「答えるAI」から「働くAI」へ

生成AIの進化は、ここ数年で目を見張るものがあります。

2023年頃から企業での生成AI活用が本格化し、まず広まったのがRAG（検索拡張生成）という技術です。社内のマニュアルや過去の事例をAIに参照させることで、一般的な生成AIでは答えられなかった自社固有の質問にも対応できるようになりました。

しかしRAGだけでは「自社固有の情報を知っている」状態に留まり、実際に業務を動かすことはできません。そこで登場したのがMCP（Model Context Protocol）です。AIと外部システムを標準的な規格でつなぐことで、リアルタイムの情報取得やシステムへの操作が可能になりました。

そして今、さらに新しい概念が注目を集めています。それが「スキル」です。2025年12月、AnthropicはAIエージェントが持つ能力を「Agent Skills」として標準化しました。RAGが「知識」、MCPが「接続」だとすれば、スキルは「能力」—— AIが状況を判断し、業務を精度高く完結させるための能力です。

本記事では、AIエージェントが新たな「労働力」と見なされ始めている現状を踏まえ、新入社員の教育に例えながら、これら3つの技術の違いと組み合わせ方について整理します。

新入社員の教育に例えると

新入社員が実務をこなせるようになるまでには、いくつかの段階があります。

まず「マニュアルを読む」ことで、業務の知識を身につけます（＝RAG）。次に「社内の業務システムにアクセスする権限を得る」ことで、必要な情報をリアルタイムで引き出せるようになります（＝MCP）。そして「特定業務に最適化された手順書に沿って作業する」ことで、ベテラン社員と同等の精度で業務を完結させられるようになります（＝スキル）。

この3段階を念頭に置きながら、それぞれの技術を見ていきましょう。

RAG（知識）とはいわば「マニュアル」を熟読した状態

RAG（Retrieval Augmented Generation：検索拡張生成）とは、AIが回答を生成する際に、外部の文書データベースから関連情報を検索し、その情報をもとに回答の精度を高める技術です。社内マニュアル、過去の議事録、製品仕様書などをAIに「参照」させることで、自社固有の質問にも対応できるようになります。

新入社員に例えると、デスクに置かれた「分厚い業務マニュアルや過去の事例集」です。マニュアルを熟読すれば「知っている」状態になりますが、それだけでは実際にシステムを操作したり、外の世界に働きかけたりすることはできません。

RAGの仕組みや活用方法については、以下のコラムで詳しく解説しています（RAGの実用化初期に公開した記事ですが、その根本にある考え方は現在の最新手法にも活かされています）。

関連記事：生成AIと独自データを組み合わせたサービスの作り方

RAGの限界

マニュアルを読んだだけの新入社員が、いざ現場に出ると「情報が古くて使えない」「自分では操作できない」と壁にぶつかるように、RAGにも実務を任せる上でいくつかの限界が存在します。

• 高い維持コスト：全社内データを専用DBに保持し、常に最新状態へ更新し続けるにはコストがかさみます。
• 更新のタイムラグ：専用DBへの登録が必要なため、元の資料が更新されてからAIが反映するまでに時間がかかります。
• 一方通行：情報を「知っている」だけで、システムを操作したり外の世界に働きかけたりすることはできません。

MCP（接続）は社内システムのアクセス権

MCP（Model Context Protocol）は、2024年11月にAnthropicが発表したオープンプロトコルで、「AI用のUSB-Cポート」とも表現されます。共通の「接続プラグ」を使うことで、個別に複雑な開発をすることなく、多様な外部システムとAIエージェントをつなぐことができます。コミュニティや各ベンダーから多数のMCPサーバーが公開されており、さまざまなツールとの連携が広がっています。また、MCPは標準でOAuthという世界標準の認証方式に対応しており、外部システムへの安全なアクセス制御を実現しています。

新入社員に例えると、情報システム部から発行された業務用システムへのアクセス権（自分のアカウント）です。適切なアクセス権を得ることで、正確なデータをリアルタイムで参照でき、システムの操作もできるようになります。

MCPの仕組みや活用方法については、以下のコラムで詳しく解説しています。

関連記事：生成AIの進化：RAGからAIエージェント、そしてMCPやA2Aの時代へ

MCPの限界

アクセス権を得て、システムを操作できるようになったとはいえ、「どういう作業を行うべきか」を正しく伝えられていなければ業務は進みません。MCPによる連携にも、実践導入において以下のような限界が存在します。

• 細かい指示が必要：「どのシステムから、何を、どのような形式で取得するか」を利用者が都度具体的に指示しなければなりません。
• 精度のばらつき：指示の書き方によって結果が大きく変わるため、安定した品質を保つには利用者側のプロンプト作成能力に依存します。
• 処理コスト（コンテキスト^※）の増大：MCPでは「どんなツールが使えるか」の定義情報（ツール名・使い方・引数の説明など）を毎回すべてAIに渡す必要があります。そのため、接続する外部システムが増えるほど処理コストが跳ね上がってしまいます。一方、後述する「スキル」は必要な能力だけを都度呼び出す設計のため、コストを大幅に抑えられます。

※コンテキスト：AIが1回の処理で読み込む情報のことを「コンテキスト」と呼びます。人間で例えるなら「作業机の上に広げる資料」のことです。MCPは毎回すべての情報を机に広げてから考えるため、広げる資料の量が多いほど処理コストがかかる仕組みです。

スキル（能力）はいわば特定業務に最適化された「手順書」

「スキル」とは、AIエージェントが状況を判断し、業務を精度高く完結させるための能力です。MCPが「どこに繋がるか」を定義するのに対し、スキルは「どう動くか」を定義します。

重要なのは、スキルはAIが「できることを拡張する」わけではないという点です。MCPがあれば外部システムへの接続・操作はすでに可能です。スキルはそれに加えて、少ない指示で・高い精度で・低コストで業務を実行できるようにするものです。

新入社員に例えると、「特定業務に最適化された手順書を渡された状態」です。システムへのアクセス権（MCP）を持っていても、最初のうちは上司から細かく指示してもらわないと動けません。しかし特定業務に最適化された手順書を渡されることで、ベテラン社員と同等の精度で、少ない指示のもと業務を完結させられるようになります。スキルはまさにその「手順書」にあたります。

RAG・MCPとスキルの違い

スキルはすでに実務で活用できる段階に来ている

スキルは開発者向けの実験的な概念ではありません。すでに実際のビジネス現場で活用できる段階に来ています。

代表的な例が、Anthropicが提供するClaude の「Cowork」です。CoworkはClaude Codeのようなコード生成・開発支援に特化したツールとは異なり、一般的なビジネス業務を対象としたAIエージェント機能です。ユーザーが業務上のゴールを伝えると、Claudeが自律的に判断しながら作業を進めます。具体的には以下のような能力を持っています。

• Excelの理解・編集：単なる内容の要約にとどまらず、複雑なマクロやロジックが含まれたExcelファイルを読み解き、直接中身を書き換えることができます。
• PowerPointの生成：企画案を提示するだけでなく、そのまま会議で使える編集可能な.pptxファイルとして出力します。「AIが提案した内容を、人間が改めてスライドに起こす」という手間が不要になります。

これらは「AIが答えを出す」のではなく、「AIが実際に手を動かして仕事を終わらせる」という、これまでとは質的に異なる体験です。スキルの登場によって、AIエージェントはようやく「相談相手」から「実務の担い手」へと変わりつつあります。

また、Anthropic製品だけでなく、MicrosoftのGitHub Copilot、OpenAIのCodex CLI、GoogleのGemini CLIなどもAgent Skillsに対応しており、業界標準として急速に定着が進んでいます。

実務導入で押さえたい、3技術の組み合わせ方とガバナンス設計

3つの技術は組み合わせて使う

RAG・MCP・スキルは対立する技術ではなく、それぞれの強みを活かして組み合わせるものです。

• 重要な固定知識の検索 → RAG
• 最新情報の取得・システム操作 → MCP
• 少ない指示で安定した業務実行 → スキル

この3層を適切に設計することが、実用的なAIエージェントの鍵です。

最大の課題は「セキュリティとガバナンス」

スキルによってAIが自律的に動けるようになるほど、「どのシステムに、どの権限でアクセスするか」の制御が重要になります。ここで鍵を握るのがMCPです。MCPは標準でOAuthという世界標準の認証方式に対応しており、外部システムへのアクセスを適切に制御できます。スキルが「何をするか」を定義し、MCPが「どの権限でアクセスするか」を制御する—— この役割分担こそが、エンタープライズ活用における安全設計の基本です。

NCDCが提供するBizAIgent（ビズエージェント）は、このMCPのOAuth対応を踏襲した設計を採用しており、管理者が許可したデータソースのみ連携できる仕組みを備えています。社員が個人任せでAIを使うリスクを排除し、企業全体のガバナンスを維持します。

セキュリティとガバナンスの観点からBizAIgentの外部連携の仕組みを詳しく知りたい方は、以下のコラムもあわせてご覧ください。

関連記事：AIエージェントは安全な外部連携で真価を発揮する。OAuthを用いた権限管理

AIエージェントを自社の業務に導入するには？

知識（RAG）、接続（MCP）、能力（スキル）が揃い、AIエージェントがいよいよ実用期に入りました。しかし、多くの企業が直面するのが「結局、自社のどの業務にどう使えばいいのか」「セキュリティを担保して社内システムと繋ぐにはどうすればいいのか」という壁です。
NCDCでは、こうした導入時のハードルを下げるため、企画・構想段階から実際のシステム提供まで、ご状況に合わせた支援を行っています。

「どこに適用すべきか」を明確にする【AIワークショップ】

「自社のどの業務に、どの技術を当てるべきか」を仕分ける判断は容易ではありません。NCDCでは、企業のAI活用フェーズに合わせた3種類のワークショップを提供しています。

特に生成AIエージェント Discovery Workshopは、「どの業務にAIエージェントを適用すれば、どのくらいの投資対効果が得られるか」をワークショップ形式で議論し、NCDCがレポートとして結果を報告するものです。
ワークショップを実施したある大手企業様では、特定の4業務をAIエージェント化するだけで月間5,000時間以上の削減可能性が明確になりました（勤務時間入力の自動化で月間約3,830時間、稼働率算出で月間約900時間の削減見込みなど）。

「セキュアな自社専用エージェント」を構築する【BizAIgent】

NCDCが提供するBizAIgentは、MCPを活用して企業の社内システムと生成AIを組み合わせた自社専用AIエージェントです。最新版ではスキルにも対応しており、利用者が意識しなくても、エージェントが状況に応じてMCPとスキルを適切に使い分けながら業務を完結させます。

BizAIgentでできることの例

• 「ストレージAからXXXの資料を探して、このような形式にして業務システムBに登録して」と指示するだけで、手作業での検索・整理・登録を自動化
• 「来週のプロジェクト定例報告を作って」と指示するだけで、GitHubやBacklogから情報を自動収集・分析し、Notion等にレポート案を自動生成
• 「製品A・Bの耐熱温度差とX社向け実績を教えて」と指示するだけで、AIが社内DBやSharePointを横断検索し、根拠データを抽出して即座に回答

セキュリティと利便性を両立した設計

• お客様専用のセキュアな環境で動作
• チャット内容はAIモデルのトレーニングに使用されない
• 管理者が許可したデータソースのみ連携（連携先のON/OFF切り替えも容易）
• ユーザー数ではなく利用量ベースの料金体系なので、無駄なく利用可能

まとめ：AIに「何を任せ、どう繋ぐか」をデザインする時代へ

RAG・MCP・スキルは、組み合わせることで初めて真価を発揮します。特にスキルは、MCPによる接続環境を前提としながら、利用者の指示負担を減らし、業務の精度と安定性を高める起爆剤になります。

一方で、AIに強い能力を持たせるほど、「何を教え（RAG）、どこに繋ぎ（MCP）、どの権限を渡すか（スキル）」のバランス設計が重要になります。このバランスをデザインすることが、これからのビジネスリーダーの役割の1つになるでしょう。

NCDCでは、ワークショップによるAI活用方法の習得から、BizAIgentによる本格導入まで、お客様の状況に合わせた段階的な支援を行っています。「生成AIを業務に活かしたいが、何から始めればいいか分からない」という段階はもちろん、「すでにAIを活用しているが、精度や運用コストに課題がある」「MCPやスキルを使ってさらに高度な活用を目指したい」といったご相談にも対応しています。ぜひお気軽にお問い合わせください。