AIエージェントが分析組織を拡張する！東京電力エナジーパートナーの先進事例

AI時代を勝ち抜くための東京電力EPのAIエージェント構想

画期的な分析AIエージェントシステム「Virtual Data Analytics Group（V-DAG）」を開発したのは、東京電力EPの全社的なデータ活用を牽引するDX推進室 データアナリティクスグループです。

同グループがAIエージェントの開発に踏み出した理由は、単なる業務効率化を超えて、会社全体の働き方と価値創出を再構築するという大きな目的があります。その礎となっているのが、同グループが掲げるビジョン「Human-AI Co-Creation for eX（HACCX）」です。

HACCXは、「データ・システム・ビジネスプロセスを三位一体でAIネイティブへと転換し、AIの有機的進化を取り込みながら、人間の創造性と判断力（ヒューマニティ）を最大限に解放することで、組織の跳躍的成長を実現する」ことを目指す構想です。

単なるDXの延長ではなく、“人とAIがともに働く組織”へと進化するためのキーストーンとして位置づけられています。現在、データアナリティクスグループでは次の3本柱で社内DXを推進しています。

• Operational Excellence：既存のアナリティクス業務をAIエージェントで100%自動化
• Innovation Engine：最先端技術を活用したAIドリブンなビジネスプロセスの構築
• Data Business Factory：新たな収益構造を生み出すデータビジネスの創出

それぞれに数値目標を設定し、長期的な成長を見据えて運営しています。HACCXの世界観では、定型業務はエージェントが自律処理し、人はInnovation Engine/ Data Business Factory側にリソースをシフトする状態を目標としています。

V-DAGテーマの企画・開発を担当したデータアナリティクスグループ 鈴木氏は、V-DAGの設計思想について次のように語っています。

DX推進室データアナリティクスグループ・グループマネージャーである南條氏は、V-DAGがもたらす未来像や、その先の東京電力EP全体への波及効果についてこう語っています。

東京電力EPは、HACCXを軸に、データアナリティクスグループ主導の実装主義のアプローチで、AIエージェント時代の働き方を先駆けて体現しようとしています。

重要なのは、単なる技術導入ではなく、「人とAIが協働する組織モデルを、自ら作り実装する」という姿勢です。次章では、この構想を具現化したV-DAGの設計・実装と、現場で生まれている成果を具体的に紹介します。

V-DAGが備える強力な4つのAIエージェント

Virtual Data Analytics Group（通称：V-DAG）は、ユーザーがデータ分析に不慣れでも、業務課題の発見から分析実行、レポート作成までを自律的に完結できるAIエージェントシステムです。

では、V-DAGはどのような仕組みで動作しているのでしょうか。

V-DAGの最大の特徴は、4つのAIエージェントがチームとして連携するマルチエージェント構造にあります。それぞれのエージェントは役割を分担し、互いに情報をやり取りしながら、まるで人間の分析チームのように協働します。

• PM（Project Manager Agent）
  • 全体統括を担当。各エージェントにタスクを割り振るオーケストレーター。
• BA（Business Analyst Agent
  • ユーザーとの対話を通して課題を整理し、業務視点から仮説を設計するコンサルタント役。
• DS（Data Scientist Agent）
  • 仮説に基づきデータを自律的に探索・分析し、統計手法や機械学習を用いてインサイトを導出する分析担当。
• RW（Report Writer Agent）
  • 分析結果を読みやすく構造化し、示唆を含むレポートとしてまとめるライター兼編集者。

4体のAIエージェントが一体となって動作することで、V-DAGは「課題理解 → 仮説構築 → 分析実行 → レポート生成」という一連のプロセスを完全自動化しています。
それぞれのエージェントにはタスク特化型のツール群とデータアクセス権限が紐づけられており、社内分析基盤などと連携して自律的に業務を進めます。

具体的な利用シーンを見てみましょう。
たとえば法人営業部の担当者が「失注率の改善施策を立案したい」と考えた場合、V-DAGを起動すると次のように動作します。

1. PMエージェントが起動し、プロジェクト全体を統括。必要なエージェントを呼び出す。
2. BAエージェントがユーザー（営業担当者）と対話し、業務知識DB上の社内知識を参照しながら業務課題・目的を明確化。分析テーマを定義する。
3. DSエージェントが課題に即した仮説と分析計画を立案し、分析基盤のデータを探索・可視化。モデル推定や傾向分析を実行する。
4. RWエージェントが分析結果を整理し、要点・示唆をまとめたHTML形式のレポートを生成。共有・報告に適したフォーマットで出力する。

実案件相当の検証では、分析案件全体のリードタイムを約6割削減できました。

V-DAGでは、ユーザーが“何を解きたいか”を伝えれば、AIが“どう解くか”を考え、分析・報告までを完結します。人の経験とAIの知性が補完し合うことで、専門家でなくともデータに基づいた意思決定が可能になります。

4体のAIエージェントが並列で動作するV-DAGでは、エージェント間の意思疎通やタスク制御がシステムの要となります。次章では、この“マルチエージェントを制御する仕組み”と、その実装上の工夫について掘り下げていきます。

ブレインパッドの知見で磨かれた、実務で動くAIエージェントのかたち

V-DAGの開発パートナーである株式会社ブレインパッドは、製造・金融・小売・インフラなど幅広い業界で、データ分析組織の内製化やAI導入を支援してきました。

その知見をもとに、東京電力EPとともに「現場で使えるAIエージェントシステム」の実現を目指し、V-DAGの設計と実装を支援しました。

AIエージェントの能力を引き出すAIフレンドリーな設計

開発を担当したブレインパッドのデータサイエンティスト本山は、V-DAG開発で特に重視したポイントとして次の2点を挙げています。

① AIエージェントに「仕事の進め方」を教える

AIエージェントを自律的に動かすには、単に指示を出すだけではなく、「どのようにタスクを遂行するか」という“仕事の型”を教える必要があります。

一般的なチャット形式のLLMでは、ユーザーが発言を重ねる中で、無意識のうちにタスクの方向性や思考プロセスを補完しており、そのガイドに沿ってモデルが応答することで、結果的に処理が進みます。

しかしV-DAGは人間による逐次的な誘導に依存せず、AIが長時間にわたり自律的に分析を進める必要がありました。そこでV-DAGでは、「どのようにタスクを進めるべきか」という思考や手順そのものをAIが事前に設計し、自らレールを敷きながら進行できる仕組みを採用しました。

これにより、30分を超えるような長時間タスクでも、自らの判断で完結できるようになりました。

② AIエージェントの能力を最大限に引き出す“環境設計”

AIは人間が与えた環境の範囲内でしか世界を理解できません。

そのため、AIが自律的に判断できるようにするには、データ構造や知識ベースといった「仕事環境」を丁寧に整備することが不可欠です。

現場で使われる AI エージェントの設計思想

ブレインパッドのアナリティクスコンサルティングユニット・プロジェクトマネージャーの小林は、現場適用を見据えたV-DAGの設計思想について次のように語ります。

（1）想定ユーザーに適したAI関与度の調整

V-DAGはPoC（概念実証）の段階から、実際の業務プロセスに組み込むことを前提に設計されました。研究開発的な実験で終わらせるのではなく、現場で継続的に“使い続けられる仕組み”とすることを意識し、実際にあった分析シナリオやこれまでの数多くの支援経験をもとに設計・開発をしています。

想定ユーザーはデータ分析の専門家ではなく、業務課題に向き合う事業部門の担当者です。
そのため、課題整理や目的確認は対話形式で丁寧に行い、分析計画の設計と分析処理はAIが自律的に進めるよう設計しました。

AIの関与度をフェーズごとに調整することで、人が考える部分とAIが動く部分の役割を明確に分け、自然な協働を実現しました。

（2）現場で活用しやすいアウトプット設計

もうひとつのこだわりは、出力の形です。V-DAGでは、結果を単なるテキストではなく、グラフ可視化を含むHTMLレポートとして生成します。

課題ヒアリングの内容から分析の過程、主要な数値や示唆までを図表やグラフを交えて一体的に提示することで、ユーザーは人間のデータサイエンティストに依頼したような完成度の高いレポートを受け取ることができます。

これにより、専門知識がなくても、データに基づく意思決定を直感的に行えるようになりました。

V-DAGの構想は、単なるシステム開発ではなく、「人とAIの共創をどう実装するか」という問いから始まりました。

2025年初頭より、東京電力EPとブレインパッドは、未来の働き方を構想するワークショップを複数回にわたって実施しました。デザイン思考の手法を取り入れ、データサイエンティスト、ビジネスコンサルタント、現場メンバーが一体となって、将来のありたい姿から逆算し、人とAIがともに価値を生み出すための新しい業務シナリオを構想しました。

デザイン思考をフル活用したワークショップについて、詳しくはこちらの記事をご覧ください。

DXの壁は「デザイン思考」で破る。東京電力エナジーパートナーが選んだ共創型ワークショップ

こうして、ブレインパッドの知見と東京電力EPの実装力が結びつき、V-DAGは技術・運用・組織変革の三層を貫く“実践型AIエージェントシステム”として形になりました。

おわりに

V-DAGの取り組みは、2025年に開催された「Google Cloud 第4回 生成AI Innovation Awards」において、数多くの応募の中からファイナリスト10社に選出されました。

AIエージェントを業務変革に応用した先進的な事例として注目を集めています。

V-DAGによって、「AIと対話しながら課題解決に取り組み、ともに成果を生み出す」という新しいデータサイエンティスト像が現実味を帯び始めています。

東京電力EPとブレインパッドの挑戦は、HACCXが掲げる「人とAIがともに働く組織」の実現へ、確かな歩みを進めています。

その先にあるのは、“AIを道具として使う組織”ではなく、“AIとともに未来を築く組織”です。

そして、それは特定の部署だけの変化ではなく、働き方・意思決定・価値創出の形そのものが変わる、新しい組織文化の始まりでもあります。