本文へ移動
← 目次 AIエージェント 1→100 DAY 03

第1章|AIに任せる仕事を決める

DAY 03 ・ 約30分

AI化候補を評価する

AIができそうかではなく、任せる条件と失敗の影響を見極める。

今日できるようになること

候補業務を、曖昧さ、データ、評価可能性、外部影響、例外、人の判断から評価し、AIエージェント化・部分支援・通常自動化・保留を説明して選べる。

01 言葉を知る02 仕組みを理解する03 実例で理解する04 今日の理解度を確認する05 今日の整理をする
01|言葉を知る

言葉を知る

用語を暗記するだけでなく、どの判断に使う言葉かまで整理します。

AI適性

業務の入力、判断、出力がAIの能力と制約に合い、必要な品質と安全を検証できる度合いです。技術的に一度できることではなく、実際のばらつきの中で運用できるかを含みます。

決定論的処理

同じ入力と条件なら同じ結果になるよう、明示的な規則で進める処理です。金額上限、必須項目、アクセス制御など、必ず守る条件はAIの推論だけに任せず、この処理で固定します。

不確実性

入力の不足、言葉の曖昧さ、モデル出力のばらつき、未来の変化などにより、結果を一つに確定できない状態です。不確実性を消したふりをせず、表示、確認、保留、再試行で管理します。

失敗影響

AIが間違えたときに、人、顧客、権利、財産、業務、信用、法令へ生じる損失です。発生確率が低くても被害が重大なら、自律実行を狭めます。

可逆性

操作を取り消し、前の正常状態へ戻せる度合いです。社内下書きは戻しやすく、顧客への送信、公開、削除、送金、採否決定は戻しにくいため、同じ精度でも扱いが変わります。

任せる仕事の決定票|適性評価

DAY2で集めた候補を、同じ七つの問いで比較します。

適性評価

「AI適性8点」だけでは、後から判断を再現できません。

02|仕組みを理解する

仕組みを理解する

七つの問いで候補を評価する

候補ごとに七つの問いを置きます。第一に、入力は文章・画像など曖昧な情報か、数値や固定項目か。第二に、正しい結果を判定する基準はあるか。第三に、必要なデータへ合法・正当にアクセスできるか。第四に、例外はどれくらいあり、誰が判断しているか。第五に、結果は下書きか外部操作か。第六に、失敗の影響と可逆性はどうか。第七に、人が確認できる時間と材料があるかです。 この評価は単純な合計点で自動決定しません。高頻度でデータが多くても、本人の権利を左右する判断は慎重に扱います。逆に、入力が不揃いでも、社内下書きで人がすぐ直せるなら小さく試せます。点数は議論の入口であり、赤信号の条件を平均で打ち消さないことが重要です。重大な危険、利用権の欠如、責任者不在は、他の点が高くても保留条件になります。

固定ルール・AI・エージェントを使い分ける

必須項目の有無、上限金額、締切、アクセス権など、条件を明確に書ける処理は固定ルールで守ります。文章から意図や分類候補を取り出す、複数の情報を要約する、曖昧な依頼から下書きを作る処理はAIが候補です。さらに、複数ステップを計画し、必要な道具を選び、途中結果で次の行動を変える必要があるとき、エージェントの価値が出ます。 ただし、エージェント化は上位互換ではありません。構成が複雑になり、状態、権限、再試行、観測点が増えます。一つのモデル呼び出しと固定ワークフローで足りるなら、その方が検証しやすいことがあります。「AIエージェントにするか」はブランドや流行ではなく、仕事の分岐と道具利用の必要性で決めます。業務の一部だけAIへ任せ、外部操作は決定論的な検査と人の承認を通す混成構成が、現実的な出発点です。

データがあることと、使えることを分ける

共有フォルダーに文書が大量にあることは、AIが使えるデータがあることと同じではありません。最新版が分かるか、内容が正しいか、重複や矛盾を管理できるか、機密区分は付いているか、利用目的に必要な権利や同意があるかを確認します。正解例がない場合でも評価はできますが、専門家が判定できる代表例と基準を作る必要があります。 候補評価では、必要な情報を四つに分けます。入力として毎回届く情報、業務ルールやマニュアルなどの参照知識、過去の状態や履歴、外部操作に必要な認証です。すべてをモデルへ渡す必要はありません。検索で必要部分だけ取得する、個人識別子を除く、権限ごとに知識を分ける、履歴の保存期間を限定する方法があります。データ準備の負担と継続更新も、導入費用として候補評価に含めます。

平均精度では隠れる失敗を先に見る

候補評価で「何%なら合格か」だけを聞くと、危険な失敗が平均へ埋もれます。通常例、境界例、欠損、敵対的入力、権限外、外部障害を分けます。たとえば99%の分類精度でも、残り1%が安全上の緊急連絡を通常扱いにするなら導入できません。重大な失敗は件数ゼロや必ず人へ戻すなど、平均とは別の放出条件を置きます。 人の確認も万能ではありません。大量の出力を短時間で承認させると、AIへの追認になりやすくなります。確認者が元資料、根拠、変更点、不確実性を見られるか、保留を選べるか、必要な専門性と時間があるかを評価します。人を入れれば安全ではなく、人が意味ある判断をできる設計かが問われます。確認負荷が高すぎる候補は、範囲を狭めるか、まず情報整理だけにします。

四つの結論へ分けて記録する

評価結果は、AIエージェント化、AIによる部分支援、通常自動化、人中心または保留の四つへ分けます。AIエージェント化は、曖昧な情報、複数段階、道具利用があり、限定された権限と評価を設計できる場合。部分支援は、要約・分類・下書きを人が確認する場合。通常自動化は規則が固定され高い再現性が必要な場合。保留はデータ、権利、基準、責任、許容リスクが整わない場合です。 結論には必ず理由と条件を添えます。「AI適性8点」だけでは、後から判断を再現できません。「入力は自由文で分類が必要だが、顧客への送信は不可。社内下書きなら誤りを戻せ、担当者が根拠を確認できるため部分支援としてPoCへ進む」と書きます。モデル能力や価格が変わっても、業務条件と判断理由を残しておけば再評価できます。

自律性を段階として評価する

読むだけ、候補を出す、社内下書きを保存する、承認後に実行する、限定条件で自動実行する、例外時に人へ戻すという段階を分けます。「エージェントを導入する」と「完全自動化する」は同じではありません。初期評価では、価値を確かめるために必要な最小の自律性を選びます。下書きで価値を測れるなら、送信権限を与える理由はありません。 段階を上げる条件も先に置きます。代表データでの品質、重大失敗、確認負荷、監視、取消、利用者教育が基準を満たした場合にだけ次へ進みます。能力向上と権限拡大を別の変更として扱い、モデルを更新したから権限を自動で広げません。権限を戻す条件、利用停止の方法、実行中の処理をどう扱うかも、候補評価の時点で確認します。

評価可能性そのものを評価する

正解が一つでない業務でも、良い判断の条件、許容できない失敗、根拠の有無、専門家の一致度を使って評価できます。しかし、誰も正しさを説明できず、結果も追跡できない業務をAIへ任せると、改善も監査もできません。まず人の判断基準を明らかにすることが先です。 評価データは、簡単な成功例だけでなく、通常、境界、欠損、例外、高影響を含めます。過去データの正解が当時の慣行や偏りを含む可能性も確認します。正解ラベルをそのまま真実とせず、作成者、時期、根拠、異議を記録します。評価を作る費用と専門家の時間もTCOに含め、評価できないことを「モデルが賢ければ大丈夫」で埋めません。

段階別に最小構成を比べる

同じ候補について、人だけ、固定ルール、AI下書き、承認付きエージェントの最小構成を並べます。それぞれの品質、速度、費用、例外対応、監査可能性を比べます。いきなり最も機能の多い構成へ進むと、どの部品が価値を出し、どの部品が失敗したか分かりません。比較対象を持つと、AI以外の改善案も公正に評価できます。 たとえば問い合わせ分類では、選択式フォームの改善だけで欠落を減らせるかもしれません。固定キーワードで十分な分類と、文脈を読む必要がある分類を分けます。AIは後者だけに使い、確信が低い場合は人へ戻します。エージェントが外部システムを更新する必要がなければ、まず候補提示で止めます。最小構成で価値が確認できないのに、道具や自律性を増やして救おうとしないことが重要です。

03|実例で理解する

実例で理解する

具体例で判断する

自治体の道路補修窓口で、市民からの写真と自由文をAIが読み、緊急度を判定して工事班へ自動指示する案を評価します。入力は非構造化で、場所や損傷種類の抽出にはAI適性があります。しかし緊急度は安全に関わり、写真だけでは深さや交通量を判断できません。誤って低く分類すると事故につながり、自動指示は人員と道路規制へ影響します。 評価結果は「全面的なエージェント化」ではなく「受付整理の部分支援」です。AIは住所候補、損傷種別、不足情報、重複報告候補を下書きし、緊急を示す語や画像条件があれば優先キューへ送ります。緊急度の確定と工事指示は有資格の担当者が行います。住所が確定できない、画像が不鮮明、通学路や橋梁など高影響区域に該当する場合は自動で保留します。固定ルールで区域と必須項目を検査し、AIの分類には根拠箇所を付けます。最初は過去の匿名化済み100件で、通常・境界・緊急見逃しを分けて評価します。これにより、AIの強みを使いながら、重大判断を平均精度へ埋めません。 比較案として、写真のアップロード時に場所と危険条件を必須選択にするフォーム改善、住所を地図候補へ変換する通常API、担当者向けの定型確認票も評価します。これらで欠落が十分減るなら、AI範囲をさらに狭めます。PoCでは見逃し率だけでなく、誤って緊急扱いにした件数、担当者が根拠へ戻る時間、市民への追加確認回数も測ります。AIの自信表示だけを根拠にせず、危険区域と欠損は決定論的に人へ戻します。 担当者二人の過去判定が一致しない例は、AIの誤りとして単純に数えません。現地確認後の記録を根拠にし、基準自体の曖昧さを見直します。高影響区域の一覧を誰が更新するかも決めます。評価可能性とデータ責任が整わない場合は、住所・不足項目の抽出だけへ縮小します。

任せる仕事の決定票|適性評価

DAY2で集めた候補を、同じ七つの問いで比較します。

  1. 入力の曖昧さと固定可能な条件を分ける
  2. 正解基準・例外・必要データ・利用権を確認する
  3. 外部操作、失敗影響、可逆性を記録する
  4. 人が確認する材料・時間・専門性を確認する
  5. エージェント化・部分支援・通常自動化・保留の結論と条件を書く

04|今日の理解度を確認する

今日の理解度を確認する

1 / 5
QUESTION 01

AI適性を評価する説明として最も適切なものはどれですか。

QUESTION 02

99%正しい分類AIが、安全上の緊急連絡だけを1%見逃します。適切な評価はどれですか。

QUESTION 03

AIの出力を人が確認すれば必ず安全、とはいえない理由はどれですか。

QUESTION 04

共有フォルダーに大量の文書がある候補を評価するとき、最初に確認すべきことはどれですか。

QUESTION 05

候補業務に曖昧な分類と、金額上限の検査が含まれます。適切な構成はどれですか。

05|今日の整理をする

今日の整理をする

この3点を持ち帰る

  • ✓ AI適性は一度できるかではなく、実務のばらつきと安全を含む
  • ✓ 重大な危険や利用権の欠如を平均点で打ち消さない
  • ✓ エージェント化・部分支援・通常自動化・保留を理由付きで選ぶ

講義本文 4,202字

PRIMARY SOURCES

確認に使った一次資料・公式資料

本文は各資料を参照し、初学者向けに独自構成・独自表現で解説しています。
NEXT LESSONDAY 4「導入価値を数字で考える」へ次のDAYに進む →