Agentic AI の周期表 — 66 要素で読み解く AI エージェント構築の全体像
@ingliguori（Giuliano Liguori）氏のポストが話題になっています。
Agentic AI now has its own “Periodic Table”. From: LLM, RAG, RL to PLAN, MAS, LTM to SAFE, HUMAN oversight to HR, MKT, LEGAL use cases. Autonomous AI = memory + planning + tools + safety + collaboration. It’s a system, not a prompt.
Capital One の Chief Scientist である Prem Natarajan 氏が、AI エージェント構築に必要な 66 の要素を化学の周期表のように体系化した「Agentic AI Periodic Table」を公開しました。LLM や RAG といった基盤技術から、メモリシステム、安全性プロトコル、業務適用まで、エージェント開発の全領域を一枚の表に凝縮しています。
「自律型 AI はプロンプトではなくシステムである」— この一言が、周期表が伝える最も重要なメッセージです。
なぜ「周期表」なのか — 散逸する知識の体系化
AI エージェント分野は 3 つの課題を抱えています。
| 課題 | 状況 |
|---|---|
| 複雑性 | LLM・RAG・MCP・マルチエージェントなど、統合すべきコンポーネントが増え続けている |
| 進化速度 | 「昨日のベストプラクティスが今日のレガシー」になる |
| 知識の断片化 | ニュースレター、ドキュメント、動画、コミュニティに散在している |
化学の周期表がメンデレーエフによって「元素の性質を予測可能にした」ように、Agentic AI Periodic Table はエージェント構築の要素間の関係性と組み合わせパターンを予測可能にすることを目指しています。
Prem Natarajan の 66 要素 — 4 つの主要カテゴリ
Natarajan 氏の周期表は 66 の要素を以下のカテゴリに分類しています。
1. AI 基盤用語（AI Terminology）
エージェントの「原子」に相当する基盤概念です。
| 略語 | 要素 | 役割 |
|---|---|---|
| AGI | Artificial General Intelligence | 汎用知能の最終目標 |
| LLM | Large Language Model | エージェントの「脳」— 推論・計画・指示理解 |
| SLM | Small Language Model | 軽量推論・エッジデプロイ |
| RAG | Retrieval-Augmented Generation | 外部知識の動的取得・ハルシネーション抑制 |
| RL | Reinforcement Learning | 報酬信号による行動最適化 |
| RLHF | RL from Human Feedback | 人間のフィードバックによるアライメント |
| FT | Fine-Tuning | ドメイン特化のモデル適応 |
2. エージェントパターン（Agent Patterns）
エージェントの構造と振る舞いを定義するアーキテクチャパターンです。
| 略語 | 要素 | 説明 |
|---|---|---|
| MCP | Model Context Protocol | ツール使用命令を内蔵したスマート API |
| PLAN | Planning | タスク分解と実行順序の決定 |
| MAS | Multi-Agent System | 複数エージェントの協調・分業 |
| CoT | Chain of Thought | 推論ステップの明示的な連鎖 |
| ReAct | Reasoning + Acting | 推論と行動の交互実行パターン |
| TOOL | Tool Use | 外部ツール（API・ブラウザ・コード実行）の呼び出し |
| ORCH | Orchestration | 複数パイプラインの統合制御 |
3. メモリシステム（Memory Systems）
エージェントの「記憶」を階層化する仕組みです。
| 略語 | 要素 | 説明 |
|---|---|---|
| STM | Short-Term Memory | 現在のタスクの会話・コンテキスト保持 |
| LTM | Long-Term Memory | セッションを跨ぐ知識の永続化 |
| DIARY | Diary Memory | 経験の自己記録・振り返り |
| VDB | Vector Database | 埋め込みベクトルによる類似検索 |
| KG | Knowledge Graph | エンティティ間の関係性を構造化 |
4. 安全性プロトコル（Safety Protocols）
エージェントの自律性を制御する安全装置です。
| 略語 | 要素 | 説明 |
|---|---|---|
| SAFE | Safety | エンドツーエンドの安全性保証 |
| HUMAN | Human Oversight | 人間の監視・承認ゲート |
| GUARD | Guardrails | 入出力の制約・フィルタリング |
| ALIGN | Alignment | 人間の意図との整合性 |
| AUDIT | Audit Trail | 行動の追跡・説明可能性 |
| REDTM | Red Teaming | 敵対的テストによる脆弱性発見 |
「自律型 AI = システム」の公式
ツイートの核心は以下の公式です。
Autonomous AI = Memory + Planning + Tools + Safety + Collaboration
これは「プロンプトを工夫すれば AI が賢くなる」というプロンプトエンジニアリングの発想から、「アーキテクチャとして設計する」というシステムエンジニアリングの発想への転換を意味します。
プロンプト時代:
ユーザー → プロンプト → LLM → 回答
エージェント時代:
ユーザー → Goal
↓
┌─────────────────────────────────────┐
│ Orchestrator │
│ ┌───────┐ ┌──────┐ ┌──────────┐ │
│ │ PLAN │ │ STM │ │ GUARD │ │
│ │ CoT │ │ LTM │ │ HUMAN │ │
│ │ ReAct │ │ DIARY│ │ ALIGN │ │
│ └───┬───┘ └──┬───┘ └────┬─────┘ │
│ │ │ │ │
│ ┌───▼────────▼──────────▼─────┐ │
│ │ LLM (Brain) │ │
│ └───────────┬─────────────────┘ │
│ │ │
│ ┌───────────▼─────────────────┐ │
│ │ TOOL │ MCP │ MAS │ │
│ │ API │ Code │ Browser │ │
│ └────────────────────────────┘ │
└─────────────────────────────────────┘
↓
結果 + 学習
周期表の「周期」— 成熟度で読む 4 つの行
複数のフレームワークが共通して提案している「行（Period）」の概念は、技術の成熟度を表します。
| 行 | 名称 | 説明 | 要素例 |
|---|---|---|---|
| 1 | Primitives（原始要素） | 最小の構成単位 | Prompt, Embeddings, LLM |
| 2 | Compositions（合成） | 原始要素の組み合わせ | Function Calling, Vector DB, RAG, Guardrails |
| 3 | Deployment（本番化） | プロダクション対応 | Agent, Fine-Tuning, Frameworks, Red Teaming |
| 4 | Emerging（新興） | 最前線のパターン | Multi-Agent Systems, Thinking Models |
行 1 の Prompt と Embeddings を組み合わせると行 2 の RAG になり、RAG に Planning と Tool Use を加えると行 3 の Agent になる — 化学の「元素が結合して分子になる」のと同じ法則です。
3 つの「周期表」の比較 — 異なるアプローチ、同じ課題
2025-2026 年にかけて、少なくとも 3 つの主要な「AI 周期表」が登場しています。
| フレームワーク | 作成者 | 要素数 | 特徴 |
|---|---|---|---|
| Agentic AI Periodic Table | Prem Natarajan（Capital One） | 66 | AI 用語・パターン・メモリ・安全性の 4 カテゴリ。エージェント構築の全要素を網羅 |
| AI Agent Capabilities Periodic Table（AIA CPT） | Digital Twin Consortium | 45 | 6 カテゴリ（認知・学習・行動・協調・ガバナンス等）。産業用途向け。テストベッドプログラムで実証済み |
| AI Periodic Table | Martin Keen / FlowDevs | ~18 | 5 ファミリー × 4 行。成熟度と機能の 2 軸。最もシンプル |
Digital Twin Consortium の 6 カテゴリ
産業用途に特化した AIA CPT は、以下の 6 カテゴリで 45 の capability を定義しています。
| カテゴリ | 対象領域 |
|---|---|
| Perception & Knowledge | 環境認識・知識獲得 |
| Cognition & Reasoning | 推論・判断・計画 |
| Learning & Adaptation | 学習・自己改善 |
| Action & Execution | タスク実行・ツール使用 |
| Interaction & Collaboration | マルチエージェント協調・人間との対話 |
| Governance & Safety | ガバナンス・安全性・監査 |
製造・エネルギー・インフラ・ヘルスケアの各セクターでテストベッドプログラムを通じて検証済みです。
実務への適用 — 周期表をどう使うか
1. エージェント設計のチェックリスト
周期表の各カテゴリからバランスよく要素を選択しているか確認できます。
チェック例: カスタマーサポートエージェント
[x] AI Core: LLM（Claude/GPT）
[x] Memory: STM（会話履歴）+ LTM（顧客データ）
[x] Planning: PLAN（問い合わせ分類→対応判断→回答生成）
[x] Tools: TOOL（CRM API）+ MCP（ナレッジベース）
[x] Safety: GUARD（個人情報マスク）+ HUMAN（エスカレーション）
[x] Collab: MAS 不要（単一エージェント）
2. ギャップ分析
既存のエージェントシステムを周期表に照らし合わせると、欠落している要素が見えます。
| よくある欠落 | リスク |
|---|---|
| LTM なし | 毎回ゼロから学習。ユーザー体験が改善しない |
| GUARD なし | プロンプトインジェクション・情報漏えい |
| HUMAN なし | 高リスク操作（決済・削除）が無承認で実行される |
| AUDIT なし | 問題発生時に原因追跡ができない |
3. チーム間の共通言語
「メモリを追加しよう」と言ったとき、STM なのか LTM なのか DIARY なのかで実装が全く異なります。周期表の略語を共通語彙として使うことで、技術者・PM・経営層のコミュニケーションコストを下げられます。
Prem Natarajan 氏について
Prem Natarajan 氏は Capital One の Chief Scientist 兼 Head of Enterprise Data and AI です。Capital One に加わる前は Amazon で Vice President, Alexa AI を務めていました。バージニア大学 School of Data Science の教員でもあり、学術と産業の両面からエージェント AI の体系化を進めています。
Capital One は 2025 年に Agentic AI の先駆的な導入を進め、Natarajan 氏は MIT Sloan Management Review でも「Making Magic With Gen AI」として取り上げられています。
まとめ
- 66 要素の体系化: Prem Natarajan 氏が AI エージェント構築に必要な全要素を 4 カテゴリ（AI 基盤用語・エージェントパターン・メモリシステム・安全性プロトコル）に分類
- 「システムであってプロンプトではない」: 自律型 AI = Memory + Planning + Tools + Safety + Collaboration という公式が、プロンプトエンジニアリングからシステムエンジニアリングへの転換を示す
- 成熟度の 4 行: Primitives → Compositions → Deployment → Emerging の順に技術が結合し、より高度なシステムが生まれる。Prompt + Embeddings = RAG、RAG + Planning + Tools = Agent
- 3 つの周期表が同時出現: Natarajan（66 要素）、Digital Twin Consortium（45 capabilities）、FlowDevs（~18 要素）が異なるアプローチで同じ課題に取り組んでおり、分野の体系化需要の高さを示す
- 実務ツールとしてのチェックリスト: 周期表を設計レビューに使い、メモリ・安全性・監査などの欠落要素を事前に発見できる
- 共通語彙の確立: STM/LTM/DIARY、PLAN/MAS/ORCH、GUARD/HUMAN/ALIGN といった略語が、チーム内コミュニケーションの精度を上げる
参考
- @ingliguori のポスト
- Introducing the Agentic AI Periodic Table — Prem Natarajan（LinkedIn）
- AI Periodic Table Explained: Mapping LLMs, RAG & AI Agent Frameworks — FlowDevs
- AGENTIC PERIODIC TABLE — Andrew Altshuler / Agents Workshop
- AI Agent Capabilities Periodic Table — Digital Twin Consortium
- The 2026 Guide to AI Agent Architecture Components — Procreator
- AI Agents in 2026: Practical Architecture — Andrii Furmanets
- Making Magic With Gen AI: Capital One’s Prem Natarajan — MIT Sloan Management Review