HOME/ビジネス/AIエージェント関連サービス/ループエンジニアリング/ゴールエンジニアリング
AI AGENT / GOAL ENGINEERING

ゴールエンジニアリング
AIエージェントに目標を任せる設計

作業を指示する代わりに、目標と担当範囲を決め、人が見直しながらAIを育てる。任せ方と見直し方の設計を、基礎から解説します。

01/概要

「作業」ではなく「目標」を任せる、AIエージェントの設計方式

ゴールエンジニアリング(Goal Engineering)とは、AIエージェントに「メールを書く」のような個別の作業ではなく「広告の成果を上げ続ける」のような継続的な目標を任せるときに、何を目標にするか、どこまでをAIの担当範囲にするか、人がどうフィードバック(見直しと教え込み)をするかを設計する考え方です。

AIエージェントとは、人が細かく指示しなくても、目標に向けて自分で考え、道具を使って仕事を進めるAIのことです。ゴールエンジニアリングは、このAIエージェントを「使いこなす」ために、任せ方と見直し方を整える点に特徴があります。

タスク型とゴール型の違い(当社作図)
タスク型:作業を任せる
① 人が作業を指示例:「この取引先にメールを送って」
↓
② AIが実行指示された作業だけを行う
↓
③ 人が確認して完了終わったら次の指示を出す
ゴール型:目標を任せる
① 人が目標と担当範囲を決める例:「重要な約束を守りながら、調整の負担を減らす」
↓
② AIが何をするかを選んで動くメール・検索・資料づくりなど、必要な作業を自分で選ぶ
↓
③ 人が見直し、学びを返す指摘はAIの記憶に残り、次の判断から効く
↻ ③のあと、また②へ戻る
「ゴール型」の例は、LangChain公式ブログの記述をもとに平易に書き換えています。
AIに渡すものが「作業の指示」から「任せる範囲と、見直しの仕組み」に変わります。
ゴールエンジニアリングを考えるメリット
  • 人が指示を出し続けなくても、AIが目標に向けて必要な作業を選んで進める
  • 人が見直しやすい単位で任せるので、好みや暗黙の判断(言葉にされていない知識)をAIに教えやすい
  • 一つの指摘が同じ種類の仕事全体に広がり、使うほどAIの精度が上がる
  • 目標と見直しの場が決まっているので、方向違いによるむだな作業や費用が膨らみにくい

考え方の出典は、AIエージェントの開発基盤を提供するLangChainの公式ブログです。Goal Engineering: How to Design GoalsとFrom tasks to goalsで、目標を任せるAIエージェントの設計の要点が整理されています。

02/注目される背景

文章の生成から、作業の実行、そして目標の遂行へ:AIエージェントに任せる範囲の広がり

チームが複数の画面を前に、AIシステムの稼働状況を話し合っている様子
写真はイメージです

AIエージェントは、文章を作る段階から、道具を使って判断する段階、さらに一つの作業をやり切る段階へと広がってきました。次に語られているのが、終わりのない目標を任され、達成に向けて自分で作業を選ぶ姿です。LangChainは公式ブログで、この方向を「作業から目標へ」の変化として整理し、目標の決め方がAIの成果を左右すると述べています。

AIエージェントが任される範囲の広がり(当社作図)
1 文章を作る質問に答える・文章を書く
2 道具を使って判断する検索や社内システムを呼び出し、次の行動を決める
3 作業をやり切る一つの依頼を最後まで実行する
4 目標を任される終わりのない目標に向けて、作業そのものを自分で選ぶ
LangChain公式ブログの整理をもとに作図。任される範囲が広がるほど、向きを間違えたときのむだも大きくなります。
→

指示から成果へ

「どの操作をするか」ではなく「どんな結果を出すか」を伝える形に変わります。やり方はAIが選びます。

∞

一度きりから継続へ

長く任される役割になります。AIは必要なときに自分で動き出します。

✎

人の見直しが成長の鍵

AIが間違える大きな理由は、必要な文脈が足りないことです。書かれていない知識は、人の見直しから学ぶしかありません。

提唱側は、プロンプト(指示文)やコンテキスト(AIに渡す情報)の調整は将来目立たなくなり、目標の設計が残るという見方を示しています。これは提唱者の見解であり、現時点で確定した事実ではありません。

出典:LangChain:Goal Engineering/LangChain:From tasks to goals

03/設計の考え方

目標は、人が見直し・教えやすい単位で区切る

AIが間違える大きな理由は、必要な文脈(背景情報)が足りないことです。文書やシステムへのつなぎ込みのように、すでに書かれている文脈は渡せます。いちばん難しいのは、どこにも書かれていない知識、たとえばブランドの好みや、どこまで踏み込んでよいかの感覚です。これは専門家である人が、AIの仕事を見直しながら教えるしかありません。

そこでゴールエンジニアリングでは、フィードバックが集まりやすい範囲でAIの担当を決めます。見直しやすさを先に決め、それに合わせて目標の切り方を設計するのが特徴です。

AIの担当の切り方:案件ごと/仕事の種類ごと(当社作図)
案件(取引先)ごとにAIを置く
A社担当のAI/B社担当のAI/C社担当のAIそれぞれが一つの取引先の目標を追う
  • 1つのAIにつき、見直す内容が少なく、担当の切り替えが多い
  • ある案件で学んだことを、他の案件のAIに渡しにくい
仕事の種類(動き)ごとにAIを置く
新規の声かけ担当/返信対応担当/商談の進め方担当それぞれが、複数の取引先にまたがる一つの動きを担う
  • 似た仕事をまとめて見直せる
  • 一つの指摘が、同じ動き全体に効く
  • 取引先の情報は、別のAIが裏で集めて整える
営業チーム向けのAIエージェントを手がけるActively AI社の取り組みとして、LangChain公式ブログで紹介された例を、平易に書き換えています。
AIの担当の切り方を、人が見直しやすい切り方にそろえます。

もう一つの要点は、AIの仕事を見直す画面づくりへの投資です。AIが伸び悩む原因は、フィードバックから学ぶところにあることが多いため、見直しの手間を減らし、質の高い指摘を集めやすくすることが成果に直結します。

04/構成要素

目標を任せるために必要な6つの仕組み

目標を任されたAIは、作業を選ぶのも、使う道具を決めるのも自分です。そのため、指示を一つ書けば済むタスク型と比べて、次の6つの仕組みが必要になります。

①

作業の選び方

AIが目標を作業に分けて選びます。同じ提案の繰り返しを防ぐやることリストと、新しい案を出させる工夫が要ります。

やることの見える化
②

使える道具の範囲

どの道具が必要になるかは事前に読めません。呼び出してよい道具の範囲を、細かく管理します。

権限の管理
③

人に確認を取る窓口

AIは裏で動くため、チャットツールの受信箱や専用画面から、人に確認を取れるようにします。

確認・承認の窓口
④

評価とフィードバック

成果の指標の改善を見ると同時に、人の修正を受け入れます。指標だけを追うのは危険です。

指標と人の目の両方
⑤

起動と停止のルール

一定間隔・決まった時刻・出来事をきっかけに動き出す設計と、同じ質問の繰り返しのような不要な通知を止める設計の両方が要ります。何もしないのが正解の場合もあります。

動く・止まるの設計
⑥

記憶

判断や人の指摘を次回以降に引き継ぎます。たとえば却下したテーマは、その下書きだけでなく、今後のテーマ選びにも反映します。

学びの蓄積

③と④は、人が判断に加わる「ヒューマン・イン・ザ・ループ」の設計と重なります。②の権限の管理には、エージェントの登録・本人確認・権限・監査を扱うAgent 365のような仕組みが使えます。

出典:LangChain:From tasks to goals

05/設計の進め方

ゴール設計の5ステップ:目標・担当範囲・見直しの場を決める

メンバーが画面の指標を指さしながら、目標の見直し方を話し合っている様子
写真はイメージです

ゴールエンジニアリングは、次の順に進めます。AIを動かす前に、1〜4を決めておくのがポイントです。

ゴール設計の流れ(当社作図)
1
目標を一文で言う何がどうなれば成功か(成果)と、それを測る指標を決めます。成果と指標
2
担当範囲を、見直しやすい単位に区切る似た仕事を一つの担当にまとめ、まとめて見直せる大きさにします。担当範囲
3
渡せる文脈を先に渡す書かれている資料や、つなぎ込めるシステムは先に整えます。書かれていない知識は、見直しのなかで集めると決めておきます。文脈の整理
4
見直しの場をつくる承認・差し戻し・コメントが、すぐできる画面と受信箱を用意します。見直しの手間が小さいほど、良い指摘が集まります。見直しの画面
5
学びを蓄えて、同じ種類の仕事へ広げる人の指摘を記憶に残し、同じ動き全体に反映します。指標の変化で、効果を確かめます。学びの記録
↻ 5のあと、1の目標や2の担当範囲を見直す

この5ステップは、LangChain公式ブログの設計の考え方を、業務で進める順に整理したものです。

06/他の設計との関係

プロンプト・コンテキスト・ハーネス・ループ・グラフとの関係

AIエージェントの設計は、何を設計の対象にするかで語られることが増えています。ゴールエンジニアリングは、これらを置き換えるものではありません。下の層で整えたものを使い、「何を任せ、どう見直すか」を決める層として整理できます。

設計の対象の積み重ね(当社の整理・作図)
何を任せるかゴール
目標・担当範囲・フィードバックの受け方を決める。見直す人の手間まで含めて設計する。
どうつなぐかグラフ
複数のAIエージェントや処理を、つなぎ方と分岐で組み立てる。 グラフエンジニアリングを見る →
どう繰り返すかループ
起動・実行・検証・停止の繰り返しを設計し、失敗を仕様やルールへ戻す。 ループエンジニアリングを見る →
どんな環境で動かすかハーネス
AIが使う道具・権限・検査など、モデルの外側の環境を設計する。 ハーネスエンジニアリングを見る →
何を渡すかコンテキスト
AIに渡す情報(文脈)を、必要なときに必要な量だけ届ける。 コンテキストエンジニアリングを見る →
どう頼むかプロンプト
一回ごとの指示文の書き方を整える。
ゴールを最上位に置く積み重ねは、当社による整理です。提唱元の記事が示す構造ではありません。
下の層が整っていても、何を任せ、誰がどう見直すかが決まっていなければ、AIは成果につながりません。

07/使いどころ

目標型に向く仕事の特徴と、慎重にしたい場面

チームが大きな画面で、エージェントの業務の流れを確認している様子
写真はイメージです

すべての仕事が目標型に向くわけではありません。次の3つが当てはまる仕事ほど、効果が出やすくなります。

↻

同じ種類の仕事が繰り返し起きる

一つの学びを、次の仕事にも使えるため、見直すほど効率が上がります。

♥

判断に好みや暗黙知が入る

ブランドの雰囲気や、踏み込み方など、言葉にされていない判断が成果を左右します。

✔

人が見直すほど価値が上がる

専門家の指摘が、そのままAIの精度向上につながる仕事です。

目標型に向く仕事の例(LangChain公式ブログの例をもとに作成)
営業:案件を前に進める新規の声かけ、返信、商談の進め方など、動きごとにAIを置き、営業担当が見直す
マーケティング:広告の成果を高める「どんな表現が好ましいか」「どこまで挑戦的にするか」を、人の指摘で教え込む
調整業務:負担を減らしつつ約束を守るメール・検索・予定の確認など、必要な作業をAIが選び、重要な約束だけ人が確認する
情報発信:ブログなどの更新を保つテーマ案を出し、人が却下・採用して、次のテーマ選びに反映する
慎重にしたい場面
  • 支払い・契約・外部への送信など、取り消しにくい操作は、人の承認を必須にする
  • 指標だけを追うと、望ましくない近道を選ぶことがあるため、人の見直しを外さない
  • AIの動きが見えないと見直せないため、実行の記録を残し、あとから追えるようにする

08/当社の支援内容

目標設計から、見直しの仕組み・運用・全社展開までの支援

当社は、AIエージェントを現場の業務で動かし続けるために、目標の決め方から見直しの仕組み、運用、全社展開までを、段階に分けて支援します。現場に入って設計と実装を行うX-Tech FDEが伴走します。

支援の進め方(当社作図)
1
診断:目標と担当範囲の整理対象の業務を1〜2件選び、目標・指標・担当範囲の候補と、見直す人を決めます。目標の定義書
2
試作:最初の1つの動きを動かす担当範囲を一つに絞ってAIエージェントを試作し、見直しの画面と確認の窓口をつくります。見直しの画面
3
運用・改善:学びを蓄えて回し続ける人の指摘を記憶に残し、指標と合わせて改善します。実行の記録と監視は、AgentOpsの考え方で整えます。運用の設計
4
全社へ広げる:統制と標準化担当や権限、費用の管理を共通化し、AI Agent CoEとして全社に広げます。全社の標準

実装は、Microsoft FoundryやCopilot Studioなど、お客様がすでに使う基盤に合わせて行います。費用の管理はAI FinOpsと組み合わせて設計できます。

09/関連ソリューション

ゴールエンジニアリングとあわせて読みたい、関連ソリューション

ループエンジニアリング

ループエンジニアリング

AIの失敗を、使い捨てにしない。

起動・検証・停止の繰り返しを設計し、失敗を仕様やルールへ戻す方式を掲載しています。

ループエンジニアリングを見る →

グラフエンジニアリング

グラフエンジニアリング

複数のエージェントを、つなぐ。

複数のAIエージェントや処理を、つなぎ方と分岐で組み立てて、全体の流れを設計する考え方です。

グラフエンジニアリングを見る →

コンテキストエンジニアリング

コンテキストエンジニアリング

AIに渡す情報を、設計する。

AIに渡す文脈を、必要なときに必要な量だけ届ける設計・供給・統制・改善の提供体制です。

コンテキストエンジニアリングを見る →

AI Agent CoE

AI Agent CoE

AIエージェントを、全社で回す。

目標・権限・費用・品質の管理を共通化し、AIエージェントの活用を全社へ広げる体制づくりです。

AI Agent CoEを見る →

X-Tech FDE

X-Tech FDE

現場に入り、一緒に動かす。

お客様の現場に入り、業務の設計から実装・定着まで伴走するフォワードデプロイドエンジニアリングです。

X-Tech FDEを見る →

HWS Agent Camp

HWS Agent Camp

最初の1業務を、短期間で試す。

AIエージェントを最初の1業務で試作し、効果と課題を確かめるスタートプランです。

HWS Agent Campを見る →

10/よくあるご質問

Q.ゴールエンジニアリング(Goal Engineering)とは何ですか。
A.AIエージェントに、個別の作業ではなく継続的な目標を任せるときに、目標・担当範囲・フィードバックの受け方を設計する考え方です。人が細かく指示を出し続ける代わりに、任せる範囲と見直しの仕組みを整えます。
Q.タスク(作業)を任せるのと、何が違いますか。
A.タスク型は「メールを送る」のように作業を指定し、終われば完了です。ゴール型は「調整の負担を減らしつつ約束を守る」のように成果を指定し、AIが必要な作業を自分で選んで続けます。そのため、見直しの場、確認の窓口、起動と停止のルール、記憶が必要になります。
Q.プロンプトエンジニアリングやコンテキストエンジニアリングとの関係は。
A.置き換えではなく積み重ねです。指示文(プロンプト)と渡す情報(コンテキスト)、動かす環境(ハーネス)、繰り返し方(ループ)が整っていることを前提に、何を任せ、どう見直すかを決めます。提唱側には、プロンプトやコンテキストの調整は将来目立たなくなるという見方もあります。
Q.なぜ「見直しやすさ」から目標を決めるのですか。
A.AIが間違える大きな理由が、必要な文脈の不足だからです。書かれていない知識は、人の見直しから学ぶしかありません。見直しやすい単位で任せるほど、良い指摘が集まり、AIが速く賢くなります。
Q.どんな仕事に向いていますか。
A.同じ種類の仕事が繰り返し起き、判断に好みや暗黙の知識が入り、人が見直すほど価値が上がる仕事です。営業の案件推進、広告の改善、調整業務、情報発信の更新などが例です。支払いや外部への送信のような取り消しにくい操作は、人の承認を必須にします。
Q.指標を決めれば、AIに任せきりにできますか。
A.できません。指標だけを追うと、望ましくない近道をとることがあります。指標の改善と、人の見直しの両方で進めます。
Q.最初は何から始めればよいですか。
A.対象の業務を1〜2件選び、目標を一文で言うところから始めます。次に、似た仕事をまとめた担当範囲と、見直す人を決めます。短期間で試したい場合は、HWS Agent Campも使えます。

ゴールエンジニアリングについてのご相談

こんなお悩みがあれば、お気軽にご相談ください。

  • AIエージェントに目標を任せてみたい
  • AIの仕事を、誰がどう見直すかが決まっていない
  • AIエージェントが試作で終わり、業務に定着しない
  • 担当範囲・権限・費用の管理を、全社でそろえたい
お問い合わせ