月曜の朝、部門長から「うちもAIを入れよう」と言われた。営業は提案書の下書きを速くしたい。管理部は社内規程を探す時間を減らしたい。顧客対応チームは問い合わせの分類からCRM記録まで任せたい。同じ「AI活用」でも、必要な準備は別物です。
製品名から入ると、この違いが見えにくくなります。先にAIへ任せる仕事の終点を決めます。文章を出して止まるのか、社内資料を探すのか、外部へ返すのか。ここを分けると、研修、業務整理、開発のどこから始めるか判断できます。
生成AIとAIエージェントの違いは何か？
違いは賢さではなく、出力を作って止まるか、道具を使って次の処理まで進めるかです。
生成AIへ「この議事録を要約して」と頼めば、要約文が返ります。返ってきた文章を読んで、保存先を選び、関係者へ送るのは人です。文章作成、要約、翻訳、アイデア出しは、この使い方に含まれます。
AIエージェントは文章を返すだけで終わりません。指定した条件に沿ってメールを読み、顧客をCRMで探し、担当候補を付け、人の確認待ちへ置く。複数の道具と処理をつなぎ、途中経過を持つ仕事です。
境目は製品名では決まりません。同じサービスでも、文章の下書きだけなら生成AI活用です。承認後に送信や更新まで進めるなら、権限、停止条件、重複処理、履歴の設計が要ります。
自社のAI活用はどの段階か？
文章作成、調査、社内検索、外部向け応答、タスク実行の順に、任せる範囲を分けます。
五つの段階に優劣はありません。社内規程を正しく探せれば十分な仕事もあれば、承認済みの内容をCRMへ記録して初めて終わる仕事もあります。目の前の業務がどこまで進めば完了かで選びます。
| 段階 | AIへ任せる仕事 | 人が担うこと | 先に整えるもの |
|---|---|---|---|
| 1. 文章作成 | 要約、翻訳、下書き | 入力、確認、転記 | 利用ルール、例文 |
| 2. 調査 | 外部情報の検索、比較 | 出典確認、採否判断 | 調査範囲、情報源 |
| 3. 社内検索 | 規程、FAQ、案件情報の検索 | 正式版の判断、回答 | 文書の版、閲覧権限 |
| 4. 外部向け応答 | 問い合わせ分類、回答案 | 承認、送信、例外対応 | 回答基準、承認経路 |
| 5. タスク実行 | システム検索、更新、記録 | 権限付与、監視、停止 | 冪等性、監査履歴、復旧手順 |
デジタル庁の各府省庁生成AIシステム定期報告概要では政府職員向けの報告対象224件のうち、外部データの調査・リサーチが74件、要約が69件、テキストのみの資料生成が68件でした。自律的対話型タスク実行は1件です。用途は複数選択のため、合計は案件数と一致しません。
この数字は民間組織の普及率ではなく、各府省庁が報告した案件の内訳です。ただ、文章作成と自律実行を同じ成熟度で語らないための材料にはなります。「AIを使っている」と「仕事の完了まで任せている」を分けて話す必要があります。
AI研修から始める仕事はどれか？
社員ごとの使い方に差があり、仕事の完了にシステム操作を伴わないなら研修から始めます。
たとえば営業会議のメモから提案書の骨子を作る仕事です。うまく使う人と使わない人の差が大きい。何を入力してよいか分からず、試す前に止まる。こうした状態なら、まず実務例を使った研修で共通の型を作ります。
研修では機能紹介だけを扱いません。入力してよい情報、出典の確かめ方、出力の直し方、使わない場面を一つの仕事で練習します。研修後に「どの部署も自由に活用する」と広げず、使った業務と使わなかった理由を残します。
一方、AIが毎朝メールを読み、CRMへ書き込むところまで求めるなら研修だけでは足りません。アカウント権限、データ連携、失敗時の戻し先まで開発対象になります。
業務整理を先にする仕事はどれか？
担当者ごとに手順が違い、正式な資料と承認者を示せないなら、開発より業務整理が先です。
社内問い合わせを自動化したいのに、同じ質問へ部署ごとに違う回答をしている。共有フォルダには「最新版」と書かれた規程が三つある。誰が最終承認者かも分からない。この状態で検索や回答を自動化すると、迷いまで速く複製します。
まず代表的な案件を五件ほど机に並べます。受け取った情報、判断に使った資料、担当者、最終結果を一件ずつ確認する。例外が出たときに誰へ戻すかも決めます。ここまで整理できれば、研修で足りる部分と開発する部分が見えてきます。
AIエージェント導入の進め方では滞留、反復、判断根拠、失敗の影響から最初の一業務を選ぶ方法をまとめています。部署全体ではなく、開始と終了を一文で言える仕事へ切るのが出発点です。
AIエージェント開発へ進む仕事はどれか？
開始条件、正式な参照先、実行先、人へ戻す条件を一文で説明できる反復業務が開発の候補です。
問い合わせメールを例にします。「新着メールを読み、既存顧客か照合し、用件と担当候補を付けて確認待ちへ置く」。ここまでなら開始、入力、参照先、出力が見えています。送信や案件更新を同じ初回開発へ詰め込む必要はありません。
候補を見つけたら、次の四点を確認します。
- 何が起きたら処理を始めるか
- どの正式なデータを読むか
- どこまで更新や送信を許すか
- どの状態で誰へ戻すか
AISIのAIセーフティに関する評価観点ガイド第1.20版はAIエージェントの自律的な挙動と外部環境との相互作用に対する観測と制御を評価観点に挙げています。回答文だけでなく、何を読み、どの操作を試み、どこで止まったかを追える設計が必要です。
権限の分け方はAIエージェントにどこまで権限を渡してよいかで詳しく扱っています。最初から外部送信を任せず、閲覧、下書き、承認後実行、自動実行を分けて決めます。
導入前に、何を決めればよいか？
製品比較より先に、対象業務、利用者、扱う情報、検証の完了条件、確認者を決めます。
デジタル庁が公表した生成AIの調達・利活用ガイドライン第2.0版によると、リスクをユースケースと利活用環境に応じて検討し、PoC段階と本番開発段階を分けます。試作品が動いたことを本番で使える根拠にはしません。
会議には次の六項目を持ち込みます。
- 誰のどの仕事を変えたいか
- 今は一件に何分かかるか
- AIへ渡す入力と正式な参照資料
- 個人情報や機密情報を扱うか
- 人が確認してから行う操作
- 検証を続けるか止めるか決める数字
最後に置く数字をいきなり売上にする必要はありません。未処理件数、待ち時間、人が直した割合、回答できず戻した件数。仕事の前後を比べられる数字なら、試作の見栄えに引っ張られません。
相談するとき、何を持っていけばよいか？
完成した要件書ではなく、実際の五件、今の手順、正式な資料、止めたい操作の一覧を持っていきます。
相談の場で「AIエージェントを作りたい」と決め切る必要はありません。実例を見れば、社員が使い方をそろえる研修で足りるのか、資料や承認経路を整えるべきか、システム連携まで作るべきかを分けられます。
Heygoodは製品を先に決めません。実際に止まっている仕事を一緒に見て、研修、業務整理、AIエージェント開発のどこから始めるか整理します。開発へ進まない判断も含めて、最初の一手を決める相談です。