AIエージェント導入・業務自動化支援｜業務設計からPoC・本番運用まで

生成AIを業務で使い始めたものの、「結局は人が一つずつ指示している」「社内データや既存システムとつながっていない」「PoCまではできたが、本番業務へ組み込めない」といった課題はありませんか。

AIエージェントは、質問に回答するだけでなく、目的に応じて必要な情報を集め、状況を判断し、ツールやシステムを利用しながら複数の処理を進める仕組みです。

GBSは、AI製品の導入そのものを目的にせず、現在の業務プロセス、既存システム、社内データ、人による判断・承認を整理し、「どの仕事を、どこまでAIに任せるか」を設計します。小規模な検証から始め、実際の業務で継続して利用できるAIエージェント・業務自動化の実現を支援します。

このようなお悩みはありませんか

AIエージェント導入では、AIモデルだけを見るのではなく、業務、データ、既存システム、人の判断、AIの実行範囲を一体として整理することが重要です。

GBSは、AIを導入するのではなく「AIが仕事を進められる業務」を設計します

AIエージェント導入で重要なのは、最新のAIモデルを選ぶことだけではありません。

現在どのように仕事が進んでいるのか、どの情報を参照しているのか、どのシステムを操作しているのか、誰が何を判断しているのかを整理したうえで、AI、人、既存システムの役割を決める必要があります。

GBSでは、まず現状業務を整理し、AIに任せやすい工程と、人が引き続き判断・確認すべき工程を切り分けます。そのうえで、必要なデータやシステムをAIから利用できるようにし、実際の業務プロセスの中でAIエージェントが働ける仕組みを設計します。

AIエージェントとは、業務の「一工程」ではなく「仕事の流れ」を支援するAI

一般的な生成AI活用では、人が質問や指示を入力し、AIが回答し、その回答を見た人が次の指示を出す使い方が中心です。

AIエージェントでは、業務の目的、利用する情報、利用できるツール、判断基準、人による確認ポイントなどをあらかじめ設計します。AIは、その範囲内で必要な情報を取得し、次に行う処理を判断しながら、複数の工程を連続して進めます。

目指すのは、人を業務から完全に外すことではありません。情報収集、照合、整理、定型処理などAIが担いやすい工程を任せ、人は例外判断、方針決定、顧客対応、承認、業務改善など、人が担うべき仕事へ集中できる状態を目指します。

AIエージェントを業務で動かすために必要な8つの設計

AIエージェントは、一つの技術だけで実現するものではありません。プロンプト、データ、既存システムとの接続、AIの実行ループ、権限や承認などを組み合わせて初めて、企業業務で利用できる仕組みになります。

1．プロンプトエンジニアリング ― AIの役割と判断ルールを設計する

プロンプトは、単にAIへ「上手な質問」をするための文章ではありません。AIエージェントでは、AIが担う役割、目的、判断基準、参照すべき情報、禁止事項、出力形式などを定義する業務ルールの一部になります。

例えば、「回答してください」だけではなく、「どの情報を根拠にするか」「情報が不足した場合にどうするか」「判断できない場合は何を返すか」「どの形式で結果を出すか」まで整理します。

ただし、プロンプトだけを精緻化しても業務自動化は成立しません。AIが仕事を進めるためには、正しい情報、利用できるツール、処理の流れ、実行範囲まで設計する必要があります。

2．完了条件・評価基準の設計 ― AIが「どこまでやれば終わりか」を明確にする

AIエージェントへ業務を任せるためには、「何をもって完了とするのか」を明確にする必要があります。

人が行っている業務では、担当者の経験や暗黙知によって、「この程度まで確認できれば十分」「この状態なら次の工程へ進める」と判断していることがあります。

しかし、AIエージェントは、こうした曖昧な完了判断をそのまま理解できるとは限りません。

そのためGBSでは、AIエージェント化を検討する際に、業務の完了条件や評価基準をできるだけ客観的に整理します。

完了条件が曖昧なままでは、AIが必要以上に処理を繰り返したり、逆に不十分な状態で処理を終了したりする可能性があります。

業務の完了条件を明確にすることは、AIエージェントの精度を高めるためだけでなく、再試行回数、処理時間、トークン消費、利用コストを適切に制御するうえでも重要です。

3．コンテキスト・データ設計 ― AIに何を見せるかを決める

AIエージェントの回答や判断は、利用する情報に大きく左右されます。そのため、AIモデルそのものだけでなく、「どの情報を、どのタイミングで、どの範囲までAIへ渡すか」を設計することが重要です。

• どの文書やデータを利用するか
• 複数の情報がある場合、どれを正本とするか
• 最新版や有効な情報をどう判断するか
• 利用者によって参照できる情報をどう変えるか
• 一度にAIへ渡す情報量をどこまでにするか
• 過去のやり取りや業務状態をどこまで引き継ぐか

大量の情報をすべてAIへ渡せばよいわけではありません。必要な情報を必要なタイミングで与えることは、回答品質だけでなく、トークン消費量や処理時間の抑制にもつながります。

4．ツール・既存システム連携 ― AIを「答えるだけ」から「実行できる」状態へ

AIエージェントが実際の業務を進めるためには、企業内の情報やシステムを利用できる必要があります。

GBSでは、PLM、ERP、CRM、情報共有基盤、データベース、Webシステム、ファイル、Excelなど、すでに企業内で利用されている資産を一律に置き換えるのではなく、AIエージェントの情報源や業務ツールとして活用する方法を検討します。

具体的な接続方法としては、既存システムの仕様や目的に応じて、API、MCP、データベース連携、ファイル連携などを使い分けます。

重要なのは「AIとシステムが接続できること」ではなく、AIがどの情報を参照し、どの処理まで実行できるかを業務ルールとあわせて設計することです。

5．エージェント設計・オーケストレーション ― 誰が何を担当するかを決める

一つのAIエージェントですべてを処理する方法が適している業務もあれば、複数のAIエージェントに役割を分けた方がよい業務もあります。

例えば、情報収集を担当するAI、内容を分析するAI、処理案を作るAI、結果を確認するAIなどを分け、それぞれを連携させて一つの業務を進める方法です。

ただし、エージェントの数を増やせば必ず高度になるわけではありません。複雑な構成は処理時間、トークン消費、運用負荷を増やす可能性があります。

GBSでは、業務の複雑さ、必要な精度、責任範囲、処理時間、コストなどを確認し、必要以上に複雑な構成にしないことも重視します。

6．ループエンジニアリング ― AIが仕事をどう繰り返すかを設計する

AIエージェントでは、一度処理して終わるのではなく、実行結果を確認し、必要に応じて追加情報を取得したり、処理方法を変えたり、再試行したりすることがあります。

ここでは、この「確認・判断・実行・評価・修正」の反復を設計する考え方を、ループエンジニアリングとして整理します。

例えば、情報が不足していれば追加情報を探す、処理結果が条件を満たさなければ別の方法を試す、一定回数以上失敗した場合は人へ引き継ぐ、といったルールを設計します。

重要なのは、「何度でも考えさせること」ではありません。業務として必要な品質に到達するために、何を確認し、どこまで再試行し、どこで終了するかを明確にすることです。

7．AIハーネス ― AIエージェントを業務で安全に動かす

AIエージェントが自律的に仕事を進めるようになるほど、何を参照できるか、何を実行できるか、どこまで自動化するかを制御する仕組みが重要になります。

GBSでは、AIモデルやプロンプトの外側で、データ、ツール、アクセス権、自動実行範囲、人による承認、ログ、異常時の停止などを管理する仕組みをAIハーネスとして捉えています。

• AIが利用できるデータやツールを制限する
• 利用者や業務に応じてアクセス権を適用する
• 重要な処理では人による確認・承認を求める
• AIの実行履歴や利用ツールを記録する
• 異常な処理や繰り返しを検知して停止する
• 一定条件で人や担当部門へエスカレーションする
• 処理時間や利用コストに上限を設ける

AIハーネスの目的は、AIの能力を制限することではありません。AIが任された範囲の中で、安心して業務を進められる環境を整えることです。

8．評価・継続改善 ― AIの精度だけでなく、業務全体を見る

AIエージェントは、一度構築して完成するものではありません。実際の利用結果を確認し、AIの役割、プロンプト、利用データ、ツール、ループ、承認ポイントなどを継続的に改善していく必要があります。

GBSでは、回答精度だけでなく、業務全体が適切に動いているかを評価します。

• 業務完了率
• 正しく完了した割合
• 平均処理時間
• 平均リトライ回数
• 人へのエスカレーション率
• 人による修正・介入率
• 1処理あたりのトークン消費量
• API・AIモデルの利用コスト
• ツールの実行回数
• エラー・停止の発生状況
• 利用者による業務適合性の評価

「AIが賢いか」だけではなく、「決められた時間とコストの中で、必要な品質の仕事を完了できるか」を確認することが、本番運用では重要です。

ループは、繰り返せることより「適切に止められること」が重要

AIエージェントの特徴の一つは、処理結果を見ながら再試行できることです。しかし、再試行の条件や終了条件が曖昧だと、AIが必要以上に同じ処理を繰り返す可能性があります。

例えば、同じ検索を何度も実行する、ほとんど同じ回答を再生成する、改善が見られないのに推論を続ける、エラーの原因を変えずに同じツールを呼び続ける、といった状態です。

こうしたループは、結果の品質がほとんど改善しないまま、トークン消費量、API利用料、処理時間、外部システムへのアクセス回数を増やす原因になります。

GBSでは、自律性を高めることだけを目的にしません。品質、処理時間、コスト、安全性のバランスを確認し、「続ける」「方法を変える」「停止する」「人へ戻す」を適切に判断できる業務ループを設計します。

AIと人は、業務の重要度に応じて役割を分ける

すべての業務をAIへ任せる必要はありません。むしろ、何をAIに任せ、何を人が担うかを明確にすることが重要です。

AIが提案だけを行う業務、人が承認した後にAIが実行する業務、一定条件の中ではAIが自動実行する業務など、業務リスクに応じて自律化のレベルを調整します。

AIエージェントに向いている業務、慎重に検討すべき業務

業務を整理した結果、AIエージェントではなく、従来のシステム機能、ルールベース処理、RPAなどを利用した方が適している場合もあります。

GBSは「何でもAIにする」のではなく、AI、人、既存システム、従来型の自動化を組み合わせ、業務全体として適した仕組みを検討します。

AIエージェントで検討できる主な業務

PoCでは「AIが動くか」ではなく「業務が回るか」を確認する

AIエージェントのデモが動くことと、企業業務で継続的に利用できることは同じではありません。

GBSでは、PoCの段階から実際の業務を想定し、AIの回答内容だけでなく、一連の業務が必要な品質、時間、コストで成立するかを確認します。

• 目的とする業務を最後まで処理できるか
• 必要な情報を正しく取得できるか
• 誤った処理や見落としを検出できるか
• 失敗時に適切に修正・再実行できるか
• 不要なリトライが発生していないか
• 平均試行回数が想定範囲内か
• トークン消費量やAPI利用量が適切か
• 処理時間と利用コストが業務に見合うか
• 必要な場面で人へ確認を求められるか
• 終了条件・停止条件が明確か
• 人が行った方がよい工程はどこか

PoCの結果によって、自動化する範囲を狭めたり、人の確認ポイントを増やしたり、ループの回数を減らしたりすることもあります。

最大限の自動化ではなく、実際の業務で持続可能な自動化を目指します。

小さく始め、業務に合わせてAIの自律度を高める

レベル1　AIが情報を整理・提案する

AIが必要な情報を検索・整理し、人へ回答案や処理案を提示します。最終的な判断と実行は人が行います。

レベル2　AIが複数工程を処理し、人が確認する

AIが複数の工程を進めて結果を作成します。重要な処理は、人が確認・承認してから実行します。

レベル3　一定条件内でAIが継続的に処理する

あらかじめ決めた範囲ではAIが自動的に業務を進め、例外、異常、規定回数以上のリトライなどが発生した場合に人へエスカレーションします。

レベル4　複数のAIエージェントが役割分担する

情報収集、分析、処理、確認などを複数のAIエージェントが分担し、部門やシステムを横断する業務を支援します。人は方針、重要判断、例外対応、改善を担います。

どのレベルが適しているかは、業務の重要性、リスク、検証可能性、既存システム、運用体制、利用コストによって異なります。

GBSのAIエージェント導入支援の進め方

1．現状業務・課題を整理する

誰が、どの情報を使い、何を判断し、どのシステムで何を処理しているかを整理します。情報探索、転記、照合、待ち時間、確認作業など、AIを適用できる可能性のある工程を洗い出します。

2．AIと人の役割を設計する

AIが担当する工程、人が判断する工程、人の承認を必要とする工程を整理し、自動化する範囲を決めます。

3．AIエージェントの振る舞いと業務ループを設計する

プロンプト、利用するデータ、ツール、判断条件、処理順序、再試行、停止条件、エスカレーションなどを設計します。

4．既存データ・システムとの接続方法を整理する

必要な情報の保存場所、正本、アクセス権を確認し、既存システムとの連携が必要な場合はAPI、MCPなど利用可能な接続方式を検討します。

5．小規模なPoCで業務適合性を評価する

対象業務や利用者を限定して検証します。精度だけでなく、業務完了率、リトライ回数、処理時間、人の介入回数、トークン消費量、利用コストなどを確認します。

6．AIハーネスを含む本番運用を設計する

認証、アクセス権、承認、実行ログ、停止、再実行、通知、利用コストなど、本番業務で継続的に利用するための制御と運用方法を整理します。

7．利用結果から継続的に改善する

どこでAIが失敗しているか、人がどの工程へ介入しているか、不必要なリトライが発生していないかを確認し、プロンプト、データ、ツール、ループ、自動化範囲などを見直します。

GBSがAIエージェント導入で重視すること

製造業・PLMの知見を、AIエージェントの業務設計へ

製造業では、設計、製造、調達、品質、サービスなど複数部門が関わり、BOM、図面、仕様、設計変更、品質情報など多くの情報を確認しながら業務が進みます。

このような業務では、「AIに質問できる」だけでは不十分です。どの情報を正本とするか、変更や関連情報をどこまで追うか、どの段階で誰が判断するかを整理する必要があります。

GBSは、PLMやDX支援で培ってきた業務プロセス、情報構造、システム連携の考え方をAIエージェント導入にも活かします。

AIを新しい孤立したシステムとして導入するのではなく、既存業務と既存情報基盤へ組み込み、人とAIが継続的に仕事を進められる仕組みを目指します。

よくある質問

AIエージェントを、実際に業務で動く仕組みへ

AIエージェント導入では、AIモデルやプロンプトだけでなく、業務、データ、既存システム、人の役割、実行ループ、制御、評価を一体として考える必要があります。