はじめに
この記事は、AIエージェント導入の初期段階で多くの組織が直面する「何に使えばいいか分からない」という壁を、 あなた自身の価値を最大化する という発想から始めて突き破る事を目指します。前作「社内AI活用の『何から始めれば？』をAIで突破する ～AI駆動AI普及活動 AAAP～」（Qiita記事）の続編にあたりますが、内容は完全に独立しています。
前作ではチャット型の生成AIをどう社内に広めるかという「普及」の段階を扱いました。今回はその次の段階、 AIエージェントをどこから入れるか というユースケース発掘の段階にフォーカスします。
そして本記事のもう一つの軸は、 AIエージェントのユースケースと並んで、人間が活躍する領域も同時に発見する ことです。「何を任せ、何を磨くか」を同じ重みで問うことで、担当者ご自身がAIエージェントをご自身の能力を拡張する武器や相棒と考えて自然とユースケースを思い描けるようになることを目標とします。
この記事の内容は私個人の経験・見解であり、所属する企業・団体・組織を代表するものではありません。
よくある風景
皆様の職場でも、こんなやり取りが起きていないでしょうか。
このやり取りが、現実のAIエージェント導入現場で最もよく観察されるパターンではないでしょうか。誰一人として反対を明言していません。むしろ全員が「前向き」「建設的」な姿勢を示しています。それにもかかわらず、半年後にこのプロジェクトが「PoCは成功したが本番展開は見送り」に落ち着く可能性はかなり高いのではないでしょうか。
国内外の調査でも、AIプロジェクトを本番展開まで到達させている企業は全体の約26%にとどまり、およそ 4社に3社がPoC止まりから抜けられない という報告があります（TIS 東洋経済オンライン「PoC止まりの壁を突破するAI戦略構築の要諦」）。そしてBCGの分析では、 AI導入の障壁の約70%は「人とプロセス」に起因し、技術的な要因は約20%にすぎない ことも指摘されています（AQUA テックブログ「AIエージェント導入で失敗する5つの原因」）。
ここで重要なのは、上の会話で挙がっているセキュリティ、誤動作（ハルシネーション）、責任所在、段階的展開といった論点は、 それぞれ単体では完全に正当 だということです。安全な導入設計上、むしろ必ず議論すべきポイントですね。問題は、それらが、善意に基づく総論賛成各論反対ならぬ 総論推進各論慎重となって先送りの温床 となってしまうことにあるのではないでしょうか。
反対意見は一度も明言されないまま、数年後、経営は「なぜか進まない」と嘆き、現場は「慎重に進めている」と説明し、ベンダーは「次のPoCの予算」を提案する。誰にも悪意もないまま、時間だけが過ぎていくというどこかで見た未来が見えて来ませんか？
もちろん、セキュリティ・コンプライアンス・責任設計を軽視しているのではありません。問題は、 業務全体のタスクを「AIが担当するタスク／人が承認・判断するタスク／人が担当し続けるタスク」に振り分けることが未合意のまま、ユースケース発見の段階で先に論点化することで、正当な論点が停止ボタンに変わってしまう というところにあります。
ユースケース発掘の「ブランクキャンバス問題」
前作では、生成AI活用の目的に「業務文脈」を埋め込めないために「何でもできるが、どこから始めればいいか分からない」という「ブランクキャンバス問題」をご紹介しました。
AIエージェントでも同じ現象が、一段深い形で起きているのではないでしょうか。エージェントは単にテキストを生成するのではなく、システムに対してアクション（書き込み・送信・更新）を実行できる存在です。 「何を任せるか」の定義ができていない状態では、便利なエージェント基盤があっても一歩も動けません 。そして「何を任せるか」だけを出発点として考えると、冒頭のマンガで見たとおり熟達者の心配ごとが立ちはだかります。
この記事では、この状況を 価値起点で打破する5ステップのフレームワーク（VAUD） と、このフレームワークをAIとの対話を通して実践するプロンプトサンプルをご紹介します。
本記事のスタンス ～ 「価値」とは誰の価値か ～
先にスタンスを明示しておきます。本記事で「価値」と言うとき、それは一貫して 担当者ご本人、その所属部門、そして職務そのものが生み出している価値 を指します。AIやAIエージェントの価値を語るものではありません。
AIエージェントは、あなたの価値を奪う存在でも、あなたの仕事を置き換える存在でもなく、 あなたの価値を最大化するための道具であり、同行者 として位置づけます。「AIが何を代替できるか」ではなく「あなたの価値をどう最大化するか」から発想する、というのが本記事を貫く姿勢です。さらに本記事では、AIエージェントのユースケースと 人間が活躍する領域 をセットで発見することを重視します。この前提を共有した上で、以降の議論にお付き合いいただければと思います。
1. なぜ「何を任せるか」起点のユースケース発掘は失敗するのか
1.1 「何を任せるか」と問うこと自体が、熟達者の心配ごとを刺激する
AIエージェント導入の議論は、たいてい「何をAIエージェントに任せるか」「どこに導入するか」という問いから始まります。冒頭のマンガでもそうでしたし、業務改革の現場で定石とされてきた「課題は何ですか」「ボトルネックはどこですか」という問いも、結局は「どこをAIエージェントに任せるか」を見つけるための切り口として機能します。
ところが、職務と組織文化を熟知している担当者ほど、この種の問いから過去の失敗事例、顧客のクレーム、規制対応の苦労、責任所在の曖昧さといった「気になるポイント」を具体的に想起します。これは保身でも反対のための反対でもなく、 専門性ゆえの自然な反応 です。「ここをAIに任せたらどうなるか」を真剣に考えれば考えるほど、起こりうる影響と過去の苦労が同時に立ち上がってくるからです。
ここで重要なのは、刺激された心配ごとが、 次の段階でどう扱われるか です。続く 1.2 で、この心配ごとが「停止ボタン」に変わる構造的な理由と、その抜け方を見ていきます。
1.2 「任せる／任せない」の二択が、心配ごとを停止ボタンに変える
二択構造では、心配ごとは「任せない」側の票にしかならない
ここが本記事の最も重要なポイントです。AIエージェント導入の議論が「AIに任せるか／任せないか」の 二択 に閉じている限り、1.1 で刺激された心配ごとは構造的に 「任せない」側の根拠としてしか居場所がありません 。誤動作したらどうする、責任は誰が取る、お客様にご迷惑がかかったら…これらはどれも単体では完全に正当な論点ですが、二択の世界では、語ることが自動的にブレーキを踏むことと同じになります。
その結果、論点とリスクが積み上がり、「まずは周辺業務から」「段階的に」という最も巧妙な停止ボタンに着地する。誰一人として反対は明言していないのに、本丸の業務にAIエージェントが届かない。冒頭のマンガで描いた 総論推進各論慎重 の正体は、心配ごとそのものではなく、 二択構造が心配ごとを停止ボタンに変換してしまうこと にあります。
「AIが担当するタスク／人が承認・判断するタスク／人が担当し続けるタスク」の三項分類が、心配ごとに居場所を与える
この状況を打開するためには、議論の枠組みそのものを AIエージェントに任せるか任せないかの二択ではなく、業務全体のタスクを次の3つに分類して整理する形に変える必要があります。
-
AIが担当するタスク
AIエージェントに任せる定型的・網羅的・継続観測的な作業 -
人が承認・判断するタスク
AIが処理した結果に対して、人が承認・判断・例外対応を担うタスク（連携・承認ポイント） -
人が担当し続けるタスク
AIに任せず、人が深く関わり続け、専門性を磨き高めていくタスク
このように３つのカテゴリーに分類すると、 心配ごとはそれぞれ建設的な居場所を見つけます 。「もしこれが間違ったらお客様にどう影響するか」という心配は、「人が承認・判断するタスク」の中で どこに人の承認を挟むかの設計入力 になる。「この判断は前例がない案件ばかりだから人間がやり続けるべきだ」という心配は、「人が担当し続けるタスク」の中で 人間の専門領域の再認識 になる。そして残った定型的・網羅的（全件チェック・全件分類など）・継続観測的な作業が「AIが担当するタスク」に整理されていく。
心配ごとは、 ブロッカーから設計のインプットへと立場を変えます 。停止ボタンを押す代わりに、「ここをこう設計すれば回るはずだ」という建設的な見方ができるようになります。
三項分類は、担当者の価値を最大化するための業務の組み立て直し
ここまでは「心配ごとに居場所を与える」という観点から三項分類を見てきましたが、三項分類にはもうひとつ大切な役割があります。「はじめに」で示したスタンス、すなわち 担当者ご本人と、所属する部門・職務が生み出している価値を最大化する ために、業務の組み立てそのものを変えていくための分類軸である、ということです。
それぞれのカテゴリーを、価値との関係で位置づけ直すと次のようになります。
-
AIが担当するタスク
価値の発揮を阻害している作業を、AIエージェントに手放す -
人が承認・判断するタスク
価値の発揮そのものに、AIの能力を組み合わせて伸ばす（人の承認・判断を要所に挟むことで安全に拡張する） -
人が担当し続けるタスク
価値の源泉そのものを、担当者自身が磨き高め続ける
こう並べると、議論の重心が「何をAIに任せるか」から 「担当者の価値をどう最大化するか」 へと移ったことが見て取れます。1.1 で見た「何を任せるか」起点の問いが、「担当者の価値の最大化」起点の問いへと切り替わるわけです。心配ごとが停止ボタンにならず設計入力に変わるのは、議論の重心がそもそも担当者の価値に置かれているからこそ起きる効果と言えます。
「人が担当し続けるタスク」こそが、人間が活躍し続ける領域
注目すべきは、三項のうちの 「人が担当し続けるタスク」 が、本記事のもう一つの軸である 人間が活躍する領域 そのものだということです。「人が担当し続けるタスク」とは、単に人が作業を継続するという意味ではなく、 人の専門性を磨き高め続け、価値の源泉を深め続ける領域 という意味です。AIに任せた領域や人が承認・判断するポイントに切り出した領域があるからこそ、ここで使える時間とエネルギーが濃くなり、専門性が研ぎ澄まされながら新しい高みへも届くようになります。
AIエージェント導入を「人の置き換え」の文脈で語ると、専門家は自分の領域が侵食される話として受け取ります。しかし「人が担当し続けるタスク」を最初から議論の枠組みに織り込んでおくことで、 専門家は『自分の専門領域は最初から保証されている』という前提で、安心して『AIが担当するタスク』の合意に踏み出せます 。
つまり、三項の導入は、心配ごとを設計入力に変えるだけでなく、 専門家が前向きに議論に参加できる心理的な土台を作る装置 でもあります。AIユースケースの発見と「人が担当し続けるタスク」の発見が同じ重みになるべき理由は、ここにあります。
停止ボタン回避には、もうひとつ「役割レベル」の装置がある
ここまで論じてきた「二択 → 三項分類」 は、議論の 枠組みレベル で停止ボタンを回避する装置です。実はもうひとつ、 役割レベル の停止ボタン回避装置があります。 ユースケース提案そのものを AI に生成させ、人は評価役に回る という分業です。
人が自分でゼロからユースケースを発想しようとすると、職務を熟知しているがゆえに心配ごとも同時に頭に浮かび、生成プロセスに「これは無理かも」「責任が…」が混ざり込んでしまいます。結果として、無難な周辺業務しか出てこない、という「総論推進各論慎重」の 生成段階版 が起きてしまいます。
これに対して AI が先に提案を出してくれると、人は 「ゼロから生み出す」立場から「既にあるものを評価する」立場 に回ります。評価モードでは、心配ごとは抽象的な不安ではなく、 「この提案のここが気になる」 という具体的な設計入力になります。さらに、各ユースケースが分業デザインに分解された状態で出てくるので、心配ごとが「人が承認・判断するタスク」のどこに置かれるかが、人が自分で考える前から選択肢として可視化されます。
つまり、第2章でご紹介するフレームワーク VAUD は、 枠組みレベル（三項分類） と 役割レベル（AIが生成、人が評価） という二重構造で停止ボタン回避を実現するよう設計されています。ステップ5でAIが提案する出力が「ユースケース提案＋分業デザイン」の構造になっているのは、この二重の安全装置を作動させるためでもあります。
なお、三項分類はタスクの分類軸であり、ユースケース全体としては 3種類のタスクが組み合わさった分業デザイン になります。「では、自分の職務における価値とは何で、その源泉は何で、どんなユースケースの中で何をAIが担当し、何を人が承認・判断し、何を人が担当し続けるのか」を担当者ご本人の言葉で振り分けていく仕組みが必要になります。それが、第2章でご紹介する VAUD の5ステップ です。VAUD は、 価値そのものの言語化 から始めて、 価値の源泉の特定 へと進み、最終的に ユースケースごとの分業デザイン までを段階的に進めていきます。
1.3 AIエージェントでは、二択の弊害がより強く出る
AIエージェントは、チャット型の生成AIよりも 判断を含む作業そのものを実行する 道具であるぶん、誤動作したときの影響範囲が具体的に想像しやすい存在です。だからこそ、職務を熟知している担当者ほど心配ごとが一段強く刺激され、二択構造に閉じている場合の停止ボタン化も、チャット型AIのときよりも顕著になります。
裏を返せば、 AIエージェントこそ、三項分類を最初から導入する必要性が最も高い対象 だということです。「触る前に三項分類に合意していること」が、AIエージェント導入の成否を分けます。
2. 価値起点の5ステップフレームワーク（VAUD）
ここから、価値起点でユースケースを発掘するためのフレームワークをご紹介します。 VAUD（Value-Amplifying Use-case Discovery、価値増幅ユースケース・ディスカバリー） と名付けました。
VAUD は、ビジネスの世界で広く使われる Product Discovery（製品発見）や Customer Discovery（顧客発見）の系譜にある、 AIエージェント導入のためのディスカバリー手法 です。「AIエージェントで何ができるか」からではなく「担当者の価値をどう増幅するか」から入る、という立ち位置が、既存のディスカバリー手法と共通のDNAを持ちます。
再掲になりますが、ここで言う「価値」は 担当者ご本人と、所属する部門・職務が生み出している価値 のことで、AIやAIエージェントの価値ではありません。VAUD は「AIの得意技を業務に当てはめていく」発想ではなく、「あなたの価値の源泉を起点に、その増幅のためにAIと何を一緒にやるか、そして何を自分が磨き高め続けるかを設計する」発想のフレームワークです。
5つのステップは、 担当者自身が価値を語り（1, 2）、阻害要因を整理し（3）、未来の能力像を描き（4）、それらを踏まえてAIに提案を求める（5） という順序で進みます。最後に「目指す姿」で全体を統合的に意味付けします。
ここで肝心なのは、 「ユースケース」という概念がステップ1〜4には登場せず、ステップ5で初めて登場すること、そしてその提案役は担当者ではなくAIが担うこと の2点です。ステップ1〜4では、担当者ご本人が自分の言葉で価値・価値の源泉・手放したい作業・できるようになりたいことを組み立てる時間に集中し、AIエージェントの活用はいったん議題から外しておきます。
この順序が、「AIエージェントで何ができるか」起点の発想を構造的に避けます。AIエージェントの能力リストから入ると、そこに収まる範囲で業務を切り取ってしまい、 担当者ご本人の価値の源泉がそもそも検討の俎上に載らないまま ユースケースが決まってしまうからです。さらに、ステップ5で提案役を担うのがAIであることで、担当者は第1章 1.2 で論じた 評価する立場 として臨めます。価値を先に語り、AIが提案役として当てはめ、担当者が評価する、という順序を守ることで、 価値の源泉から外れたところで「便利そうだから入れてみる」が起きるのを防ぎ、同時に心配ごとが停止ボタンに変わるのも防ぐ という二重の効用が得られます。
2.1 ステップ1 ～ 価値の言語化 ～
最初の問いは、シンプルに「何を生み出しているか」です。
あなたの職務・部門・個人として、世の中・組織・チームに対して、どんな価値を生み出していると感じていますか？
ここでは「価値の源泉」までは掘りません。まず、生み出している価値そのものを、担当者本人の言葉で短く言語化することに集中します。「製品の品質を保つ」「顧客との信頼関係を維持する」「事業の意思決定を支える情報を届ける」などです。
ここで気をつけたいのが、 最初に頭に浮かぶ答えが、本当に提供している価値とは限らない ということです。たとえば、クリエイティブ業界では「あなたの提供している価値は何ですか」と聞くと、多くの方が「作品の創造性」「クオリティ」と答えます。もちろんそれは大前提として正しいのですが、別の角度から見ると、 「一定以上の品質を保ちながら、必ず締切を守って届ける」こと こそが、継続的に仕事を得るうえでの信頼そのものになっている、という側面があります。エンタメやクリエイティブの現場では、公開日・印刷日・配信日・収録日・広告出稿日など他工程との接続が非常に強く、1人の遅れが全体に波及しやすいため、発注側は「毎回100点の天才型」より「一定以上の品質で締切を守り続ける人」を継続起用しやすい、という背景があるからです。
このように、 頭に浮かんだ最初の価値で止めず、複数の角度から並べてみる のがステップ1を空滑りさせないコツです。さらに、抽象的なスローガンに留まらないよう、 誰に対して、どんな状態を提供しているか という形で問い直すのも有効です。「品質を守っている」よりも「お客様に『この会社の製品なら間違いない』と思っていただける状態を支えている」のほうが、後のステップで掘り下げやすくなります。
2.2 ステップ2 ～ 価値の源泉の特定 ～
次に、その価値が成立している理由・背景を掘ります。
あなたの職務は、顧客や他部門、上司などから、何をしてくれることを期待され、信頼されていますか？ なぜその信頼が成立しているのでしょうか？
ここで本人に「自分は評価されている」と直接言わせる形にすると、謙遜や照れが先に立って答えにくくなることがあります。そのため、個人評価の自己申告ではなく、 職務と関係者の関係 として問いかけるのが自然です。「顧客から見たとき」「他部門から見たとき」「上司から見たとき」と視点を分けて訊くと、源泉が立体的に浮かび上がります。
ステップ1のクリエイティブの例を続けて見てみましょう。「締切を守り続けてくれる」ことが信頼の源泉になっているのは、発注側の業務プロセスに 後工程との強い接続 があるからです。1人のクリエイターの遅れが、印刷スケジュール、配信枠、媒体掲載、関連プロモーションといった連なる工程すべてを巻き戻してしまう。だからこそ発注側は「天才的だが時々遅れる人」よりも「期待値を裏切らない人」を継続起用する。源泉までたどると、こうした 発注側の構造的な事情まで含めて 自分の価値を理解できるようになり、後のステップ3以降の判断が一段クリアになります。
業務系の例でも同じ構造が見えます。たとえば、ある物流オペレーション部門であれば、ステップ1で「お客様に約束通り届ける」と言語化された価値の源泉として、ステップ2では「例外発生時に最後まで諦めずに代替案を見つけてくれる粘り強さ」「変更が出た時に取引先と即座に再調整できる関係性」といった、 より深い信頼の根拠 が見えてきます。「業務をこなしている」と「関係者から何を期待され、どこで価値を感じてもらう職務なのか」の間には、実は大きな距離があります。ここを最初に合意することで、以降の議論は「その価値の源泉を守り、増幅する」という流れが自然と出来上がります。
2.3 ステップ3 ～ 価値発揮のために手放したいことの特定 ～
ステップ2で言語化した「価値の源泉」に、本来もっと時間とエネルギーを注ぎたいはずです。にもかかわらず、それを阻んでいる作業がある。それを洗い出すのがステップ3です。
ここで重要なのは 問いの形 です。「課題は何ですか」「ボトルネックはどこですか」と聞いてしまうと、第1章で触れたとおり熟達者の心配ごとが先に並んでしまいます。代わりに、次のような形で問います。
ステップ2で言語化した価値の源泉に、もっと時間とエネルギーを注げるとしたら、いま何を手放したいですか？ たとえば「□□のような作業が減れば、〇〇により深く向き合える」のような形で、3〜5個挙げてみてください。
この問いの形には3つの工夫があります。第一に、 「課題」ではなく「価値発揮を取り戻すための交換」 として手放したい作業を語る形にしている。第二に、 「手放したい」と本人が能動的に選ぶ ことで、自分の専門性を否定されている感覚を生じさせない。第三に、 解放された時間で何をするか をセットで言語化させることで、後のステップ4・ステップ5への橋渡しになる。
クリエイティブの例で続ければ、 「請求書発行・素材バージョン管理・進行調整・レファレンス資料の収集といった作業が減れば、創作そのものの掘り下げと、締切を守るための余白の両方をもっと厚くできる」 といった形で挙がってきます。ステップ1で言語化した「創造性」と、ステップ2で見えた「締切を守ることが信頼の源泉」の両方に、もっと時間を注ぎ込めるようにする、という構造で語れるのがポイントです。
挙がった作業は、後のステップ5でAIユースケースの提案材料になります。ただしこの段階では「これは任せる、これは任せない」の選別は行いません。まずは候補を出すだけです。
2.4 ステップ4 ～ 「できるようになりたいこと」の特定 ～
ステップ3までは「今ある価値を守る・取り戻す」話でした。ステップ4では、視点を未来に向けます。
もし新しい力を獲得できたら、半年〜1年後に、あなたの職務はどんな高い価値を提供できるようになっていそうですか？ 3つほど描いてみてください。
ここでのポイントは、 既存業務の効率化ではなく、能力の拡張 として描くことです。「いまの仕事が早くなる」ではなく、「いまの自分にはできていないことができるようになる」という方向で考えます。
たとえば、
- 法務であれば「契約レビューを早くする」ではなく「事業の初期段階から、新規領域の規制リスクを先取りして提言できるようになる」
- カスタマーサービスであれば「問い合わせ処理を早くする」ではなく「問い合わせが来る前に顧客の困りごとを予測し、先回りで提案できるようになる」
といった形です。「半年〜1年で手の届く範囲」という時間軸を入れることで、抽象論や夢物語に逸れるのを防ぎます。
ここで描いた「できるようになりたいこと」の多くは、これまで人的リソースの制約で諦められてきたものか、人の能力の届かなかった領域か、そのどちらかであることが多いです。だからこそ、ステップ5でAIエージェントの出番が来ます。
2.5 ステップ5 ～ ユースケース提案と分業デザイン ～
ステップ5でようやく、AIが提案役として登場します。ここでの肝は、 AI が個別タスクを「AIに任せる」「人がやる」と振り分けるのではなく、価値を生み出す「ユースケース」を提案し、各ユースケースの内部を 三項分類で分解した『分業デザイン』として設計する ことです。
具体的には、各ユースケースを次の構造で提示します。
-
ユースケース
価値を生み出す業務単位（例：例外配送案件への対応、新規事業のリスク提言、適性マッチングと配置最適化） -
AIが担当するタスク
そのユースケースのうち、AIエージェントに任せる定型・網羅・継続観測の作業 -
人が承認・判断するタスク
AIの結果に対して、人が承認・判断・例外対応を担うポイント -
人が担当し続けるタスク
そのユースケースの中で、人の専門性を磨き高め続ける領域
価値増幅を狙うユースケース（既存業務の効率化ではなく能力の拡張を目的としたユースケース）を設計するときは、AIエージェントの次の4つの切り口を意識すると効きます。
-
新たな結合
部門・時系列・外部データを横断して結びつける。たとえば、法務が営業データと連携することで「契約書レビュー部署」から「事業リスクを先取りして戦略提案する部署」に進化する、といった役割そのものの拡張が起きます。 -
並列試行
複数の案を同時に走らせて比較する。これまで人手の制約で1案に絞らざるを得なかった判断を、複数ドラフト・複数シナリオ・複数パラメータの比較つき判断に変えられます。担当者は「選ぶ側」「磨き高める側」に回れます。 -
継続的な観測
24時間365日、指標・兆候・外部情報を観測し続けて予兆を検知する。人手では張り付けなかった夜間・休日の一次対応、競合の動きの早期検知、障害やクレームの予兆検知といった、 物理的に人がカバーできなかった領域 を埋めます。 -
網羅性（ロングテールのカバー）
人手ではサンプリングや優先順位の高いものしか触れなかったロングテール（すべての契約、すべての問い合わせ、すべての候補者、すべてのログ）に、漏れなく手をかけられるようになる。「見ることができなかった領域」を価値創出に変えられる切り口です。
提案は次のような表形式で整理すると、後の議論が進めやすくなります。
| 番号 | ユースケース | AIが担当するタスク | 人が承認・判断するタスク | 人が担当し続けるタスク |
|---|---|---|---|---|
| 1 | 例外配送案件への対応 | 在庫横断検索、代替配送業者の選定、所要時間試算 | 代替案の最終承認 | 重要顧客への状況説明、難しい案件の交渉 |
| 2 | 需要予測に基づくプロアクティブ在庫配置 | 営業・生産・物流データの統合、需要予測、納期傾向のリアルタイム監視 | 在庫配置計画の最終決定 | 業務設計そのものの継続的な改善判断 |
このように AIが担当するタスクと人が担当し続けるタスクが同じ表の中に並ぶ ことが大切です。この並列表示が、 「AIに何を任せるか」と「人間が何を磨き高めるか」を同じ重みで議論する という本記事のスタンスを、対話のアウトプットの中で具体的に体現してくれます。
なお、ステップ5でAIが提案する内容は、あくまで たたき台 です。採否は担当者本人が決めます。AIがユースケース全体と分業デザインの両方を提示することで、議論の素材を提供する役割を果たします。
2.6 仕上げ ～ 「目指す姿」で締める ～
最後に、ステップ1〜5を統合して「目指す姿」を一段高い視点でまとめます。
目指す姿は、次の3つの視点で書くと、単なる結論の繰り返しではなく「統合的な意味付け」の場として機能します。
- 立ち位置の変化 ～ 部門の位置づけがどう変わるか
- 関係者から見える変化 ～ 開発チーム、経営、現場など複数視点での意味
- 働き手の価値への回帰 ～ 最終的に人がどう楽になり、どう成長するか
つまり、「効率化の話」を「役割の進化の話」に昇華させる装置が、この「目指す姿」というセクションなわけです。
3. 8つの職務におけるユースケースの発見例
ここからは、VAUD を代表的な8つの職務にあてはめて発見したユースケースの例を、要点のみ表形式でご紹介します。各職務ごとの詳細な5ステップ展開（価値の言語化、価値の源泉、手放したいことの特定、できるようになりたいこと、ユースケース提案と分業デザイン、目指す姿）は、 Appendix C「8つのユースケースの VAUD 展開」 にまとめてあります。
| 職務 | 価値の源泉 | AIが担当するタスク | 人が担当し続けるタスク | 目指す姿 |
|---|---|---|---|---|
| 業務オペレーション | 顧客との約束を確実に履行する運用基盤 | 在庫横断検索、代替配送選定、段取り管理 | 重要顧客との関係構築、業務設計の改善判断 | 事業の先読みをする司令塔への進化 |
| コンプライアンス | 規制と事業の両立可能な道筋を示す専門判断 | リアルタイム監視、規制改正の追跡、監査ログ整備 | 前例のない案件の解釈、当局との対話 | 事後チェック部署から戦略パートナーへ |
| DevOps / SRE | 障害に強いアーキテクチャ設計と技術的リーダーシップ | 一次対応、カナリア自動判断、既知パターン復旧 | 根本原因分析、技術メンタリング | 裏方から事業KPIを技術で最大化する戦略パートナーへ |
| 金融分析 | 市場の空気を読む相場観と対話で本質を引き出す力 | 市場データ収集、リスクモデル実行、定型レポート | 相場観の形成、クライアントとの対話 | 単一領域の専門家から統合判断の達人へ |
| 人事・採用 | 候補者の可能性を見抜く眼力と組織デザイン力 | 一次スクリーニング、日程調整、フレームワーク作成 | 深い対話、リーダー人材の見極め | 採用を回す部署から組織の未来を設計する部署へ |
| 法務 | リスクを見抜き事業を前に進める戦略判断 | 判例・契約書の横断検索、定型文書ドラフト | 最終的な法的判断、交渉戦略 | 契約レビュー部署から戦略提案部署へ |
| 市場調査 | バラバラの情報から構造を見出す洞察力 | Web検索、出典管理、競合モニタリング | 問いの設計、事業への示唆の言語化 | プロジェクト単位の調査から情報基盤へ |
| カスタマーサービス | 顧客の困りごとに寄り添いブランドへの信頼を築く力 | 定型FAQ応答、顧客情報と過去履歴の自動集約、問い合わせの分類と優先度判定 | 感情的配慮の必要な対応、クレーム案件の解決、VIP顧客との関係構築 | 問題発生後のリアクティブな窓口からブランド価値を高める戦略部署へ |
（※ 上の表は紙幅の関係で「AIが担当するタスク」と「人が担当し続けるタスク」のみを示しています。各職務の「人が承認・判断するタスク」を含む詳細な分業デザインは Appendix C をご覧ください。）
この表から読み取れる共通点が、3つあります。
第一に、「材料作りから判断へ」という時間配分のシフトが、どの職務でも起きています。専門職の価値は最終的に「判断」にありますが、実態として多くの時間は材料集めに費やされていました。エージェントはこの配分を根本的に変えます。
第二に、「事後対応から先読みへ」という姿勢の転換が、どの職務でも可能になります。どの部門も従来は「発生した事象に対応する」受動的な動きが中心でしたが、エージェントが常時監視と統合分析を担うことで、発生する前に動くプロアクティブな部門に変わります。
第三に、「単独機能から事業パートナーへ」という役割の進化が、どの職務でも視野に入ります。エージェントが部門間のデータと知識を横断できるようになることで、これらの部署が事業の戦略判断に直接参画する存在に変わっていきます。
そして注目していただきたいのが、表の 「人が担当し続けるタスク」 の列です。AIが担当するタスクを整理すればするほど、人の出番がより本質的なものに濃縮される構造になっています。「AIエージェントを入れると仕事が無くなる」のではなく、「AIエージェントを入れることで仕事の重心がより価値の源泉に近づく」という、構造的な変化が起きていることが見て取れます。
4. ユースケース発見ガイドの設計ポイント
前作で提示した「AI体験ガイド」は、AIとの最初の対話を導くプロンプトでした。AIエージェント時代の対応物は、 「ユースケース発見ガイド」 です。担当者がAIとの対話を通じて、自分の職務の価値を言語化し、価値起点でユースケースと分業デザイン（AIが担当するタスク／人が承認・判断するタスク／人が担当し続けるタスク）を同時に発見し、最終的に「目指す姿」までたどり着くためのプロンプトです。
設計のポイントは次の5つです。
4.1 前提コンテキスト
対話の冒頭で、担当者に「職務・部門、業務時間配分、使っているシステム、AI利用経験」を質問します。前作のAI体験ガイドと同様に、業務文脈が抜けていると対話が抽象論に流れてしまうためです。
4.2 AIの役割定義
AIは「タスクを自動化する提案者」ではなく、 「価値起点でユースケースと分業デザインを一緒に発見するファシリテーター」 として振る舞うように定義します。「AIエージェントに何を任せられそうですか」ではなく「あなたの職務・部門・個人として、どんな価値を生み出していると感じていますか」から会話を始める。この役割定義の違いが、対話全体の雰囲気を決めます。
4.3 対話の手順
VAUD の5ステップ＋「目指す姿」を、対話の手順としてそのまま埋め込みます。AIは各ステップの問いを順に投げかけ、担当者の回答を要約して返し、認識ズレを早期に解消しながら次のステップに進みます。
特に、 AIが提案役に回るのはステップ5まで遅延する 点を明示することが大切です。それまでの4ステップは、担当者本人が価値を組み立てる時間として確保します。
4.4 ポリシーと安全ルール
AIエージェント特有の注意点として、次のポリシーを明示します。
- 担当者の言語化を急がせない
- ユースケースごとの分業デザイン（AIが担当するタスク／人が承認・判断するタスク／人が担当し続けるタスク）を必ず同じ表に並べる
- データへのアクセス可否、監査・承認フロー、ロールバック可能性を最後に必ず確認する
なお、3 は実装フェーズの Human-in-the-loop 境界設計（Appendix B）と連動する項目ですが、ユースケース発見ガイドの段階では「チェック項目として頭の片隅に置く」程度の扱いに留めます。発見段階で境界設計の議論に入り込むと、対話が 停止ボタン の検討に流れてしまうためです。
4.5 アウトプット形式
最終アウトプットをMarkdownの定型テンプレートに固定します。担当者が複数の同僚と共有・議論しやすくするためです。また、複数の職務で生成したアウトプットをチャンピオン・アンバサダーが横断的に統合し、部門の「AIエージェント導入ロードマップ」のたたき台を作る段階にスムーズにつながります。
特にステップ5の出力テーブルでは、 ユースケースごとに「AIが担当するタスク／人が承認・判断するタスク／人が担当し続けるタスク」が同じ表に並ぶ よう、フォーマットで強制します。これにより「人の出番がどこに残るのか／むしろどこで濃くなるのか」「人の承認・判断はどこに挟まるのか」が、対話のアウトプットの中で具体的に見えるようになります。
5. ユースケース発見ガイド・プロンプトサンプル
以下を AIチャット（Claude、ChatGPT、Geminiなど）に貼り付けて、対話を始めてください。前作では「AIに自分でこのガイドを作ってもらう」形でしたが、今回はコピペですぐ使えるサンプルも公開しています。
このプロンプトをどう作り、評価し、改善したか
ここで紹介するプロンプトは、VAUD の考え方を一度プロンプトに書き起こして終わり、という形で作ったものではありません。実際には、対話型プロンプトを小さなプロダクトとして扱い、ペルソナによる会話シミュレーション、評価、改善を何度か回して今の形にしています。
評価には、自作の小さな評価ハーネスを使いました。仕組みはシンプルで、まず複数の業務ペルソナを用意し、それぞれを synthetic user としてプロンプトと対話させます。その会話の最後に出てきた成果物を、別の judge プロンプトが VAUD の観点で採点します。評価軸は、価値起点を保てているか、前提コンテキストを取りすぎず不足なく押さえているか、AIが担当するタスクと人が担当し続けるタスクを同じ重みで扱えているか、最初に試すユースケースが具体的か、半年から1年後の役割進化が描けているか、といったものです。
このやり方は、OpenAI が公式ドキュメントで紹介している eval-driven development の考え方に近いものです。つまり、「なんとなく良さそう」で判断するのではなく、先に期待する振る舞いを評価軸として書き出し、代表的な入力で実行し、結果を見てプロンプトを直していく、という進め方です。OpenAI の Evals API をそのまま使ったわけではありませんが、目的、テストデータ、評価指標、実行、比較、改善という基本方針は同じです。
最初の版では、AIエージェントの候補を早く出しすぎる、会話が「課題の列挙」に寄りやすい、人が担当し続けるタスクの領域が弱くなる、という問題が出ました。そこで、いきなり「何が課題ですか」と聞かないこと、AIの提案は Step 5 まで遅らせること、Step 3 を「価値発揮を取り戻すための交換」として扱うこと、Step 5 では各ユースケースを「AIが担当するタスク／人が承認・判断するタスク／人が担当し続けるタスク」に分解した分業デザインとして提示することを、プロンプト内に明示しました。
最終的には、10種類の業務ペルソナで live API 評価を行い、全ケースで pass、平均スコア 85.6 という結果になった版を採用しています。途中には平均点だけなら高い候補もありましたが、一部ペルソナで崩れる版は採用しませんでした。このプロンプトで大事にしたのは、最高点を狙うことよりも、職種や状況が変わっても VAUD の流れが崩れにくいことです。
なお、この評価は万能な品質保証ではありません。ペルソナや judge の設計に依存しますし、本番利用前には自社の業務、言葉、制約に合わせて追加評価する必要があります。ただ、プロンプトを「勘で磨く」のではなく、「期待する対話の形を評価可能にして、実行結果から直す」だけでも、プロンプト改善はかなり再現性のある作業になります。
プロンプト改善は、勘ではなく eval のループで半自動的に進めた
6. 運用のポイント
6.1 成功条件
6.1.1 担当者自身が言語化する
ユースケース発見ガイドの最大の価値は、「担当者自身が、自分の価値・AIに任せたい仕事・自分が磨き高めていきたい領域を自分の言葉で言語化する」ことにあります。上から渡された用途リストは、いくら内容が正しくても定着しません。
6.1.2 チャンピオン・アンバサダーが横串で統合する
前作でご紹介したチャンピオン・アンバサダー制度は、ここでも効果を発揮します。複数の担当者がガイドで生成したアウトプットを、チャンピオン・アンバサダーがAIに渡して部門横断の優先度整理を行い、「最初に手を付けるユースケース」と「組織として人が担当し続けるタスクの領域として宣言するもの」を合意形成する、という流れです。
6.1.3 「目指す姿」を共有の北極星にする
「目指す姿」のパラグラフは、経営層への説明資料、担当者同士の共通認識づくり、そして導入後の振り返りの基準として、繰り返し参照される北極星になります。効率化の指標だけでは捉えきれない「役割の進化」という価値を、組織全体で共有できる言葉に変換する装置です。
6.2 落とし穴
6.2.1 最初から大きく構える
「全社展開」「基幹システム連携」といった大きな話から入ると、実装の準備が追いつかないまま頓挫します。VAUD の目的は 初期ユースケース の発掘です。まずは小さく、担当者自身が効果を感じられる範囲で始めることをおすすめします。
6.2.2 「価値」を抽象的なスローガンで終わらせる
「顧客第一」「品質重視」だけでは、 AIが担当するタスク／人が承認・判断するタスク／人が担当し続けるタスク の三項に振り分けることができません。 「どのような場面で、誰から、どんな価値として信頼されているか」 まで具体化することが大事です。ここはガイドとの対話の中でAIが重ねて問い直すポイントでもあります。
6.2.3 ROIだけで評価する
「時間削減で何%」「人件費で何万円」といった指標だけを追うと、価値起点の議論が元の課題起点に戻ってしまいます。 「目指す姿」に書いた役割進化の到達度 と、 「人が担当し続けるタスク」がどれだけ濃くなったか を、ROIと並んで評価軸に加えることを推奨します。
6.2.4 ステップ3を「任せる／任せない」の二択で聞いてしまう
5ステップの中で、第1章 1.2 で警戒した 「任せる／任せない」の二択構造 に最も滑り落ちやすいのがステップ3です。一見、ステップ3は「任せる候補を出してもらう場」に見えるため、二択フレームで聞きたくなる誘惑が最も強い段階でもあります。「何をAIに任せたいですか」「どこを自動化したいですか」、あるいは旧来の「課題は何ですか」「ボトルネックはどこですか」と直接聞いてしまうと、その瞬間に担当者の頭の中で「任せる／任せない」の二択評価が起動し、心配ごとが先に並んで停止ボタンに着地してしまいます。
プロンプトサンプルでは、ステップ3を 「価値発揮を取り戻すための交換」 として問う形に固定してあります。「ステップ2で言語化した価値の源泉に、もっと時間とエネルギーを注げるとしたら、いま何を手放したいですか」という、担当者ご本人が能動的に手放したい作業を語る問い方です。この時点では「AIが担当するタスク／人が承認・判断するタスク／人が担当し続けるタスク」への振り分けは行わず、まず候補を出すだけに留めます。三項分類への振り分けはステップ5の分業デザインで改めて行うので、ステップ3で二択の言葉が混ざっていないかを意識的に確認してください。
おわりに
AIエージェント導入の初期でつまずく原因は、技術ではなく 問いの立て方と議論の枠組み にあります。「何を任せるか」と問う限り、熟達者の心配ごとが先に並んでしまう。そして議論が「任せる／任せない」の二択に閉じている限り、その心配ごとは停止ボタンへと変換されてしまう。最もインパクトの大きいユースケースには、この二重の構造を抜けない限りたどり着けないのではないでしょうか。
本記事は、この構造に対する処方箋として、議論の入口を切り替えるという方針をご提案しました。すなわち、「 AIに何を任せるか 」起点ではなく「 担当者ご本人と所属部門・職務が生み出している価値をどう最大化するか 」起点で議論を始める、ということです。この入口の切り替えのために、本記事では2つの装置を組み合わせました。
ひとつめは、業務全体のタスクを 「AIが担当するタスク／人が承認・判断するタスク／人が担当し続けるタスク」の三項分類 で捉え直すことです。AIエージェント導入の議論を二択（任せる／任せない）から三項に開くことで、心配ごとは停止ボタンではなく、「人が承認・判断するタスク」での承認ポイント設計や「人が担当し続けるタスク」での専門領域の再認識という設計入力に立場を変えます。同時に三項分類は、担当者の価値を最大化するために業務をどう組み立て直すかの軸でもあります。価値発揮を阻害している作業は AIが担当するタスク に、価値発揮そのものにAIの能力を組み合わせるところは 人が承認・判断するタスク に、価値の源泉そのものは担当者自身が磨き高めていく 人が担当し続けるタスク に、という形で並びます。
ふたつめが、その振り分けを担当者ご本人の言葉で進めるための5ステップ、 VAUD（価値増幅ユースケース・ディスカバリー） です。価値そのものの言語化（ステップ1）から始めて、価値の源泉の特定（ステップ2）、価値発揮を取り戻すために手放したい作業の整理（ステップ3）、半年〜1年で届く能力拡張の描出（ステップ4）、ユースケースを提案して三項分類で分業デザインに展開する（ステップ5）、そして「目指す姿」で役割の進化として総括する。この順序で進めることで、熟達者の心配ごとを先に並ばせるのではなく、むしろ前向きな参加を引き出すことができます。
特に強調したいのは、ステップ5の 「AIが担当するタスクと並んで、人が担当し続けるタスクを同じ表の中で言語化する」 という設計です。これは三項分類で言えば人間が活躍し続ける領域そのもので、人の専門性を磨き高め続ける場所になります。「AIに何を任せるか」だけを語ると、議論はどうしても「人の置き換え」の方向に流れます。「AIが担当するタスク／人が承認・判断するタスク／人が担当し続けるタスク」を同じ分業デザインの中で並べることで初めて、AIエージェントは担当者の 同行者 として迎え入れられ、専門家自身が「自分の専門領域は最初から保証されている」という前提で、安心して「AIが担当するタスク」の合意に踏み出せます。
繰り返しになりますが、1回のサイクルですべてが解決するわけではありません。しかし、一人ひとりの担当者が「自分の価値がもっと発揮できる」「人間としての出番がむしろ濃くなる」という感触を持ってAIエージェントと向き合える状態を作れれば、導入後の定着と拡大は、手触りが大きく変わります。
まずはユースケース発見ガイドを使って、チーム内の数名に試してもらうところから始めてみてはいかがでしょうか。本記事はまだ提言の段階ですので、実際に試された方がいればぜひフィードバックをいただけると嬉しいです。
AIエージェントの本当のインパクトは、業務の置き換えではなく、 担当者ご本人と所属部門・職務が生み出している価値を最大化し、これまで不可能だった新しい価値創出を可能にすると同時に、人間の出番をより本質的なものに濃縮すること にあります。そしてその入口は、技術選定でもアーキテクチャでもなく、「あなたの職務・部門・個人として、どんな価値を生み出していると感じていますか」という一つの問いと、「AIが担当するタスク／人が承認・判断するタスク／人が担当し続けるタスク」という三項分類の枠組みから始まる、というのが今回たどり着いた結論です。AIエージェントは、その答えを一緒に探しに行く同行者としてこそ、最も力を発揮します。
Appendix A ～ 「目指す姿」を組織に浸透させるコツ ～
A.1 役員向けには「立ち位置の変化」から語る
「目指す姿」の3視点のうち、役員層にはまず 立ち位置の変化 から伝えるのがよいのではないでしょうか。役員は会社全体や部門全体を統括する立場であり、その関心の中心は、事業戦略の方向性や、自部門が組織の中で果たす役割の位置づけにあります。「この部門が、事業戦略の意思決定に直接参画する存在になる」という話は、その関心事と直接重なる言葉で AI エージェント導入のインパクトを語ることになるため、投資判断としても受け止めやすくなるのではないでしょうか。
A.2 現場向けには「働き手の価値への回帰」から語る
同じ「目指す姿」を、現場向けには 働き手の価値への回帰 から語り始めます。「夜間のインシデント対応から解放され、本来発揮したい設計の仕事に時間を使えるようになる」「履歴書の一次スクリーニングから解放され、候補者との対話に時間を使えるようになる」。ここに説得力を持たせられるかで、導入の受容度が変わります。
A.3 中間管理職には「関係者から見える変化」を
中間管理職は、経営と現場の両方の言葉を扱う立場です。彼らには 関係者から見える変化 を渡すと、自部門の説明責任を果たしやすくなります。「開発チームからはこう見える、経営からはこう見える、現場からはこう見える」という多視点の説明は、組織内コミュニケーションの材料として非常に使いやすい構造です。
A.4 全員に「人が担当し続けるタスク」を共有する
役員・中間管理職・現場の3層すべてに共通して有効なのが、ステップ5の分業デザインで言語化された 「人が担当し続けるタスク」 を改めて共有することです。「AIエージェントを入れることで、私たちは何を担い続けるのか」を組織として明文化することで、AI導入が「役割の置き換え」ではなく「役割の進化」として受け取られます。
Appendix B ～ Human-in-the-loopの境界設計 ～
本章はユースケース発見のフェーズではなく、 発見したユースケースを実装するフェーズ で活用する参考情報です。はじめにでも触れたとおり、セキュリティ・コンプライアンス・誤動作対策は軽視すべき論点ではなく、むしろ実装時には必ず通過すべき重要な設計ポイントです。ただし、「AIが担当するタスク／人が承認・判断するタスク／人が担当し続けるタスク」の三項の振り分けが担当者ご本人との間で合意される前に、これらをユースケース発見の段階で先に議論の前面に置くと、第1章で見たとおり、二択構造の中で心配ごとが停止ボタンに変わる材料になってしまいます。そのため本記事ではAppendixに分けて収録しています。
B.1 エージェントはチャットよりもリスクが質的に異なる
チャット型AIでは人間が出力を読んでから判断しますが、エージェントはシステムに対して書き込み・送信・更新といったアクションを実行します。誤動作の影響が「間違った文章を読んだ」ではなく「間違ったデータが顧客に送信された」「誤った金額で処理が走った」になり得るという点で、リスクの質が異なります。
だからこそ、VAUD で決めた「AIが担当するタスク / 人が承認・判断するタスク / 人が担当し続けるタスク」の線引きに加えて、実装時には 「AIが担当するタスクの中でも、人の承認・判断を挟む具体的なポイント」 を明示的に設計します。
B.2 境界設計の3つの軸
ユースケース発見ガイドの出力を実際のエージェント実装に落とすときは、次の3つの軸で境界を決めることをおすすめします。
B.2.1 金額・数量の閾値を設ける
「○万円以下は自動処理、超えたら担当者承認」といった閾値を明示的に設定します。閾値は後から変更可能にしておき、運用の実績に応じて徐々に緩めていく形が安全です。
B.2.2 外部への送信・公開を境界にする
顧客メールの送信、外部APIの呼び出し、一度出たら取り消せない処理は、初期段階では必ず人間の承認を挟みます。社内向けの下書き生成までは自動、外部への出力は承認必須、という線引きが扱いやすいです。
B.2.3 前例のないパターンは必ずエスカレーションする
過去のデータに類似パターンがない場合は、エージェントが独自判断せず、担当者に判断を仰ぐ設計にします。「確信度が高ければ自動、低ければエスカレーション」という二段構えが、誤動作の大半を吸収してくれます。
B.3 境界は実装の最後に必ず確認する
プロンプトサンプルの原則5（実行の現実性を確認する）に含めた理由がここです。ユースケース対話の最後に、エージェントが以下の項目を担当者に確認することで、ユースケース定義と境界設計が切り離されないようにしています。
- データへのアクセス権限は取得可能か
- 誰がどのレベルで承認するのか
- アクションの結果はどうやって元に戻せるか（ロールバック）
- 監査ログはどこに残るか
Appendix C ～ 8つのユースケースの VAUD 展開 ～
本章では、第3章の表でご紹介した8つの職務について、VAUD の5ステップ＋仕上げの枠組みに沿って展開した詳細をご紹介します。実際の現場では、担当者ご自身がプロンプトサンプル（第5章）を使って自職務を言語化するのが本筋ですが、着想の呼び水として、また他職務の議論と比較するリファレンスとしてお使いください。
各職務の記述は、紙面の都合上、ステップ3とステップ4は要点のみに圧縮し、ステップ5と仕上げに重心を置いています。実際の対話では、ステップ3とステップ4にこそ時間をかけて、担当者本人の言葉で組み立ててください。
C.1 業務オペレーション（Business Operations）
ステップ1 価値の言語化
業務オペレーション部門が生み出している価値は、 「お客様に約束した通りに製品・サービスが届くこと」 です。
ステップ2 価値の源泉
この価値の源泉は、単なる事務処理能力ではなく、 「例外が発生したときに、最後まで諦めずに代替案を見つけ出す粘り強さ」 と、 「変更が出た瞬間に取引先と即座に再調整できる関係性」 にあります。お客様や事業部門は、「この部門に頼めば、何かあっても何とかしてくれる」という信頼を寄せています。
ステップ3 手放したいことの特定
価値の源泉に注ぎたい時間とエネルギーを奪っているのは、在庫の手作業確認、配送業者への定型連絡、複数システムをまたぐ手作業の段取り更新です。これらが減れば、 重要顧客の特殊な事情に深く向き合う時間 が取り戻せます。
ステップ4 できるようになりたいこと
半年〜1年後には、 「受注が入る前に準備が整っているプロアクティブな運用」 ができるようになっていたい。具体的には、需要予測と在庫配置の事前最適化、顧客ごとの納期傾向の先読み、リスクの事前検知、の3点です。
ステップ5 ユースケース提案と分業デザイン
| 番号 | ユースケース | AIが担当するタスク | 人が承認・判断するタスク | 人が担当し続けるタスク |
|---|---|---|---|---|
| 1 | 例外配送案件への対応 | 在庫横断検索、代替配送業者の選定、所要時間試算 | 代替案の最終承認 | 重要顧客への状況説明、難しい案件の交渉 |
| 2 | 段取りの自動実行と改善 | 複数ステップの段取り更新と実行管理 | 異常時の介入と変更の承認 | 段取り設計そのものの改善判断 |
| 3 | 需要予測に基づくプロアクティブ在庫配置 | 営業・生産・物流データの統合、需要予測、納期傾向のリアルタイム監視 | 在庫配置計画の最終決定、検知傾向への対応方針判断 | 業務設計の継続的な改善、新しい運用パターンの設計 |
目指す姿
オペレーション部門が「受注をさばく裏方」から「事業の先読みをする司令塔」へと立ち位置を変えます。顧客から見れば、注文した瞬間に最適な納期が提示され、問題が起きる前に代替案が届くという体験価値の質的変化が生まれます。経営から見れば、オペレーションの状態が事業判断にリアルタイムで反映される可視性が得られます。そして担当者自身は、定型作業の消耗から解放され、本来発揮したい「顧客との信頼構築」と「業務設計そのものの改善」という、人間ならではの仕事に時間を集中できるようになります。
C.2 コンプライアンス（Compliance）
ステップ1 価値の言語化
コンプライアンス部門が生み出している価値は、 「規制を守りながら、事業を前に進められる道筋を示すこと」 です。
ステップ2 価値の源泉
この価値の源泉は、 「難しい案件に対して、根拠を持って『こうすれば進められる』と道筋を示せる専門判断」 にあります。事業部門や経営は、「この部門に相談すれば、止められるのではなく、進める道が見える」という信頼を寄せています。
ステップ3 手放したいことの特定
専門判断に注ぐべき時間を奪っているのは、膨大な取引ログや文書の監視、規制改正のキャッチアップ、証跡作成の手作業です。これらが減れば、 前例のない案件の解釈と当局との対話 に深く向き合えます。
ステップ4 できるようになりたいこと
半年〜1年後には、 「新規事業の企画段階で、各国規制への適合性をリアルタイムに判断できる」 状態になっていたい。また、規制改正の兆候を継続的に監視して、影響範囲を事前に洗い出せるようになっていたい。
ステップ5 ユースケース提案と分業デザイン
| 番号 | ユースケース | AIが担当するタスク | 人が承認・判断するタスク | 人が担当し続けるタスク |
|---|---|---|---|---|
| 1 | リアルタイム監視と異常検知 | 取引ログ・文書の常時監視、異常検知、根拠付きレポート生成 | 検知事案の判断、エスカレーション要否の決定 | 規制当局とのコミュニケーション、社内へのコンプライアンス文化の浸透 |
| 2 | 規制改正の追跡と事業影響の先読み | 規制改正の自動追跡、影響範囲の一次抽出、改正兆候の継続監視 | 抽出された影響への対応方針判断 | 前例のない案件の解釈、経営層との対話 |
| 3 | 新規事業への適合性判定 | 業務システムと規制データベースの横断、適合性のリアルタイム判定 | 適合性判定の最終確認 | 新規事業企画への戦略助言、難しい案件で道筋を見出す専門判断 |
目指す姿
コンプライアンス部門が「事後チェック部署」から「新規事業の初期段階から参画する戦略パートナー」へと立ち位置を変えます。事業部門から見れば、これまで「コンプライアンスに聞くと止められる」という印象だった部署が、「相談すれば前に進む道筋が見える」信頼できる参謀に変わります。経営から見れば、事業スピードを落とさずにリスクを管理できる体制が生まれます。そして担当者自身は、証跡作成の作業から解放され、本来発揮したい「難しい案件で道筋を見出す専門判断」に集中できるようになります。
C.3 DevOps / SRE
ステップ1 価値の言語化
SREやDevOpsエンジニアが生み出している価値は、 「サービスを止めずに、開発チーム全体の速度を底上げすること」 です。
ステップ2 価値の源泉
この価値の源泉は、深夜の単純な障害対応そのものではなく、 「障害に強いアーキテクチャを設計できる技術力」 と 「組織全体の技術水準を引き上げる技術的リーダーシップ」 にあります。開発チームや経営は、「この人たちがいるから、安心してリリースできる」という信頼を寄せています。
ステップ3 手放したいことの特定
価値の源泉に注ぐべき時間を奪っているのは、深夜の単純なインシデント一次対応、定型的なデプロイ監視、既知パターンの繰り返し復旧作業です。これらが減れば、 アーキテクチャ設計と開発チームへのメンタリング に時間を使えます。
ステップ4 できるようになりたいこと
半年〜1年後には、 「全サービスのアーキテクチャを常時監視し、脆弱な箇所を先回りで検知して恒久対策を打てる」 状態になっていたい。また、リリース内容と事業KPIをリアルタイムで関連づけて、技術投資が事業成果に直結する状態を可視化できるようになっていたい。
ステップ5 ユースケース提案と分業デザイン
| 番号 | ユースケース | AIが担当するタスク | 人が承認・判断するタスク | 人が担当し続けるタスク |
|---|---|---|---|---|
| 1 | インシデント対応の自動化 | 一次対応、ログ収集と初期切り分け、既知パターンの自動復旧 | 復旧策の承認、エスカレーション判断 | 根本原因分析、恒久対策の設計 |
| 2 | リリース判断の自動化 | カナリアリリースの自動判断、リリースと事業KPIのリアルタイム連結 | ロールバック判断、リリース戦略の承認 | アーキテクチャ設計、技術投資の意思決定 |
| 3 | アーキテクチャ脆弱性の常時検知 | 全サービスのアーキテクチャ常時監視、脆弱な箇所の検知 | 検知された問題の優先順位判断 | 障害に強いアーキテクチャ設計、開発チームへの技術メンタリング、新技術の評価と導入判断 |
目指す姿
DevOps / SRE部門が「システムを動かし続ける裏方」から「事業KPIを技術で最大化する戦略パートナー」へと立ち位置を変えます。開発チームから見れば、障害対応に煩わされることなく価値創出に集中できる基盤が整います。経営から見れば、技術投資が直接的に事業成果につながる可視性が生まれます。そして何より、エンジニア自身が夜間対応の消耗から解放され、本来発揮したい「障害に強いアーキテクチャを設計する創造的な仕事」と「次の世代を育てるメンタリング」に時間を使えるようになります。
C.4 金融分析（Financial Analysis）
ステップ1 価値の言語化
アナリストが生み出している価値は、 「変動の激しい市場の中で、判断の根拠となる洞察を届けること」 です。
ステップ2 価値の源泉
この価値の源泉は、データ集計能力ではなく、 「市場の空気を読む相場観」 と 「経営者やクライアントとの対話で本質を引き出す力」 にあります。「このアナリストに聞けば本質が分かる」という期待が信頼の核です。
ステップ3 手放したいことの特定
洞察形成の時間を奪っているのは、市場データの収集、ポートフォリオの集計、定型レポートの作成といった「材料作り」作業です。これらが減れば、 相場観の形成とクライアントとの深い対話 に時間を使えます。
ステップ4 できるようになりたいこと
半年〜1年後には、 「マクロ経済の変化が特定セクターに与える影響を、変化が起きた瞬間にシミュレーションできる」 状態になっていたい。また、複数シナリオに基づくポートフォリオのストレステストを瞬時に回せるようになっていたい。
ステップ5 ユースケース提案と分業デザイン
| 番号 | ユースケース | AIが担当するタスク | 人が承認・判断するタスク | 人が担当し続けるタスク |
|---|---|---|---|---|
| 1 | 市場データ収集と定型レポート | 市場データ収集、ポートフォリオのリアルタイム分析、リスクモデル実行、定型レポート生成 | レポート結果の確認と公開判断 | 相場観の形成 |
| 2 | シナリオシミュレーションとストレステスト | マクロ経済イベントの影響を即時シミュレーション、複数シナリオによるストレステスト | シナリオ設計の妥当性確認、結果に基づく方針決定 | 投資判断、本質を引き出す対話 |
| 3 | クライアント対応における情報供給 | クライアント関連情報の集約、過去対話の要約、類似ケースの提示 | 提供情報の取捨選択 | クライアントとの深い対話、経営判断への助言 |
目指す姿
アナリストが「単一領域の専門家」から「マクロとミクロを行き来する統合判断の達人」へと立ち位置を変えます。クライアントから見れば、変動の激しい市場で「分析が終わった頃にはチャンスが消えている」状態から、タイムリーに根拠ある判断が得られる体制へと変わります。経営から見れば、判断スピードが競争優位に直結する時代に対応できる組織能力が生まれます。そしてアナリスト自身は、材料作りの消耗から解放され、本来発揮したい「市場を読む洞察」と「クライアントとの深い対話」に集中できるようになります。
C.5 人事・採用（HR / Talent）
ステップ1 価値の言語化
人事が生み出している価値は、 「組織の未来を担う人材を見つけ、適切な役割で活躍してもらうこと」 です。
ステップ2 価値の源泉
この価値の源泉は、「採用を回す事務処理能力」ではなく、 「候補者の可能性を見抜く眼力」 と 「組織と人のマッチングを設計する力」 にあります。「この人事が見極めた人材なら活躍する」という実績に裏打ちされた判断力が信頼の核です。
ステップ3 手放したいことの特定
眼力を発揮する時間を奪っているのは、面接日程の調整、大量の履歴書の一次スクリーニング、コンピテンシーフレームワークの作成などの定型作業です。これらが減れば、 候補者との深い対話と組織デザイン に時間を使えます。
ステップ4 できるようになりたいこと
半年〜1年後には、 「どんな人材が、どのチームで、どんな役割を担えば最大の価値を生むかを、組織全体の観点で最適化できる」 状態になっていたい。また、社内の人材開発履歴と配置実績を継続的に監視して、離職リスクや成長機会を先回りで検知できるようになっていたい。
ステップ5 ユースケース提案と分業デザイン
| 番号 | ユースケース | AIが担当するタスク | 人が承認・判断するタスク | 人が担当し続けるタスク |
|---|---|---|---|---|
| 1 | 採用一次プロセスの自動化 | 候補者の一次評価、面接日程の自動調整、コンピテンシーフレームワークのたたき台生成 | 一次評価結果の最終承認、フレームワークの調整 | 候補者との深い対話、可能性を見抜く判断 |
| 2 | 適性マッチングと配置最適化 | 採用データ・社内活躍実績・戦略情報の統合、配置適性のマッチング提案 | 配置案の最終決定 | 配属部署との擦り合わせ、組織デザイン |
| 3 | 人材リスクと成長機会の継続監視 | 人材開発履歴の継続監視、離職リスク・成長機会の先読み、兆候のアラート | 検知された兆候への対応判断 | リーダー人材の見極め、深い1on1対話 |
目指す姿
人事が「採用を回す部署」から「組織の未来を設計する戦略部署」へと立ち位置を変えます。事業部門から見れば、「必要な人が必要なタイミングで適切に配属される」体制が整います。経営から見れば、人材戦略と事業戦略が連動した意思決定が可能になります。そして人事担当者自身は、スクリーニングや調整作業の消耗から解放され、本来発揮したい「人を見る眼力」と「組織をデザインする創造性」に集中できるようになります。
C.6 法務（Legal）
ステップ1 価値の言語化
法務が生み出している価値は、 「リスクを見抜きながら、事業を前に進める道筋を示すこと」 です。
ステップ2 価値の源泉
この価値の源泉は、契約書のレビューそのものではなく、 「リスクと事業機会を統合的に判断する戦略眼」 と 「交渉と合意形成を通じて事業の可能性を広げる力」 にあります。「この法務に相談すれば前に進める道が見える」という戦略眼が信頼の核です。
ステップ3 手放したいことの特定
戦略眼を発揮する時間を奪っているのは、過去の判例や契約書の検索、類似案件の調査、定型文書のドラフト作成です。これらが減れば、 前例のない案件のリスク評価と交渉戦略の構築 に時間を使えます。
ステップ4 できるようになりたいこと
半年〜1年後には、 「新規事業の検討段階で、法務が自ら『この領域は規制変更の兆候があるので今のうちに参入すべき』と提言できる」 状態になっていたい。また、既存の全契約を継続的に監視して、規制変更や取引状況の変化による潜在リスクを先回りで検知できるようになっていたい。
ステップ5 ユースケース提案と分業デザイン
| 番号 | ユースケース | AIが担当するタスク | 人が承認・判断するタスク | 人が担当し続けるタスク |
|---|---|---|---|---|
| 1 | 過去資料の横断検索と要約 | 判例・契約書・過去案件の横断検索と要約、定型契約のドラフト生成と一次レビュー | 検索・要約結果の確認、ドラフトの承認 | 法的解釈の最終判断、前例のない案件のリスク評価 |
| 2 | 新規事業のリスク提言 | 営業・顧客・市場・規制データの統合、新規事業に対するリスク提言の生成 | 提言内容の検証 | 戦略判断、事業部門との対話、交渉戦略の構築 |
| 3 | 既存契約の継続監視 | 既存全契約の継続監視、規制変更や取引状況の変化による潜在リスクの先読み | 検知された潜在リスクへの対応方針判断 | 重要案件の交渉戦略、合意形成 |
目指す姿
法務が「契約書をレビューする部署」から「事業リスクを先取りして戦略提案する部署」へと立ち位置を変えます。事業部門から見れば、これまで「法務は後工程で時間がかかる」という印象だった部署が、「事業の初期段階から一緒に考える戦略パートナー」に変わります。経営から見れば、法的リスクが事業機会と一体で可視化される意思決定環境が生まれます。そして法務担当者自身は、調べ物の作業から解放され、本来発揮したい「戦略判断」と「交渉・合意形成」という専門性の高い仕事に集中できるようになります。
C.7 市場調査（Market Research）
ステップ1 価値の言語化
リサーチャーが生み出している価値は、 「事業判断を変えるインサイトを届けること」 です。
ステップ2 価値の源泉
この価値の源泉は、情報を集める能力ではなく、 「バラバラの情報から構造を見出す洞察力」 と 「事業に効くインサイトを言語化する力」 にあります。「このリサーチャーの分析には、意思決定を変える発見がある」という期待が信頼の核です。
ステップ3 手放したいことの特定
洞察力を発揮する時間を奪っているのは、Web検索、複数データソースの横断、引用元の管理、レポートの定型部分の執筆です。これらが減れば、 問いの設計とインサイトの組み立て に時間を使えます。
ステップ4 できるようになりたいこと
半年〜1年後には、 「経営会議の議題が生じたその場でインサイトが提供される」 状態になっていたい。また、競合の動きに対して即座に分析を返せる継続的な情報供給体制を作りたい。
ステップ5 ユースケース提案と分業デザイン
| 番号 | ユースケース | AIが担当するタスク | 人が承認・判断するタスク | 人が担当し続けるタスク |
|---|---|---|---|---|
| 1 | 情報収集とエビデンス整理の自動化 | Web検索、複数ソースからのデータ統合、エビデンス整理と引用管理、定型レポートのドラフト生成 | ドラフト内容の確認と公開判断 | 問いの設計、洞察の組み立て |
| 2 | 即時インサイト供給 | 市場情報と社内営業・顧客データの統合、議題発生時の即時インサイト生成 | 提供されるインサイトの取捨選択 | 事業への示唆の言語化、ステークホルダーとの対話 |
| 3 | 競合の継続モニタリング | 競合の動きの継続モニタリング、変化検知と即時分析 | 検知後の対応方針判断 | 戦略的な意味づけ、経営層への提言 |
目指す姿
リサーチが「プロジェクト単位の調査」から「継続的に事業判断を支える情報基盤」へと立ち位置を変えます。事業部門から見れば、意思決定が必要な瞬間に常に根拠ある情報が得られる環境が整います。経営から見れば、調査会社への外注コストも含めて組織の知的生産性が桁違いに変わります。そしてリサーチャー自身は、情報収集の作業から解放され、本来発揮したい「問いの設計」と「インサイトの組み立て」という創造的な仕事に集中できるようになります。
C.8 カスタマーサービス（Customer Service）
ステップ1 価値の言語化
カスタマーサービス部門が生み出している価値は、 「顧客の困りごとに寄り添い、ブランドへの信頼を築くこと」 です。
ステップ2 価値の源泉
この価値の源泉は、「問い合わせをさばく事務処理能力」ではなく、 「顧客の状況を理解して、期待を超える解決を提供する力」 にあります。「この会社に連絡すれば、ちゃんと自分の状況を理解して解決してくれる」という顧客の安心感が信頼の核です。
ステップ3 手放したいことの特定
寄り添う力を発揮する時間を奪っているのは、大量の定型問い合わせへの回答、顧客情報や過去履歴の検索、問い合わせ内容の記録と分類です。これらが減れば、 困難な案件と感情的配慮が必要な案件 に時間を使えます。
ステップ4 できるようになりたいこと
半年〜1年後には、 「問い合わせが来る前に顧客の困りごとを予測し、先回りで解決策を提示できる」 状態になっていたい。また、個別の問い合わせデータを集約・分析して、製品改善や事業戦略への示唆をリアルタイムで経営層に届けられるようになっていたい。
ステップ5 ユースケース提案と分業デザイン
| 番号 | ユースケース | AIが担当するタスク | 人が承認・判断するタスク | 人が担当し続けるタスク |
|---|---|---|---|---|
| 1 | 定型問い合わせ対応 | 定型FAQへの自動応答、顧客情報・過去履歴の自動集約、問い合わせの自動分類と優先度判定、対応履歴の自動記録 | 自動応答の結果確認、エスカレーション判断 | 感情的配慮が必要な対応、難しい案件の解決 |
| 2 | 困りごとの予測と先回り提案 | 購買・問い合わせ・利用状況・SNSの統合、困りごとの予測、先回り提案の生成 | 提案内容の確認と顧客への提示判断 | VIP顧客とのリレーション構築 |
| 3 | 事業改善示唆の経営層への提供 | 問い合わせデータの集約・分析、事業改善示唆のリアルタイム生成 | 示唆内容の検証と経営層への提示判断 | 顧客の声から事業改善示唆を読み取る分析、サービス戦略の立案 |
目指す姿
カスタマーサービス部門が「問題発生後のリアクティブな窓口」から「顧客体験をデザインしブランド価値を高める戦略部署」へと立ち位置を変えます。顧客から見れば、「問題が起きる前に気遣いが届く」「連絡した時には既に状況を理解されている」という信頼体験が生まれます。経営から見れば、顧客の生の声が事業改善に直結するフィードバックループが構築されます。そしてサービス担当者自身は、繰り返し作業の疲弊から解放され、本来発揮したい「顧客に寄り添う力」と「難しい案件を解決する力」に集中できるようになります。
C.9 8つのユースケースに共通する構造的な変化
8つの職務を VAUD で展開した結果、どの職務にも共通する3つの構造的な転換が浮かび上がりました。第3章の末尾でも触れましたが、改めて整理します。
-
材料作りから判断へ ～ 時間配分のシフト
専門職の価値は最終的に「判断」「対話」「創造」にありますが、実態として多くの時間は材料集めと整形作業に費やされていました。エージェントはこの配分を根本的に変え、担当者が本来発揮したい価値に時間とエネルギーを集中できるようにします。 -
事後対応から先読みへ ～ 姿勢の転換
どの部門も、従来は「発生した事象に対応する」受動的な動きが中心でした。エージェントが常時監視と統合分析を担うことで、「発生する前に動く」プロアクティブな部門に変わります。これは人員を増やしても実現できなかった、構造的な能力の拡張です。 -
単独機能から事業パートナーへ ～ 役割の進化
法務、コンプライアンス、人事、DevOps / SRE、カスタマーサービスといった職能は、従来「縦割りの専門部署」として存在していました。エージェントが部門間のデータと知識を横断できるようになることで、これらの部署が 事業の戦略判断に直接参画する存在 に変わっていきます。
そして、これら3つの構造的な変化と表裏一体で、 「人が担当し続けるタスク」の濃縮 が起きます。AIに任せる仕事が増えるほど、人間が担う仕事は「難しい案件の判断」「顧客や経営との深い対話」「組織デザイン」「メンタリング」といった、 人間でなければできない、人間がやってこそ意味のある仕事 に重心が移り、人の専門性が磨き高められ続けていきます。これが、本記事を貫く「AIエージェントは、あなたの価値を奪うのではなく、最大化するための同行者」というスタンスの、具体的な姿です。
引用・参考文献
- TIS／東洋経済オンライン「『PoC止まりの壁』を突破するAI戦略構築の要諦」（PoC止まり率の出典）
- AQUA テックブログ「AIエージェント導入で失敗する5つの原因」（BCG分析の出典）
- 前作「社内AI活用の『何から始めれば？』をAIで突破する ～AI駆動AI普及活動 AAAP～」