この2年間、多くの企業が抱く AI のイメージは、依然として「質疑応答」にとどまっていました。質問を投げかけて回答を得た後、それを採用するかどうかを人が判断するというものです。Agentic AI は、この構図を根本から覆します。AI はもはやプロンプトを待つだけの補助役ではなく、自ら手順を計画し、ツールを呼び出し、数時間、時には数日間にわたってタスクを前に進め、完了まで遂行できる存在です。この変化は技術のアップグレードのように聞こえますが、勤業眾信聯合会計士事務所がこのほど大數據股份有限公司と共同開催した「人と AI の協働と AI ガバナンスセミナー」では、現場の実情に即した答えが示されました。企業が Agentic AI を本格的に活用できるかどうかを決めるのは、モデルの能力ではなく、ガバナンスフレームワークを十分に構築できるかどうかなのです。
「答えられる」から「実行できる」へ――エージェントは単に高性能な補助役ではない
国立臺北科技大学管理学院の范書愷院長はセミナーで、最先端モデルが長期的な計画、ツールの呼び出し、記憶の更新、自律的なリサーチといった能力を徐々に備えるなか、企業における AI の競争軸は「答えられること」から「タスクを完遂し、継続的に改善できること」へ移りつつあると指摘しました。この言葉について、従来型産業の意思決定者は一歩踏み込んで考える必要があります。これまで AI 導入の受け入れ基準は、回答が正しいかどうかでした。しかし Agentic AI の導入では、一連のアクションがルールどおりに実行されたか、問題が起きた際に過程を遡って検証できるかどうかが基準になります。
范書愷氏はまた、AGI の発展においては能力の拡張だけを追求するのではなく、「ガバナンス可能な自律性」を確立すべきだと強調しました。Agentic Workflow、MCP/A2A、Evaluation Harness、Human-in-the-Loop などの仕組みを通じて、意思決定を追跡・検証・中止でき、責任の所在を明確にできるようにする必要があります。それに伴い、人間の役割もプロセスの実行者から、目標設定、リスクガバナンス、価値判断を担うインテリジェントな司令塔へと変わります。SOP によって生産ラインや品質管理を運営してきた従来型産業にとって、この比喩は決してなじみのないものではありません。違いは、今回管理する対象が、自ら仕事を遂行するソフトウェアに変わったという点だけです。
ガバナンスフレームワークを構成する6つのピース――1つ欠けるだけで脆弱性が生まれる
勤業眾信のマネジメントコンサルティング担当執行副総経理である江榮倫氏は、コンサルティング実務の観点から、企業が AI 活用を推進する際には、ガバナンスフレームワークも同時に整備する必要があると述べました。その対象は、戦略目標、役割と責任の分担、リスク評価、有効性のモニタリング、意思決定のトレーサビリティ、法令遵守管理という6つの側面です。江氏は特に、今後の競争優位は AI の技術力だけで決まるのではなく、イノベーション、ガバナンス、信頼を両立させるマネジメントの仕組みを企業が再構築できるかどうかにかかっていると強調しました。さらに、AI ガバナンスの考え方を AI のライフサイクル全体の管理に組み込むことで、初めて AI を効率向上のためのツールから、変革と持続的成長を推進するパートナーへと発展させることができます。
この6つの側面のうち、最初の2つである戦略目標と役割・責任の分担は、多くの企業にとってなじみのあるものです。本当に見落とされやすいのは、残りの4つです。誰がリスク評価を行うのか、有効性のモニタリングをどの程度の頻度で実施するのか、意思決定の記録を確実に残せるのか、法令遵守監査において問題が発生した工程まで遡れるのか、といった点です。特に輸出管理、貿易制裁へのコンプライアンス、サプライチェーンリスクの監視といった場面では、AI Agentが意思決定プロセスに加わると、この4項目こそが企業に対して最初に問われ、しかも後から急いで補うことが最も難しい部分になります。
人による監督は対応を遅らせるものではなく、企業が保持する拒否権
江榮倫氏はセミナーで、人と AI の協働の仕組みを通じて、重要な意思決定に対する適切な人の監督と専門的判断を確保しなければならないと述べました。この言葉は、「AI の処理を少し遅くして、人がもう一度確認すること」と誤解されがちです。しかし実務上は、より具体的な設計上の課題を指しています。どの種類の意思決定に必ず人の承認が必要なのか、どれはエージェントに自律的に完了させて事後報告とするのか、問題を起こしたエージェントを即座に停止できるのか、といった課題です。
この設計は AI を信頼しないということではありません。「人による監督」をプロセス上のあってもなくてもよいチェックポイントではなく、企業が保持する拒否権として位置づけるということです。従来型産業の意思決定者にとって、この判断は、かつて自動化された生産ラインを導入した際に直面した問題とよく似ています。自動化設備に停止すべきタイミングを自ら判断させられるかどうかは、設備が賢いかどうかの問題ではありません。企業が停止権限を設備に委ねる意思があるかどうかの問題なのです。
常駐型エージェントが稼働し始めたら、誰が監視するのか
セミナーで NVIDIA が共有した技術的見解は、ガバナンスフレームワークを実装面から補完するものでした。常駐型 AI Agentは、AI がプロンプトによって起動する補助役から、コンテキストを継続的に保持し、ツールを連携させ、中断から復旧しながら、数時間、時には数日間にわたって複雑なワークフローを進めるソフトウェアシステムへ移行していることを象徴しています。この種のエージェントは、いったん稼働を始めると、もはや「一問一答」の対話モデルではなく、企業システム内で継続的に動作するプロセスになります。
ガバナンスの観点では、これは企業がエージェントの動作を観測でき、重要なポイントで承認または停止でき、エージェントの失敗後に再試行できるようにし、さらにポリシーをワークフロー全体にわたって一貫して適用できるようにする必要があることを意味します。開始時に一度チェックするだけでは不十分です。これらの要件は技術的に聞こえますが、本質的には従来型産業が熟知している品質巡回検査、異常発生時のライン停止、手直し工程と同じ論理です。監視対象が生産ラインから、エージェントの実行履歴に変わっただけなのです。
ガバナンスの前に、まず知識がどこに散在しているかを把握する
大數據股份有限公司のイノベーションマーケティング部総監である袁鈺婷氏がセミナーで共有した見解は、従来型産業にとって特に切実なものです。企業には実際、多くの情報と実務経験が蓄積されています。しかし、そうした知識は異なる文書やシステム、さらにはベテラン社員の頭の中に散在していることが多く、体系的に整理しにくいだけでなく、検索や継承も困難になっています。企業の AI 導入を支援する際には、まずニーズの棚卸しと実際の業務シーンを出発点とし、既存のデータや経験を見つけやすく、理解しやすく、活用しやすい状態にする必要があります。
これは、同じセミナーで大數據股份有限公司の營運長である蔣志薇氏が述べた指摘とも呼応します。AI 導入のゴールは、AI ツールを1つ増やすことではなく、AI を真の組織能力へと転換することです。熟練者の経験に依存し、SOP が紙の資料や口頭での引き継ぎに分散している従来型企業にとって、この順序は特に重要です。ガバナンスフレームワークが定めるのは、AI がどのように仕事をするかです。一方、知識の棚卸しによって、AI に学習・活用できる材料があるかどうかが決まります。このステップを飛ばしてガバナンスだけを論じても、どれほど完全なフレームワークを構築したところで、中身のないものになってしまいます。
よくある質問
ガバナンスフレームワークによって、AI 導入のスピードが遅くなることはありませんか？<br>短期的には、役割と責任の分担やリスク評価の仕組みを構築するために、確かに追加の時間が必要です。しかし、初期段階で時間をかけるのは、規模を拡大した後になって意思決定の過程を追跡できない、問題発生時に責任の所在を特定できないといった事態を避けるためです。多くの企業では、ガバナンスのために省いた時間が、最終的に問題への対処コストとして跳ね返ってきます。
従来型産業が Agentic AI を導入する場合、最初に何をすべきですか？<br>セミナーで共有された内容によると、最初にすべきことはツールやモデルの選定ではありません。社内の知識やデータがどこに散在し、誰が保有しているのかを棚卸ししたうえで、どの意思決定に人の承認を残す必要があるかを設計することです。ガバナンスフレームワークは、この基盤があって初めて構築できます。
「人による監督」とは、具体的にどのようなものですか。すべての意思決定に人の承認が必要なのでしょうか？<br>いいえ。実務では通常、まず意思決定をリスクレベルに応じて分類します。高リスクまたは取り消し不能な意思決定には人の承認を残し、低リスクで取り消し可能な意思決定はエージェントに自律的に完了させ、事後監査のための記録を残します。重要なのは、企業が事前にこの分類を明確にしておくことです。
大規模なコンサルティングチームを持たない中小企業は、どのようにこの仕組みの構築を始めればよいのでしょうか？<br>江榮倫氏が提示した6つの側面のうち、まずリスク評価と意思決定のトレーサビリティから着手し、既存の品質管理や監査プロセスを拡張する形で進めることができます。新たなガバナンス部門を一から設置する必要はありません。ガバナンスフレームワークの規模は、本来、企業規模に応じて調整すべきものです。重要なのは、一度に最も完全な体制を構築することではなく、6つの側面すべてについて担当者を明確にすることです。
参考資料
- Agentic AI 時代、人と AI の協働によるダブルエンジンを構築――勤業眾信：企業には革新的活用とガバナンスのレジリエンスの両立が必要 — 勤業眾信聯合会計士事務所の公式プレスリリース
