【2026年5月最新】サブエージェントはいつ使うべき？｜Google論文の"45%ルール"とClaude Code実践活用法3選

Claude CodeやCodexを使っていると、「サブエージェント」という言葉を耳にする機会が増えてきました。1つのAIだけで処理するのではなく、複数のAIを同時に動かして仕事をさせるという仕組みです。

しかし、こんな疑問を持っている方も多いのではないでしょうか。

結論からお伝えすると、サブエージェントは"万能薬"ではありません。Googleの研究チームが180パターンの実験で明らかにしたデータによれば、シングルエージェントで45%以上の正答率が出るタスクでは、サブエージェントを追加しても逆効果になることが分かっています。

つまり、「いつでもマルチエージェントにすれば良い」わけではなく、適切なタイミングを見極めることが最も重要なのです。

01 WHAT IS SUB-AGENT サブエージェントとは何か — 1人体制と"チーム体制"の違い まずは基本概念を経営者の言葉で整理する

サブエージェントを理解するには、まず「シングルエージェント」と「マルチエージェント」の違いを押さえましょう。難しい技術用語は一切不要です。会社組織に例えると、一瞬で理解できます。

普段、ChatGPTやClaudeのWebアプリを使う場合、ほとんどの方はこのシングルエージェントで作業しています。1つのAIに質問して、答えをもらう。この1対1の関係が基本形です。

1-1. マルチエージェントとは — "チーム"で仕事をする構造

一方、マルチエージェントは、メインのAI（メインエージェント）が複数の部下AI（サブエージェント）に仕事を振り分け、それぞれの結果を統合して返す仕組みです。

たとえば、Claude Codeで「この日本語を英語に翻訳してください。サブエージェントを使って処理してください」と指示すると、メインエージェントが自動的にサブエージェントを起動します。サブエージェントは翻訳タスクだけに集中して処理し、結果をメインエージェントに返します。メインエージェントはその結果をまとめて、あなたに最終回答を伝えます。

1-2. Claude CodeとCodexでの使い方

実際のツールでの使い方を確認しておきましょう。

ツール	サブエージェントの起動方法	特徴
Claude Code	指示文に「サブエージェントを使って」と書くだけ。自動判断で起動する場合もある	Ctrl+Oで処理履歴を確認でき、どのサブエージェントが何をしたか追跡可能
Codex	同じく指示文ベースで起動。バックグラウンドエージェントとして名前付きで管理される	エージェントごとに独立した履歴が確認できる

重要なのは、ユーザーが難しいコードを書く必要はないという点です。「サブエージェントを使って調べてください」と自然言語で指示するだけで、AIが自動的にチーム体制を組んでくれます。

02 FOUR ARCHITECTURES マルチエージェントの4つの構造タイプを理解する 会社組織に例えて直感的に把握する

マルチエージェントと一口に言っても、実は4つの異なる構造が存在します。Googleの研究論文でも、この4つの構造を使い分けて実験が行われています。

ここでは、会社組織に例えて各構造を整理します。

2-1. シングルエージェント — "1人社長"の全部自前方式

最もシンプルな構造です。1つのAIがすべてを処理します。ChatGPTに質問する、Claude Codeでサブエージェントなしにタスクをこなす——普段のAI利用は、ほぼこの形態です。

強み：全体の文脈を1つのAIが一貫して把握しているため、情報のロスが発生しません。
弱み：処理が直列になるので、複数の調査を同時に進めたいときに時間がかかります。

2-2. インディペンデント型 — "全員バラバラに調べて最後に報告会"

複数のサブエージェントが互いに連絡を取らず、それぞれ独立に同じ問題を解きます。最後に全員の答えを集めて、多数決や統合で最終回答を決める方式です。

会社に例えれば、「4人の調査員にそれぞれ同じテーマで調べさせて、最後に報告をまとめる」イメージ。選挙の出口調査を複数の調査会社に発注するようなものです。

2-3. セントラライズ型 — "部長がタスクを振って報告を受ける"

これがClaude Codeの基本的なサブエージェント構造です。中央にメインエージェント（部長）がいて、各サブエージェント（課員）にタスクを振ります。課員はそれぞれの担当を処理して部長に報告し、部長が結果を統合して最終回答を作ります。

2-4. ディセントラライズ型 — "全員が会議室で議論する"

メインの司令塔がおらず、エージェント同士が自由に議論しながらタスクを進めます。最終的にはエージェント間の合意や投票で結論を出す方式です。

会社に例えれば「管理職不在で、メンバー全員がブレストしながら結論を出す」イメージ。合議制の意思決定に近い構造です。

2-5. ハイブリッド型 — "部長がいて、課員同士も連携する"

セントラライズ型とディセントラライズ型の合わせ技です。メインエージェントがタスクを振りつつ、サブエージェント同士も直接やり取りできる構造。Claude Codeの「エージェントチームズ」がこの型に該当します。

構造タイプ	会社に例えると	向いている場面
シングル	1人社長が全部やる	単純で文脈が重要なタスク
インディペンデント	バラバラ調査→報告会	同一テーマの多角的検証
セントラライズ	部長→課員→報告	明確に分担できるタスク
ディセントラライズ	全員で議論	クリエイティブな合議が必要な場面
ハイブリッド	部長指揮＋課員間連携	複雑で相互依存のあるタスク

03 THE 45% RULE Google論文が示した"45%ルール"— 使い分けの科学的根拠 マルチエージェントは万能ではないことを180パターンの実験が証明

ここからが本記事の核心です。「サブエージェントを使えば性能が上がる」と思い込んでいる方は、ぜひこのセクションを注意深く読んでください。

Googleの研究チームが発表した論文「When and Why Do Multi-Agent Systems Work?」（マルチエージェントシステムはいつ、なぜ有効なのか）は、この問いに対して大規模な実験データで答えを出しています。

3-1. 実験の概要 — 180パターンの網羅的検証

この研究は、以下の条件を組み合わせた180パターンの実験を行っています。

つまり、「どのAIで」「どの構造で」「どんなタスクを解いたら」「精度がどう変わるのか」を網羅的に調べた研究です。

3-2. 衝撃の結果 — "The Myth of More Agents"

論文のタイトルの一部には「The Myth of More Agents」（エージェントが多いほど良いという神話）というフレーズが含まれています。つまり、「エージェントを増やせば性能が上がる」は神話に過ぎないという結論です。

具体的な結果を見てみましょう。

ベンチマーク	マルチエージェントの効果	理由
金融分析（Financial Agent）	精度が向上した	調査対象（売上/コスト/競合）を並列に分担できるため
Minecraftプランニング	全ケースで精度低下	木を集める→板にする→家を建てるなど、順序が決まっているため
日常業務ワークフロー	ほぼ精度低下	シングルエージェントで十分な精度が出ていたため
Webブラウジング	モデルによりばらつき	タスクの性質がケースバイケースのため

3-3. なぜ45%なのか — 統計モデルによる損益分岐点

では、なぜ「45%」という数字なのでしょうか。研究チームは180パターンの実験結果を統計的にモデル化し、「エージェント数」「シングルエージェント精度」などの変数からパフォーマンスを予測する式を構築しました。

この予測モデルを数学的に解くと、エージェントを追加することで得られるプラス効果と、伝達コストによるマイナス効果が釣り合う点が見えてきます。その損益分岐点が、シングルエージェントの精度で約45%だったのです。

経営者の感覚で言えば、こういうことです。

04 PARALLEL VS SEQUENTIAL 並列タスク vs 直列タスク — 分割できるかが勝負の分かれ目 あなたの業務は"並列化"の恩恵を受けられるか？

Google論文の結果をさらに深掘りすると、マルチエージェントが有効かどうかを決める最大の要因は「そのタスクを並列に分割できるか」です。

4-1. 並列化が効くタスク — 金融分析の例

たとえば「Apple社の業績を総合的に分析してほしい」というタスクを考えます。

このタスクは、4人の調査員がそれぞれ独立に調べられる構造になっています。売上を調べる人はコストの結果を待つ必要がありません。だからこそ、並列で動かすことで「1人で全部調べるより多くの情報を短時間で集められる」のです。

4-2. 並列化が効かないタスク — Minecraftの例

一方、Minecraftで「家を建てる」タスクはどうでしょうか。

各工程が前の工程の結果に依存しているため、分割して並列に処理することができません。こういうタスクでマルチエージェントを使うと、「連絡コスト（表現税）」だけが増えて、精度は下がります。

4-3. あなたの業務は並列化できるか？ — 判定チェックリスト

自社の業務にサブエージェントが使えるかどうか、以下のチェックリストで判断してみてください。

判定基準	並列化OK（サブエージェント向き）	並列化NG（シングル向き）
タスクの独立性	各調査項目が独立している	前の結果がないと次に進めない
情報源の多さ	3つ以上の情報源から同時に調べたい	情報源が1つ（社内DB等）
合否判定	複数の観点で独立に評価できる	1つの基準で順番に処理する必要がある
所要時間	1つ1つの調査に数分以上かかる	各処理が数秒で終わる

05 USE CASE 1: PARALLEL RESEARCH 実践活用法① 並列リサーチで情報収集を10倍速にする 複数の情報源を同時に調べて一気にまとめる

ここからは、サブエージェントの具体的な実践活用法を3つ紹介します。いずれも弊社で実際に運用しているパターンです。

1つ目は「並列リサーチ」です。これは最もシンプルで効果が高い使い方です。

5-1. 使い方 — 複数の情報源をサブエージェントに振り分ける

たとえば「最新のAIニュースを網羅的に調べたい」という場面を考えます。情報源は以下のように多岐にわたります。

これを1人のエージェントに全部やらせると、順番に1つずつ調べるので時間がかかります。しかし、サブエージェントを使えば、5つの情報源を5つのエージェントが同時に調査できます。

5-2. 指示の出し方 — コピペで使えるプロンプト例

Claude Codeでの指示は、こんな感じで出します。

ポイントは3つです。

5-3. 経営での応用シーン

並列リサーチは、経営の現場では以下のような場面で威力を発揮します。

業務	調査する情報源	サブエージェントの使い方
競合調査	各社の公式サイト、プレスリリース、求人情報	競合ごとにサブエージェントを割り当て、同時並行で調査
採用候補者リサーチ	LinkedIn、個人ブログ、GitHub、出版物	情報源ごとにサブエージェントを割り当て、候補者のプロファイルを構築
市場動向の把握	業界レポート、ニュース、SNS、学術論文	分野ごとにサブエージェントを割り当て、トレンドを網羅
商品企画の情報収集	顧客レビュー、競合製品、技術トレンド	視点ごとにサブエージェントを割り当て、企画のインプットを集約

06 USE CASE 2: AVOIDING SYCOPHANCY 実践活用法② "忖度"を排除して客観的な評価を得る AIの"お世辞体質"をサブエージェントで解消する

2つ目の活用法は、忖度（そんたく）の回避です。これは多くの方が見落としがちな、しかし極めて重要な使い方です。

6-1. AIの忖度問題 — シコファンシーとは

たとえば、あなたが自分で作った資料をAIに「どう思う？」と聞くとします。高い確率で「素晴らしいですね」「よくまとまっています」という返答が返ってきます。

なぜこうなるかというと、AIはユーザーとの対話履歴から「この人はこの成果物に満足している」という文脈を汲み取り、ネガティブなフィードバックを抑えてしまうのです。部下が社長に「この資料、出来が悪いですね」と言いにくいのと同じ心理構造です。

6-2. サブエージェントで忖度を軽減する仕組み

ここでサブエージェントの出番です。メインエージェントに「サブエージェントを使って評価して」と指示すると、サブエージェントはあなたとの対話履歴を直接持っていません。そのため、「この人が作ったもの」という情報が薄まり、より中立的な評価が返ってきやすくなります。

6-3. 比較実験 — シングル評価 vs サブエージェント評価

実際に同じ成果物をシングルエージェントとサブエージェントで評価させると、こんな違いが出ます。

評価方法	結果の傾向	具体例
シングル（直接評価）	好意的、改善点は「あえて言えば」レベル	「相当よくできています。強いて言えば、ここを微調整しても良いかもしれません」
サブエージェント評価	10点満点で具体的なスコア、事実誤認を明確に指摘	「10点中8点。事実の誤りが2箇所、構成で改善すべき点が3箇所あります」

完璧に忖度を排除できるわけではありませんが、サブエージェントの方が具体的で辛口なフィードバックをくれるのは、弊社での経験からも確かです。

07 USE CASE 3: BUILD-VERIFY LOOP 実践活用法③ 作成→検証ループで品質を自動的に高める 「作る担当」と「チェックする担当」を分離して自動PDCAを回す

3つ目の活用法は、「作成→検証ループ」です。これは前述の忖度回避と関連していますが、もう一歩進んだ使い方になります。

7-1. 1人で作って1人でチェックする問題

AIに何かを作らせて、同じAIにチェックさせるとどうなるでしょうか。答えは明白です——自分で書いたレポートを自分で採点するようなもので、甘くなります。

たとえばコードを書かせた後に「バグがないかチェックして」と同じAIに頼むと、自分が書いたコードなので致命的なバグも見逃しがちです。人間でも「自分で書いたメールの誤字は、他人に読んでもらわないと見つからない」という経験は誰にでもあるはずです。

7-2. 作成担当と検証担当を分ける

この問題を解決するのが、メインエージェントを「作成担当」、サブエージェントを「検証担当」に分ける方法です。

具体的な運用フローは以下の通りです。

7-3. 実践プロンプトとスコア推移

このプロンプトで実行すると、以下のようなスコア推移が確認できます。

ラウンド	正確性	論理構成	読みやすさ	総合
ラウンド1	7点	6点	7点	6.7点
ラウンド2	8点	8点	8点	8.0点
ラウンド3	9点	9点	9点	9.0点（目標達成）

3ラウンドの間に、事実の誤りが修正され、論理構成が改善され、表現も磨かれていきます。人間が手をかけなくても、AIが自動的に品質を高めてくれるのがこの手法の魅力です。

08 AI COMPANY MANAGEMENT AIエージェントで"会社経営"は本当に有効か？ SNSで話題の「AI社員」運用を冷静に評価する

最近のSNSでは、「AIエージェントで会社を経営する」という投稿が話題になっています。営業部、経理部、マーケティング部——それぞれにAIエージェントを配置して、まるで人間の組織のように運用するというコンセプトです。

コンセプトとしては非常に面白いのですが、ここまでの内容を踏まえると、冷静な評価が必要です。

8-1. 人間の組織論をAIにそのまま適用できるか？

人間の組織では、1人の能力に限界があるから分業します。営業のプロ、経理のプロ、開発のプロ——それぞれの専門性を持つ人材を配置するのは合理的です。

しかし、AIは違います。Claude CodeやGPTは「1人で全部できる万能社員」です。営業資料も作れるし、経理もできるし、コードも書ける。わざわざプロンプトで「あなたは営業担当です」と役割を分けても、能力そのものが制限されるわけではありません。

8-2. AI社員運用が向いている場面・向いていない場面

場面	向き/不向き	理由
完全に独立した並列タスク	向いている	営業リサーチと経理処理を同時並行させるのは合理的
情報共有が必要な業務	不向き	エージェント間の情報伝達にロスが発生する
1つのAIで十分こなせる業務	不向き	わざわざ分けるメリットがない（45%ルール）
デモンストレーションやPR目的	向いている	「AIで会社を回している」というブランディング効果はある

Google論文の結果を踏まえれば、「エージェントを増やせば増やすほど良い」は神話です。SNSで見栄えが良いからといって、実務に適用する際は慎重に判断する必要があります。

09 TOKEN COST & TIPS トークンコストと注意点 — サブエージェントの"経費"を把握する 使えば使うほど良いわけではない、コスト意識が大事

サブエージェントには明確なコストがあります。トークン消費が増えるのです。これは、エージェントの数が増えるとサーバー側の処理が増えるためです。

9-1. なぜサブエージェントはトークンを多く消費するのか

サブエージェントを起動すると、各エージェントに対して以下のような情報がロードされます。

これらすべてがトークンとして消費されます。つまり、サブエージェントを3体起動すれば、シングルの3倍以上のトークンが使われる計算です。

9-2. コストを抑える運用ルール

弊社では以下のルールを設けてコスト管理しています。

10 CONCLUSION まとめ — サブエージェントは"万能薬"ではなく"適材適所の処方箋" この記事の要点を3つに凝縮

本記事のポイントを3つにまとめます。

サブエージェントは、正しい場面で使えば生産性を飛躍的に高めてくれる強力なツールです。しかし、何にでも使えばいいわけではありません。

大切なのは、自分のタスクが「並列化の恩恵を受けられるか」を判断できる目を持つことです。この記事で紹介した45%ルールと3つの実践パターンを基準にすれば、その判断はさほど難しくありません。

サブエージェントの使い方は理解できたけれど、「自社の業務にどう当てはめればいいか分からない」という方も多いかもしれません。

弊社のAI鬼管理では、Claude Codeのサブエージェント活用を含むAI業務設計を、あなたの業務に合わせて実践ベースで伴走支援しています。「並列化できる業務の洗い出し」「サブエージェントの設計・テスト」まで、一緒に取り組みます。

	AI鬼管理	爆速自動化スグツクル
こんな方向け	社内で回せる状態を作りたい 外注に依存しない組織を作りたい	学ばなくていいから結果だけ欲しい とにかく早く自動化したい
内容	AIの使い方・業務設計・自動化の作り方を 実践ベースで叩き込む	業務をヒアリングし、設計から ツール・システムを丸ごと納品
一言で言うと	自分で作れるようになる	全部任せられる
	AI鬼管理を詳しく見る	スグツクルを詳しく見る

よくある質問

Q. サブエージェントは無料プランでも使えますか？

A. Claude Codeのサブエージェント機能自体は、プランを問わず利用可能です。ただし、サブエージェントはトークンを多く消費するため、無料プランやProプランではリミットに達しやすくなります。本格的に活用する場合は、Max 5xプラン以上をおすすめします。

Q. サブエージェントを使うと結果が安定しなくなることはありますか？

A. 各サブエージェントが独立に処理するため、毎回の出力にばらつきが生じることはあります。ただし、メインエージェントが結果を統合・フィルタリングする工程があるので、最終出力の品質は概ね安定します。結果の安定性を求める場合は、評価基準を明確に指定すると効果的です。

Q. ChatGPTでもサブエージェント機能は使えますか？

A. ChatGPT単体（Web版）では、Claude Codeのようなサブエージェント機能は現時点では提供されていません。ただし、OpenAIのCodex（API経由）やカスタムGPTsでマルチエージェント的な構成は可能です。手軽にサブエージェントを使いたい場合は、Claude Codeが最も導入しやすい選択肢です。

Q. サブエージェントを使って失敗するパターンは何ですか？

A. 最も多い失敗パターンは「直列タスクに無理やりサブエージェントを適用する」ケースです。前工程の結果に依存するタスク（例：データ取得→加工→レポート生成）を並列化しようとすると、各エージェントが不完全な情報で処理を進めてしまい、最終結果の品質が大幅に低下します。「分割して独立に処理できるか？」を事前に確認してください。

Q. Google論文の45%ルールは、どんなタスクにも当てはまりますか？

A. 45%ルールは180パターンの実験に基づく経験則であり、すべてのタスクに完全に一般化できるわけではありません。ただし「シングルエージェントである程度解けるタスクでは、エージェントを増やしても劇的な改善は見込めない」という傾向自体は、多くの実務でも実感できるものです。厳密な閾値として45%を使うのではなく、「半分以上こなせるなら無理に分割しない」という目安として活用してください。

AIAI鬼管理

AI鬼管理へのお問い合わせ

この記事を読んで気になった方へ。
AI鬼管理の専門スタッフが、御社に最適な
業務自動化プランを無料でご提案します。

お客様情報

会社名・屋号*必須

会社名を入力してください

業種*必須 選択してください IT・ソフトウェア 製造業 建設・不動産 小売・EC 飲食・宿泊 医療・介護 教育・研修 士業・コンサル 人材・BPO その他

業種を選択してください

お名前*必須

お名前を入力してください

メールアドレス*必須

正しいメールアドレスを入力してください

電話番号任意

---

現在の課題について

現在感じている課題*必須

人手不足で業務が回らない 社長・経営者が現場を離れられない 定型業務に時間を取られている AIを導入したいが何から始めればいいかわからない 外注・人件費コストが高い 業務フローが属人化している 社員のITリテラシーにばらつきがある

1つ以上選択してください

効率化・自動化したい業務*必須

営業・顧客対応（CRM・メール等） 経理・請求書・入金管理 採用・人事・労務管理 マーケティング・SNS・広告運用 カスタマーサポート・問い合わせ対応 資料作成・レポート・議事録 データ入力・集計・分析 社内の情報共有・ナレッジ管理

1つ以上選択してください

上記業務に現在かけている月額コスト*必須 選択してください まだかけていない（これから検討） 〜10万円 10〜30万円 30〜50万円 50〜100万円 100万円以上 その他（自由入力）

月額コストを選択してください

その他、ご相談内容任意

---

面談日時の選択

ご希望の日時*必須

約1時間のオンライン面談（Google Meet）です

空き枠を取得中...

面談日時を選択してください

この内容で面談を予約する

予約確定後、Google Calendarの招待メールをお届けします。
しつこい営業は一切ございません。