inflearn logo
知識共有
inflearn logo

AI Agentの定石:LLMの原理からAIエージェントの設計と実務まで

AI Agentにどこまで任せていいのでしょうか?LLMの原理からベンダーごとの設計・セキュリティ・評価まで、IBMの現場エンジニアが実測した根拠に基づいて答え、自分の仕事を任せるSkillまで作ります。

3名 が受講中です。

難易度 入門

受講期間 無制限

multi-agent
multi-agent
AI
AI
LLM
LLM
RAG
RAG
AI Agent
AI Agent
multi-agent
multi-agent
AI
AI
LLM
LLM
RAG
RAG
AI Agent
AI Agent

この講座で身につくこと

  • LLMの学習・回答生成の原理と、ハルシネーションなどの限界を理解します。

  • RAG、Workflow、Agentの違いと、業務ごとの選択基準を学びます。

  • Agentのツール呼び出し、メモリ、権限、終了条件と実行記録を理解します。

  • Agentに、望む結果と見本、確認方法をあわせて伝える依頼の仕方を身につけます。

  • OpenAI・Anthropic・IBM・Metaのエージェントアーキテクチャと設計の視点を比較します。

  • MCP、Connector、Skill、A2Aの役割と接続方法を区別します。

  • プロンプトインジェクション、データ漏洩や権限管理などのセキュリティリスクを確認します。

  • Agentの失敗パターンを分析し、評価基準に基づいて複数の構造の結果を比較します。

  • モデルの実行に必要なメモリ、GPU、同時使用量、運用環境について理解します。

  • 繰り返し行う業務を整理し、自分でSkillを作成して使ってみます。

AI Agentを使ってみたものの、どこまで任せてよいのか分からないなら

ChatGPTやClaudeに仕事を任せてみると、確かに便利です。しかし、結果を信頼してよいのか、会社の業務に使ってよいのか、どこで人が止めるべきなのかを、誰も段階を追って教えてくれません。

この講義では、その空白を最初から最後まで埋めます。AIに初めて触れる方でもついてこられるよう基礎から始め、最後には、皆さんの仕事の一つをAI Agentに任せます。


IBMの現役AIエンジニアが、実際に経験したことだけを教えます

  • WISEITECH — BI/DWソリューション(WISE Intelligence)開発 · 2019~2022

  • KT DS — ITO運用、OSS AI vTFテックリーダー · 2022~2026

  • IBM Korea — AIエンジニア · 現在

8年間、ソリューションを開発し、大規模組織のシステムを運用し、お客様の会社にAIを導入してきました。本で読んだ理論ではなく、現場で直面したことを、初めて学ぶ方の順序に沿って整理し直しました。


数学の定番のように、この講義ひとつで最後まで

LLMが回答を生成する仕組みから、RAGとAgentの構造、仕事の任せ方、セキュリティと失敗、会社に導入するマシンまで。14章178編、12時間を5冊にまとめました。

第1巻  これは何か

第2巻 どう任せるか

第3巻  どこで崩れ、どう守るのか

第4巻 実物に当ててみる

第5巻 何が古び、何が残るのか

定石らしく、発展内容まで余すところなく

数学の定石が基礎から実力養成までを一冊に収めているように、この講義も概念の紹介だけでは終わりません。レッスン番号に小数点が付いたレッスン(L02.1、L02.11 …)で、一段ずつ深く掘り下げていきます。こうした発展レッスンだけで55本あります。

  • モデルの内部 — トークンと埋め込み、トランスフォーマーと重み、事前学習からRLHFと推論モデルまで、次の単語の選び方と温度】【。

  • モデルの動かし方 — 大規模モデルを動かすコンピューター、量子化、長い会話が占めるメモリ、より大きくてより速いモデル

  • 検索の原理 — チャンク分割、埋め込みの次元数と入力上限、エンコーダーとデコーダー、ハイブリッド検索と再ランキング、GraphRAG、ファインチューニングとRAG

  • Agentの設計 — Agent Loopと再計画、Sub-Agentのライフサイクル、Context EngineeringとCompaction、ゴールデンセット、GuardrailとHuman-in-the-Loop、TraceとObservability

  • 運用の現実 — 同時ユーザー数の見積もり、GPUとNPU、CUDA、OllamaとvLLM


覚えなくても、目で見れば記憶に残ります

難しい概念は3Dシーンでまずお見せします。ベンダーごとにAgentをどのように分けているのか、モデルが動くチップでは何が速度を左右するのか、セキュリティ事故はどこから漏れ出すのか——まず図で体験し、名前はそのあとで付けます。

修了後には、自分の仕事を任せるAgentが一つ手元に残ります。

最後のプロジェクトでは、インタビューを通じて皆さんの業務を整理し、その業務を担うSkillを自分で作って使ってみます。毎週繰り返しているレポート作成、メール、資料整理の中から一つを、最後まで任せてみましょう。実習資料もあわせてお渡しします。

Agentを学べば、こんなこともできます

講師がAI Agentで一人で作ったもの

作り方を教える講義ではありません。これだけ任せてきた人が、任せ方を語ります。

ミュージックビデオ「月の梯子」

Claude + Remotion + ACE-Step

映像はコードで、曲はローカル音楽モデルで。
月まで続くはしごを登る二人の子どもの3分間。

ミュージックビデオ「Slow Reply」

Claude + ChatGPT + Wan2.2 + ACE-Step

画像→動画→楽曲、段階ごとに異なるモデル。
返信を待つ夜の2分30秒。

ゲーム「月明かりの夜市」

Claude Code + Unity 6

3DアセットはローカルのTRELLIS.2 + Meta DINOv3、音楽はACE-Step。
友人4人で一緒に夜市を駆け巡る協力ゲーム。

ゲーム「maxmax」(仮称)

Claude + Codex + Unity 6

3DアセットはローカルのTRELLIS.2 + Meta DINOv3、音楽はACE-Step。
昼は家を建て、夜はその家を守る協力ゲーム。

ゲーム「RECLAIM WORKS」(仮称)

Claude + Codex + Unreal Engine 5

廃棄された設備を蘇らせる
工業地帯のゲーム。

3D映像「残る仕事」

Claude + Blender

Blenderをコードで動かして制作した
書籍紹介用の3D映像。

5冊で学ぶこと

14章・178本、12時間。
各巻で一つの問いに答えます。


第1巻  ·  0–3章

これは何か

1章  LLMはどのように
作られ、答えるのか

トークンから重みまで、
自ら学習させた実験で確認します。

第2章  RAG · Workflow · Agent

文書を検索して回答するRAGから
Agentが本当に必要となる場面まで。

第3章  Agentを一つ開いてみる

ツール呼び出し・メモリ・再計画、
Agentの内部を開きます。

第0章 プロローグ — ひと言の依頼がAgentになるまで。


第2巻  ·  4–6章

どう任せるか

第4章  Agentと働く方法

手順を書く代わりに
成果・お手本・確認方法を渡します。

5章  ベンダー戦略と2026年の市場

OpenAI · Anthropic · IBM · Meta
4社の設計を並べて比較します。

第6章  MCP · Connector ·
Skill · A2A

Agentを外部に接続し、
繰り返し使っていた指示をSkillにまとめます。


第3巻  ·  7–9章

どこで崩れ、どう守るのか

7章  AIセキュリティ

プロンプトインジェクション、データ漏洩、
合成音声を悪用したなりすましまで。

8章  現実と失敗、評価

選び間違えたツール、失われたコンテキスト。
デモの後に起こること。

第9章 同じ業務、4つの構造

1つの業務に4つの構造を適用し
実際に測定して比較します。


第4巻  ·  第10〜12章

本物に当ててみる

10章  モデルが動く機械

何人まで一緒に使えるだろうか?
メモリ・GPUとNPU・vLLM

11章  工場解剖

ノートPC 1台の作業構造を図面に。
区画ごとに異なるモデル、そして人の居場所。

12章  完成プロジェクト

インタビューを通じて自分の仕事を整理し、
その仕事を任せる自分だけのSkillを作ります。

第5巻  ·  13章

何が古び、何が残るのか

モデルが進化するほど何が消え、何が残るのか、
これから何を大切にすべきかを一緒に考えます。


講義を通して、ひとつの問いに立ち返ります。

何を任せ、どこで止めるのか。

講義を終えるとできること

01

説明できます

モデルがどのように回答を作り、
なぜ間違え、
Agentが何を加えるのか。

02

任せることができます

毎週繰り返される
皆さんの仕事を一つ、
最後まで。

03

判断できます

どこまで任せて
どこで止めるかを、
測定した根拠に基づいて。


この講義の違い

測ったものは測ったとおりに

講義に登場する数値は、講師のコンピューターで
実際に動かして計測した記録です。
予想と異なる結果になってもそのままにします。

名前は体験したあとに

聞き慣れない用語を先に出しません。
まず場面を通して体験し、
名前はその後で付けます。

現場のストーリーを通して

外部ネットワークが遮断された顧客企業に導入されたGPUサーバー、
講師が一人で作ったミュージックビデオとゲーム。
実際にあった出来事です。

修了後に手元に残るもの

インタビューを通じて、皆さんの仕事を担う
Skillを1つ作り、
使いながら改善します。


この講義がそうではないもの

ボタンの使い方を教える講座ではありません。

プログラムごとにボタンの名前は違っても、
任せる場所・確認する場所・止める場所は同じです。
その場所を見ていきます。

コーディングの講義ではありません。

コードは書きません。
講師が実行して計測した記録を
画面で一緒に読み解きます。


このような方におすすめします

01 AIとLLMの原理からAgentまで順を追って理解したい方

02   RAG、Workflow、Single AgentとMulti-Agentの中から業務に合った構成を検討したい方

03   主要ベンダー(Anthropic, OpenAI, IBM, Meta)のAgentアーキテクチャと設計方針を比較してみたい方

04   AIの導入を検討するにあたり、セキュリティ、評価、インフラや運用コストまで確認する必要がある開発者や実務担当者

05   繰り返し行う業務に活用できるSkillを自分で作ってみたい方

この講義の見方

レッスン番号の読み方

「CH01 L02.41」は1章のL02.41のレッスンです。
整数の番号(L02)は大きな流れを示し、小数点が付くとその流れをさらに深く掘り下げます。
L02 → L02.4 → L02.41


おすすめの順序

初めての方は最初から順にご覧ください。後の章では、前の章で定義した用語をそのまま使います。
原理をすでにご存じなら3章から、すぐに使ってみたいなら4章から、
会社に導入するか判断する必要があるなら7・8・10章からご覧いただいても構いません。
どこから始めても、12章までは進んでみてください。


各編の最後の問題

各編の終わりには、たいてい短い問題が一つあります。
答えを選んで先へ進みましょう。間違えても大丈夫です。


演習資料

4章 L14・6章 L03.3・9章 L01・12章 L01授業の「授業資料」からダウンロードできます。
演習で使う会議メモや採点表、設計書のひな形が含まれています。


字幕

すべての動画に韓国語字幕が付いています。


受講前にご確認ください

AIやプログラミングに初めて触れる方にも受講いただけるよう、基礎から説明します。
コードを直接入力することはなく、実習画面ではClaudeアプリを使用します。
一部機能の提供状況や料金は、サービスやプランによって異なる場合があります。


講義内の数値は2026年秋に、講師のコンピューターと現場で直接測定した記録です。
モデルや製品の数値はすぐに変わるため、変動する情報には日付を併記しました。

次のような方に
おすすめです

受講対象

  • AI Agentを業務に導入したい開発者と非開発者の実務担当者

  • Agentを使ってみたものの、なぜ間違えるのか、どこまで任せてよいのか判断がつかない方。

  • ベンダーごとのAgentアーキテクチャとMulti-Agentの設計手法を比較したい方

  • 組織へのAI導入を検討し、セキュリティ・評価・インフラまで考慮している方

  • 繰り返し業務に活用するSkillを自分で作ってみたい方

前提知識

  • AIやプログラミングを知らなくても大丈夫です。最初から始めるので、コードを自分で入力する必要はありません。

  • 実習画面はClaudeアプリでお見せします。ファイルの添付や一部機能の提供状況および料金は、使用するツールやプランによって異なる場合があります。

こんにちは
seojheasdwです。

経歴認証済み

こんにちは。開発者のソ・ジェホです。

通信および公共分野で、エンタープライズシステムの開発・運用に携わってきました。JavaとSpringを用いたバックエンドから、Vue.jsとTypeScriptを活用したフロントエンド、Pythonによる自動化やデータ処理まで経験しています。

KT DSではOSS AI vTFリーダーおよび社内講師として活動し、RAGやAI技術を実務に導入して教育を行いました。組織内のナレッジ検索向けGraph RAGシステムの設計・構築や、AI開発自動化プラットフォームの開発にも携わりました。

経歴

• 現・IBM Korea — 開発(2026.02~現在)

• 元・KT DS — ITO運用およびOSS AI vTFリーダー(2022.11~2026.02)

• 元・Wise iTech — 研究所製品開発(2019.07~2022.04)

公開モデル:https://huggingface.co/SeoJHeasdw/ktds-vue-code-search-reranker-ko

GitHub: https://github.com/SeoJHeasdw

もっと見る

カリキュラム

全体

178件 ∙ (11時間 59分)

講座資料:

授業資料
講座掲載日: 
最終更新日: 

受講レビュー

まだ十分な評価が集まっていない講座です。
ぜひ最初のレビューをお寄せください。

似ている講座

同じ分野の他の講座を見てみましょう!

期間限定セール

¥100,100

50%

¥25,349