「うちも、社員にGeminiのアカウントを配っています」。AIの話をするとき、こう答える会社はあるでしょう。メールの下書きや資料の要約に使い、仕事が楽になった実感もあるかもしれません。
その先で考えたいのが、AIを仕事の流れにどう組み込むかです。エージェンティック業務では、AIが目的に応じて必要な情報や手順を選び、人の判断を挟みながら、許可された実行と結果の確認まで進めます。納期変更への対応を例に、何が変わるのかを見ていきます。
AIに文章を頼んでも、その前後の仕事は残る
部品を販売する会社で、取引先から「予定より早く納品してほしい」と連絡が来たとします。担当者はAIに依頼して、丁寧な返信文をすぐに作れます。けれど、その返信に書く納期を決めるには、まだ仕事が残っています。
販売管理システムで注文を探し、在庫を確認する。発注済みの部品がいつ入るかを調べ、足りない分は仕入れ担当に聞く。一部だけ先に納める分納が可能なら、取引先の希望に合うか、追加の送料を誰が負担するかも考えます。
返事をしたあとには、注文の記録を直し、倉庫へ伝え、約束した納品ができる状態になったかを確かめる必要があります。返信文を早く書けても、情報を集め、関係者をつなぎ、完了を確認する役目は担当者に残ります。
ここに、次のAI活用を考える余地があります。これはGeminiをはじめとする製品の優劣や、機能の限界の話ではありません。同じAIでも、文章の作成に使うのか、業務システムや社内ルールとつないで仕事を進めるのかで、任せる範囲が変わります。
エージェンティック業務は、AIと人で仕事を完了まで進める仕組み
本稿では、目的に応じて手順や使う道具を選び、結果を見ながら次の行動を決めるAIを「エージェンティックAI」と呼びます。そのAIに情報収集や操作を任せ、人の判断・承認と組み合わせて業務を進める仕組みが、ここでいう「エージェンティック業務」です。
Genpactの記事は、AIエージェントによる実行と、人による監督・例外対応・改善を組み合わせた業務運営を説明しています。Deloitteのレポートでも、人とAIが協働するために、役割や仕事の流れそのものを見直す必要性が論じられています。両者に共通するのは、AIの導入とあわせて、仕事の進め方を設計するという視点です。
業務をつなぐ方法には、決まった条件と手順で動く従来の自動化もあります。手順が明確な処理は、そのまま活用できます。エージェンティックAIは、その途中で情報が足りなければ調べ直し、条件が変われば別の進め方を検討する役割を担います。
複数の処理を順番に動かすだけで、すべてがエージェンティックになるわけではありません。この区別と併用の考え方は、Anthropicによる解説でも示されています。
納期変更への対応は、どう変わるか
AIに任せる範囲を広げると、担当者は、判断に必要な情報と対応案がそろったところから仕事に加われます。そのためには、AIが参照できる情報、利用する操作、承認を求める条件を、あらかじめ決めておく必要があります。
以下は、そうした接続と権限を用意した場合の利用イメージです。特定の企業での導入実績や、導入だけで得られる効果を示すものではありません。
注文と在庫を照らし合わせ、不足を確認する
取引先からの納期変更依頼を受け取ると、AIは対象の注文、現在の在庫、入荷予定を調べます。すでに別の注文に割り当てられている在庫は、自由に使える在庫と分けて考えます。
たとえば、メールに書かれた入荷予定とシステム上の日付が違っていたら、そのまま納期を答えることはできません。AIは食い違っている箇所とそれぞれの情報源を示し、事前に決めた連絡範囲で担当者に確認します。確認が取れるまでは、「間に合う」と推測して先へ進めません。
担当者が毎回すべての情報を集める代わりに、足りない情報や確認が必要な箇所に対応できる形を目指します。
対応案を比べ、人の判断につなぐ
必要な情報がそろったら、AIは「一括で後日納品する」「在庫分を先に送り、残りを入荷後に送る」といった対応案を作ります。取引先の希望、分納の可否、送料、ほかの注文への影響を照らし合わせ、選択肢ごとの条件を整理します。
そのうえで、人の判断が必要な点を明確にします。たとえば、「分納すれば希望日に一部を届けられるが、追加送料を自社で負担してよいか」という形です。担当者は、取引先との関係や採算も踏まえて判断します。
AIに案を出させるだけでは、確認作業が増えることもあります。判断の根拠となる注文や在庫の記録、不確かな点まで一緒に示すことが、人に仕事を渡すうえで大切です。
承認された内容を実行し、結果を確かめる
担当者が方針を承認したら、AIは取引先への返信案と注文の変更内容をそろえます。外部への送信に必要な承認を得て返信し、分納など、取引先の合意が必要な条件は返事を待ちます。合意と必要な社内承認がそろってから、許可されたシステム操作で注文を変更します。条件が変わった場合は、担当者へ戻して判断を仰ぎます。
操作を試しただけでは完了にしません。変更後の注文を読み直して、納期と数量が承認内容に合っているかを確かめます。送信や更新に失敗した場合には、未完了の処理と、次に必要な対応を担当者へ伝えます。
最後に、何を調べ、誰が何を承認し、どの記録を更新したかを報告します。担当者は結果を追うことができ、途中で止まった仕事も引き継げます。ここまで含めて初めて、納期変更への対応が一つの仕事としてつながります。
依頼される前に、対応すべき仕事を見つける
仕事の始まりは、人からの依頼や通知だけとは限りません。あらかじめ確認対象と頻度を決めておけば、情報の食い違いや外部の変化を調べるところから、AIに任せることも考えられます。
たとえば、社内の商品資料は更新されたのに、営業用の説明資料には古い仕様が残っている場面です。参照を許可した資料同士をAIが照合し、異なる記述と更新日を示します。どれが正しい情報かを担当者に確かめたうえで、修正案を作り、承認された資料を更新します。情報が違うというだけで、一方を自動的に正解にしないことが必要です。
セキュリティ対応なら、ソフトウェアの弱点に関する新しい情報と、自社で使っている製品・バージョンの台帳を照らし合わせる例があります。影響する可能性のあるシステムを洗い出し、根拠を添えて担当者へ知らせ、対応案を準備します。本番環境の変更や停止は、担当者の判断と承認につなぎます。
どちらも、AIが社内のあらゆる情報を勝手に知っているわけではありません。確認する情報源への接続、利用権限、定期的に調べる仕組みを整えることで、対応すべき仕事の発見から進行までをつなぎます。
人が決めるのは、目的と任せる範囲
AIが自律的に動くためには、目指す結果と守る条件が必要です。人は、目的・範囲・ルールを決め、重要な判断や承認、ルールでは処理できない例外への対応を担います。
納期変更の例なら、「取引先の希望にできるだけ応えたい」という目的に加え、別の注文に確保した在庫は動かさない、追加費用は担当者に相談する、取引先への約束は承認後に伝える、といった条件を定めます。AIは、その範囲内で調べ方や対応案を考えます。
また、人が確認できる記録と、必要なときに止められる仕組みも要ります。AIが判断を誤ったときや、情報が古くて確信を持てないときに、誰へ戻すのか。担当者が不在なら、どの状態で待つのか。こうした扱いも、業務の設計に含まれます。
任せる範囲を決める考え方は、「最高の知能を、どの仕事に使うのか」でも扱っています。すべての仕事に同じ自由度を与える必要はありません。
既存システムを使いながら、一つの業務を組み直す
ここから始めるなら、まず一つの業務を選び、完了までの流れを見直すことを勧めます。納期変更のように、情報を集める負担があり、人の判断箇所と完了条件を説明できる仕事が候補になります。
最初に、現場の担当者と次の項目を書き出します。
- 何をきっかけに始まり、どの状態になれば完了か。
- どのシステムや資料を見て、誰に何を確認しているか。
- AIに任せられる操作と、人の判断・承認を必要とする操作はどれか。
- 情報が足りない場合や失敗した場合に、誰がどう引き取るか。
この整理では、今の手順をそのままAIに写すだけでなく、重複した確認や不要な転記を省けないかも考えます。一つの業務に対象を絞りながら、その始まりから完了までを見渡す進め方です。
そのうえで、既存システムに接続できる方法と権限を確認します。API（データを読み書きするための窓口）などが利用できれば、今のシステムを業務の記録先として残し、その間の作業をAIが担う構成を検討できます。接続方法がない、データが整っていないといった場合には、その準備が先に必要です。
操作の窓口については、「AIに『手』を与える。なぜいま、社内システムのAPIが重要なのか」で詳しく説明しています。
試す段階では、情報収集と対応案の作成までを任せ、人が結果を確かめる形から始められます。評価するのは、文章を作る速さだけでなく、依頼から完了までの時間、担当者の確認負担、修正や対応漏れです。AIの利用費用と運用の手間も含めて確かめ、任せる範囲を調整します。
社員がAIを使えるようにすることは、その準備の一つです。次に、自社の仕事を一つ取り上げて、「人がいま情報をつないでいる部分」と「人が判断すべき部分」を書き出してみてください。そこから、AIと一緒に仕事を進めるために何を整えるべきかが見えてきます。