世界各国のリアルタイムなデータ・インテリジェンスで皆様をお手伝い

AIエージェント白書2025年版

AIエージェント白書2025年版


■概要■   AIエージェントは、複雑な環境において推論、計画、タスクの実行を行うことのできるインテリジェントシステムの基盤となるものである。AIエージェントは、環境と相互作用して意思決定を... もっと見る

 

 

出版社 出版年月 冊子体価格 電子版価格 納期 ページ数 言語
次世代社会システム研究開発機構
2025年1月6日 ¥165,000 (税込)
ライセンス・価格情報
注文方法はこちら
¥129,800 (税込)
PDF(CD-R)
ライセンス・価格情報
注文方法はこちら
ハードコピー、PDF(CD-ROM) ともに 通常4-5営業日程度 550 日本語

 

サマリー

■概要■
 
AIエージェントは、複雑な環境において推論、計画、タスクの実行を行うことのできるインテリジェントシステムの基盤となるものである。AIエージェントは、環境と相互作用して意思決定を行ったり、自律的に動作・行動したり、自然言語を使用して人間や他のエージェントと相互作用したりする。
 
AIエージェントは、人間の介入を必要としない、より自律的で協調的なワークフローへのシフトアップであり、ワークフローの合理化から人間のようなタスクの代理実行まで、画期的な能力拡張を約束する。これは、人間を退屈で単純な作業から解放し、より付加価値の高い作業に集中させることを約束する。その意味で、AIエージェントは、企業、個人、組織の運営方法を再定義するものとなるだろう。
 
すでにAIエージェントは生成AIの統合により、テキスト、画像、デザインなどマルチモーダルなコンテンツをオンデマンドで生成できるようになっている。また、強化学習により、AIエージェントは動的な環境への適応能力が向上する他、ニューロモーフィック・コンピューティングや量子コンピューティングの進歩により、問題解決能力が飛躍的に向上し、前例のない革新と発見の時代を迎えることが期待されている。その意味でAIエージェントは、今後のAIアプリケーションのポートフォリオにおいて特に重要なものとなっている。
 
本白書では、こうしたAIエージェントの現状と課題点、今後の方向性を含め、包括的に扱った全書的なスタイルのレポートであり、AIエージェントの設計と実装、問題領域の特定、適切なアーキテクチャの選択、ゴールとアクションの定義、エージェントのロジックの実装、テストとデバッグ、企業業務効率化に活用するAIエージェント開発・リリースのあり方、責任あるAIエージェントのあり方、最新の研究開発動向、主要製品・サービス、プラットフォーマー、主要参入企業、スタートアップ企業まで、網羅的に取り上げ、解説している。


ページTOPに戻る


目次

■内容編成(目次)■
 
 
第1章 AIエージェント 概説
 
1-1 “AIエージェント”を広く、深く理解することが必要となる理由
1-2 AIエージェントの主な特徴
1-3 エージェント型AIがDXにもたらす新たな価値
1-4 実世界への応用が開始されたエージェントAI
1-5 デジタルワーカー時代を促進するAIエージェント
1-6 責任あるAIに新たなソリューションをもたらすエージェント型AI
1-7 分散型エコシステムにおけるプライベートAIエージェントの台頭
 
 
第2章 AIエージェントの定義・再定義
 
2-1 概説
[1] AIエージェント・アーキテクチャの概要
[2] エージェント型ワークフロー: AI主導のタスク管理におけるパラダイムシフト
[3] AIエージェントの概念が定着するまでの経過
[4] チャットボット、AIアシスタントとAIエージェントの相互関係
[5] AIエージェントの利点
2-2 AIエージェントとAIアシスタントの違い、オーバーラップする部分
2-3 LLMエージェントの当面の優先課題
2-4 AIエージェント志向のLLMの適用・適合
2-5 AIエージェントのタイプ別特性
 
 
第3章 AIエージェントの今後の動向と発展
 
3-1 概説
3-2 新たなエージェントの種類
3-3 AIエージェント開発の現状
3-4 技術的進歩のシナリオ
3-5 業界予測
3-6 AIエージェントの発展シナリオ
3-7 AIエージェントの課題と今後の方向性
3-8 次世代の推論型・自律型AIエージェントの現状・方向性
 
 
第4章 AIエージェントの基本タイプ・タイプ別特性
 
4-1 概説
4-2 AIエージェントのタイプ別特性
[1] 単純反射エージェント
[2] モデルベース反射エージェント
[3] 目標ベースのエージェント
[4] 効用ベースのエージェント
4-3 AIエージェントの機能用途別特性
[1] シングルエージェント
[2] マルチエージェント
[3] 反応型・反射型エージェント
[4] 目標ベースのエージェント
[5] 効用ベースのエージェント
[6] プロアクティブエージェント
[7] 学習・適応型エージェント:
[8] 非学習型エージェント
 
 
第5章 AIエージェントの主な構成要素
 
5-1 概説
5-2 AIエージェントのアクションを構成する要素
[1] センサー
[2] アクチュエーター
[3] 処理ユニット
[4] 知識ベース
[5] フィードバックシステム
5-3 AIエージェントの会話相互作用のメカニズムと構成要素
[1] 会話コンポーネント
[2] 自然言語処理(NLP)
[3] チェーンワークフローオーガナイザー
[4] エージェント自律体(エージェント・コンポーネント)
 
 
 
第6章 AIエージェントのソフトウェア・アプリケーションと主要コンポーネント
 
6-1 概説
6-2 事例
[1] OpenHands
 
 
第7章 AIエージェントの支援(アシスト)パターン・タイプ別特性
 
7-1 ビジネス・アシスタント
7-2 情報ニーズ診断
7-3 知識コンテンツの生成
7-4 コーディング・アシスタント
7-5 ライフ・アシスタント
7-6 学習エージェント
7-7 タスク特化型エージェント
7-8 マルチエージェントシステム(MAS)
7-9 自律エージェント
 
 
第8章 AIエージェントのワークフロー(エージェンティック・ワークフロー)
 
8-1 概説
[1] 概要
[2] エージェンティック・ワークフローの定義
[3] 従来の自動化アプローチとの比較
[4] エージェントワークフローの利点
[5] 今後の展望
8-2 AIエージェント・ワークフローの構成要素
8-3  Anthropicの定義するAIエージェント・ワークフロー
8-4 AIエージェント・ワークフローにおける大規模言語モデル(LLM)の役割
8-5 マルチエージェントの連携メカニズムとワークフロー
8-6 AIエージェント・ワークフローの業界別ユースケース
8-7 AIエージェント・ワークフローの開発
 
 
第9章 AIエージェントの設計アプローチ
 
9-1 概説
[1] 記憶(メモリストリーム)
[2] 情報検索(IR)
[3] リフレクション
[4] 計画
[5] オープンソースのAIエージェントフレームワーク
9-2 AIエージェント設計に不可欠となるシステム2アプローチ
9-3 ケーススタディ
[1] CAMEL
[2] LangChainの実装
[3] AutoGPT
 
 
第10章 AIエージェントの応用カテゴリーと産業別活用
 
10-1 概説
[1] オペレーション・生産性向上全般
[2] マーケティング
[3] 営業
[4] カスタマーサービス
[5] 人事
[6] 法務
[7] 研究開発
[8] 製造業
[9] 輸送
[10] 小売・Eコマース
[11] 金融
[12] 保険業
[13] ヘルスケア
[14] 教育
[15] ヘルスケア
[16] ホスピタリティ業関連
[17] サイバーセキュリティ
10-2 データ駆動型のAIエージェント型ソリューションによる税務シミュレーション
[1] セールスフォース <AI Economist>
10-3 機械学習エージェントによるゲーム空間の制御
[1] OpenAI <Hide & Seek Share>
10-4 AIエージェントを媒介としたAIとゲーム産業の融合
 
 
第11章 AIエージェントのインフラ、プラットフォーム
 
11-1 概説
11-2 AIエージェントのインフラ構成
11-3 AIエージェントのプラットフォーム例
 
 
第12章 AIエージェントの主な実装コンポーネント
 
12-1 知覚
12-2 処理ユニット
12-3 知識ベース
12-4 アルゴリズム(意思決定メカニズム)
12-5 行動メカニズム
 
 
第13章 AIエージェントの開発・構築
 
13-1 AIエージェントの開発
13-2 AIエージェントの構築
13-3 ノーコードでAIエージェントを開発できるVertex AI Agent Builder
13-4 AIエージェントの構築の流れ
 
 
第14章 AIエージェントフレームワーク
 
14-1 概説
14-2 AutoGen
14-3 CrewAI
14-4 LangGraph
14-5 非同期AIエージェントフレームワーク
 
 
第15章 AIエージェント・オーケストレーション
 
15-1 概説
15-2 エージェントフレームワークの役割
15-3 LangGraph
15-4 CrewAI
15-5 OpenAI Swarm
15-6 LlamaIndex workflow
15-7 AutoGen
 
 
第16章 AIエージェント・インフラの進化
 
16-1 概説
16-2 AIのインファレンス(推論)フェーズに特化した分散型インフラの構築
 
 
第17章 AIエージェントのエコシステム
 
17-1 概説
17-2 オープンソースのAIエージェント・エコシステム
17-3 アプリ上でカード・トークナイゼーションを提供する「グーグルペイ」
 
 
第18章 分散型AIエージェントの台頭
 
18-1 概説
18-2 分散型AIエージェントの最前線を牽引するスタートアップ企業群
18-3 メタバースやゲームなどの仮想空間で稼働する分散型AIエージェント
 
 
第19章 プロンプトエンジニアリングとAIエージェント
 
19-1 概説
[1] LLMの行動や能力はプロンプトに大きく影響される
[2] プロンプティング思考連鎖型プロンプティング(CoT,Wei)
[3] 思考の木(ToT)
[4] Plan-and-Solve Prompt ing (PS)
[5] ソフトプロンプティングアプローチ
[6] プロンプト最適化手法
[7] Automatic Prompt Engineer (APE )
[8] 自己言及的自己改善
[9] 自己参照メタ学習アプローチ
[10] オープンエンドとLLM
19-2 プロンプトを自動的に進化させる自己言及的で自己改善的なAIシステム
19-3 関連研究
[1] グーグル・ディープマインド 「迅速な進化による自己言及的自己改善」
 
 
第20章 AIエージェントのベンチマーク
 
20-1 概説
20-2 関連研究
[1] 清華大学/オハイオ州立大学/カリフォルニア大学バークレー校研究チーム 「大規模な言語モデル・エージェントを様々な環境で評価するために開発された多次元ベンチマーク」
 
 
第21章 Agentic RAG
 
21-1 概説
21-2 Agentic RAGによるハイブリッドアプローチ
21-3 Agentic RAGの応用
21-4 今後の動向と展開
 
 
第22章 自然言語を使った応答性の高いAIエージェント
 
22-1 概説
22-2 関連研究
[1] カーネギーメロン大学/NVIDIA/マイクロソフト/ボストン大学 「自然言語を使ってAIエージェントを構築するための機械学習フレームワーク」
 
 
第23章 自然言語によるエージェント制御のベンチマーク
 
23-1 概説
[1] 現在の評価エージェント用環境
[2] 自然言語によるエージェント制御のベンチマーク
[3] 対話型意思決定エージェント
23-2 関連研究
[1] カーネギーメロン大学 「自律型エージェント構築のための現実的なウェブ環境」
[2] 浙江大学/テンセントAIラボ/ウェストレイク大学 「大規模なマルチモーダルモデルによるエンド・ツー・エンドのウェブエージェントの構築」
 
 
第24章 コンピュータ・ビジョンと自然言語処理の統合によるマルチタスク学習、生成AI汎用エージェント
 
24-1 概要
24-2 タスクのグループ化
24-3 マルチタスク・アーキテクチャー
24-4 関連研究
 
 
第25章 リアルタイムAIエージェントと非同期ツールの活用
 
25-1 概説
25-2 非同期コンピュータ・システムとAIエージェント
25-3 リアルタイム・システムとAIエージェント
25-4 自律型AIエージェントへの拡張
25-5 マルチ・エージェント・システムへの拡張
25-6 バーチャルアシスタント、アクセシビリティツールへの拡張
 
 
第26章 マルチエージェントシステム
 
26-1 モノリシックモデルからモジュール型AIエージェントへの移行
26-2 サブエージェントによる専門化
26-3 人間による適切な監督や調整を組み合わせたマルチエージェントシステム
26-4 マルチエージェント強化学習
26-5 シングルエージェントの模倣学習
26-6 マルチエージェントの模倣学習
26-7 逆ゲーム理論
26-8 MALICE (Multi-agent Aggregation of Losses to Imitate Cached Experts)
26-9 ヒューマン・イン・ザ・ループ
26-10 LLMベースのマルチエージェントコラボレーション
26-11 マルチエージェントAIシステムの構築支援ツール
[1] AutoGen/AutoGen Studio
[2] AutoGenの主要構成要素
[3] AutoGen Studio(バージョン2.0)のビルドセクション
26-12 マルチエージェントRAGシステム
26-13 関連ツール・フレームワーク
[1] マイクロソフトリサーチ 「AgentInstruct :マルチエージェントワークフローフレームワーク
26-14 関連研究
[1] カーネギーメロン大学研究チーム「マルチエージェント模倣学習」
[2] マサチューセッツ工科大学(MIT) 「協調的・競争的なAIエージェントが最適な長期的解決策を見出すことを可能にする機械学習フレームワーク」
 
 
第27章 マルチエージェント強化学習(MARL)
 
27-1 概説
27-2 強化学習の原理
27-3 強化学習の応用
[1] LLMベースのエージェント
[2] LLMによる推論と仮説探索
[3] 部分的に観測可能な環境における認知モデル
27-4 研究チーム、参入企業動向
[1] スタンフォード大学研究チーム 「Hypothetical Mindsモデル」
 
 
第28章 マルチAIエージェント/エージェント数のスケールアップ
 
28-1 概説
[1] LMの事前知識とアクション/リアクション能力の組み合わせによるAIエージェントの開発
[2] エージェントの能力を様々な側面からベンチマークする研究
[3] AutoMLの言語モデル
[4] 科学的発見を自動化するAI
[5] マルチエージェントシミュレータ
[6] エージェント数のスケールアップの課題
28-2 関連研究
スタンフォード大学 「MLAgentBench:機械学習実験で言語エージェントを評価する」
 
 
第29章 マルチモーダル型AIエージェント
 
29-1 概説
29-2 注目を集めるモデル
29-3 関連研究
[1] アリババ 「テキストや自然言語からリアルな3Dアバターを生成する‘LLM・視覚モデル」
[2] スタンフォード大学/マイクロソフト・リサーチ/カリフォルニア大学ロサンゼルス校 「ルチタスク・エージェント訓練パラダイムを用いた対話型エージェント基盤モデル」
 
 
第30章 視覚言語モデル(VLM)/マルチモーダルAIエージェント
 
30-1 概説
[1] マルチモーダルデジタルエージェント
[2] デバイス制御エージェントのための環境
[3] LLM/VLMのための強化学習
30-2 関連研究
[1] UCバークレー校他研究チーム 「DigiRL:自律強化学習で野生のデバイス制御エージェントを訓練する」
 
 
第31章 マルチモーダル・エージェントと視覚言語モデル(VLM)/対話環境の構築
 
31-1 概説
[1] マルチモーダルエージェントのベンチマーク
[2] マルチモーダル・エージェントのための視覚言語モデル
31-2 関連研究
[1] 香港大学/CMU他研究チーム 「OSWORLD: 実際のコンピュータ環境におけるオープンエンドタスクのためのマルチモーダルエージェントのベンチマーク」
 
 
第32章 AIアライメントの媒介役としてのAIエージェント
 
32-1 概説
32-2 価値調整プロセスの切り口で見たAIエージェント
[1] AIバリュー・アライメント
[2] 価値調整と高度なAIアシスタント
 
 
第33章 AIエージェントによるレコメンダー(推薦)システム
 
33-1 概説
33-2 関連研究
[1] RecMind:推論、行動、記憶を組み合わせ、様々な推薦タスクに対応する大規模言語モデル技術による自律型推薦エージェント」
 
 
第34章 意思決定のためのLLMエージェント
 
34-1 概説
34-2 関連研究
[1] マサチューセッツ工科大学他研究チーム 「LLMエージェントは後悔するのか?オンライン学習とゲームのケーススタディ」
[2] 復旦大学/マイクロソフト・リサーチ・アジア 「EVOAGENT: 進化アルゴリズムによるマルチエージェント自動生成を目指して」
[3] カリフォルニア大学バークレー校 「Goex:自律的なLLMアプリケーションのためのランタイムに向けた展望とデザイン」
 
 
第35章 自動デジタルエージェントの構築と課題
 
35-1 概説
35-2 先行研究
35-3 自律的な洗練と評価
35-4 デジタルエージェントベンチマーク
35-5 関連研究
[1] カリフォルニア大学バークレー校/ミシガン大学研究チーム 「デジタルエージェントの自律的評価と改良」
 
 
第36章 限られた経験から効率的に学習し適応できるAIエージェントの開発
 
36-1 概説
36-2 拡散モデルによる画像生成
36-3 ロボット工学における拡散モデルの利用
36-4 関連研究
[1] インペリアル・カレッジ・ロンドン/グーグル ディープマインド 「拡散拡張エージェント:効率的な探索と転移学習のためのフレームワーク」
 
 
第37章 データベース・エージェント
 
37-1 自然言語を使用してデータベースからクエリの実行・抽出を行うAIエージェント
37-2 Azure OpenAI Serviceの機能を使ったSQLエージェント
 
 
第38章 エンタープライズ・オートメーションとAIマトリックス・エージェント
 
38-1 概説
38-2 プランニング・エージェント
38-3 ワークフローエージェント
38-4 マトリックス・エージェント
 
 
第39章 AIコーディングエージェント
 
39-1 概説
39-2 AIエージェントを作成・展開できるノーコード/ローコード・ソリューション
39-3 事例
[1] Plandex
 
 
第40章 サイバーセキュリティのタスクに特化したAIエージェント
 
40-1 コンピュータ・セキュリティとAIエージェントに関する背景
40-2 AIエージェントとサイバーセキュリティ
40-3 サイバーセキュリティとAIの交差領域における最近の研究
40-4 AIエージェント自体のセキュリティ
40-5 関連研究
[1] イリノイ大学アーバナ・シャンペーン校 「ゼロデイ脆弱性を悪用できるLLMエージェント」
 
 
第41章 自律走行システムとAIエージェントによるソリューション
 
41-1 概説
41-2 関連研究
[1] ウェイモ 「MotionLM: 言語モデリングとしてのマルチエージェント運動予測」
 
 
第42章 AIエージェントとロボティクス
 
42-1 概説
42-2 ソーシャルロボット、コラボレーションロボットとAIエージェント
42-3 関連研究
[1] NVIDIA/UT Austin 「MimicGen:ロボティクスのための自律的データ生成システム」
 
 
第43章 ロボット・エージェント/学習済みロボットエージェントの研究開発動向
 
43-1 概説
[1] 事前に訓練された大規模な言語モデルと視覚ベースの操作のギャップを埋める試み
[2] 意思決定のためのトランスフォーマ
[3] コントロールのための視覚的事前トレーニング
[4] ゴール条件付きエージェント
[5] 汎用ロボット・エージェント
43-2 関連研究
[1] Google DeepMind 「ロボキャット:ロボット操作のための自己改善型ジェネラリスト・エージェント」
 
 
第44章 デジタルアシスタントを介して動作するWebエージェントの開発
 
44-1 概説
44-2 関連研究
[1] ServiceNowリサーチ他研究チーム 「ワークアリーナウェブエージェントは一般的な知識労働タスクをどの程度解決できるか?」
 
 
第45章 Web3.0とAIエージェント
 
45-1 Web3におけるAIの役割
45-2 Web3.0におけるAI活用の実例
 
 
第46章 マルチAIエージェントによるジオポータルと地理空間ウェブサービス
 
46-1 概説
46-2 ジオポータルの分散アーキテクチ
46-3 AIエージェント・プランニング技法
46-4 最新の研究動向
 
 
第47章 メタバース・空間コンピューティング向けAIエージェントと適応学習
 
47-1 概説
47-2 AIエージェントにおける適応学習の重要性
47-3 仮想環境におけるAIエージェントの現状
47-4 適応学習の理論とモデル実装
47-5 AIエージェントにおける適応行動のモデル
 
 
第48章 ビデオゲームAIエージェント
 
48-1 AIとゲームの間の複雑な相互作用を媒介するAIエージェント
48-2 AIエージェントを活用したシミュレーションゲーム
48-3 AIエージェント型シミュレーションゲーム
[1] Proxi Gallium
[2] StarCraft II
[3] Halite 8 Halite 8
[4] Kindred Games Kindred for PC
[5] AI City Planner AI City Planner
 
 
第49章 AIエージェント型SaaSの試み
 
49-1 概説
49-2 顧客のAIエージェントとベンダーのAIエージェントのコラボレーション
 
 
第50章 責任あるAIエージェントの実施要件
 
50-1 責任あるAIプラクティスとAIエージェントの統合
50-2 責任あるAIエージェントのアーキテクチャパターン
50-3 エンタープライズプラットフォームに組み込まれた LLMアプリの信頼性
50-4 LLMの微調整/ドメイン固有のSLM
50-5 AIエージェントとLLM オーケストレーション
50-6 責任あるAIエージェント運用のフレームワーク
 
 
第51章 Googleが手掛けるAIエージェント関連のプロダクト/サービス
 
51-1 概要
51-2 Gemini 2.0/Project Mariner
51-3 NotebookLM
51-4 Vertex AI Agentbuilder
51-5 Gemini Deep Research
51-6 Agentspace
51-7 Project Astra
51-8 Project Mariner
51-9 Jules
51-10 AlphaFold
51-11 Google DeepMind 「SIMA」
 
 
第52章 OpenAIが手掛けるAIエージェント関連のプロダクト/サービス
 
52-1 概要
52-2 ChatGPT/GPTs
52-3 Sora
52-4 Swarm
52-5 Operator
 
 
第53章 Microsoftが手掛けるAIエージェント関連のプロダクト/サービス
 
53-1 概要
53-2 Microsoft Copilot Studio
53-3 Microsoft Copilot Agents
53-4 Azure AI Agent Service
53-5 AutoGen
53-6 AutoGen Studio
53-7 AgentInstruct
53-8 Sora
53-9 Data Formulator
53-10 Magnetic-One
 
 
第54章 AWSが手掛けるAIエージェント関連のプロダクト/サービス
 
54-1 概要
54-2 Agents for Amazon Bedrock
54-3 Multi Agent Orchestrator
54-4 AWS Step Functions
54-5 Amazon Connect Contact Lens
54-6 Agents for Amazon Bedrock
54-7 その他、AWSが推進するAIエージェントプロジェクト
 
 
第55章 Salesforceが手掛けるAIエージェント関連のプロダクト/サービス
 
55-1 概要
55-2 Salesforce 「LLMエージェントを構築するための軽量フレームワーク:AgentLite」
55-3 Salesforce 「BOLAA戦略」
55-4 Salesforce AI Research 「AgentLite」
 
 
第56章 Metaが手掛けるAIエージェント関連のプロダクト/サービス
 
56-1 概要
56-2 Habitat 2.0
56-3 Habitat 3.0、Habitat Synthetic Scenes Dataset、HomeRobot
56-4 Researchers Pearl
56-5 Shepherd
 
 
第57章 IBMが手掛けるAIエージェント関連のプロダクト/サービス
 
57-1 IBM Watson
57-2 Agent-101
 
 
第58章 Anthropicが手掛けるAIエージェント関連のプロダクト/サービス
 
58-1 概要
58-2 Model Context Protocol
58-3 Claude/Claude 3.5
58-4 Sonnet
 
 
第59章 Perplexity AIが手掛けるAIエージェント関連のプロダクト/サービス
 
59-1 概要
59-2 Perplexity AI Snap
 
 
 
第60章 オラクルが手掛けるAIエージェント関連のプロダクト/サービス
 
60-1 概要
60-2 Miracle Agent
 
 
第61章 SAPが手掛けるAIエージェント関連のプロダクト/サービス
 
61-1 概要
61-2 Joule Collaborative AI Agents
 
 
第62章 富士通が手掛けるAIエージェント関連のプロダクト/サービス
 
62-1 概要
62-2 Fujitsu Kozuchi AI Agent
 
 
第63章 Hugging Faceが手掛けるAIエージェント関連のプロダクト/サービス
 
63-1 概要
63-2 SmolAgents
 
 
第64章 Databricksが手掛けるAIエージェント関連のプロダクト/サービス
 
64-1 概要
64-2 Mosaic/Agent Framework
 
 
第65章 NVIDIAが手掛けるAIエージェント関連の研究/プロダクト/サービス
 
65-1 概要
65-2 Eureka Agent
65-3 AgentKit
 
 
第66章 Replitが手掛けるAIエージェント関連の研究/プロダクト/サービス
 
66-1 概要
66-2 Replit Agent
 
 
第67章 AIエージェントの導入事例
 
67-1 アクセンチュア
67-2 デロイトトーマツ
67-3 ブレインパッド
67-4 AI inside(AIインサイド)
67-5 博報堂DYホールディングス
67-6 セゾンテクノロジー
 
 
第68章 AIエージェント開発企業(メガIT企業以外)
 
68-1 概要
68-2 LeewayHertz
68-3 Markovate
 
 
第69章 注目を集めるAIエージェントのスタートアップ
 
69-1 概況・近況
69-2 Foundry
69-3 Floworks
69-4 Kanerika
69-5 Hamming AI
69-6 Vectorview
69-7 Reworkd
69-8 Fume
69-9 Baselit
 
 
第70章 注目すべきAIエージェント・プロジェクト
 
70-1 概況・近況
70-2 LaVague
70-3 AutoGPT
70-4 SWE-Agent
70-5 OpenDevin
70-6 BabyAGI
 

 

ページTOPに戻る

ご注文は、お電話またはWEBから承ります。お見積もりの作成もお気軽にご相談ください。

webからのご注文・お問合せはこちらのフォームから承ります

本レポートと同分野の最新刊レポート

  • 本レポートと同分野の最新刊レポートはありません。

次世代社会システム研究開発機構社の分野での最新刊レポート

  • 最新刊レポートはありません。

本レポートと同じKEY WORD()の最新刊レポート

  • 本レポートと同じKEY WORDの最新刊レポートはありません。

よくあるご質問


次世代社会システム研究開発機構社はどのような調査会社ですか?


一般社団法人次世代社会システム研究開発機構は、社会・産業・経営に大きな影響を与える先端技術からマネジメント、次世代産業まで幅広い分野を対象に、経験豊富なアナリストによって編纂された学際的・... もっと見る


調査レポートの納品までの日数はどの程度ですか?


在庫のあるものは速納となりますが、平均的には 3-4日と見て下さい。
但し、一部の調査レポートでは、発注を受けた段階で内容更新をして納品をする場合もあります。
発注をする前のお問合せをお願いします。


注文の手続きはどのようになっていますか?


1)お客様からの御問い合わせをいただきます。
2)見積書やサンプルの提示をいたします。
3)お客様指定、もしくは弊社の発注書をメール添付にて発送してください。
4)データリソース社からレポート発行元の調査会社へ納品手配します。
5) 調査会社からお客様へ納品されます。最近は、pdfにてのメール納品が大半です。


お支払方法の方法はどのようになっていますか?


納品と同時にデータリソース社よりお客様へ請求書(必要に応じて納品書も)を発送いたします。
お客様よりデータリソース社へ(通常は円払い)の御振り込みをお願いします。
請求書は、納品日の日付で発行しますので、翌月最終営業日までの当社指定口座への振込みをお願いします。振込み手数料は御社負担にてお願いします。
お客様の御支払い条件が60日以上の場合は御相談ください。
尚、初めてのお取引先や個人の場合、前払いをお願いすることもあります。ご了承のほど、お願いします。


データリソース社はどのような会社ですか?


当社は、世界各国の主要調査会社・レポート出版社と提携し、世界各国の市場調査レポートや技術動向レポートなどを日本国内の企業・公官庁及び教育研究機関に提供しております。
世界各国の「市場・技術・法規制などの」実情を調査・収集される時には、データリソース社にご相談ください。
お客様の御要望にあったデータや情報を抽出する為のレポート紹介や調査のアドバイスも致します。



詳細検索

このレポートへのお問合せ

03-3582-2531

電話お問合せもお気軽に

 

2025/02/21 10:27

150.86 円

158.69 円

193.74 円

ページTOPに戻る