AIエージェントを業務に導入する：任せられる仕事と任せない仕事

AIエージェントを業務に導入するときに最初に決めるべきなのは、どのツールを使うかではなく、「どの仕事をエージェントに任せ、どの仕事を人が持ち続けるか」です。判断の基準は大きく三つあります。間違えたときに元に戻せるか（可逆性）、間違えたときに影響がどこまで広がるか（影響範囲）、そしてその仕事がどれくらいの頻度で発生するか（頻度）です。元に戻せて、影響が社内に閉じていて、何度も繰り返し発生する仕事ほどエージェントに向いており、取り消せない・社外に影響する・めったに起きない仕事ほど人が判断すべき領域になります。

この記事は、AIエージェントの業務活用を検討している事業責任者、業務改善やDXを任された担当者、そして社内からエージェント導入の相談を受けている情報システム部門の方に向けて書いています。AIエージェントがチャット型のAIとどう違うのか、任せられる仕事と任せない仕事をどう切り分けるのか、切り分けた結果をどう業務設計に落とし込むのかを、手順・判断表・チェックリストの形で整理します。

読み終えたときに、自社の業務を棚卸しして「エージェントに丸ごと任せる」「エージェントが下準備して人が承認する」「人がやる」の三つに振り分け、最初に試す業務を一つ選べる状態になることを目指しています。

AIエージェントの業務活用とは：チャット型AIとの違い

AIエージェントとは、与えられた目的に向かって、自分で手順を考え、外部のツールやシステムを呼び出しながら作業を進めるAIの仕組みです。チャット型のAIが「質問に答える」「文章を作る」ところで止まるのに対し、エージェントは「調べる」「書き込む」「送る」「登録する」といった行動まで踏み込みます。この行動の部分は、多くの場合Function Calling（ツール呼び出し）と呼ばれる仕組みで実現されています。

業務活用の観点でいえば、この「行動できる」という性質がそのまま価値にもリスクにもなります。チャット型のAIであれば、出てきた答えを人が読んでから使うので、間違いがあっても人が気づいて止められます。エージェントは人が読む前に行動してしまうことがあるため、間違いがそのまま業務の結果として外に出ていく可能性があります。

そのため、エージェントの導入は「AIの精度がどれくらい高いか」だけで判断するものではありません。精度が高くても、間違えたときの被害が大きい仕事は任せるべきではありませんし、精度がそこそこでも、間違いを後から簡単に直せる仕事なら十分に任せられます。業務の性質と、AIの間違い方の組み合わせで判断するのが基本です。

エージェントが得意な仕事の形

エージェントが力を発揮しやすいのは、次のような形の仕事です。

• 複数の情報源を見比べて、決まった形式にまとめる仕事
• 入力された内容を読み取り、分類して、適切な担当や処理に振り分ける仕事
• 定型の手順を、状況に応じて少しずつ変えながら繰り返す仕事
• 人が最終判断するための下調べや下書きを用意する仕事

逆に、前例がほとんどない判断、関係者との利害調整、責任の所在が問われる最終決定は、現時点のエージェントに任せる仕事ではありません。

任せる・任せないを決める三つの軸：可逆性・影響範囲・頻度

業務を切り分けるときは、一つひとつの仕事を次の三つの軸で評価します。

一つ目は可逆性です。エージェントが間違えたとき、その結果を取り消したり修正したりできるかどうかです。社内の下書きフォルダにファイルを作るだけなら、間違っていても消せば済みます。一方、顧客へのメール送信、支払いの実行、契約データの削除は、実行した瞬間に取り消せなくなります。

二つ目は影響範囲です。間違いが起きたとき、誰にどこまで影響が及ぶかです。担当者一人の作業メモで閉じるのか、部署全体の数字に影響するのか、顧客や取引先に届くのか、法令や契約の違反につながるのかで、求められる慎重さは大きく変わります。

三つ目は頻度です。その仕事がどれくらいの頻度で発生するかです。毎日何十件も発生する仕事は、自動化したときの効果が大きく、また大量の実例から間違い方の傾向をつかみやすいので、改善も回しやすくなります。年に数回しか起きない仕事は、自動化の効果が小さいうえに、エージェントの振る舞いを検証する機会も少なく、任せるメリットが薄くなります。

三つの軸のうち一つでも「人が担う」に入るなら、その仕事はエージェントに丸ごと任せず、少なくとも人の承認を挟む形にします。三つとも「任せやすい」に入る仕事が、最初に試す候補です。

判断の型が明文化されているかも確認する

表の最後の行に入れた「判断の型」も重要です。三つの軸がすべて任せやすい側でも、判断の基準が担当者の頭の中にしかない仕事は、エージェントに渡す指示が書けません。この場合は、まず人がやっている判断を言葉にし、例外のパターンを洗い出す作業が先になります。この作業自体が業務の属人化を解消することにもつながるので、エージェント導入の副産物として価値があります。

業務を三つに振り分ける手順

ここからは、実際に業務を棚卸しして振り分ける手順を説明します。

1. 対象部署の業務を書き出す：一日・一週間・一か月の単位で、担当者が実際にやっている作業を動詞で書き出します。「受注処理」のような大きな括りではなく、「受注メールを開く」「品番を確認する」「在庫を調べる」「受注表に転記する」のように細かく分けます。
2. 作業ごとに入力と出力を書く：何を見て（入力）、何を作る・どこに書き込む（出力）のかを書きます。出力が社内の下書きなのか、システムへの登録なのか、社外への送信なのかがここで明確になります。
3. 三つの軸で評価する：前の章の表を使い、可逆性・影響範囲・頻度・判断の型をそれぞれ評価します。迷ったものは慎重な側に寄せておきます。
4. 三つに振り分ける：「エージェントに任せる」「エージェントが下準備して人が承認する」「人がやる」の三つに分けます。実務では、二つ目の「下準備と承認」に入る仕事がもっとも多くなるはずです。
5. 最初の一つを選ぶ：「任せる」または「下準備と承認」に入った仕事の中から、頻度が高く、成果を測りやすく、失敗しても影響が小さいものを一つ選びます。
6. 成果の測り方を決める：処理にかかる時間、人が修正した件数、差し戻しの理由などを、導入前と後で比べられるように記録の方法を決めておきます。

この手順で大事なのは、仕事を細かく分けることです。「受注処理をエージェントに任せるか」と大きな単位で考えると、どこかに取り消せない作業が含まれていて「任せられない」という結論になりがちです。細かく分ければ、「受注メールを読み取って受注表の下書きを作るところまではエージェント、登録ボタンを押すのは人」という形で、任せられる部分を切り出せます。

エージェントに任せられる仕事の具体例

ここでは、三つの軸で見たときに任せやすい仕事の例を、架空の一般的な場面として挙げます。

問い合わせや申請の一次仕分け

社内の問い合わせ窓口に届くメールや申請を読み取り、内容に応じて担当部署やカテゴリを付けて振り分ける仕事です。振り分けを間違えても、受け取った担当者が別の担当へ回せば済むので可逆性が高く、影響も社内に閉じています。毎日一定数が発生するので頻度も十分です。

社内向けの定型レポートの作成

複数のシステムから数字を集め、決まった形式の週次レポートの下書きを作る仕事です。レポートは社内の人が読んでから使うので、数字の誤りに気づく機会があります。ただし、経営会議の資料のように重要度が高いものは、作成はエージェント、確認は人という形にします。

調査と情報収集

新しい取引先の候補について公開情報を調べてまとめる、社内の過去資料から関連する情報を探してくる、といった仕事です。結果は人が読んで判断材料にするだけなので、間違っていても直接の被害は出にくい仕事です。ただし、情報の出どころを必ず示させ、人が確認できるようにしておく必要があります。

データの整形と入力補助

紙の帳票を読み取ったデータの表記ゆれを直す、取引先名の書き方を揃える、といった仕事です。元データを残したうえで整形結果を別に保存する形にしておけば、可逆性を確保できます。

人の承認を挟む仕事と、人が担う仕事

承認を挟む仕事

エージェントが下準備をして、人が確認してから実行する形が向いているのは、次のような仕事です。

• 顧客や取引先へのメール・チャットの返信
• 社内システムへのデータ登録や更新のうち、他部署の数字に影響するもの
• 発注・請求・支払いに関わる処理の準備
• 社外に公開する文章や資料の作成

これらは、エージェントが作った下書きを人が見て、問題がなければワンクリックで実行できるようにしておくと、承認する人の負担を抑えながら安全性を保てます。承認の仕組みづくりについては、AIエージェント開発の進め方で詳しく解説しています。この「人が確認して実行する」設計はヒューマン・イン・ザ・ループ（HITL）とも呼ばれます。

人が担う仕事

次のような仕事は、エージェントに下調べを手伝わせることはあっても、判断と実行は人が担うべきです。

• 採用・評価・処遇など、人に関わる判断
• 契約の締結や条件交渉
• 苦情やトラブルへの対応方針の決定
• 法令や規制への適合を判断する仕事
• 前例のない例外対応

これらは間違えたときの影響が大きく、取り消しが難しいうえに、判断の根拠を後から説明する責任が伴います。エージェントが出した結論をそのまま採用すると、なぜその判断になったのかを関係者に説明できなくなるおそれがあります。

導入前に確認するチェックリスト

最初の業務を選んだら、本格的に作り始める前に次の項目を確認します。

• 任せる仕事の範囲（どこから、どこまで）が文章で書けている
• エージェントが使うツールやシステムと、そこでできる操作が一覧になっている
• 取り消せない操作が含まれていないか、含まれる場合は人の承認を挟む設計になっている
• エージェントがアクセスできるデータの範囲が、業務に必要な最小限に絞られている
• エージェントの判断に迷いがあるとき、人に引き継ぐ条件が決まっている
• 実行した操作の記録が残り、誰でも後から確認できる
• 異常があったときにエージェントを止める手段と、止める判断をする人が決まっている
• 導入前の作業時間や修正件数など、効果を比べる基準が記録されている
• 現場の担当者に、エージェントが何をして何をしないのかが説明されている

権限やログ、停止の仕組みは、事故を防ぐうえで特に重要です。詳しくはAIエージェントの誤動作を防ぐ：権限制限と監視ログの設計で説明しています。

よくある失敗とその避け方

業務を大きな単位のまま任せようとする

「経理業務をエージェント化する」のように大きな単位で計画すると、範囲が広すぎて設計が終わらず、試験運用にもたどり着けません。前述のとおり、作業を動詞レベルまで分解し、任せられる部分だけを切り出すことで避けられます。

精度だけを見て導入を判断する

試験で正答率が高かったからといって、取り消せない操作まで任せてしまうのは危険です。めったに起きない間違いでも、一度で大きな損害になることがあります。精度に加えて、間違えたときの影響と取り消しやすさを必ずセットで評価します。

自律性を最初から高くしすぎる

最初からエージェントに多くの判断を任せると、問題が起きたときにどこで間違えたのかを追いにくくなります。まずは下準備と承認の形で始め、間違いの傾向が分かってきてから、承認を省ける範囲を少しずつ広げていく方が結果的に早く定着します。そもそも自律的に判断させる必要がない業務も多いので、ワークフロー型AIと自律型AIエージェントの違いも合わせて検討してください。

現場の担当者を巻き込まない

エージェントの導入を情報システム部門や外部の開発会社だけで進めると、現場の暗黙の判断基準が反映されず、使われない仕組みになりがちです。作業の書き出しと判断基準の言語化には、実際にその仕事をしている担当者に参加してもらいます。

効果を測る基準を用意していない

導入前の作業時間や手戻りの件数を記録していないと、導入後に効果があったのかどうかを説明できません。経営層への報告や、対象業務を広げる判断にも困ります。小さな記録でもよいので、導入前の状態を残しておきます。

具体的な場面で考える：受注処理の例

架空の一般例として、法人向けに部品を販売している会社の受注処理を考えてみます。取引先からはメールで注文書が届き、担当者が内容を読み取って受注管理システムに登録し、在庫を確認して納期を返信しています。

この業務を細かく分けると、「メールを開いて注文書を確認する」「品番と数量を読み取る」「在庫を確認する」「受注管理システムに登録する」「納期を取引先に返信する」という作業になります。

三つの軸で評価すると、注文書の読み取りと在庫確認は、間違えても登録前なら修正でき、頻度も高いので、エージェントに任せやすい作業です。システムへの登録は社内の在庫や売上の数字に影響するので、エージェントが登録内容を用意し、担当者が確認してから確定する形にします。取引先への納期の返信は社外に届き取り消せないので、エージェントが下書きを作り、担当者が確認して送信します。

さらに、注文書の書式が普段と大きく違う場合や、在庫が足りない場合は、エージェントが判断せずに担当者へ引き継ぐ条件にしておきます。こうすることで、担当者は「読み取って転記する」作業から解放され、確認と例外対応に集中できます。

試験運用から任せる範囲を広げていく進め方

最初の業務で試験運用を始めたら、すぐに対象を広げるのではなく、一定期間は記録を見ながら運用を安定させます。見るべきなのは、人が承認の段階で修正した内容と、その理由です。修正の多くが同じパターン（たとえば特定の取引先の書式、特定の品番の読み間違い）に集中しているなら、指示や参照データを直すことで改善できます。修正の理由がばらばらで減らないなら、その仕事はまだエージェントに向いていないか、判断の基準が十分に言葉になっていない可能性があります。

承認段階での修正がほとんどなくなり、修正が必要だった場合もすぐに気づける状態になったら、承認を省いてよい範囲を検討します。このときも一気に外すのではなく、「金額が一定以下の場合」「過去に取引実績がある相手の場合」のように条件を付けて段階的に広げます。条件を付けておけば、想定外のケースは引き続き人の目を通ります。

対象業務を横に広げるときは、最初の業務で作った仕組み（承認画面、操作の記録、停止の手順）を使い回せるかを確認します。業務ごとにばらばらの仕組みを作ると、管理する人の負担が増え、どのエージェントが何をしているのか把握できなくなります。最初の一つを作る段階から、二つ目、三つ目の業務にも使える共通の土台を意識しておくと、展開が楽になります。

よくある質問

Q. AIエージェントは中小企業でも業務活用できますか？

企業の規模よりも、任せる業務を適切に切り出せるかどうかが重要です。むしろ担当者が少なく一人あたりの業務が多い組織ほど、定型の下準備をエージェントに任せる効果は感じやすいといえます。最初は一つの業務、一人の担当者から始め、効果を確かめてから広げるのが現実的です。

Q. 任せた仕事でエージェントが間違えたら、誰の責任になりますか？

エージェントに作業を任せても、業務の結果に対する責任は会社や業務の担当者に残ります。そのため、取り消せない操作や社外に影響する操作は人が承認する形にし、承認した人が確認したことを記録に残すのが基本です。社外との契約や法令に関わる部分は、法務の専門家にも確認してください。

Q. 既存の業務システムがあってもエージェントを導入できますか？

既存のシステムに外部から操作できる仕組み（APIなど）があれば、エージェントからつなぐことは可能です。仕組みがない場合は、画面を操作する方式や、データの書き出し・取り込みを組み合わせる方法もありますが、安定性や保守のしやすさに差が出ます。社内システムとの接続方式はMCPで社内システムとAIをつなぐも参考にしてください。

Q. どれくらいの期間で効果が分かりますか？

業務の頻度によりますが、毎日発生する業務であれば、試験運用を始めてから数週間ほど記録を取ると、時間の削減や修正の傾向が見えてくることが多いです。頻度の低い業務では判断材料がたまりにくいので、最初の対象には頻度の高い業務を選ぶことをおすすめします。

Otsumuに相談できること

対象にしたい業務がはっきりしていて、既に使っているツールに組み込まれたエージェント機能や、ノーコードの自動化ツールで足りる範囲であれば、この記事の手順で業務を切り分け、社内で試験運用を始めることは十分可能です。まずは一つの業務で記録を取り、効果と課題を確かめるところまでは、外部に頼らなくても進められます。

一方で、複数の社内システムをまたいで操作させたい、承認や停止の仕組みを業務フローに組み込みたい、権限やログを社内のセキュリティ基準に合わせて設計したい、といった場合には、設計と開発の工夫が必要になります。どの業務から始めるべきか社内で意見が分かれているときも、外部の視点を入れた方が早く決まることがあります。

Otsumuでは、業務の棚卸しと切り分けから、エージェントの設計・開発、試験運用と改善までを一貫して支援しています。自らも事業を運営している立場から、目的から逆算して必要な機能に絞り、AIを活用した少人数の開発で小さく始めて広げる進め方を取ります。詳しくはAIエージェント開発のページをご覧ください。

どの業務なら任せられそうか、まずは状況を伺いながら一緒に整理することもできます。30分の無料相談からお気軽にご連絡ください。

この記事について

Otsumu株式会社が執筆しました。統計値や他社の事例には依拠せず、進め方と判断の枠組みを中心にまとめています。法務・税務・会計などの制度は、専門家や公的窓口で最新の情報をご確認ください。

執筆：Otsumu株式会社 ／ 編集日 2026.10.01