企業が AI Agent の導入を決定すると、各部門からすぐに多くの要望が寄せられます。営業部門は問い合わせメールを整理したい、調達部門はサプライヤーの見積もりを比較したい、カスタマーサービス部門は回答案を作成したい、そして管理職は部門横断の承認プロセスを AI Agent に支援してほしいと考えます。これほど多くの要望があるなかで、チームが最初に決めるべきなのは、どの業務から着手する価値が最も高いかです。
最初のユースケースには、最も注目を集めている業務、最も創造性を必要とする業務、あるいは最も多くの部門が関わる業務を選ばないことを推奨します。まずは定型業務から着手し、必要なデータを取得できること、処理手順を明確に説明できること、完了後に成果を検収できる担当者がいることを確認します。そのうえで、エラーが発生した場合の影響に応じて、人による承認を組み込みます。これにより、チームはまず業務を実行可能かつ検証可能なプロセスとして整理する方法を習得し、その後で対象範囲を拡大するかどうかを判断できます。
科学者は AI に何を依頼することが多いのか？
Anthropic は、2026 年 8 月 2 日から 9 月 30 日までに行われた、Claude および Claude Code を用いた科学研究のセッション 207,049 件を分析しました。その結果、Claude のセッションではデータ分析が 33.7％、Claude Code のセッションでは 48.1％を占めていました。また、執筆とコミュニケーションも Claude のセッションの 32.0％を占めています。一方、研究者は時間の 28.6％を情報収集に費やしていますが、この種の業務が両インターフェースのセッションに占める割合は約 11％にとどまりました。AI を使ったアイデアの検討や仮説生成の割合も比較的低い結果となっています。
この研究から、ユーザーは AI が得意とする業務を依頼する傾向があることが分かります。ただし、これはすべての企業が必ずデータ分析から始めるべきだという意味ではありません。研究では、理論上 AI に最も適している上位 20％のタスクを抽出したところ、それらのタスクにおける Claude の利用量は、研究者が費やした時間から推定される利用量の 2～4 倍でした。企業も同じように考えることができます。ある業務の重要性と、優先的な導入対象に適しているかどうかは、別の問題です。戦略立案はもちろん重要ですが、議論に応じて目標が変化し、どのような回答を合格とするかさえ明確に説明できないのであれば、最初の AI Agent プロジェクトには適していません。
研究ではモデルによる推計も行われており、現在の AI 能力が広く採用された場合、一部の分野では研究成果が 2 倍に増加する可能性が示されています。ただし、企業がこの推計をそのままプロジェクトの効果として約束することはできません。研究サンプルは特定期間のコンシューマー向けプランのみを対象としているうえ、付随調査に参加した 528 人の科学者も、主に生命科学・健康科学分野で AI を積極的に活用している研究者だからです。そのため、導入チームは「まず業務が適しているかを確認する」という考え方を参考にできますが、科学研究における成果の推計値を、自社の投資対効果表にそのまま記入することはできません。次にプロセス責任者へ確認すべきなのは、毎日または毎週繰り返し発生し、かつ担当者が合格例と不合格例を提示してチームが実際に比較できる業務には何があるか、という点です。
4 つの条件で最初のワークフロー（workflow）を選ぶ
まずは単一部門における直近 1 カ月の定型業務を棚卸しすることを推奨します。最初から全社の要望を収集する必要はありません。チームは以下の 4 つの条件に基づいて、各業務を評価できます。この評価の目的は、管理職、利用部門、IT 部門が同じ観点で議論できるようにすることであり、精緻な評価ウェイトをすぐに設計する必要はありません。
- 反復頻度： 同じ一連の手順が繰り返し発生するか。たとえば、営業部門が毎日問い合わせメールを整理する、調達部門が定期的に見積もりを取りまとめる、といった業務です。十分な反復回数があってこそ、チームは指示内容や検収方法を継続的に改善できます。
- 入力情報がそろっているか： AI Agent が業務を開始する前に、必要なメール、フォーム、文書、項目を取得できるか。担当者が各所に問い合わせて不足情報を補わなければならない場合は、まず情報の受け付けルールを整備し、AI Agent に不足内容を推測させないようにする必要があります。
- 出力を検収できるか： 責任者は、完成物に含めるべき項目、引用すべき情報源、許容できないエラーを明確に説明できるか。たとえば、調達の見積もり比較では、品名、仕様、単価、条件が一致しているかを項目ごとに確認できます。カスタマーサービスの回答案では、社内ポリシーが引用されているか、顧客からの質問に回答漏れがないかを確認できます。
- エラーのリスク： 結果に誤りがあった場合、社内で修正に余分な時間がかかるだけなのか、それとも価格、納期、契約条件を社外に約束してしまう可能性があるのか。リスクが高いからといって、永遠に実施できないわけではありません。ただし、内容の送信、契約の締結、金額の承認を行う前にプロセスを停止し、権限と責任を持つ担当者が確認する必要があります。
最初のワークフローには、発生頻度が高く、入力データがそろっていて、検収しやすく、かつ社外への送信前にエラーを防げる業務を優先的に選べます。たとえば、まず AI Agent に営業への問い合わせ内容を整理させ、不足項目を特定して見積もり案を作成させたうえで、営業担当者が価格と納期を確認します。ただし、過去のデータが各所に散在し、見積もりのルールも依然として担当者個人のその場の判断に依存しているのであれば、先にデータとルールを整備する必要があります。棚卸しが完了したら、チームは業務を 1 つだけ選び、責任者、必要な入力、合格となる出力、エラーによって生じ得る影響を明記してから、実装を開始するかどうかを決定します。
プロセス、判断ルール、人による承認を明確にする
業務を選んだ後は、現在、担当者が経験に基づいて実行している手順を一つひとつ分解する必要があります。調達の見積もり比較を例にすると、サプライヤーの書類をすべてそろえる、品名と仕様を照合する、価格と条件の違いを一覧化する、不足情報を明示する、最後に調達担当者へ確認を依頼する、といったプロセスが考えられます。各ステップについて、データの取得元、完了後の引き継ぎ先、完了と判断する条件を明確に記載する必要があります。そうしなければ、AI Agent が見やすく整形された要約を作成しても、処理中に重要な条件が抜け落ちていないかを管理職が確認できません。
人による承認は、明確なプロセス上のポイントに設定しなければなりません。単に「必要に応じて管理職が確認する」と記載するだけでは不十分です。たとえば、金額が部門の上限を超えている、支払い条件や納期条件に疑問がある、複数の情報源の内容が矛盾している、文書を顧客やサプライヤーへ送信しようとしている、といった場合には、プロセスをいったん停止するよう設定できます。EgentWrX では、繰り返し実行する必要があるタスクをワークフローとして連結し、次の担当へ引き継ぐ前に人による承認を必須に設定できます。AI Agent が前段の業務を完了すると、プロセスは担当者の承認を待ってから、結果を次の処理へ引き渡します。プラットフォームはプロセスの仕組みを提供しますが、どのような場合に承認を必要とするかは、企業が権限・責任とリスクに基づいて明確に定める必要があります。
業務によっては、処理手順ではなく、ベテラン社員が判断ルールを明確に説明できていないことが原因で行き詰まる場合があります。その際は、プロセス責任者に、まず一般的な判断を 1 種類選んでもらい、適用される状況、必要なデータ、判断ルール、例外、合格例を記述してもらいます。EgentWrX では、定型的な手法をスキルとして整理し、AI Agent が該当する状況に遭遇したときに適用できます。担当者が作成したスキルを全社に展開する場合は、事前に管理画面での審査を受けなければなりません。まずは単一のチームで試用し、どのような状況でルールの調整が必要になるかを記録したうえで、業務部門の責任者またはガバナンス部門が共有範囲を拡大するかどうかを判断することを推奨します。
実装を開始する前に、プロセス責任者と IT 部門が共同で一連のプロセスを最初から最後まで実行し、データソース、検収方法、責任者、プロセスを停止すべき条件を一つずつ確認する必要があります。金額、社外への約束、曖昧な条件、重大な判断が関係する場合は、まず人による承認を残しておきます。チームが実際の実行記録を蓄積してから、次に導入する業務を決定します。
よくある質問
最初の AI Agent プロジェクトは、必ずデータ分析から始める必要がありますか？
いいえ。データ分析は研究で比較的よく見られた用途にすぎません。企業はまず、その業務が頻繁に発生するか、入力データがそろっているか、成果を検収できるか、エラーを送信前に防げるかを確認する必要があります。これらの条件を満たす文書整理、見積もり比較、回答案の作成なども、優先的にテストできます。
部門横断の承認プロセスは、最初のユースケースに適していますか？
最初から部門横断の承認プロセス全体を扱うことは推奨しません。この種のプロセスには通常、より多くのデータソース、権限・責任、例外が関係するためです。まずは、申請情報を整理して不足項目を明示するなど、プロセスの一部を選ぶことができます。必要なデータを取得でき、成果も検収できることを確認した後で、後続プロセスとの連携を検討します。
金額が関係する業務も、AI Agent に任せられますか？
AI Agent にデータの整理、条件の比較、案の作成までを担当させることは可能です。ただし、価格、支払い条件、社外への約束を確定する前にプロセスを停止し、権限と責任を持つ担当者が確認する必要があります。また、チームは金額の上限、例外、差し戻し方法を事前に明確化しておかなければなりません。
ベテラン社員から「判断は経験に基づく」と言われた場合、どこから整理すればよいですか？
まず、最近頻繁に発生している判断を 1 種類選びます。そのうえで、確認すべきデータ、判断に用いるルール、例外処理が必要となる状況をベテラン社員に説明してもらい、合格例と不合格例も提示してもらいます。チームはまず単一の状況で試用し、ルールを調整します。最初から全部門へ展開することは避けてください。
参考資料
- 科学者による Claude の活用方法 — Anthropic Research が、科学研究業務における Claude と Claude Code の利用状況を分析しています。
