報・公的情報

上記の一次情報は、社内稟議やベンダー比較の根拠として使えます。一方で、公開情報だけでは自社の現行システム、業務フロー、データ状態、予算制約までは判断できません。記事で一般論を把握した後は、自社条件に落とした診断が必要です。

GXOに相談するタイミング

次のいずれかに当てはまる場合は、記事を読み進めるだけでなく、早めに相談した方が安全です。

  • 見積もり依頼前に、要件やRFPの粒度を整えたい
  • 既存ベンダーの提案が妥当か第三者視点で確認したい
  • 補助金、AI、セキュリティ、レガシー刷新が絡み、判断軸が複雑になっている
  • 社内稟議で費用対効果、リスク、ロードマップを説明する必要がある
  • PoCや診断で終わらせず、本番導入と運用改善まで進めたい

Agentic AI 導入成熟度モデル 2026｜Level 0-5 の企業段階別評価と段階移行ロードマップを自社条件で診断したい方へ

GXOが、現状整理、RFP/要件定義、費用対効果、ベンダー比較、導入ロードマップまで実務目線で確認します。記事の一般論を、自社の投資判断に使える形へ落とし込みます。

レガシー刷新ROI診断を相談する

※ 初回相談では営業資料の説明よりも、現状・課題・判断材料の整理を優先します。

関連記事