なぜAIエージェントは人間よりはるかに通信量が多いのか

CiscoはAIエージェントを**「ネットワークのパワーユーザー」**と表現しています。

人間ユーザーの典型的な行動は「ページを開く」「動画を見る」「メッセージを送る」といった離散的な操作です。一方、AIエージェントはワークフローを自律的に進めながら、複数のサービスと絶えず通信します。

例えば1つのAIエージェントのタスクでも、次のような通信が繰り返し発生します。

• AIモデルへの推論リクエストを何度も送信
• APIやクラウドサービスからデータを取得
• トークンや中間結果を別サービスへ送信
• 他のモデルやツールを呼び出す連鎖処理

こうした継続的なやり取りの結果、Ciscoは同様のワークフローで人間ユーザーより約450%多いネットワークトラフィックが発生する可能性を指摘しています。

さらに重要なのはトラフィックの方向です。従来のインターネット利用は動画視聴などダウンロード中心でしたが、AIではプロンプトやデータを送るためアップロード（上り）通信も大きく増える双方向型になります。

ネットワーク負荷の主役は「AI推論」

AIインフラの議論では巨大なGPUクラスタによるモデル学習が注目されがちですが、ネットワークの観点では推論トラフィックが圧倒的に重要です。

推論とは、訓練済みモデルを使って

• 質問に回答する
• コンテンツを生成する
• データを分析する
• AIエージェントがタスクを実行する

といった処理をリアルタイムで行うことです。

Ciscoの研究は、サービスプロバイダーのネットワーク上で実際に観測されたライブの推論トラフィックをもとに分析されています。

その結果、AI推論だけでもエージェント型AIを考慮しない予測と比べてネットワーク成長を約63%押し上げる可能性があるとされています。

2035年にはネットワークの4分の1がAI推論に

Ciscoの予測によると、AIトラフィックの存在感は今後10年で急速に高まります。

主な見通しは次のとおりです。

• 2035年にはAI推論が全ネットワークトラフィックの約25%に到達する可能性
• 特に2029年〜2032年にエージェント型AIの導入が急増すると予測

現在の生成AI利用は「ユーザーが質問したときだけ通信が増える」スパイク型ですが、エージェント型AIでは処理が継続的に実行されるため、ネットワークのベースライン負荷そのものが上昇すると考えられています。

企業ネットワークは最大9倍のトラフィックに？

Ciscoは企業ネットワークへの影響も試算しています。

AIエージェントを考慮しない場合でも、クラウド利用やSaaSの拡大により、企業トラフィックは2026年〜2035年に約2.5倍になると見込まれています。

しかしエージェント型AIが広く導入されると、同期間で現在の約9倍に達する可能性があります。

理由はシンプルです。

1つの人間のタスクの背後で、AIエージェントが

• データ取得
• モデル推論
• API連携
• ワークフロー実行

など多数の通信を自動で発生させるため、ネットワーク上のやり取りが指数的に増えるからです。

AIトラフィックは「量」だけでなく「性質」も変える

Ciscoの研究では、AIは単に通信量を増やすだけでなく、トラフィックの性質そのものを変えると指摘されています。

従来のWebやSaaSと比べて、AIトラフィックは次の特徴を持ちます。

• より動的：エージェントが連鎖的なリクエストを生成
• 低遅延要求が強い：推論の遅延がそのままUXに影響
• 双方向通信が多い：アップストリーム通信が増加
• 分散的で複雑：複数クラウドやAPIをまたぐ

このため、従来の「人間ユーザー中心」のトラフィック予測では、将来のネットワーク設計が難しくなる可能性があります。

AI時代のネットワーク設計に必要なもの

Ciscoは、AI推論の通信経路を単なるアプリケーショントラフィックではなく重要なインフラ資産として扱うべきだと指摘しています。

今後のネットワーク設計では、次のような要素が重要になると考えられています。

AIトラフィックを考慮したルーティング

推論処理の品質を保つため、低遅延パスや優先制御などAI専用のトラフィック管理が必要になる可能性があります。

エッジと分散コンピュート

推論処理をユーザーやデータに近い場所で実行することで、遅延やWANの混雑を抑えられます。

リアルタイムの可観測性（Observability）

AIワークロードは高速かつ複雑な通信を生むため、エンドツーエンドの可視化が重要になります。

高いレジリエンス

Ciscoの調査では、ネットワーク障害は混雑やサイバー攻撃、設定ミスなどで発生し、企業に大きなコストを与えています。AIワークロードの増加はこのリスクをさらに高める可能性があります。

まとめ

CiscoのWAN研究が示しているのは、単なる「帯域の増加」ではありません。

エージェント型AIは

• 常時稼働する推論ワークロード
• 双方向で遅延に敏感な通信
• 自動化された大量のAPI連携

といった特徴を持ち、ネットワーク利用の前提そのものを変える可能性があります。

もし現在の予測どおりにAIエージェントが普及すれば、今後10年のネットワーク設計は

• AI対応アーキテクチャ
• 分散コンピュート
• 高度な可観測性
• 推論トラフィック向けQoS

といった要素を中心に再設計されていく可能性があります。

もっとも、これらはCiscoの測定データとモデルに基づく予測です。実際の影響の規模は、エージェント型AIがどれだけ広く日常業務や消費者サービスに組み込まれるかに大きく左右されるでしょう。

なぜAIエージェントは人間よりはるかに通信量が多いのか

CiscoはAIエージェントを**「ネットワークのパワーユーザー」**と表現しています。

人間ユーザーの典型的な行動は「ページを開く」「動画を見る」「メッセージを送る」といった離散的な操作です。一方、AIエージェントはワークフローを自律的に進めながら、複数のサービスと絶えず通信します。

例えば1つのAIエージェントのタスクでも、次のような通信が繰り返し発生します。

• AIモデルへの推論リクエストを何度も送信
• APIやクラウドサービスからデータを取得
• トークンや中間結果を別サービスへ送信
• 他のモデルやツールを呼び出す連鎖処理

こうした継続的なやり取りの結果、Ciscoは同様のワークフローで人間ユーザーより約450%多いネットワークトラフィックが発生する可能性を指摘しています。

さらに重要なのはトラフィックの方向です。従来のインターネット利用は動画視聴などダウンロード中心でしたが、AIではプロンプトやデータを送るためアップロード（上り）通信も大きく増える双方向型になります。

ネットワーク負荷の主役は「AI推論」

AIインフラの議論では巨大なGPUクラスタによるモデル学習が注目されがちですが、ネットワークの観点では推論トラフィックが圧倒的に重要です。

推論とは、訓練済みモデルを使って

• 質問に回答する
• コンテンツを生成する
• データを分析する
• AIエージェントがタスクを実行する

といった処理をリアルタイムで行うことです。

Ciscoの研究は、サービスプロバイダーのネットワーク上で実際に観測されたライブの推論トラフィックをもとに分析されています。

その結果、AI推論だけでもエージェント型AIを考慮しない予測と比べてネットワーク成長を約63%押し上げる可能性があるとされています。

2035年にはネットワークの4分の1がAI推論に

Ciscoの予測によると、AIトラフィックの存在感は今後10年で急速に高まります。

主な見通しは次のとおりです。

• 2035年にはAI推論が全ネットワークトラフィックの約25%に到達する可能性
• 特に2029年〜2032年にエージェント型AIの導入が急増すると予測

現在の生成AI利用は「ユーザーが質問したときだけ通信が増える」スパイク型ですが、エージェント型AIでは処理が継続的に実行されるため、ネットワークのベースライン負荷そのものが上昇すると考えられています。

企業ネットワークは最大9倍のトラフィックに？

Ciscoは企業ネットワークへの影響も試算しています。

AIエージェントを考慮しない場合でも、クラウド利用やSaaSの拡大により、企業トラフィックは2026年〜2035年に約2.5倍になると見込まれています。

しかしエージェント型AIが広く導入されると、同期間で現在の約9倍に達する可能性があります。

理由はシンプルです。

1つの人間のタスクの背後で、AIエージェントが

• データ取得
• モデル推論
• API連携
• ワークフロー実行

など多数の通信を自動で発生させるため、ネットワーク上のやり取りが指数的に増えるからです。

AIトラフィックは「量」だけでなく「性質」も変える

Ciscoの研究では、AIは単に通信量を増やすだけでなく、トラフィックの性質そのものを変えると指摘されています。

従来のWebやSaaSと比べて、AIトラフィックは次の特徴を持ちます。

• より動的：エージェントが連鎖的なリクエストを生成
• 低遅延要求が強い：推論の遅延がそのままUXに影響
• 双方向通信が多い：アップストリーム通信が増加
• 分散的で複雑：複数クラウドやAPIをまたぐ

このため、従来の「人間ユーザー中心」のトラフィック予測では、将来のネットワーク設計が難しくなる可能性があります。

AI時代のネットワーク設計に必要なもの

Ciscoは、AI推論の通信経路を単なるアプリケーショントラフィックではなく重要なインフラ資産として扱うべきだと指摘しています。

今後のネットワーク設計では、次のような要素が重要になると考えられています。

AIトラフィックを考慮したルーティング

推論処理の品質を保つため、低遅延パスや優先制御などAI専用のトラフィック管理が必要になる可能性があります。

エッジと分散コンピュート

推論処理をユーザーやデータに近い場所で実行することで、遅延やWANの混雑を抑えられます。

リアルタイムの可観測性（Observability）

AIワークロードは高速かつ複雑な通信を生むため、エンドツーエンドの可視化が重要になります。

高いレジリエンス

Ciscoの調査では、ネットワーク障害は混雑やサイバー攻撃、設定ミスなどで発生し、企業に大きなコストを与えています。AIワークロードの増加はこのリスクをさらに高める可能性があります。

まとめ

CiscoのWAN研究が示しているのは、単なる「帯域の増加」ではありません。

エージェント型AIは

• 常時稼働する推論ワークロード
• 双方向で遅延に敏感な通信
• 自動化された大量のAPI連携

といった特徴を持ち、ネットワーク利用の前提そのものを変える可能性があります。

もし現在の予測どおりにAIエージェントが普及すれば、今後10年のネットワーク設計は

• AI対応アーキテクチャ
• 分散コンピュート
• 高度な可観測性
• 推論トラフィック向けQoS

といった要素を中心に再設計されていく可能性があります。

もっとも、これらはCiscoの測定データとモデルに基づく予測です。実際の影響の規模は、エージェント型AIがどれだけ広く日常業務や消費者サービスに組み込まれるかに大きく左右されるでしょう。