HITL(Human-in-the-Loop)とは、AI システムの出力を人間が確認・修正・承認するプロセスを設計に組み込む手法である。完全自動化ではなく、判断の重要度に応じて人間の介入ポイントを設けることで、精度と信頼性を担保する。
## 自動化の「最後の砦」 AI が業務に浸透するにつれ、「どこまで機械に任せ、どこで人間が判断するか」という線引きが避けられなくなった。HITL はその線引きを仕組みとして定義するアプローチだ。典型的な実装では、AI の出力に信頼度スコアを付与し、閾値を下回った場合に人間のレビューキューに回す。
たとえば請求書の自動読み取りで、抽出された金額の信頼度が 0.85 未満ならオペレーターが目視確認する——といった具合である。## どこに人間を置くか HITL の設計で最も難しいのは、介入ポイントの選定だ。すべての出力を人間がチェックすれば安全だが、それでは自動化の意味がない。
逆に閾値を緩くしすぎると、誤った出力がそのまま後続処理に流れる。実務では段階的にアプローチすることが多い。初期は閾値を厳しめに設定して人間のレビュー率を高くし、AI の精度が安定してきたら徐々に閾値を緩和していく。
このフィードバックループ自体が HITL の本質的な価値といえる。## 完全自動化との使い分け すべてのタスクに HITL が必要なわけではない。メール分類やログ分析のように、誤りのコストが低いタスクは完全自動化で問題ない。
一方、医療診断の補助や金融取引の承認など、誤判断が深刻な結果を招く領域では HITL が不可欠になる。筆者が携わった OCR+データ入力の案件では、HITL 導入後に処理速度は全自動比で 30% 低下したものの、エラー率は 1/10 以下に改善した。速度と正確性のトレードオフを定量的に測れるのも、HITL 設計の利点だ。


A2A(Agent-to-Agent Protocol)とは、異なる AI エージェント同士が能力の発見・タスクの委譲・状態の同期を行うための通信プロトコルであり、Google が 2025 年 4 月に公開した。

Agent Skills とは、AI エージェントに特定のタスクや専門知識を実行させるために定義された再利用可能な命令セットであり、エージェントの能力を拡張するモジュール単位として機能する。

Agentic AI とは、人間の逐一の指示なしに目標を解釈し、計画の立案・実行・検証を自律的に繰り返す AI システムの総称である。


Agentic RAG とは、LLM がエージェントとして検索クエリの生成・結果の評価・再検索の判断を自律的に繰り返すことで、単純な一問一答型 RAG では得られない回答精度を実現するアーキテクチャである。