「AIエージェント、海外の話でしょ？」——そう思っていた人は、この3月で認識を改める必要がある。
NTTドコモ、ソフトバンク、FCE、PeopleX、Stockmark、JBS。名前を並べるだけでも、通信・人事・製造・RPAと業種がバラバラだ。共通点はひとつ。2026年3月、一斉にAIエージェント関連のプロダクトやサービスを発表・提供開始したこと。
この記事では、3月に国内で起きたAIエージェント関連の主要動向を時系列で追う。何が起きて、どこに向かっているのか。開発者やPMが押さえるべきポイントを整理した。
3月2日: FCE×PKSHA — 「ロボパット AI Agent Studio」を発表
RPAツール「ロボパットDX」を提供してきたFCEが、PKSHA Technologyとの共同開発で「ロボパット AI Agent Studio」をリリースした。同日、既存製品名も「ロボパットAI」に刷新している。
狙いは明確で、「プログラミング知識なしでAIエージェントを作れる」プラットフォームだ。エージェントの開発、タスク実行、社内データ管理、実行ログ確認といった機能を一通り搭載する。既存のRPAロボパットと連携すれば、定型処理はRPA、判断を伴う処理はAIエージェントという棲み分けが可能になる。
RPAベンダーがAIエージェントへ軸足を移す動きは、海外でもUiPathやAutomation Anywhereで見られるが、国内ベンダーでここまで明確にピボットしたのはFCEが先陣を切った形だ。
3月2日〜5日: NTTドコモ — パーソナルAIエージェント「SyncMe」をMWCで披露
バルセロナで開催されたMWC 2026で、NTTドコモがパーソナルAIエージェント「SyncMe（シンクミー）」を発表した。iコンシェル→my daizと続いてきた”ドコモのパーソナルアシスタント”路線の、生成AI時代における最新進化形だ。
特徴的なのはパーソナライズのアプローチ。dアカウント情報から価値観や性格傾向を推定するだけでなく、「#今のワタシ診断」機能でユーザーが撮影した20枚の写真を分析し、言語化しにくい感性や好みを把握する。対話を担当する「ワラピィ」と、裏側で情報収集する「ヨミドーリ」の2体構成でエージェントを設計している点も面白い。
料金はフリーミアムモデル。コアのエージェント機能はドコモユーザーに無料提供し、プレミアム機能で収益化する。2026年春にパイロット版、夏に正式サービス開始予定だ。
2月12〜13日 → 3月レポート公開: AI Agent Day 2026 — 3,710名が参加した転換点
正確には2月開催だが、詳細レポートが3月に公開され、業界に大きなインパクトを与えた。国内最大級のAIエージェントカンファレンス「AI Agent Day 2026」には3,710名が申し込み、大企業参加率38%、意思決定層36%という数字が出ている。
このカンファレンスで繰り返し語られたのは「PoCから実装フェーズへの移行」だ。もう概念実証は済んでいる。業務統合と組織再設計を伴う本格導入をどう進めるかが焦点になっている。
注目すべきは、国内初のAIエージェント実装人材の資格制度「AIエージェント・ストラテジスト」「AIエージェント・アーキテクト」が正式発表されたこと。参加者の97.5%がAIエージェント活用スキルを「非常に重要・重要」と回答しており、人材育成の切迫感がデータで裏付けられた。第1回試験は2026年6月中旬にオンライン実施予定。
3月12日: ソフトバンク — LTMマルチAIエージェント基盤を構築
ソフトバンクが、通信業界向け生成AI基盤モデル「Large Telecom Model（LTM）」において、マルチAIエージェント基盤を構築したと発表した。
ポイントは「分析から判断、実行まで」を自律的に行う点。従来の生成AIは分析・回答が中心だったが、LTMのマルチエージェント基盤では、役割ごとに最適化された複数のAIエージェントが相互連携して動作する。あるエージェントが検知・分析した結果を、別のエージェントが引き継いで判断・実行する——いわば「AIチーム」による自律運用だ。
最初の適用先は基地局インテグレーション業務。異常検知→原因特定→解決策提示→関係者報告→対応実行までを自動化する。先端技術研究所の湧川隆次所長は「判断から実行までを担うAI主体のネットワーク運用へと進化させる」とコメントしている。
通信インフラという”止められない”領域でマルチエージェントを投入するのは、技術的にも事業的にも大きな賭けだ。ソフトバンクがここに踏み込んだ意味は大きい。
3月12日: Stockmark — 製造業向けAIエージェント「Aconnect」にディープモードβ
ストックマーク株式会社が、製造業向けAIエージェント「Aconnect」の技術探索エージェントに新機能「ディープモードβ」を追加した。
最新の論文・特許・ニュースから技術課題を体系的に分解し、ロジックツリー型のUIで視覚化する。研究開発者が持つ暗黙知と、世界中の最新外部知見を融合させることで、発想のバイアスを打破する狙いだ。
AIエージェントというと顧客対応やコーディングを思い浮かべがちだが、Aconnectが攻めているのは「R&Dの仮説設計支援」という、かなりニッチだが高付加価値な領域。製造業のDXにおいて、こうした専門特化型エージェントの重要性は今後さらに増すだろう。
3月中旬: PeopleX — 人事AIエージェント基盤「AgenticHR プラットフォーム」提供開始
PeopleXが、人事領域の総合型AIエージェント基盤「PeopleX AgenticHR プラットフォーム」の提供を開始した。代表取締役CEOの橘大地氏は「従来型SaaSとは一線を画す」と位置づけている。
第一弾では、自社製品の「AI面接」「AI面談」「AIロープレ」を相互連携。AIが採用要件を自動定義し、求人票の作成から面接質問の設計まで行う。社員のコンディション可視化やアラート機能も搭載する。
注目すべきキーワードは「SoR（System of Record）→ SoA（System of Action）」への転換だ。データの記録・管理から、分析→施策立案→実行までを自律的に行うシステムへ。この概念は人事に限らず、あらゆる業務SaaSが今後向き合うテーマになるはずだ。
今後5年で20製品をリリースする計画で、四半期に1つのペースで新しいAIソリューションを投入する予定だという。
3月下旬〜: JBS — 「AI Agent Factory」で現場主導のエージェント開発を支援
日本ビジネスシステムズ（JBS）が、「JBS AI Agent Factory」サービスの順次提供を開始した。マイクロソフトのエージェントプラットフォームを全面採用し、「フロンティア企業」への変革を支援する。
面白いのは「AIアンバサダー制度」というアプローチ。各部門の業務専門家がAIエージェント開発の主担当になり、エージェントテンプレートを使って自分たちで開発する。エンジニア頼みではなく、現場が自分で作って育てる文化を構築する——という設計思想だ。
3月24日の「Microsoft AI Tour Tokyo」でも、この構想が紹介される予定となっている。
全体を通して見えること
3月の国内動向を並べてみると、いくつかのパターンが浮かび上がる。
| 分類 | 企業 | アプローチ | 特徴 |
|---|---|---|---|
| 通信キャリア | NTTドコモ、ソフトバンク | 自社基盤の強化 | 自社インフラ×AIの垂直統合 |
| RPAベンダー | FCE×PKSHA | 既存製品のAI化 | ノーコード×AIエージェント |
| バーティカルSaaS | PeopleX、Stockmark | 業界特化型エージェント | 人事・製造の専門領域 |
| SIer | JBS | 導入支援サービス | 現場主導の組織変革 |
1つ目の傾向: 「汎用」ではなく「特化」。ChatGPTのような汎用AIではなく、通信ネットワーク運用、人事採用、製造業R&Dといった特定業務に深く入り込むエージェントが増えている。これは海外でも同じ傾向だが、日本企業は特に「業界知見×AI」の掛け合わせに強みを持てる領域を選んでいる印象がある。
2つ目の傾向: PoCは終わった。AI Agent Day 2026の参加者データが示す通り、もはや概念実証の段階ではない。ソフトバンクは基地局運用にマルチエージェントを投入し、PeopleXは商用サービスとして提供開始している。「まず試す」フェーズから「本番で動かす」フェーズへの転換は、この3月で一気に加速した。
3つ目の傾向: 「誰が作るか」の変化。FCEのノーコードプラットフォーム、JBSのAIアンバサダー制度。エンジニアだけでなく、現場の業務担当者がエージェントを作る時代が来つつある。これは採用・教育・組織設計にまで波及する変化だ。
正直、3月だけでこれだけ動いたのは予想以上だった。4月以降、さらにどの企業が参入してくるのか注目したい。
AIエージェント構築の基本を押さえたい方は、Google ADKでAIエージェントを構築する実践ガイドもあわせてどうぞ。ツールの選定に迷っている方には、CrewAI vs LangGraph vs OpenAI Agents SDK 徹底比較が参考になるはずだ。
開発者として今できること
これだけ国内企業がエージェント基盤を整備し始めると、開発者の選択肢も広がる。まずは以下のような簡単なエージェント構築を試してみるといい。
# 動作環境: Python 3.11+, openai>=1.30.0
# pip install openai
from openai import OpenAI
client = OpenAI()
# シンプルなAIエージェントのプロトタイプ
def simple_agent(task: str) -> str:
"""タスクを受け取り、計画→実行→報告を行う基本エージェント"""
response = client.chat.completions.create(
model="gpt-4o",
messages=[
{"role": "system", "content": (
"あなたは業務自動化AIエージェントです。"
"ユーザーのタスクに対して、1)現状分析 2)実行計画 3)実行結果 "
"の3ステップで回答してください。"
)},
{"role": "user", "content": task}
],
temperature=0.3
)
return response.choices[0].message.content
# 注意: 本番環境で使用する前に、必ずテスト環境で動作確認してください。
result = simple_agent("今月の売上レポートを分析して改善提案を3つ出して")
print(result)
ここから先は、MCPサーバーをPythonで自作する方法を参考に外部ツール連携を追加すれば、実用的なエージェントに近づく。
参考・出典
- 通信業界向け生成AI基盤モデル「Large Telecom Model」のマルチAIエージェント基盤を構築 — ソフトバンク株式会社（参照日: 2026-03-15）
- PeopleX、人事領域の総合型AIエージェント基盤「PeopleX AgenticHR プラットフォーム」の提供を開始 — PR TIMES（参照日: 2026-03-15）
- FCE、PKSHA Technologyとの共同開発で「ロボパット AI Agent Studio」を発表 — PR TIMES（参照日: 2026-03-15）
- Stockmark、Aconnect技術探索エージェントに「ディープモードβ」をリリース — PR TIMES（参照日: 2026-03-15）
- ドコモ、パーソナルAIエージェント「SyncMe」をMWCで披露 — ケータイ Watch（参照日: 2026-03-15）
- AI Agent Day 2026 開催レポート — PR TIMES（参照日: 2026-03-15）
- JBS、「AI Agent Factory」サービスを順次提供開始 — クラウド Watch（参照日: 2026-03-15）
—
この記事はAIgent Lab編集部がお届けしました。ご質問・ご相談はお問い合わせフォームからお気軽にどうぞ。
