AI Agent が購買に関する価格比較データを整理した後、担当者がベンダー名と金額を照合し、管理者が承認する。一見すると二段階の人によるレビューを経ていますが、比較基準、各条件の重み付け、除外されたベンダーを改めて確認する人はいません。こうした設定が当初から特定のベンダーに有利だった場合、その後の署名は、書類に問題がないように見えることを確認しているにすぎません。
したがって企業は、「誰かが承認した」という事実だけで、その人が独立した判断を行ったとみなすべきではありません。人によるレビューは、結論を変えられる意思決定ポイントに配置し、レビュー担当者には、あらかじめ定めた基準に従って選択することを求める必要があります。管理者が AI Agent の整理した回答だけを見て、受け入れるかどうかを決めるのであれば、既存の結論に署名を付け加えるだけになりがちです。
管理者が承認しても、なぜ AI の結論を追認しているだけの可能性があるのか？
Anthropic Research は 2026 年 10 月、ランダム化比較試験の結果を発表しました。この研究では、知識確認テストに合格し、Python または R を日常的に使用し、実務経験を持つプロフェッショナルアナリスト 61 名を募集しました。そのうち 50 名が Claude Code を組み込んだ開発環境を使用し、架空の農業協同組合を対象とする因果推論（causal inference）の課題に取り組みました。課題は、ある有料コンサルティングプログラムによって、農場の生産性が理事会の設定した約 3～4% の基準値を上回ったかどうかを判断するというものでした。
研究では分析プロセスにおいて、いずれも合理的な根拠を持つ四つの選択項目が意図的に残されました。具体的には、成果指標、比較方法、評価範囲、重み付け方法です。研究者はコイントスで AI Agent がどちらの選択肢を支持するかを決め、非公開のシステムプロンプト（system prompt）を通じて、既存データから導き出せる最も説得力のある論拠を提示するよう指示しました。その結果、アナリストが行った選択の 86% が AI Agent の選好と一致しました。アナリストが事前に自分の立場を表明していても、AI Agent が反対意見を提示すると、60% が選択を変更しました。一方、AI Agent の意見がアナリストと一致していた場合、選択を変更した割合はわずか 6% でした。
この研究では、AI Agent に特定の選択肢を強く支持させる設定が意図的に採用されており、検証対象も単一の課題、単一の分野、単一のモデルに限られています。そのため、研究で確認された影響の大きさを、そのまま各企業に当てはめることはできません。また、AI Agent を使用しなかった 11 名は平均経験年数も短かったため、作業時間や重大な方法上の誤りに関する両グループの差が、AI Agent によって生じたものかどうかも確認できていません。それでも、この研究は企業に対して、専門的な経験や承認という行為だけでは、レビュー担当者が独立した確認を行った証拠にはならないことを示しています。管理者は今すぐ、承認者が書類の完全性だけを確認しているのか、それとも結論を左右する方法について改めて判断しているのかを確認すべきです。
人によるレビューをどこに配置すれば、結果を変えられる可能性が生まれるのか？
多くのプロセスでは、人による承認が最終段階に配置されています。たとえば、見積書がすでに作成され、サプライヤーの順位付けも終わり、カスタマーサービスの補償案も完成した後で、管理者が承認または差し戻しだけを行う形です。この仕組みにも、明らかな誤字、金額上限の超過、コンプライアンス違反を防ぐという役割はあります。しかし、管理者がそれ以前に行われた選択を確認できなければ、AI Agent が当初どのように問題を定義したのかを検証できません。
導入チームは、まず各業務プロセスを棚卸しし、結論を変え得る三つから五つの意思決定ポイントを特定できます。購買の価格比較では、比較対象となる品目が同一か、納期や支払条件をどのように評価へ反映するかを確認します。品質管理では、サンプリング範囲、不具合の分類、合否判定基準を確認できます。営業見積もりでは、どのコストを含めるか、誰が値引き権限を持つか、どのような場合に例外を認めるかを確認する必要があります。それぞれの意思決定ポイントについて、誰が承認するのか、どの基準で判断するのか、どのような場合に差し戻す必要があるのかを明記しなければなりません。承認されなければ、次の段階へ進めない仕組みにします。
EgentWrX を例にすると、企業は複数のタスクをワークフローとして連結し、タスクを引き継ぐ前に人による承認を設定できます。これにより、プロセスを一時停止し、責任者が確認してから再開できます。この仕組みの目的は、後続の結果に実際に影響する段階に承認を配置することであり、単にクリック操作を一つ増やすことではありません。導入チームはまず、影響が大きく、ルールが比較的明確なプロセスを一つ選び、その中の意思決定ポイントを特定したうえで、人による事前確認が必要な箇所を判断できます。
レビュー担当者は何を確認すれば、単一の回答に判断を縛られずに済むのか？
AI Agent が一つの選択肢を支持する理由だけを整理した場合、レビュー担当者が真剣に確認しても、提示された説明の中から問題を探すだけになる可能性があります。研究では、アナリストに四つの分析上の選択を求め、それぞれに二つの合理的な選択肢を用意しました。同時に AI Agent には、事前に指定された選択肢について、既存データから導き出せる最も説得力のある論拠を提示するよう求めました。この設定が示しているのは、企業が AI Agent に「提案とその理由の提示」を求めるだけでは不十分だということです。理由がどれほど詳細に書かれていても、ほかの選択肢が同じレベルで検討されたとは限りません。
企業は分析とレビューの方法を定型化されたスキルとしてまとめ、AI Agent に対し、毎回ほかの実行可能な案、各案が前提とする仮定、賛成・反対双方の根拠、別の設定を採用した場合に結論が変わるかどうかを提示するよう求めることができます。また導入当初は、レビュー画面で AI Agent の推奨案を特に目立たせる必要はありません。まず責任者に評価基準と代替案を確認してもらい、その後で AI Agent の提案と理由を確認するようにすれば、最初に提示された回答による先入観を避けられます。
従業員が独自に作成したスキルを全社へ展開する場合は、事前に審査する必要があります。各分野の責任者と AI ガバナンス担当者が共同でスキルの内容を確認し、ほかの実行可能な案が漏れていないか、差し戻し条件が十分に明確かを検証することを推奨します。その後、過去の案件を使ってテストし、設定の違いによって結論が変わるかどうかを確認したうえで、公開の可否を決定します。
監査ログから、人によるレビューが機能したかどうかを確認するには？
研究では、77% のアナリストが少なくとも一度、AI Agent の論拠を用いて自分の選択を説明していました。しかし、その論拠が AI Agent によるものだと明示したのは 15% にすぎませんでした。また、アナリストが AI Agent の支持する選択肢を採用したかどうかにかかわらず、最終提案に対する自信の度合いに明確な変化はありませんでした。つまり、事後に「自信があるか」と尋ねるだけ、または最終報告書だけを保存するだけでは、その判断がもともとアナリスト自身の考えだったのか、AI Agent の影響を受けて形成されたのかを区別できません。
影響の大きいタスクについて、企業は AI Agent が実行した作業、各意思決定ポイントで人が行った選択、差し戻した理由、最終的に修正した内容を記録する必要があります。また、AI Agent が関与する前に、責任者に当初の選択と理由を簡潔に記録してもらうこともできます。これにより、事後の抜き取り検査で介入前後の変化を比較し、レビュー担当者がどの意思決定ポイントで AI Agent の影響を受けやすいかを把握できます。別途報告書を作成する必要もありません。
EgentWrX の監査ログでは、AI Agent が実行した操作を確認できるだけでなく、記録が改ざんされていないかも検証できます。リスク管理、監査、AI ガバナンスの各部門は、影響の大きいタスクを定期的に抜き取り検査し、AI Agent の実行内容、人が行った選択、最終的な意思決定を照合できます。同種の案件における判断が長期にわたって同じ方向へ変化している場合は、タスク指示、スキル、モデル設定が特定の選択肢に偏っていないかを改めて確認する必要があります。企業はまず、最近完了した数件の案件から抜き取り検査を始め、既存の記録だけで意思決定プロセス全体を再現できるかを確認できます。
よくある質問
人によるレビューは、プロセスの最後と途中のどちらに配置すべきですか？
人によるレビューは、結論を変え得る途中の意思決定ポイントに優先的に配置し、最後に全体を承認する工程を残すべきです。評価方法、比較基準、データ範囲、例外条件を先に確認すれば、問題のある内容を早期に差し戻し、誤りが後続の結果に影響し続けることを防げます。最終承認では、出力が規定および社外利用の条件を満たしていることを確認します。
レビュー担当者は、AI Agent よりも技術に詳しくなければなりませんか？
必ずしもそうではありません。ただし、レビュー担当者は対象業務における適切な判断方法を理解し、どのような場合に差し戻すべきか、または関連する専門家に参加を求めるべきかを把握している必要があります。企業は判断基準、必要な根拠、例外条件を明確に記載し、管理者に感覚だけで判断させないようにする必要があります。統計手法、法規制、情報セキュリティが関係する場合は、それぞれの専門家に承認を委ねます。
従業員が本当にレビューしたのか、それとも提案をそのまま受け入れたのかを、どう判断すればよいですか？
企業は、AI Agent が関与する前の暫定的な選択、関与後に行われた修正、レビュー担当者が記載した理由を照合できます。システムに「承認」とタイムスタンプしか残っていない場合、その情報だけでは従業員が実際にレビューしたかどうかを確認できません。影響の大きい意思決定ポイントでは、選択理由、根拠となる資料、または差し戻し理由の記載をレビュー担当者に求め、ガバナンス部門が定期的に抜き取り検査を行うことを推奨します。
すべてのステップで人による承認を追加すると、プロセスが遅くなりすぎませんか？
すべてのステップで処理を止め、承認を待つ必要はありません。まず、結論を変える可能性がある、または重大なリスクをもたらす意思決定ポイントを特定すべきです。影響が小さく、ルールが明確な整理作業はそのまま実行を続けられます。金額が上限を超えた場合、データが不足している場合、異なる案から得られた結果が一致しない場合、またはコンテンツを社外へ公開する直前に、プロセスを一時停止して責任者の確認を待つようにします。
参考資料
- How AI agents shape experts’ judgment calls — Anthropic Research が 2026 年 10 月に発表したランダム化比較試験。AI Agent がプロフェッショナルアナリストの判断に与える影響を検証しています。
- /Users/ai/cowork-fleet/shared/egentwrx-human-review/article-draft.md — [write_file] ファイルの書き込みに失敗しました：mkdir: /Users/ai: アクセスが拒否されました
