作成日: 2026-08-18

生成AIの導入というと、メールの下書き、会議の要約、資料のたたき台を作る用途を思い浮かべるかもしれません。これは「人が作業し、AIが一部分を手伝う」使い方です。

いま企業で始まりつつある変化は、もう少し大きいものです。人が複数のシステムを行き来して完了させていた仕事の流れを、目的・制約・承認条件とともにAIへ委任する。人は情報の転記から離れ、何を目指すかを決め、結果を検証し、例外と責任を引き受ける側へ移ります。

ただし、これは「AIに全部任せればよい」という話ではありません。任せる範囲を広げるほど、権限、データ、承認、監査、停止、復旧を業務設計として先に決める必要があります。

仕事の詰まりは、アプリの間にある

多くのオフィス業務は、個別のアプリの中ではなく、その間で時間を使っています。

CRMで顧客の履歴を確認する
メールやチャットで事情を探す
ERPや表計算で数値を突き合わせる
資料へ転記し、関係者へ確認を依頼する
完成物を保存し、次の担当者へ渡す

人は考えるだけでなく、情報を運び、形式をそろえ、システム間の空白を埋めています。エージェント型のAIが狙うのは、単発の文章生成よりも、この一連の「探す・整理する・作る・渡す」を一つの仕事として扱うことです。

たとえば営業担当者は、次のように依頼できるようになります。

今月訪問する顧客から追加提案の可能性が高い企業を抽出し、根拠を示して上位5社の商談準備資料を作成する。外部送信はせず、担当マネージャーの承認待ちにする。

この依頼に必要なのは、単なるプロンプトではありません。参照してよいCRM・メール・契約データ、出してはいけない顧客情報、資料の根拠、送信の承認者まで含めて初めて「業務の委任」になります。

「作業」から「次の一手の判断」へ

営業を例にすると、従来は商談前に顧客情報、過去の提案、契約、メール、利用状況を人が集め、資料にまとめていました。AIがこの準備を担えるなら、人が時間を使うべき場所は変わります。

これまで人が担っていたこと	委任後に人が担うこと
情報を探し、転記する	目的、探索範囲、優先順位を決める
候補を並べ、資料を作る	根拠と顧客との関係性を検証する
定型的な連絡を作る	送ってよい内容・相手・時点を承認する
完了後に問題を発見する	例外、停止条件、引き継ぎ先を設計する

Microsoftは自社営業組織について、高利用者は低利用者と比べて成約件数が20%多く、リードから商談への転換率が13%高く、営業担当者1人当たりの売上が9.4%高かったと報告しています。Microsoftの報告は利用度による比較であり、無作為化比較試験ではありません。したがって「AIだけが売上を増やした」と断定はできません。

それでも重要なのは、評価の単位が「メールを何分早く書けたか」から、商談化や顧客対応といった業務成果へ移っていることです。

カスタマーサービスでは、答える前の「探す仕事」が減る

Hertzは、車両の機能や設定に関する問い合わせを支援する「Manny」というエージェントをCopilot Studioで試験運用しています。担当者が複数のマニュアルを検索する代わりに、信頼できる情報源を絞って参照させ、回答を支援する仕組みです。Microsoftの事例では、初期パイロットで問題解決時間が15%以上短縮したとされています。Hertzの事例

ここで消してはいけないのは、人の役割です。顧客の状況に合う説明か、情報源は最新か、安全に関わる案内ではないかを確認し、必要なら専門部署へ引き継ぐ。特に顧客対応では、検索対象を「社内外のすべて」にせず、責任を持てる知識源に限定することが精度と説明責任の両方を支えます。

Copilot Coworkが示すのは「会話」から「仕事の実行」への移行

Microsoftは2026年6月、Microsoft 365 Copilot Coworkの一般提供を発表しました。発表では、バッチジョブ用スプレッドシートを安全に編集し、変更後の依存関係図を作成するよう教えたチームや、製品の2バージョン間で約4,000ファイルを比較したチームの例が紹介されています。一般提供の発表

これは機能の多さが本質ではありません。人がチャットに質問して回答を得る段階から、仕事の開始条件、使うデータ、実行手順、成果物、確認者を持った単位へ移ろうとしていることが重要です。

だから、導入検討で先に問うべきことは「このAIは何ができるか」だけではありません。

何を入力として扱うのか
どのシステムを読み取り、どの操作を書き込めるのか
どの出力を証跡として残すのか
どこで人が承認し、失敗時に誰が止めるのか

を決める必要があります。

人が担う仕事は、なくなるのではなく濃くなる

Microsoftの2026 Work Trend Indexは、エージェントが実行を担うほど、人には方向づけ、判断、成果への責任を担う余地が生まれると整理しています。同調査で先進的な利用者は、AIに任せる仕事を意図的に選び、チームで品質基準を議論し、エージェントのワークフローと人への引き継ぎを文書化する傾向がありました。

つまり、人の仕事は「AIの結果をなんとなく確認する」ことではありません。少なくとも次の五つを明確にする仕事になります。

目的: 何を達成すれば成功か
制約: 使ってよいデータ、予算、相手、時間は何か
判断: AIの候補から何を採用し、何を却下するか
例外: 想定外、低信頼度、高リスク時に誰へ渡すか
責任: 誰が承認し、誰が説明し、誰が停止・復旧するか

「Agent Boss」はAIに丸投げする人ではない

Microsoftは2025 Work Trend Indexで、エージェントを構築し、委任し、管理する人を「Agent Boss」と表現しました。同レポートでは、リーダーの46%が組織でワークフローまたは業務プロセスの完全自動化にエージェントを利用していると回答し、今後5年にチームがエージェントの訓練を担うとみるリーダーは41%、管理を担うとみる回答は36%でした。2025 Work Trend Index

この言葉を「部下のようにAIを酷使すること」と受け取ると危険です。実務上はむしろ、委任する仕事を小さく定義し、評価できる成果物を指定し、権限を限定し、問題が起きたら止めて人に戻す責任者を意味します。

最初に作るべきものは、エージェントではなく業務台帳

いきなり業務全体を自動化する必要はありません。まず、月次報告や問い合わせ一次対応など、一つの繰り返し業務を選びます。そして、作業を順番に書き出します。

実績データ取得 → 前月比較 → 差異抽出 → 原因候補の収集
→ 説明案の作成 → 担当者確認 → 会議資料への反映 → 提出

次に、各工程を三つに分けます。

区分	例	最低限必要な統制
AIに任せる	定型集計、検索、下書き	読み取り権限、対象データ、実行ログ
AIが作り人が確認する	差異の説明案、返信案、資料案	根拠表示、評価基準、承認者
人が判断する	予測変更、例外承認、外部送信、契約条件	決裁権、エスカレーション、記録

この台帳があれば、AIに接続する前に、必要なデータ、足りない業務ルール、曖昧な責任分担が見えてきます。反対に、台帳なしで権限だけを広く与えると、便利さと一緒に誤操作や情報漏えいの範囲も広がります。

KPIを「利用回数」から「業務の完了品質」へ移す

PoCでは「毎回10分短縮」「月100時間削減」と測りがちです。これは入口として有用ですが、本番導入の成功を示すには足りません。

業務ごとに、次のような指標を組み合わせます。

営業: 商談化率、準備にかかる時間、提案の採用率
サポート: 解決までの時間、一次解決率、再問い合わせ率、誤案内率
財務: 月次締め日数、差異説明の差し戻し率、再作業時間
法務: レビューのリードタイム、見落とし、例外承認の件数と滞留時間

さらに、AIが人の確認なしに完了した割合だけを追うのは危険です。重要なのは、どの例外を正しく人へ戻せたか、誤った処理を止められたか、問題時に再実行・取消・復旧できたかです。効率と品質、統制を同じKPI設計で見る必要があります。

実装前のチェックリスト

成果物と成功条件を、利用者と承認者が同じ言葉で説明できる
参照するデータ源、更新頻度、機密区分、利用目的を決めた
読み取り、下書き、更新、送信・決裁を別々の権限として設計した
AIの出力に根拠・入力・実行時刻・操作履歴を残せる
外部送信、金銭、契約、人事評価などは人の承認を必須にした
低信頼度、データ不足、ポリシー違反時の引き継ぎ先を決めた
停止、取消、ロールバック、障害時の連絡先をテストした
速度だけでなく、品質、差し戻し、例外、顧客影響を測る

まとめ: 問うべきは「AIにできるか」ではない

これから価値が高まるのは、AIに作業を投げる能力だけではありません。

この仕事のうち、何をAIに任せ、どこで人が判断し、失敗したら誰が何を止めて戻すのか。

この問いに業務ごとに答えられる組織は、AIを単なるチャットツールで終わらせません。業務の流れを変えながらも、判断、責任、顧客との信頼を人の側に残せます。

「使う」から「任せる」への移行は、導入製品を選ぶことではなく、仕事を設計し直すことから始まります。

参照したURL