YouTubeで学ぶAIエージェント動画ベスト10
Aug 13, 2026
2 min read
7 views
最終更新: 2026年7月
各動画の要約とQ&Aページは英語です。
AIエージェントを理解するのに最適なYouTube動画10本を、再生回数順ではなく学ぶ順番を意識して並べたリストです。エージェントとは何か、どう作るのか、そしてビジネスにとって何を意味するのかを知りたい創業者に向けてまとめました。
全体で約12時間。10分の入門解説から、この技術を実際に作り、議論している人たちとの長時間の対話まで含みます。基礎、アーキテクチャ、デザインパターン、実際の事例、そして自律的なシステムに伴う経済や安全性の問題までを一通りカバーします。
このリストの動画を、見るべき順に並べると次のとおりです。
エージェントは何が違うのか？ (Jeff Su)
エージェントはどう作られているのか？ (IBM Technology)
エージェンティックなデザインパターンとは何か？ (Tina Huang)
エージェントをどう作り、どう売るのか？ (Liam Ottley)
作るべきはエージェントではなくスキルなのか？ (Barry Zhang & Mahesh Murag, Anthropic)
エージェンティックエンジニアリングとは何か？ (Andrej Karpathy)
話題のエージェントは実際に何ができるのか？ (Lex Fridman with Peter Steinberger)
ビジネスで動かすべきエージェントはどれか？ (Dan Martell)
エージェントは仕事をどう変えるのか？ (The Diary Of A CEO)
エージェントはどこへ向かうのか？ (Sam Altman)
合計: 動画10本、視聴時間723分（約12時間）、総再生回数22.2M回。
1. エージェントは何が違うのか？
Jeff Su · 10分 · 4.6M回視聴 · 2025年
要点: AIエージェントは人間の意思決定をLLMに置き換えるため、あらかじめ決められた道筋がなくても、自ら考え、行動し、目標に向かって反復する。
AIエージェントとは実際のところ何なのか、最短で明快に答えてくれる動画です。Jeff Suは、受け身のチャットボットや固定されたワークフローと、自分で考え、行動し、反復する本当のエージェントを切り分けます。以降の動画はすべてこの区別を前提にしているので、最初に置いています。
主なポイント
ChatGPTのような大規模言語モデルは受け身で、ユーザーのプロンプトに応答するだけであり、自ら独自データを取りに行くことはない。
AIワークフローは人間が決めた道筋をたどるため柔軟性に欠け、重要な判断は人間が握ったままになる。
ReActフレームワークがAIエージェントで広く使われるのは、作業しながら自律的に推論と行動を繰り返せるからである。
検索拡張生成（RAG）を使うと、モデルは応答前に情報を調べられるようになり、学習していないデータでも回答の質が上がる。
2. エージェントはどう作られているのか？
IBM Technology · 12分 · 1.7M回視聴 · 2024年
要点: AIエージェントは大規模言語モデルに外部ツール、メモリ、推論を組み合わせることで、計画を立てて複雑な問題を解けるようになる。
エージェントが何かを理解したら、次はIBMがその組み立て方を見せてくれます。エージェントをモデル、ツール、メモリ、推論に分解し、それらをつなぐReActパターンを説明します。コードを書かなくても、エージェントがどう作られているかがわかります。
主なポイント
複合AIシステムはモデル、データベース、外部ツールなど複数の要素を組み合わせ、タスクごとに適応するモジュール型の問題解決を実現する。
AIエージェントのメモリは処理ログや会話履歴を保持し、セッションを通じたパーソナライズされたやり取りを可能にする。
ReActフレームワークは推論と行動を組み合わせることで、エージェントがより高い精度でタスクを実行できるようにする。
範囲が狭く明確に定義された問題では、自律性の度合いは用途によって変わるため、エージェント的な手法よりもプログラム的な手法のほうが効率的である。
3. エージェンティックなデザインパターンとは何か？
Tina Huang · 21分 · 1.5M回視聴 · 2025年
要点: エージェンティックなワークフローは反復的な計画、内省、ツール利用、マルチエージェントのチーム編成を使い、一本道をたどるのではなく手順を見直しながら進む。
単体のエージェントから、それを実用的にするパターンへと話を進める動画です。Tina Huangは内省、ツール利用、計画、マルチエージェントのチーム編成を順に解説し、専門特化した複数のエージェントに作業を分担させる方法を示します。有能なエージェントシステムの裏にどんな設計判断があるのかがわかります。
主なポイント
エージェンティックなデザインパターンには内省、ツール利用、計画、マルチエージェントシステムがあり、人間のチームのように各エージェントが専門の役割を担う。
非エージェント的なワークフローが直線的なのに対し、エージェンティックなワークフローは目標に到達するまで計画と修正のループを回す。
マルチエージェントシステムは、作業の流れに応じて階層型、逐次型、ハイブリッド型、並列型、非同期型といった構成が取れる。
n8nのようなノーコードツールを使えばコードを書けない人でもエージェンティックなワークフローを構築でき、エージェント開発がソフトウェアエンジニア以外にも開かれる。
4. エージェントをどう作り、どう売るのか？
Liam Ottley · 230分 · 3.6M回視聴 · 2025年
要点: LLM、プロンプト、メモリ、ツールを使えばノーコードのプラットフォーム上でエージェントを作れ、実際の業務を自動化する製品として販売できる。
理論から実践への橋渡しになる動画です。Liam Ottleyはエージェントに必要な構成要素を一通り取り上げ、それをノーコードのプラットフォーム上で組み立てる方法、さらにその成果物を売る方法まで説明します。エンジニアでない人がエージェントを本物のサービスに変えるにはどうすればよいかがわかります。
主なポイント
AIエージェントは指示を理解してタスクをこなすデジタルワーカーであり、社内のデジタル従業員のように機能する。
エージェントを作るには、大規模言語モデル、プロンプト、メモリ、外部知識、そして各種システムにつなぐツールについての知識が必要になる。
AIエージェントにおけるツールとはAPIのことで、データベースへの問い合わせやメール送信など、オンライン上での行動を可能にする。
Relevance AIやn8nのようなノーコードプラットフォームを使えば、コードを書かずにエージェントを構築し、既存システムと連携できる。
5. 作るべきはエージェントではなくスキルなのか？
Barry Zhang & Mahesh Murag, Anthropic · 16分 · 1.5M回視聴 · 2025年
要点: スキルは専門知識を整理された共有可能なファイルとしてまとめたもので、実務でエージェントに不足しがちな手続き的知識を補う。
AnthropicのBarry ZhangとMahesh Muragは、足りないのは賢いエージェントではなく、多くの場合より良いスキルのほうだと論じます。手続き的知識を共有可能なファイルにまとめることで、エージェントに欠けている専門知識を与えられることを示します。実務でエージェントが失敗し続けるとき、何を作ればよいのかがわかります。
主なポイント
スキルとは手続き的知識をまとめた整理されたファイル群であり、エージェントに不足しがちな専門知識を与えるものである。
スキルはシンプルで共有可能、かつバージョン管理できるため、人間もエージェントも読み、再利用し、修正できる。
段階的な開示によってスキルは必要な分だけを読み込むため、コンテキストウィンドウを圧迫せず、構成要素を組み合わせやすい状態を保てる。
技術者でなくてもスキルは作れるため、さまざまな領域の日常業務でエージェントを使いやすくなる。
6. エージェンティックエンジニアリングとは何か？
Andrej Karpathy · 29分 · 1.4M回視聴 · 2026年
要点: エージェンティックエンジニアリングは、AIエージェントを使ってソフトウェアを作りながら、検証と人間による方向づけによって品質を保つ規律である。
Karpathyは、気軽なバイブコーディングから、彼がエージェンティックエンジニアリングと呼ぶ規律ある実践への移行を言語化します。品質がもはやすべての行を書くことではなく、検証と人間による方向づけに依存する理由を説明します。コードを書くのがエージェントになり、人間が舵取りをする側に回ると何が変わるのかがわかります。
主なポイント
エージェンティックエンジニアリングは、AIエージェントを使ってプロ品質のソフトウェアを作る際に品質を維持することに焦点を当てた新しい規律である。
バイブコーディングはソフトウェア制作の間口を広げるが、出来上がったソフトウェアの信頼性を保つのはエージェンティックエンジニアリングである。
モデルは出力を簡単に検証できる領域で最も力を発揮するため、検証可能性が自動化の中心になる。
理解は人間の領域にとどまる。思考はAIに任せられても、指示を出すために必要な理解までは任せられないからである。
7. 話題のエージェントは実際に何ができるのか？
Lex Fridman with Peter Steinberger · 195分 · 1.3M回視聴 · 2026年
要点: OpenClawはメッセージングアプリと連携し、自身のソフトウェアを書き換え、個人データに対して自律的に動作するオープンソースのエージェントである。
実世界で一気に広まったエージェントのケーススタディです。Peter Steinbergerは、OpenClawがどのように自己改変し、メッセージングアプリに組み込まれ、個人データを扱うのか、そしてその組み合わせがなぜ期待と警戒の両方を呼んだのかを語ります。制約を外したオープンソースのエージェントが実際どういうものかがわかります。
主なポイント
OpenClawはオープンソースのAIエージェントで、TelegramやWhatsAppなどのメッセージングアプリと連携してタスクを実行する。
OpenClawは自身のソフトウェアを書き換えられ、開発者はこれを行動志向の自律型AIへの飛躍と位置づけている。
OpenClawはGitHubで180,000を超えるスターを集めており、このプロジェクトがいかに急速に受け入れられたかを示している。
個人データにアクセスし制御できるという力は、その能力と同時に現実的なセキュリティ上の懸念も生む。
8. ビジネスで動かすべきエージェントはどれか？
Dan Martell · 11分 · 795K回視聴 · 2025年
要点: Closer、Assistant、Workflow、Amplifier、Moneyという5種類のエージェントが営業、事務、業務、マーケティング、財務を自動化し、採用せずに事業を拡大できるようにする。
エージェントを事業の各機能に対応づけて整理する動画です。Dan Martellは営業、事務、業務、マーケティング、財務にまたがる5種類のエージェントを挙げ、それぞれが手作業をどう置き換えるかを示します。採用せずに規模を拡大したい創業者が、まずどこにエージェントを向けるべきかがわかります。
主なポイント
Closer Agentはリード獲得、見込み度の判定、営業電話を自動化し、従来は営業チームが担っていた業務をこなす。
Assistant Agentはメール、カレンダー、予約を管理し、経営者の時間を戦略的な業務や成長活動に振り向けられるようにする。
Workflow Agentは人手を介さずに業務プロセスを維持・更新するため、会社が拡大しても運用の一貫性が保たれる。
Money Agentはキャッシュフローを監視し、財務業務を自動化し、不正を検知することで、手作業の監視なしにリアルタイムの把握を可能にする。
9. エージェントは仕事をどう変えるのか？
The Diary Of A CEO · 152分 · 3.5M回視聴 · 2025年
要点: エージェントは数年のうちに定型的な仕事を置き換えると見られており、雇用の喪失を招く一方で、新たな富を生み出す機会も開く。
エージェントが仕事と経済に何をもたらすのかまで視野を広げた討論です。登壇者たちは定型的な仕事が失われる一方で新しい富と役割が生まれると論じ、その備えとして教育の重要性を強調します。作り手としてだけでなく、雇う側として、また一市民としてエージェントをどう捉えるべきかがわかります。
主なポイント
AIは今後数年で定型的な仕事を置き換えると見られており、雇用の喪失と新たな富の創出が同時に起こりうる。
エージェントはカスタマーサービスからM&Aのような複雑なプロセスまで、多くの業界で自律的に業務をこなせる。
変化の速い労働市場に人々が備えられるよう、教育制度は生涯学習とジェネラリスト的なスキルへと適応していく必要がある。
AIをうまく使える人とそうでない人の間で格差が広がる可能性があり、AIリテラシーの重要性が高まっている。
10. エージェントはどこへ向かうのか？
Sam Altman · 47分 · 2.3M回視聴 · 2025年
要点: Altmanはエージェントが創造性と科学を加速させると見る一方、自律的なシステムが広がる中で強力な安全対策とガバナンスが不可欠だと主張する。
Sam Altmanがこの先の行き先を語り、リストを締めくくります。エージェントが科学と創造性を加速させることには楽観的である一方、自律性の高まりに安全性とガバナンスが追いつく必要があると強調します。最先端のシステムを作っている人たちが実際に何を心配しているのかがわかります。
主なポイント
Sam AltmanはAIが科学研究を加速させ、人々の生活と福祉を向上させるブレイクスルーに貢献しうると論じている。
エージェンティックなAIには、ユーザーの代わりに動く自律的なシステムが信頼され続けるよう、厳格な安全対策が求められる。
AIによる創造性の民主化は既存の産業に揺さぶりをかけ、知的財産や経済モデルについて新しい枠組みを必要とする。
Altmanは、AIが社会に組み込まれていく中で強固なプロトコルを整え、イノベーションと安全性を両立させなければならないと強調している。
よくある質問
AIエージェントとは何ですか？
AIエージェントとは、大規模言語モデルを使って推論し、ツールを使って行動し、人間があらかじめ決めた道筋に従うことなく目標に向かって反復するシステムのことです。
AIエージェントとAIワークフローの違いは何ですか？
AIワークフローは人間が決めた固定の手順をたどりますが、AIエージェントは自分で手順を決め、作業しながら適応します。
コードを書かずにAIエージェントを作れますか？
作れます。Relevance AIやn8nのようなノーコードプラットフォームを使えば、コードを書かずにエージェントを構築し、業務システムと連携できます。
AIエージェントにおけるReActフレームワークとは何ですか？
ReActは推論と行動を組み合わせた手法で、エージェントが同じループの中で問題を考え、ツールを使って行動します。
AIエージェントは仕事を奪いますか？
AIエージェントは数年のうちに多くの定型的な仕事を置き換えると見られていますが、同時にAIリテラシーが報われる新しい機会も生み出します。
このAIエージェント動画リストは誰に向いていますか？
AIエージェントを取り巻く誇張された話から一歩先に進みたい人に向いています。エージェントを作りたい開発者、どのエージェントを導入するか判断したい経営者、そしてエージェントが自分の仕事をどう変えるのか気になっている人などです。デザインパターンやエージェンティックエンジニアリングといった技術的な内容から、エージェントの販売や今後の方向性といった実務的な内容までを扱っています。
AIエージェントについて何も知らない場合、どこから始めればよいですか？
まずエージェントが他のソフトウェアと何が違うのかを押さえ、次にエージェントが実際にどう作られているのかに進んでください。この2つを最初に置いているのには理由があります。その後に出てくるデザインパターン、エンジニアリングの実践、ビジネス上の論点は、エージェントとは何か、その部品が何をしているのかを知って初めて理解できるからです。
本格的なエージェントを作る必要がありますか、それとももっと単純なもので足りますか？
すべての課題に本格的なエージェントが必要なわけではありません。この分野で特に有益な反論のひとつが、エージェントではなくスキルを作るべきだという主張です。範囲を絞って明確に定義された機能があれば、自律的なシステムを抱え込まなくてもタスクを解決できます。
エージェンティックエンジニアリングとは何ですか？
エージェンティックエンジニアリングとは、AIがテキストを生成するだけでなく行動を起こすシステムを、設計し、構築し、運用する実践のことです。エージェンティックなデザインパターンと並ぶ、実際の業務をこなすエージェントを支える実務的な規律であり、一度見せて終わりのデモとは対極にあるものです。
このリストの使い方
明確な定義から始まり、仕事や安全性といった大きな問いで終わるように並べてあるので、順番に見て段階的に理解を積み上げてください。10分しか取れないなら、Jeff Suの AI Agents, Clearly Explained から始めてください。単純なワークフローと本当のエージェントの境界を、このリストの中で最も速く引いてくれます。そこからIBMの What are AI Agents でアーキテクチャを押さえ、時間の許す範囲で構築、ビジネス活用、経済的な論点へと掘り下げていくとよいでしょう。
関連リスト
💡 どのYouTube動画でも要約と文字起こしが欲しいですか？ YouTube Summary with ChatGPT & Claude を試してみてください。