第1章|AIエージェントの正体を確かめる。
DAY 04 ・ 約15〜20分エージェントに向く仕事・向かない仕事
新しさではなく、仕事の特徴・費用・失敗時の影響から選ぶ。
任せたい仕事を分解し、チャットAI・固定ワークフロー・AIエージェント・人のどれが適切か判断できる。
言葉を知る
不確実性
入力や途中結果が毎回異なり、開始前にすべての分岐を決めにくい度合い。
可逆性
実行後に元へ戻せる性質。下書き保存は戻しやすく、送信や決済は戻しにくい。
決定性
同じ入力に対して、同じ順序と同じ結果を再現しやすい性質。
期待価値
得られる時間短縮や品質向上から、費用と失敗時の損失を差し引いて考える価値。
人の監督
AIの出力や行動を人が確認し、承認、修正、停止できる仕組み。
失敗の影響
成果を確認できず、失敗の影響が重大で、人の承認も置けないなら、自動エージェントには向きません。
ルールベース
OpenAIの実務ガイドは、複雑な判断、維持が難しいルール、構造化されていない情報を含むワークフローを、エージェントの有力候補として挙げています。
仕組みを理解する
「AIでできる」と「任せる価値がある」は別
新しいAIエージェントを見ると、現在の仕事をできるだけ多く任せたくなります。しかし、技術的に実行できることと、実務で任せる価値があることは別です。三分で終わる転記へ、目的、権限、状態保存、監視、再試行を備えた仕組みを作れば、手作業より準備と保守に時間がかかります。反対に、毎週何時間もかかる調査を安全に下書きまで進められるなら、構築費用を払う意味があります。 OpenAIの実務ガイドは、複雑な判断、維持が難しいルール、構造化されていない情報を含むワークフローを、エージェントの有力候補として挙げています。ここでいう複雑さは、単に工程数が多いことではありません。問い合わせ文の意味が毎回違う、必要資料が状況で変わる、途中結果を見ないと次の手順を選べない、といった性質です。 判断の出発点は「エージェントを使いたい」ではなく、「この仕事のどこで人が時間を使い、なぜ固定手順では難しいか」です。問題が曖昧なまま仕組みを導入すると、不要な工程まで自動化し、費用と危険だけが増えます。まず仕事を観察し、変化する部分、固定できる部分、人が責任を持つ部分を分けます。
向く仕事には三つの特徴がある
第一の特徴は、入力が文章、画像、会話、複数資料などで、事前にすべての形を決めにくいことです。顧客の問い合わせは同じ意味でも表現が違います。調査では情報の置き場所や書き方が毎回変わります。モデルが意味を読み取り、必要な情報を選ぶ価値が生まれます。 第二は、途中結果で次の行動が変わることです。公式資料が見つからなければ検索語を変える、テストに失敗すれば原因を調べる、必要項目が欠けていれば人へ確認する仕事です。固定された一本道ではなく、観察と修正が必要なので、DAY 3で学んだループが役立ちます。 第三は、成果を確認できることです。記事なら出典、文字数、保存先、リンク検査、コードならテスト、差分、表示など、完了条件と証拠を持てる仕事が向いています。不確実な判断を扱えても、正しく終わったか誰も確かめられない仕事を無人で任せるのは危険です。変化へ対応する力と、結果を検証する仕組みの両方が揃って初めて候補になります。
固定ワークフローのほうがよい仕事
同じ入力に対して同じ処理を行い、分岐を人が明確に書ける仕事は、通常のプログラムやワークフローが向いています。消費税を計算する、指定列を合計する、毎月一日に決まったファイルを複製する、必須欄が空なら受付を止める、といった処理です。ここへモデルの判断を入れると、結果が揺れ、処理時間と利用料も増えます。 Microsoftは、実行順序を保証する必要がある時にワークフローが有効であり、まず単純な方法で要件を満たせるか試すことを勧めています。法律上必ず通る承認、会計計算、アクセス制御、データ形式の検査などは、モデルが省略や変更を選べない固定経路へ置くべきです。 ただし、固定処理とエージェントは組み合わせられます。問い合わせの意図をAIが分類し、その後の料金計算はプログラムで行い、外部送信は人が承認する形です。仕事全体を一種類の技術へ置き換えるのではなく、意味を読む場所、正確に計算する場所、責任を持って決める場所へ分けます。
チャットAIだけで十分な仕事
利用者が必要な情報を渡し、一回または数回の会話で成果を受け取り、自分で確認して使えるなら、チャットAIで十分なことが多くあります。文章の言い換え、アイデア出し、会議メモの整理、説明の難易度調整などです。外部サービスへ接続せず、長い状態を保持せず、利用者が次の指示を決めるため、仕組みが単純です。 たとえば「この文章を顧客向けに柔らかく直す」はチャットAI向きです。「受信箱から対象メールを探し、過去の契約を確認し、返信案を作り、担当者の承認へ回す」まで含めると、検索、状態、権限、複数工程が必要になり、エージェントの候補になります。違いは文章生成の難しさではなく、誰が仕事の進行を管理するかです。 単発の相談を無理にエージェント化しない利点は、速さと分かりやすさです。接続権限や実行ログを管理する範囲が小さく、誤操作も起きにくくなります。将来の自動化を見込んでいても、まずチャットで作業手順と品質基準を確かめ、繰り返し価値が見えた部分だけを仕組みにする方法が安全です。
人が行うべき仕事を残す
人へ残すべきなのは、AIが絶対にできない仕事だけではありません。結果に対する責任、価値判断、権利への影響、例外時の配慮が重要な仕事です。採用や解雇の最終判断、医療や法律上の重要判断、契約への同意、返金や支払いの確定、公開謝罪などは、AIの提案を参考にできても、人の判断を外すべきではありません。 また、組織内で正式な正本が決まっていない、関係者の意見が対立している、目的そのものが未確定という状態では、エージェントへ方法を選ばせる前に人が整理します。AIは与えられた目的へ効率よく進めても、「そもそも何を優先すべきか」という利害調整の責任は持ちません。 NISTのAIリスク管理では、危険を発生確率だけでなく影響の大きさと合わせて捉え、人の介入が必要な場合を考えることが重視されています。精度が高くても、一度の誤りが生命、権利、多額の金銭へ重大な影響を与えるなら、承認、二重確認、停止手段を残します。
頻度と作業量が費用対効果を変える
同じ内容でも、月一回と毎日千件では判断が変わります。まれにしか行わない簡単な仕事は、仕組みの設計、テスト、監視、更新にかかる費用を回収できません。頻度が高く、一件あたりの処理が似ていて、人が確認する時間を大きく減らせる仕事は候補になります。 費用はモデルの利用料だけではありません。ツール接続、データ整備、権限管理、評価問題の作成、失敗の調査、運用担当者の時間を含めます。エージェントは複数回考え、検索やファイル操作を繰り返すため、一回のチャットより時間と利用量が増えます。高性能なモデルをすべての工程で使うのではなく、分類や形式検査には小さなモデルや固定処理を使う設計も必要です。 期待価値は、短縮できる時間、増える処理量、品質改善から、構築・運用費と失敗時の損失を引いて考えます。最初から大規模導入せず、少数の対象で試し、人の作業時間、修正率、費用、重大ミスを測ってから広げます。
可逆性と影響範囲で自動化の深さを決める
同じエージェントでも、どこまで自動実行させるかで危険度は変わります。社内の隔離された場所へ下書きを保存する操作は、確認後に削除や修正ができます。顧客へメールを送る、公開サイトを書き換える、料金を決済する操作は、取り消しても相手への影響や記録が残ります。 最初は、読む、候補を作る、下書きする、形式を検査するなど、戻せる工程を任せます。送る、公開する、削除する、契約する、権限を変更する前には人の承認を置きます。成功実績が増えても、影響の大きい操作を自動化するかは別に判断します。 影響範囲も見ます。一件の社内メモの誤りと、全顧客へ一斉送信する誤りは同じではありません。対象件数、外部公開範囲、扱う個人情報、金額の上限を制限し、問題が起きても広がらないようにします。自律性を高めるとは、承認をすべて外すことではなく、低リスク部分を安全に進め、人の注意を重要な判断へ集中させることです。
失敗例は「全部を一度に任せる」こと
よくある失敗は、「問い合わせ対応を自動化する」のように大きな仕事を一つの塊で扱うことです。受信、分類、顧客情報の検索、返信作成、送信、記録更新には、それぞれ異なる危険があります。全部へ同じ権限を与えると、文章を分類するためだけのエージェントが送信や顧客情報変更まで行える状態になります。 別の失敗は、デモで一度成功したことを運用可能だと判断することです。実務には、情報不足、表記揺れ、重複、権限切れ、通信失敗、悪意ある入力があります。正常な一例だけでなく、境界例と失敗例を使って試し、どこで止まるかを確認します。 さらに、人より速いという理由だけで品質確認を外す失敗があります。誤りの発見と修正に人が以前より時間を使うなら、自動化は成功ではありません。成功率だけでなく、差し戻し率、重大ミス、確認時間、重複処理、実行費用を測り、期待した価値が出なければ範囲を縮めます。
六つの質問で候補を判定する
任せたい仕事に対して六つを確認します。第一に、入力や判断が毎回変わるか。第二に、途中結果で次の行動が変わるか。第三に、繰り返し発生し、十分な作業量があるか。第四に、成果物と完了条件を確認できるか。第五に、失敗しても戻せる範囲から始められるか。第六に、人へ戻す承認点と停止条件を作れるかです。 最初の二つが「いいえ」なら固定ワークフロー、外部操作や継続が不要ならチャットAIを検討します。成果を確認できず、失敗の影響が重大で、人の承認も置けないなら、自動エージェントには向きません。すべてを満たす必要はありませんが、弱い項目がどの危険や費用につながるかを説明できることが重要です。 判定は仕事名ではなく工程ごとに行います。「記事制作」は広すぎます。調査先の選択はエージェント、引用の文字数検査は固定処理、公開判断は人、というように分けます。分解すると、AIへ任せる価値がある部分と、単純な方法が優れる部分が見えます。
小さな試行で正しく向き不向きを確かめる
導入前の演習では、任せたい仕事を一つ選び、実際の十件程度を集めます。通常例だけでなく、情報不足、判断が割れる例、危険な操作につながる例を混ぜます。エージェントには読み取りと下書きまでを許し、人が正解例または評価基準と照合します。 記録するのは、完了率、修正が必要だった割合、重大な誤り、処理時間、ツール実行回数、費用、人の確認時間です。人が十五分で行う仕事をAIが十分で処理しても、確認と修正に二十分かかれば価値は出ていません。反対に、AIが候補を整理し、人が最終判断だけを行うことで確認時間が減るなら、全面自動でなくても成功です。 最後に、結果を基に四択で決めます。チャットAIで補助する、固定ワークフローで自動化する、限定範囲のエージェントにする、人が行う、の四つです。新しい技術を採用することが目的ではありません。最も単純で、安全に価値を出せる方法を選び、仕事や環境が変わった時に再評価することが、良い導入判断です。
実例で理解する
具体例で考える
毎週のAIニュース記事なら、公式発表を探し、日付と内容を比較し、候補を選び、下書きを作る部分は、入力と調査先が変わるためエージェント向きです。文字数・必須項目・リンク形式の検査は固定処理にします。公開は外部へ影響するため人が出典と本文を確認します。月一回しかなく手作業が十分なら、まずチャットAIで下書きを補助し、構築費用に見合うかを測ります。
手を動かして理解する
- 自分の仕事を一つ選び、入力・判断・実行・確認へ分解する
- 各工程を「チャットAI・固定ワークフロー・エージェント・人」へ分類する
- 頻度、短縮時間、確認時間、失敗時の影響を書き出す
- 戻せる工程だけで十件の試行を行う場合の合格基準を決める
04|今日の理解度を確認する
DAY 4の理解度を確認する
AIエージェントの導入候補として、最も適切な仕事はどれですか。
入力の表現が変わり、途中の調査結果で次の行動が変わり、下書きを人が確認できる仕事です。
毎回同じ二つの数値を足す: 計算規則が固定されているため、通常のプログラムのほうが速く安定します。
表現が異なる問い合わせを読み、必要資料を探して返信案を作る: 正解です。不確実な入力、複数工程、確認可能な成果物が揃っています。
契約への同意を確認なしで確定する: 権利へ大きく影響し、取り消しにくいため、人の明示的判断が必要です。
年に一度だけ定型文を一行コピーする: 頻度と作業量が小さく、仕組みの構築・保守費用に見合いません。
処理方法の選択として、最も適切なものはどれですか。
工程の性質に合わせて、意味理解、決定的処理、人の責任を分ける設計です。
文章の意図分類はAI、料金計算は固定処理、外部送信は人が承認する: 正解です。それぞれの方法が得意な工程へ割り当てています。
すべての工程を一つのエージェントへ任せる: 工程ごとの危険と必要権限が混ざり、失敗時の影響が広がります。
AIを使う工程では固定ルールを使わない: 必須順序、計算、形式検査などは固定ルールと組み合わせられます。
新しい技術なので単純計算もエージェントへ置き換える: 結果の揺れ、費用、処理時間を増やすだけになる可能性があります。
導入試験で費用対効果を確認する方法として、最も適切なものはどれですか。
品質、危険、AIの費用、人の残作業を合わせて、実際の期待価値を評価します。
モデルの回答速度だけを測る: 速くても確認と修正に時間がかかれば、全体の作業は短縮されません。
一度成功すれば全面導入する: 正常な一例だけでは、例外や失敗時の動きを確認できません。
完了率、修正率、重大ミス、処理費用、人の確認時間を記録する: 正解です。導入前後の価値と危険を具体的に比較できます。
利用料を測らず、処理件数だけを増やす: ツール利用、運用、失敗対応を含む総費用を見落とします。
導入初期に自動実行しやすい工程はどれですか。
外部へ直接影響せず、人が確認して修正・削除できる可逆性の高い工程です。
顧客全員への一斉送信: 対象範囲が広く、誤りの影響を取り消しにくい操作です。
契約内容の確定: 権利と責任へ影響するため、人の明示的な判断が必要です。
隔離された保存先への下書き作成: 正解です。戻しやすく、結果を公開前に確認できます。
本番データの完全削除: 情報を失う不可逆な操作で、初期の自動化には向きません。
仕事をエージェント化しない判断として、最も適切な理由はどれですか。
採用判断は技術の新しさではなく、仕事の性質と総費用、得られる価値で行います。
AIエージェントは新しいため必ず危険だから: 適切な範囲、権限、監督を設計すれば有効な仕事があります。
人が行う作業ならAIを一切使えないから: 最終判断を人へ残し、調査や下書きだけAIで補助できます。
固定処理で十分で、頻度が低く、構築と確認の費用が短縮効果を上回るから: 正解です。より単純な方法が安全で経済的なら、エージェント化する必要はありません。
文章を扱う仕事はすべてチャットAIだけで終わるから: 複数工程、外部ツール、状態管理が必要ならエージェント候補になります。
04|今日の理解度を確認する
DAY 4の理解度を確認する
今日の整理をする
ここまで分かれば次へ
- ✓ 不確実な入力と途中判断があり、成果を確認できる仕事はエージェント候補
- ✓ 固定計算はワークフロー、単発の文章支援はチャットAI、重大判断は人へ残す
- ✓ 頻度・総費用・可逆性・影響範囲を測り、小さな試行から判断する
講義本文 4,308字