著者: 呂志明

マヌスの出現は、テクノロジー市場と資本市場に二重の衝撃を引き起こしました。一時、AIエージェント関連のコンセプト株が総じて急騰し、アリババ、グーグル、マイクロソフトなどのテクノロジー大手は、インテリジェントエージェントの研究開発計画を集中的に発表しました...

このトレンドの背景には、AI技術の「受動的な対応」から「能動的な実行」へのパラダイムシフトがあります。

市場での評価はまちまちだが、Manus の画期的な点は、複雑なシナリオで汎用 AI エージェントの商業的実現可能性を初めて検証したことにあることは否定できない。

従来の大規模言語モデルはテキストを生成できますが、閉ループでタスクを実行するのは困難です。Manus は、「計画、検証、実行」アーキテクチャを通じて、大規模 AI モデルの認知機能を生産性ツールに変換します。

マッキンゼーなどの複数の権威あるレポートによると、多様化する需要に牽引され、AIエージェント市場は爆発的な成長を遂げています。2024年には、世界のAIエージェント市場規模は約51億米ドルになると予想されており、2030年には471億米ドルに急上昇し、年平均成長率は44.8％になると予想されています。

しかし、この「インテリジェントエージェントの波」は平坦な道ではありません。技術的なボトルネックと商業的な野心の衝突により、AI エージェントの競争は想像力に富むと同時にリスクの高いものになっています。

壁の戦い

本質的に、AI エージェントは人間の思考パラダイムを備えたデジタル労働力です。

チャットボットがまだ「対話」段階にある場合、エージェントはすでに「アクション」を開始しています。簡単に言えば、質問に答えるだけでなく、タスクを実行し、トランザクションを完了することもできる、よりスマートで自律的な AI アプリケーションとして理解できます。

顧客サービス、財務分析、ソフトウェア開発などのさまざまなシナリオに適用でき、生産性と効率性が大幅に向上します。

AI エージェントは、大規模な言語モデルを「頭脳」として使用することで、命令の表面的な意味を理解できるだけでなく、暗黙のニーズも捉えることができます。たとえば、ユーザーが「コストパフォーマンスの良いホテルを探している」と言った場合、Manus は季節や地元のアクティビティなどのコンテキストに基づいて、「予算重視」または「体験重視」のニーズを推測します。

大規模モデルのマルチモーダル機能の継続的な進歩、特にマルチモーダル融合技術の反復的なアップグレードにより、AI エージェントはユーザーのニーズをより正確に分析して対応できるようになり、徐々に人間のような視聴覚認識とインタラクション機能を実現できるようになると期待できます。

これにより、AIエージェントは医療診断、自動運転、スマートセキュリティなど、より幅広い分野に適用できるようになります。

個々のユニットの知能が継続的に最適化される一方で、将来の AI エージェントがスタンドアロン操作モードを突破し、協調メカニズムを通じて複雑なタスク処理と意思決定チェーンを再構築できるようになることも考えられます。

このマルチエージェント システム (MAS) により、各エージェントは役割配置メカニズムを通じて専門的な分業を行う人間のチームのように動作できるようになります。

たとえば、ソフトウェア開発のシナリオでは、各 AI エージェントには独自の専門知識があります。プログラミングが得意な人もいれば、デザインが得意な人もいれば、品質検査が得意な人もいます。うまく連携できれば、高品質のソフトウェア プロジェクトを一緒に完成させることができます。

このマルチエージェント システム (MAS) により、各エージェントは役割配置メカニズムを通じて専門的な分業を行う人間のチームのように動作できるようになります。

たとえば、ソフトウェア開発のシナリオでは、各 AI エージェントには独自の専門知識があります。プログラミングが得意な人もいれば、デザインが得意な人もいれば、品質検査が得意な人もいます。うまく連携できれば、高品質のソフトウェア プロジェクトを一緒に完成させることができます。

さらに、MAS システムは人間の意思決定プロセスをシミュレートできます。問題に遭遇したときに人々が他の人にアドバイスを求めるのと同じように、マルチエージェントは集団的な意思決定行動をシミュレートすることもできます。これにより、特に複雑な状況において、ユーザーに優れた情報サポートを提供できます。

たとえば、緊急時には、これらの AI エージェントがあらゆる状況をシミュレートし、有用な情報をタイムリーに提供することで、ユーザーがより迅速かつ適切な意思決定を行えるように支援します。

この「人間のような」知能パラダイムは、生活と仕事のコスト構造を再構築していると言えます。 Manus を皮切りに、AI Agent はコンセプト検証段階から大規模実装の正念場へと移行したようです。

ジャイアンツレース

AI エージェントの流行は偶然ではなく、技術の進化による必然的な産物です。

アンドリュー・ン教授は、2024年のセコイアAIサミットの早い段階で、「AIエージェントはAI開発の次の重要な段階である」と予測しました。実際、2024年中に多くのテクノロジー大手が AI エージェントの導入を開始しています。

例えば、Googleは2024年12月に最新の大型モデル「Gemini 2.0」シリーズをリリースし、Project Astraなど複数のインテリジェントエージェントアプリケーションを導入しました。マイクロソフトはまた、2024年10月と11月に販売、運用、その他のシナリオ向けの複数のAIエージェントをリリースし、ユーザーによる自律エージェントの構築をサポートするCopilot Studioプラットフォームを立ち上げました。

2025年に入り、マヌス島の人気は市場感情を全面的に押し上げました。

海外では、OpenAIが最近発表した商用化計画により、AIエージェントのB面の可能性がさらに確認されました。同社の「博士レベル」エージェントは、科学研究やソフトウェア開発のシナリオを対象としており、月額サービス料金は最大 20,000 米ドルで、基本的な分析から複雑なタスクまで、一連のニーズ全体をカバーします。

国内では、アリババ千文のQwQ-32Bモデルもインテリジェントエージェントに関連する機能を統合しており、ツールを使用しながら批判的に考え、環境からのフィードバックに基づいて推論プロセスを調整することができます。

一方、オープンソースコミュニティではOpenManusやOWLなどの新製品が登場しており、Manusをベースにした複製や革新により、エージェント製品の隆盛が促進されると期待されています。

資本市場の熱狂はこの傾向をさらに裏付けている。

マヌスが発表された日には、150以上のA株AIコンセプト銘柄がストップ高となり、キューブ・ホールディングス、クート・インテリジェンスなどが20％以上上昇した。

出典: イーストマネー

また、マヌスのリリース後、証券会社のPPTやアナリストロードショーがオンラインで急速に開始されました。不完全な統計によると、CICC、華泰、招商局、中泰など数十の証券研究機関がロードショーを実施し、その中でアナリストが複数のロードショーをオンラインで開始しました。ロードショーの内容は豊富で、技術原理、AIの応用、受益者の方向から着陸シナリオ、業界サークルの控除まで多岐にわたります。

もちろん、この熱狂の裏には、さまざまな声もある。多くの業界関係者は、Manus は AI エージェントの初期段階のアプリケーションであり、市場の反応は過剰であると考えています。

確かにそうです。AIによって情報格差はさらに縮まるでしょう。情報収集やデータ整理など、多くの作業はAIに任せることができますが、実際に投資判断を行うまでにはまだまだ遠いでしょう。

その中でも、最大の課題は、AI幻覚の亡霊が常につきまとうことです。

技術的なボトルネック

AIエージェントの競争では、入り口が重要です。

その中でも、最大の課題は、AI幻覚の亡霊が常につきまとうことです。

技術的なボトルネック

AIエージェントの競争では、入り口が重要です。

より多くのユーザートラフィックをコントロールするメーカーは、「トラフィック-データ-ユーザーエクスペリエンス」の好循環を実現することが期待されます。オープンソースモデルの機能がアップグレードされ、大手メーカーと中小メーカー間の技術格差が埋められるにつれて、AI製品エンジニアリング機能によって製品ユーザーエクスペリエンスの格差が広がる可能性があります。

しかし、大きな可能性を示しているにもかかわらず、AI エージェントの爆発的な増加は依然として多くの障害に直面しています。ビジネスモデルから技術的なボトルネック、規制の欠如からユーザーの認識まで、あらゆるリンクが業界の忍耐力を試しています。

第一の理由は、既存の技術では AI 幻覚の問題を効果的に解決できないことです。

例えば、人気のManusはGAIAベンチマークテストで優れた結果を達成していますが、実際のアプリケーションではまだ不安定な状況がいくつかあります。

GAIAベンチマークランキングソース: ManusAIXプラットフォーム

実際のユーザーからのフィードバックによると、複雑なタスクを処理する場合、Manus はタスクの実行に失敗したり、不正確な結果を生成したりすることがあります。 Manus では、株価データを分析する際に、データ インターフェースの一時的な障害やデータ形式のわずかな変更により、分析結果に偏差が生じる場合があります。

OpenAI の GPT4.5 を例にとると、これが現時点で最も強力な大規模言語モデルであることは間違いありません。しかし、SimpleQAベンチマークでは、GPT-4.5の精度は62.5％、幻覚率は7.1％です。この結果はGPT-4o、OpenAIo1、o3-miniなどのモデルよりもはるかに優れていますが、それでも幻覚率は非常に高いです。

この幻想は、金融や医療などの高リスクの分野では、いかなる誤りもシステムリスクにつながる可能性があるというものです。

医療診断エージェントが希少疾患を誤診する確率が 3% だと仮定します。このエージェントを数千万人のユーザー グループに適用した場合、誤診の数は 30 万件にも上ります。

この幻想に加えて、データ サイロと普遍的な機能の間に矛盾が生じます。

AI エージェントの有効性はシナリオ データに大きく依存します。たとえば、金融リスク管理にはリアルタイムの取引データが必要であり、医療診断には患者の病歴データベースが必要です。データの断片化により、一般的なエージェントがドメイン間を移行することが困難になります。

最後に、倫理と規制の遅れがあります。 AIエージェントの自律的な意思決定には、ユーザーの健康データの利用や自動運転事故など、プライバシー漏洩や責任帰属などの倫理的課題があり、世界的な規制枠組みはまだ成熟していません。

このことから、AI エージェントの躍進への道には、テクノロジー、エコロジー、監視の 3 つの側面からの協調的な進歩が必要であることがわかります。将来、最初に技術的なボトルネックを突破し、準拠したエコシステムを構築できる者が、間違いなくインテリジェントエンティティの時代の「ノルマンディー上陸作戦」を支配することになるでしょう。