【AI入門】AIはどうやって自分で計画を立てるのか——プランニングの仕組みを比喩で解説

「旅行の計画を立てて」と ChatGPT に頼んだら、宿の候補・交通手段・観光スポットまで整理して返してくれた——そんな経験をしたことがある人も多いのではないでしょうか。

🤔 でも、AIはどうやって「何をどの順番でやるか」を自分で考えているのでしょうか。人間が段取りを組むように、AIも目標から逆算して計画を立てているのでしょうか。今回はAIのプランニング（計画立案）の仕組みを、比喩を使ってわかりやすく解説します。

AIにとっての「計画」とは何か

まず、AIの文脈での「計画」とは何かを整理します。

ここでいう計画とは、大きな目標をサブタスク（小さな手順）に分解し、それを実行する順序を決めることです。「旅行の計画を立てる」という目標であれば、「①目的地を決める → ②日程を確認する → ③宿を検索する → ④交通手段を調べる → ⑤予算を計算する」という一連のステップに落とし込む作業がプランニングです。

🗂️ プロジェクトマネージャーの仕事に例えるなら——大きなプロジェクトをいきなり「やれ」と言われても動けません。まずWBS（作業分解構造）を作り、タスクの依存関係を整理し、誰が何をいつやるかを決めて初めて動き出せます。AIのプランニングも本質的に同じです。

AIがプランニングを必要とする場面は、単純な一問一答の質問に答えるときではなく、複数のステップを踏む必要があるタスクに取り組むときです。エージェントとして自律的に動く場合（エージェントについては以下で解説をしています）は特に、このプランニング能力が性能を大きく左右します。目標が大きければ大きいほど、計画の質がそのまま最終的な成果に直結します。

代表的なプランニング手法① ReAct——考えながら動く

AIのプランニング手法として最も広く使われているのが ReAct（Reasoning + Acting） です。

ReActは「推論（Reasoning）」と「行動（Acting）」を交互に繰り返すアプローチです。

思考: 「まず現在の東京の天気を調べる必要がある」
行動: 検索ツールで「東京 天気 今日」を検索
観察: 検索結果「晴れ、気温28度」を取得
思考: 「晴れているなら屋外の観光スポットが良い。次に候補を調べよう」
行動: 検索ツールで「東京 屋外 観光スポット 人気」を検索
観察: 検索結果を取得
…（繰り返し）
```

🧭 山登りのナビゲーションに例えるなら——目的地へのルートを出発前にすべて決めるのではなく、「次の分岐まで進む → 現在地を確認する → 次の行動を決める」を繰り返しながら進むイメージです。途中で道が塞がっていても、その都度判断して迂回できます。

ReActの強みは柔軟性です。計画通りに進まない状況でも、観察結果をもとに次の行動を動的に決められます。ChatGPTのWeb検索機能やDeep Researchの裏側では、このReActに近い仕組みが動いています。

代表的なプランニング手法② Plan-and-Execute——先に全体を設計する

ReActとは対照的なアプローチが Plan-and-Execute です。

まず全体の計画を立ててから、各ステップを順番に実行します。

【計画フェーズ】
目標:「競合他社3社の価格を調べてレポートを作成する」
→ ステップ1: A社のWebサイトを開いて価格ページを確認
→ ステップ2: B社のWebサイトを開いて価格ページを確認
→ ステップ3: C社のWebサイトを開いて価格ページを確認
→ ステップ4: 3社の比較表を作成する
→ ステップ5: 分析コメントを加えてレポートを完成させる

【実行フェーズ】
ステップ1を実行 → ステップ2を実行 → …

📋 工場の製造ラインに例えるなら——工程を最初に設計し、各作業員（エージェント）が決まった手順を担当していくイメージです。全体の流れが見えるため、途中経過の把握や並列処理がしやすいという利点があります（マルチエージェントとの相性が良い）。

一方で、計画段階では予見できなかった問題が起きたとき、計画の修正が必要になるというデメリットもあります。

なぜプランニングが難しいのか——AIの「見落とし」問題

AIのプランニングには、人間にとって自明に見える課題があります。

依存関係の見落とし：「宿を予約する」より前に「日程を確定させる」必要があることを、明示されなくても理解することです。人間なら常識でわかりますが、AIは明示的に学習していないと見落とすことがあります。

ループへの落ち込み：情報が足りないとき、同じ検索を何度も繰り返してしまうケースがあります。「もっと詳しい情報を探す → 見つからない → もっと詳しい情報を探す」という無限ループです。

🔄 これはレシピ通りに料理しようとして「醤油がない → スーパーに買いに行く → 閉まっている → スーパーに買いに行く」を繰り返してしまうようなものです。人間なら「別の調味料で代替する」という発想の転換ができますが、AIはこの「プランBへの切り替え」が苦手なことがあります。

こうした課題に対応するため、思考をツリー状に展開して複数の経路を評価する Tree of Thoughts や、過去の失敗を次の計画に活かす Reflexion といった手法も研究されています。

まとめ：AIの計画力はどこまで来ているか

📝 今回の内容を整理します。

✅ AIのプランニングとは、大きな目標をサブタスクに分解し実行順序を決めることです

✅ ReActは「推論→行動→観察」を繰り返す柔軟な手法で、予期しない状況への対応が得意です

✅ Plan-and-Executeは先に全体計画を立ててから実行する手法で、長いタスクの管理や並列処理に向いています

✅ 依存関係の見落としやループへの落ち込みがAIプランニングの代表的な課題です

✅ Tree of ThoughtsやReflexionなど、計画の質を上げる研究が進んでいます

AIの「計画力」は急速に進化していますが、まだ人間の常識的な段取り感覚には及ばない部分もあります。 だからこそ、AIエージェントを使うときは「どんな計画を立てているか」を確認しながら動かすことが、今のところ賢い使い方です。AIの計画プロセスを理解しておくことで、うまくいかないときの原因もつかみやすくなります。

次回は「AIはどうやって人間の言葉の意図を読み取るのか——意図理解の仕組みを比喩で解説」をお届けします。

フォロー・スキで続きを読む励みになります 🌱

「わかりやすかった」と思ったら、周りのAI初心者の方にシェアしてもらえると嬉しいです。

関連記事