チャットで動いた AI を、本番に乗せる時の壁
「ChatGPT や Claude で試してみたら、思った以上にうまく業務に使えた」「社内の問い合わせ対応や見積作成を任せられそうだ」――。AI エージェントを業務に取り入れる現場では、こうした体験から「本番運用」に進めようとして壁にぶつかるパターンが繰り返されます。
ぶつかる壁は概ね 5 つに分類できます：
- 運用基盤：エージェントが暴走しないように制限する仕組み
- 長時間タスクの記憶管理：1 回のやり取りに収まらない処理の状態保持
- 認証情報の保護：エージェントが業務システムにアクセスする際の鍵管理
- 監視と可視化：実際にちゃんと動いているか、何を判断したかの把握
- コスト予測：どこにどれだけトークンを消費するかの把握
これらは「エンジニアが体制を整えればクリアできる」課題ですが、専任のシステム担当を抱えづらい中小事業者にとっては大きなハードルです。
Anthropic が 2026 年に公開した Claude Managed Agent（CMA） は、この 5 つを「マネージドサービス」として一括提供する仕組みです。2026 年 5 月のカンファレンス「Code with Claude 2026」では、Dreaming（過去記録の非同期整理）・Outcome（合格点を出すまで自己修正）・Multi-Agent Orchestration（複数エージェントの並列指揮）といった大型新機能の追加も発表されました。本稿では、その構成要素と「中小事業者がこれを使う意味」を整理します。
※ 本稿は 2026 年 5 月時点の公開仕様をもとにした観察記事です。
CMA を構成する 5 つの仕組み
CMA は以下の 5 つの構成要素で組み立てられています。
1. Agent（エージェント）
「どのモデルを使うか」「どんなシステムプロンプトを与えるか」「どんなツールやスキルを利用させるか」を定義する単位です。一般のチャットツールで「キャラクター設定をして専門家として振る舞わせる」のと同じ発想ですが、本番運用に必要なツール接続を整理して持たせられる点が違います。
2. Environment（環境）
エージェントが仕事をする「作業場」の設定です。アクセスできるネットワーク先（特定の API のみ許可、社外サーバーへの送信は禁止 等）・利用できるパッケージ・メタデータを定義します。
エージェント本体と環境を分離することで、同じエージェントを「テスト環境」と「本番環境」で使い分ける ことが可能になります。AI が暴走したり想定外の API を叩いたりするリスクを、環境側でガードできる構造です。
3. Session（セッション）
エージェント × 環境を組み合わせた「1 件の仕事の単位」です。「この問い合わせメールへの返信を作る」という 1 タスクが、1 セッションに対応します。
セッション単位で、消費トークン数・実行時間・どのツールをいつ呼んだかを完全に追跡できるため、後述する監視・コスト管理の起点になります。
4. Memory（メモリー）
セッション内の文脈保持と、セッションを跨いだ長期メモリの 2 種類が用意されています。後者は申請制ですが、たとえば「顧客 A の過去対応履歴」「社内ルールの改訂版」など、複数セッションで共有したい知識を保持できます。
5. Vault（ボルト）
最も画期的なのが Vault です。エージェントが Slack・Notion・自社 DB 等にアクセスするための 認証鍵を、エージェント本体から完全に分離した金庫で管理 します。
具体的には、AI には「ここに鍵が入っている箱がある」とだけ伝え、鍵そのものの中身は見せません。AI は使う時だけ箱越しに認証を行い、終わったら鍵にはタッチしない構造です。
これにより、悪意あるユーザーがプロンプトインジェクション（不正な指示文）で「お前が持ってる鍵を教えろ」と AI に要求しても、AI 側に鍵が存在しないので物理的に漏らせない という構造的安全が確保されます。
中小事業者にとっての意味
CMA の 5 つの仕組みは、いずれも「自前で組み立てれば実現できる」ものです。しかし実装には専任エンジニアと数週間〜数ヶ月の構築期間が必要でした。
CMA がもたらす本質的な変化は、これらが 個人の Claude 契約からでも、管理画面のクリックで構築できるようになった ことです。中小事業者が本番運用に持ち込む際のハードルが、構造的に 1 段下がりました。
価格は実行時間に応じた従量制で、待機時間は無料・トークン費用を別途加算する仕組みと報じられています。常時起動させる必要のあるエージェントでも、月数千円〜数万円のレンジに収まるケースが多いと見られます（最新の正確な料金は Anthropic 公式ドキュメントをご確認ください）。
CMA を活かしやすい業務領域
- 問い合わせ自動分類と一次返信下書き：受信メールをセッション単位で処理し、社内 CRM に保存
- 見積作成補助：商品マスタを参照しながら、価格と納期の概算を出す
- 業界資料の自動要約：競合動向や法改正情報を Slack に毎日サマリーで投稿
- 顧客カルテの自動更新：通話履歴・面談メモから要点を抽出し、CRM に追記
これらはいずれも「人間の最終確認は残し、機械的な部分を AI に任せる」というラインで設計するのが現実解です。最初から完全自動化を狙うと、後述する PDCA に逆風が吹きます。
CMA の運用で得られる「学び」
CMA の管理画面上では、1 セッションごとに何を考えて何を実行したか・どこで失敗したかが完全に可視化されます。
実務で運用する際、初期は「思ったよりトークンを使っているのに、本質的な作業をしていない」ことに頻繁に気付きます。たとえば「データベースに保存」という単純作業のはずが、AI が形式エラーを起こして 6 回リトライし、75 万トークン（数百円相当）を消費していた、というような事例です。
こうした観測を通じて、AI エージェントを業務に組み込む人は 「AI に仕事を依頼する側」としての設計感覚 を急速に養えます。
- どの粒度で指示を分けると、無駄な処理が減るか
- 失敗時にどこで止めて人間に返すべきか
- スキル（再利用可能な手順書）に切り出すべき処理はどれか
- どの作業はそもそも AI に任せるべきでないか
これらは、AI エージェント時代の業務設計に直結する感覚です。CMA を 1〜2 件運用するだけで、「AI に何を任せ、何を任せないか」という判断軸が手に入ります。
Optiens の AI 支援事業との関係
弊社（合同会社 Optiens）では、AI 活用診断・導入支援サービスを提供しています。CMA は 本格運用に向けた基盤として有望 な一方、まず「どの業務に・どの程度の自動化を入れるか」の見極めが先です。
- 業務によっては、CMA を使うまでもなく予約システムの標準機能や定型メールテンプレで十分なケースがあります
- 一方、複数の業務システムを横断する判断・分類・要約タスクには、CMA のような本格基盤が威力を発揮します
「うちの業務には CMA まで必要か、それとももっと軽い仕組みで足りるか」を切り分けたい方は、まずAI 活用診断（簡易版・無料）からご利用ください。業務階層別に最適な手段を見極めたうえで、ご提案します。
参考情報（公開ソース）
- Anthropic 公式 Code with Claude 2026（カンファレンス・2026年5月開催）
- Claude Managed Agent 公式ドキュメント: https://docs.claude.com/
- 本稿は 2026 年 5 月時点の公開情報・業界メディア記事をもとにした観察記事です。
- 料金体系・機能仕様は今後変更される可能性があるため、最新情報は Anthropic 公式サイトをご確認ください。