生成AIの進化により、コードの自動生成やテキストの要約は日常的なものとなりました。しかし、実際のエンタープライズ環境において「真に使えるAI」を導入するには、既存の複雑なシステム、厳格なセキュリティポリシー、そして現場ごとの暗黙のルールが壁となります。

この課題を解決するため、我々はMCP（Model Context Protocol）ツールを自社向けに独自開発し、機能を最大限に引き出しつつコストを最小限に抑えるように最適化された、自社の機能をフル活用する完全自律型AIエージェント「AIBee」を誕生させました。

本コラムでは、AIBeeがどのように社内リソースをセキュアに活用し、自ら計画・推論して（自律的推論）プロジェクトの課題を解決しているのか、その根幹となるアーキテクチャと設計思想について解説します。

エンタープライズAIにおいて最も重要なのは「誰の権限で、どこまでアクセスできるか」という制御です。
AIBeeでは、社内リソース（GitLabのソースコードやクラウドストレージのドキュメント等）を操作する際、AIエージェントが「操作を指示したユーザー個人の権限（トークン）」を使用して機能するよう設計されています。

さらに、プロジェクトごとにアクセス範囲（特定のクラウドストレージのフォルダやGitLabグループ等）を明示的に絞り込むことで、他プロジェクトの情報への意図しない介入を物理的に防ぎます。これにより、セキュリティが担保されるだけでなく、関係のない情報が混入しない「高品質な情報のみの抽出」が可能となっています。
Slack上では、プロジェクトに紐づくチャンネルに参加していなければ情報を取得できないため、透明性と高いセキュリティを両立しています。

以下の画像は、AIBee開発プロセスにおける実際のイシュー作成の様子です。AIエージェントが、チャンネルに関連づけられたGitLabグループと各リポジトリの役割を理解し、適切な場所に自律的にイシューを作成しています。

過去のトラブルシューティングや有益な議論など、社内の知的財産をフル活用するため、AIBeeはバックグラウンドでSlackのログを監査しています。価値ある情報のみをLLMで自動的に統合・解釈し、ベクトルデータベース（Qdrant）に保存することで、RAG（Retrieval-Augmented Generation：検索拡張生成）の基盤となり、いつでも引き出せるナレッジベース（IP(知的財産)）を構築しています。

また、プロジェクトごとに異なるフォーマットや「決まりごと」に対応するため、AIBeeは現場ごとのルールを「Skills（前提知識）」として記憶します。チャンネルごとのコンテキストを読み込み、それに沿った動作やお約束を自律的に実行することで、各プロジェクトに完璧にフィッティングした振る舞いを実現します。

自社のIPを有効活用している事例を以下にご紹介します。

ユーザーにとって最も自然なUXを提供するため、AIBeeは使い慣れたSlackのチャットスレッドを主軸に展開します。回答内容はSlack向けに見やすくフォーマットされ、欲しい情報を即座に取得できます。

LLMのFunction Calling（ファンクションコーリング / ツール呼び出し機能）を高度にオーケストレーション（連携制御）しており、複雑なシステム構造であればDraw.ioツールと連携して即座に図解し、バグがあればGitLabとフル連動してイシューを起票・管理するため、後から見返しても対応履歴が明確です。
さらに、AIの運用コストを抑えるため、「問題の難易度に合わせてAIモデルを自動変更する」最適化機能も搭載されています。単純な検索や要約は高速・安価なモデル（Flash）で処理し、高度なコードレビューや推論が必要な場面でのみ強力なモデル（Pro）へ自律的に切り替えることで、コストパフォーマンスを最大化しています。

AIBeeを先行導入した社内パイロットチーム（約6名）での1ヶ月間の運用において、日々の開発フローにおける顕著な作業効率の向上と、極めて低いランニングコストが実証されました。具体的には以下のような成果が出ています。

■ 圧倒的な時間短縮（工数の3〜4割削減）
・仕様把握と設計： GitLabのIssue内容の把握や要約にかかっていた20〜30分が、約5分に短縮されました。さらに、客先とのやり取りから設計に起こす作業は、1〜2時間の工数がわずか約5分へと劇的に短縮されています。
・検索とレビュー： クラウドストレージでの議事録などの曖昧検索が10分から約1分に短縮されたほか、コードレビューやテストの自動実施・テスト実施ログからテスト実施書への自動記入により、全体の作業時間の3〜4割程度の短縮を実現しています。

■ 導入・運用コストの最小化
これほどの効率化を実現しながらも、1日あたり数回の利用におけるAIBeeのコストは、1ヶ月1人当たりワンコイン程度に収まっています。RAGとして扱うための初期構築コストを含めても、システムの最適化により非常に低コストでの継続運用を実現しています。

■ アジャイルな継続的改善
一方で、パイロット運用を通じて「意図しないスプレッドシートのカラム更新」や「初期設定の複雑さ」といった実運用ならではの課題も発見されました。私たちはこれらのフィードバックを即座に吸収し、MCPツールのチューニングや新機能の追加をアジャイルに進めることで改善し、日々エージェントの精度を向上させています。

AIBeeは、既存の社内ツールやセキュリティ要件と深く結びつき、日々の業務を自律的にアシストする「頼れるAIエージェント」として確かな実績を上げています。

株式会社Beeでは、今回ご紹介したアーキテクチャをベースとしつつ、お客様ごとに異なる業務フロー、セキュリティ基準、利用ツールなどの「御社の事情に寄り添った、御社向けのAIエージェントの開発」をお手伝いさせていただきます。
自社に特化したAIエージェントの導入や、コストパフォーマンスに優れた業務効率化にご興味がございましたら、ぜひお気軽に当社までご相談ください。