こんにちは、俊介です！ 普段は Azure を中心に、企業向けの AI ソリューションを設計・構築する仕事をしています。
前回の記事で、Microsoft Foundry の「Foundry IQ」を実際に触ってみました。
Foundry IQとはエージェントに社内のあらゆる知識をつながせる、マネージドなナレッジ層でしたが、複数のデータソースを1つのナレッジベースに束ねて、質問を横断しながら引用付きで答えてくれるものでした。
ただ、書いてる時に
「ナレッジを繋いで、根拠付きで答えるエージェント」って、Copilot Studio でも昔からできてたよな。
と思ったことがあって、今回は確認してみた記事になります。
先に結論
長くなるので、要点を先に置いておきます。
| 観点 | 結論 |
|---|---|
| そもそも別物なの？ | Microsoft 自身が「コンセプトは同じ（エージェントを企業データに繋ぐ）」と明言している。つまり「一緒じゃないの？」の感覚は半分正しい。 ただし中身の作りと守備範囲は別物 |
| 検索の中身の違いは？ | Copilot Studio は generative answers（生成回答）が土台で、検索を意図ごとに複数回に分ける。 Foundry IQ は1回の検索の内側で質問をサブクエリに分解し、大量に取得してから答える「エージェンティック検索」。 |
| どっちを使えばいい？ | Copilot Studio＝ローコードでM365/Teamsに配れる身軽さ Foundry IQ単体＝作り込んで使い回せる共有ナレッジ基盤 |
| 実際どうだった？ | できることはほぼ一緒。 だけどCopilot Studio は簡潔で正直、Foundry IQ は網羅的で断定的と分かれた。 |
どんなユーザー向け？
- Copilot Studio でナレッジ付きのエージェントを作ったことがあって、「Foundry IQ って何が違うの？」がモヤっている人
- Foundry IQ が気になっているけど、すでに Copilot Studio がある中でわざわざ使う理由が知りたい人
- 社内で「ナレッジ検索エージェント、どっちの基盤で作る？」を選定しないといけない人
前回の Foundry IQ 記事を読んでいなくても大丈夫なように書きます。
なぜ「一緒じゃないの？」と思ったのか
まず、この感覚がどこから来るのかを整理します。
機能の見出しだけ並べると、Copilot Studio も Foundry IQ も、やっていることはほぼ同じに見えます。
| やりたいこと | Copilot Studio | Foundry IQ |
|---|---|---|
| 社内文書を検索対象にする | できる（ファイルアップロード等） | できる（Blob 等） |
| 公開Webの情報も混ぜる | できる（公開サイト参照） | できる（Web ソース） |
| 質問に引用付きで答える | できる | できる |
| 権限に応じて出し分ける | できる（Entra ID 認証） | できる（ACL/権限フィルタ） |
こうして並べると、一緒だなと思います。
ちょっとMicrosoftの公式ドキュメントを見てみると下記のように書いてありました。
※ 出典：Foundry IQ frequently asked questions - Microsoft Learn
レイヤーが違う
当たり前と言われるかもしれませんが、置かれているレイヤーが違うみたいです。
| Copilot Studio | Foundry IQ | |
|---|---|---|
| 何をするもの？ | エージェントを作って公開・配布するアプリ層 | エージェントに知識を供給するナレッジ基盤層 |
| 主な作り手 | 業務部門・ローコード寄り | 開発・データ寄り（プロコード寄り） |
| どこで動く | Power Platform / M365 / Teams | Microsoft Foundry（Azure AI Search 基盤） |
| 課金 | Copilot Credits（回答1回あたりで消費） | Azure リソース（AI Search ティア＋トークン等） |
| 得意なこと | 会話フロー・配布・M365連携・自律アクション | 検索そのものの賢さ・複数ソース横断・使い回し |
Copilot Studio は「エージェントという製品を組み立てて、Teams や Web に配る」ための場所でありナレッジ検索はその中の一機能。
一方 Foundry IQ は「知識を検索して返す」ことに特化した部品で、複数のエージェントやアプリから使い回せる共有資産として作られることが目的。
※ 出典：What is Foundry IQ? - Microsoft Learn
つまり「アプリを組む Copilot Studio」と「知識を供給する Foundry IQ」。
レイヤーが違うので、本来は「どっちか」ではなく「どう組み合わせるか」の話。
公式も同じと言ってるし、せっかくなので本当に同じなのか確認します。
検証ルール
比較記事なので、Foundry IQ とまったく同じ資料・同じ質問を、Copilot Studio 側でもそのまま使います。
題材は前回と同じ、架空のSaaS企業「A社」の社内ナレッジ検索です。A社は社内ナレッジ検索 SaaS を売っている設定で、こんな資料です。
| ファイル | 中身 |
|---|---|
| 料金プラン | Starter/Standard/Enterprise の月額・SLA・使えるデータソース数など |
| 製品ラインナップ | 主力製品（A-Knowledge / A-Connect / A-Guard）の概要 |
| よくある質問 | 仕組み・データソース・権限・トライアルなどのFAQ |
| 返品・サポートポリシー | 返金条件・プラン別サポート体制・SLA未達時の扱い |
投げる質問は3段階
質問は、単純なものから複雑なものへ、段階をつけて3本用意しました。
| # | 質問タイプ | 具体例のイメージ | 何を見たいか |
|---|---|---|---|
| Q1 | 単一ソースの単純ルックアップ | 「Standard プランの月額と SLA は？」（料金プランを見れば一発） | ここは両方できて当たり前。差が出ない基準点として置く |
| Q2 | Web だけで答えられる質問 | 公開技術情報を見ないと答えられない質問 | それぞれの Web グラウンディングの素の挙動 |
| Q3 | 2ソースを横断・統合する質問 | 「A社の権限機能はどのプランから？ その裏側の技術的な仕組みは？」（社内文書＋Web をまたぐ） | 複数ソースをまたいだときに差が出るか。ここが山場 |
比べる軸
質問ごとに、次の軸で並べます。
| 軸 | 見るポイント |
|---|---|
| 回答の質 | 正しいか、過不足ないか、複数ソースを統合できているか |
| 引用の出方・精度 | 何件・どのソースを引いたか。クリックして辿れるか |
| トレースの見え方 | 内部で何をしたか（クエリ分解・横断）が追えるか |
Copilot Studio でナレッジエージェントを組む
やることはシンプルで、Copilot Studio でエージェントを1つ作り、A社の4ファイルをアップロードして、公開Webも参照させる。
前回 Foundry IQ でやったことと同じ土俵を、今度は Copilot Studio 側で組みます。
1. エージェントを作る
Copilot Studio でエージェントを新規作成すると、まず名前をつけるダイアログが出ます。今回は「A社ナレッジ検索」としました。
ここは前回の Foundry IQ 側と役割を揃えた、社内文書に答えるアシスタントです。
作成を押すと、しばらくして「エージェントがプロビジョニングされました」の緑バナーが出て、そのまま設定画面（概要タブ）に入ります。
2. モデルは GPT-5 Reasoning
概要タブの「エージェントのモデルを選択します」で、今回は「GPT-5 Reasoning（プレビュー）」を選びました。
3. 指示（instructions）を入れる
概要タブの「指示」欄に、次の指示を入れました。Foundry 側のエージェントにも、まったく同じ文を入れています。
あなたはA社の社内ナレッジ検索アシスタントです。
ユーザーの質問には、必ず接続されたナレッジを検索し、その結果に基づいて引用付きで回答してください。
自分の一般知識だけで答えず、ナレッジの情報を根拠にしてください。
回答には必ず出典（引用元）を明示してください。
ナレッジ内に根拠が見つからない場合は、「わかりません」と正直に答えてください。
回答は日本語でお願いします。
4. ナレッジを追加する
概要タブの「ナレッジ」欄、または上部の「ナレッジ」タブから「ナレッジの追加」を開きます。
開くと、ソースの選択肢がずらっと並びます。
今回はまず、A社の4ファイル（.md）をアップロードしました。
ファイルの大きさも小さいので1分ほどで4件すべてが「準備完了」になりました。
5. Web の参照範囲を Foundry と揃える
Copilot Studio の概要タブには「Web検索」というトグルがあって、既定ではオン（全公開Webサイトが検索対象）になっています。
前回の Foundry IQ 検証でも Web 検索は既定オンでしたが、あのときは自分でオフにして、参照先を公開情報（learn.microsoft.com）に絞っていたので今回も同じことをします。
「Web検索」トグルはオフにして、代わりにナレッジソースとして「公開Webサイト」で learn.microsoft.com を1つ追加
公開Webサイトを追加するとき、画面に注記が出ます。要約すると「Web検索および公開Web参照は Bing検索・Bing Custom Search を利用し、組織のコンプライアンス境界の外へデータが送信される可能性がある」という内容です。これは前回 Foundry IQ でも出てきました。
これで、最終的なナレッジは次の5件になりました。
| # | ナレッジソース | 種別 |
|---|---|---|
| 1 | 料金プラン.md | ファイル |
| 2 | 製品ラインナップ.md | ファイル |
| 3 | よくある質問.md | ファイル |
| 4 | 返品・サポートポリシー.md | ファイル |
| 5 | learn.microsoft.com | 公開Webサイト |
「Web検索」トグルは無効。前回の Foundry IQ とまったく同じ、社内4ファイル＋公式Web限定という土俵ができあがりです。
検証していく
土台ができたので、いよいよ本番です。前章で設計した Q1〜Q3 を、素の Copilot Studio と素の Foundry IQ に、まったく同じ条件で投げていきます。
条件
検証の肝は、できるだけ条件を揃えることです。
| 揃えたもの | 中身 |
|---|---|
| モデル | 両方とも推論版の GPT-5（Copilot Studio は「GPT-5 Reasoning」、Foundry は「gpt-5」） |
| 質問 | 同じ Q1〜Q3 |
| 指示 | 同じシステムプロンプト（必ず検索して引用付き、根拠がなければ「わかりません」と答える、日本語で） |
| ナレッジ | A社の4ファイル＋公開Webは learn.microsoft.com 限定 |
モデルは gpt-5 で揃えました。Foundry では Claude も選べますが、Claude を使えない会社もあるので、より多くの人が再現できる gpt 系にしています。
Q1：単純ルックアップ（差が出ない基準点）
「Standard プランの月額と SLA を教えて」。
いちばん簡単な質問なので、ここは両方できて当たり前で差が出ない想定です。
| Copilot Studio（GPT-5 Reasoning） | Foundry IQ（gpt-5） | |
|---|---|---|
| 回答 | 簡潔・正しい | 簡潔・正しい |
| 引用 | 1件 | 2件 |
| 検索の動き | 「リソースを検索する」1回・2.15秒 | ツール呼び出し1回だが、内部で複数サブクエリに分解して取得・20秒（うち検索11.9秒） |
Copilot Studio は1回サッと検索して2.15秒で返す。
Foundry は1回のツール呼び出しの内側で、質問を複数のサブクエリへ割って、たくさんのドキュメントを集めてから答えていました。
Q2：Web だけで答える質問（性格の違いが出はじめる）
「Foundry IQ の SharePoint 連携で、Indexed と Remote の違いを教えて」。
A社の社内文書には載っていない、公開技術情報を見ないと答えられない質問です。
ここで両者の性格が、はっきり分かれました。
Foundry IQ は、Indexed と Remote の違いを「取り込み方式/データの鮮度/権限の扱い/構成・運用/使い分け/ライセンス」の6つの観点で構造化して答えてくれました。
Copilot Studio は、「リソースを検索する」を4回に分けて実行し、Remote については詳しく答えたものの、Indexed についてはこう言いました。
根拠が足りない部分を、指示どおり正直に「わかりません」と返してきました。
引用は3件で、こちらも learn 公式（Remote SharePoint の作成手順、エージェント API）＋社内の料金プランでした。
社内の料金プランを見たのはなんでだろうって感じです。
| Copilot Studio（GPT-5 Reasoning） | Foundry IQ（gpt-5） | |
|---|---|---|
| 検索の動き | 「リソースを検索する」4回 | ツール呼び出し1回・56秒（うち検索37.8秒） |
| 回答 | Remote は詳述、Indexed は「確認できず・不明」と留保 | Indexed も Remote も6観点で断定的にフル回答 |
| 引用 | 3件（learn 公式＋社内） | 18件（learn 公式） |
| 引く公式の畑 | M365 Copilot の Retrieval API / エージェント API 系 | Azure AI Search のエージェンティックナレッジソース系 |
Q3：2ソースを横断・統合
「A社の権限管理はどのプランから？ あわせて Foundry IQ 側の権限の仕組み（ACL/アクセス制御）も教えて」。
前半は社内文書、後半は公開技術情報にして、この2つをまたいで統合できるかを見ていきます。
横断統合は、どちらも成功しましたが検索の深さや回答の中身に差が出ました。
Copilot Studio は RBAC を主役に据えて A-Guard を添える形。
一方Foundry IQ は、5点でどちらも押さえたうえに、ネイティブ ACL が使えないときの代替策まで踏み込む。
検索の動きは、Copilot Studio が「リソースを検索する」2回、Foundry がツール呼び出し1回（内部でまとめて取得）でした。
| Copilot Studio（GPT-5 Reasoning） | Foundry IQ（gpt-5） | |
|---|---|---|
| 横断統合 | 成功（社内＋公式を1回答に） | 成功 |
| 後半の網羅 | RBAC 中心＋A-Guard 補足 | 5観点で網羅（RBAC＋文書ACL＋代替策まで） |
| 引用 | 5件（社内3＋公式2） | 10件（社内2＋公式8） |
| 検索の動き | 「リソースを検索する」2回 | ツール呼び出し1回・57.2秒（うち検索33.1秒） |
Q1〜Q3を通して見えたこと
モデルも質問も指示も揃えた3本を並べて気づいたことと差は下記でした。
Copilot Studioの「リソースを検索する」の回数は、Q1=1回、Q2=4回、Q3=2回。
複雑なはずのQ3よりQ2が多く、単純に複雑さ比例ではなかった。
これはAIエージェントなので、バラツキがあるかもしれないけど。
一方の Foundry は、全問とも「ツール呼び出し1回」で、その1回の内側でサブクエリに割って深掘りするスタイル。
引用の数は、FoundryもQ1=2件、Q2=18件、Q3=10件でした。
引用数を見ただけでも Copilot Studio の軽快さが対照的でした。
その上で、条件を揃えてなお残った本質的な違いを5つ。
| 観点 | Copilot Studio（GPT-5 Reasoning） | Foundry IQ（gpt-5） |
|---|---|---|
| 検索アーキの層 | オーケストレーションで「リソースを検索する」を複数回（1〜4回） | 1回の検索の内側でサブクエリ分解＋大量取得 |
| 根拠の広さ・質 | 社内＋公式に絞る。足りなければ正直に留保。引用少なめ（1/3/5） | 公式へ広く踏み込み断定。引用大量（2/18/10） |
| 性格 | 内向き（顧客ナレッジ寄り）・簡潔・正直 | 外向き・網羅・断定 |
| 速度 | 軽快（1〜2秒台の検索を数回） | 重い（20秒〜57秒） |
| 解釈のクセ | 顧客の製品文脈に引きつける | 公式・一般論の文脈に広げる |
「同じことができる」のは、おおむね本当でした。
でも「どこまで踏み込むか」「わからないことをどう扱うか」「裏でどれだけ検索するか」は、土台と検索エンジンの設計思想の違いとして残りました。
実はもう組み合わせられる
ここまで、素の Copilot Studio と素の Foundry IQ を、別々のプラットフォームとして検証させてきましたが、この検証を進めている最中に「Foundry IQ を Copilot Studio に挿せる」ようになっていました。
つまり、自分がわざわざ2つを並べて「どっちが」とやっていた裏で、作った本人（Microsoft）は「両方組み合わせて使えますよ」という道をすでに用意していたんですね。
何ができるようになったのか
Copilot Studio のエージェントに、Azure AI Foundry 側で作り込んだ Foundry IQ のナレッジベースを、ナレッジソースとして接続できるようになりました。
窓口は「Microsoft IQ」で、これは Work IQ（M365 の文脈）/Fabric IQ（Fabric の分析）/Foundry IQ（Azure AI Search 上の企業ナレッジ）の3本立てになっています。その Foundry IQ を選んで挿す、というかたちみたいです。
これが挿さると、Copilot Studio 上のエージェントが、素のナレッジ検索ではなく Foundry IQ のエージェンティック検索（自動でクエリを計画し、複数ソースを並列横断し、反復し、セマンティックに再ランクする、あの重い検索）を使えるようになるとのこと。
※ ただしこれはプレビュー機能で、テナントやライセンスによっては UI にまだ出てこないことがあります。実は自分の環境でも出てこず、まだ試せていません。
※ 出典：Foundry IQ is now in Copilot Studio（Tech Community, 2026-07-08） ／ Connect to Foundry IQ from an agent (preview) - Microsoft Learn
「Foundry IQ を Copilot Studio に挿せる」が、記事の芯への答えになる
この統合は、ここまできた「知らないと一緒じゃないの？使いわけは？」への、いちばんきれいな答えでもありますね。
もし2つが同じレイヤーで競合する製品なら、「Foundry IQ を Copilot Studio に挿す」なんて話は成り立ちません。
挿せるということは、片方が「アプリ・配布の層」で、もう片方が「ナレッジ基盤の層」だということになり、レイヤーが違うから、競合ではなく、組み合わせられる。
だから、繋ぐための道（この統合）がわざわざ用意されたのかなと思います。
まとめ
長い検証記事になりましたが、最後にここまでをまとめてみようと思います。
比べたのは2つですが、『組み合わせる』も入れると3つの選択肢になります。
- 素の Copilot Studio（ローコードで組む、アプリ・配布の層）
- Foundry IQ 単体（Azure AI Foundry で作り込む、ナレッジ基盤の層）
- Foundry IQ を Copilot Studio に挿す（両取り。2026-07-08 発表・プレビュー）
「どっちが良いか」ではなく、「自分のケースはどの層か」で考えると、すっきり選べます。
用途ごとの推奨度を ◎○△ で並べました。
| こういう時 | 素の Copilot Studio | Foundry IQ 単体 | Foundry IQ in Copilot Studio |
|---|---|---|---|
| ローコードで素早く作って Teams / M365 に配りたい | ◎ | △ | ◎ |
| 手元のナレッジに、簡潔かつ正直に答えてほしい | ◎ | ○ | ○ |
| 複数ソースを深く横断して、網羅的に調べさせたい | ○ | ◎ | ◎ |
| ナレッジ基盤を複数のエージェント／アプリで使い回したい | △ | ◎ | ◎ |
| 検索の深さや挙動を細かく制御したい | △ | ◎ | ○ |
| 厳密なアクセス制御・コンプライアンス要件がある | ○ | ◎ | ◎ |
| とにかく今すぐ、安定して使いたい（GA重視） | ◎ | ○ | △（プレビュー） |
素の Copilot Studio は、手元のナレッジに素早く・正直に答えて、そのまま Teams や M365 に配れる身軽さが魅力です。
Foundry IQ は、複数ソースを深く横断して、作り込んだ検索を複数のアプリで使い回せる基盤としての強さがあります。
そして両者はレイヤーが違うので、本当は競い合う2択ではなく、Foundry IQ in Copilot Studio のように重ねて使える。
おわりに
「ナレッジ繋ぐだけなら一緒じゃないの？」という、自分自身の素朴なモヤモヤから始めた検証でした。
ここまで読んでくださって、ありがとうございました！
同じ「一緒じゃないの？」と思っていた方に、少しでも選ぶときの手がかりになれば嬉しいです。
また書きます！！
