AIを導入したものの、確認や修正が増え、現場の負担がなかなか減らない。こうした課題に向き合う際は、ツールの機能だけでなく、業務の流れを見直すことが大切です。
AIエージェント時代の業務改革で重要なのは、AI・既存システム・人が、それぞれ何を担うかを設計することです。入力ルールや承認基準が曖昧なまま自動化すると、誤処理や手戻りを増やすおそれがあります。
本記事では、経営企画・DX推進・情報システム部門の方に向けて、役割分担の考え方、業務再設計の5ステップ、運用のチェックポイントを解説します。
生成AIの活用は、文章作成や要約にとどまりません。目的に応じて情報を参照し、複数のツールを使って作業を進める「AIエージェント」の業務利用も広がっています。ただし、任せられる範囲は、扱う情報、実行権限、誤処理が起きた場合の影響によって異なります。
2026年11月4日、Kongは、みずほフィナンシャルグループのAIエージェント活用拡大を支える接続管理基盤として、「Kong AI Gateway」の提供を開始したと発表しました。接続統制やアクセス管理の共通化に加え、AIモデルの利用量・コストの可視化を支援する取り組みです。
この発表からも、AIの活用範囲を広げる際には、何を実行できるかだけでなく、誰が権限と利用状況を管理するかが重要な検討事項になると分かります。
業務再設計とは、既存の作業をそのままAIへ置き換えることではありません。不要な作業をなくし、共通化できる手順をそろえたうえで、AI・既存システム・人の役割と責任を組み直すことです。
すべての作業をAIへ任せる必要はありません。入力情報の形式、判断の曖昧さ、誤りの影響を基準に、適した手段を選びます。
| 業務の特徴 | 主な担い手 | 業務例 | 設計時の注意点 |
|---|---|---|---|
| 入力形式と処理ルールが明確 | 主な担い手既存システム・RPA・ワークフロー | 業務例定型転記、計算、条件に応じた通知 | 設計時の注意点入力チェックと処理失敗時の対応を決める |
| 文章を読み、候補や下書きを作る | 主な担い手生成AI | 業務例問い合わせ分類、文書要約、回答案作成 | 設計時の注意点参照元と出力の確認基準を定める |
| 情報参照とツール実行を状況に応じて組み合わせる | 主な担い手AIエージェント | 業務例問い合わせに応じた情報検索と対応案の準備 | 設計時の注意点実行権限と停止条件を限定する |
| 責任を伴う承認や例外判断が必要 | 主な担い手人 | 業務例契約承認、重要顧客への回答、例外処理 | 設計時の注意点承認者と不在時の引き継ぎ先を決める |
判断基準は「AIでできるか」だけではなく、品質・安全性・費用・保守性を含めて、安定して業務を続けられるかです。
たとえば請求書処理なら、記載内容の抽出や不備候補の提示はAIで補助し、金額の計算・照合は既存システム、支払い承認は人が担う設計が考えられます。これは検討例であり、実際には社内規程や扱う情報に合わせた検証が必要です。
関連サービスAI活用の検討を、現場の業務整理から。
コクーのDXコンサルティングは、現場の課題整理から改善施策の実行・定着までを伴走支援します。支援内容をまとめた資料を、ぜひご覧ください。
対象業務の開始条件、担当者、入力情報、利用ツール、承認経路、完了条件を洗い出します。通常の流れに加え、差し戻し、情報不足、担当者不在などの例外も整理しましょう。
そのうえで、重複した入力や、目的が曖昧になっている確認作業を見直します。不要な手順を残したまま自動化せず、業務自体を減らせないかを先に検討します。
残すもの：現状と改善後の業務フロー、担当者・所要時間・発生頻度の一覧。
表記ゆれ、更新されないマスタ、担当者ごとに異なる分類基準が残っていると、自動化後も確認が必要になります。入力項目の定義、正しい情報として参照するデータ、更新責任者を決めましょう。
個人情報・機密情報をAIへ渡してよいか、利用サービスでデータがどのように保存・利用されるかも確認します。参照資料の更新日や有効期限も管理対象です。
残すもの：入力ルール、参照データ一覧、判断基準、情報の取り扱いルール。
AIが案を作る段階と、外部送信・発注・データ更新を実行する段階は分けて設計します。影響の大きい操作は人の承認を挟み、実行権限は必要な範囲に限定します。
「必要項目が不足している」「参照資料に根拠がない」「複数の資料が矛盾している」ときは、自動処理を止めて担当者へ引き継ぐ、といった条件を設定します。AI自身の確信度だけに頼らず、確認できる条件を決めることが大切です。
残すもの：役割分担表、承認・停止条件、引き継ぎ先、権限とログの記録方針。
一部署・一業務に対象を絞り、過去データなどで出力品質を確認します。通常のケースだけでなく、情報不足や例外を含むケースも試し、本番で任せられる範囲を見極めましょう。
効果測定では、AIの処理時間だけでなく、入力準備・結果確認・修正・例外対応まで含めた総作業時間を比較します。件数や難易度の違いも考慮し、品質と費用をあわせて評価します。
残すもの：検証結果、導入前後の比較、継続・見直し・停止の判断基準。
業務ルールや参照データが変われば、AIの設定や確認基準も見直しが必要です。業務側の責任者とシステム側の担当者を明確にし、定期点検や変更時の再検証を運用へ組み込みます。
誤処理や障害が起きたときは、誰が処理を止め、どこまで影響を確認し、どの手順で手動運用へ切り替えるかを決めておきます。困ったときの相談先まで共有しましょう。
残すもの：運用マニュアル、担当者一覧、点検項目、停止・手動切り替え・復旧手順。
業務再設計の価値は、AIエージェントの導入に限りません。生成AIサービスを提供するIT企業への常駐支援では、資料の整理と再利用の仕組みづくりが、業務負担の軽減につながりました。
同社のカスタマーサクセス部門では、提案資料や講習会資料を担当者ごとに作成しており、準備負担や説明品質のばらつきが課題でした。
コクーの支援担当者は、120件以上の対応実績から知見を整理し、業界別の活用事例集を10件以上作成。資料をテーマごとのスライドセットに分け、共通部分を再利用しながら個別の要望にも対応できる仕組みを整えました。
支援事例の成果この事例は、AIエージェント導入による成果を示すものではありません。共通化する部分と個別対応を残す部分を分け、担当者が使い続けられる運用を整えた事例です。AI活用を検討する際にも、こうした業務と情報の整理が土台になります。
出典：コクー社員インタビュー：生成AI関連業務の資料標準化・効率化事例（取材日：2026年6月30日）
※記載の数値は紹介事例における成果であり、同様の効果を保証するものではありません。
未整備の項目は、導入を進めるために整理したい論点です。対象業務を絞り、影響の大きい項目から確認しましょう。
RPAは主に、事前に定めた手順に沿って反復作業を実行します。AIエージェントは、与えられた目的や権限の範囲で情報を参照し、状況に応じてツールや処理を選択する仕組みです。ただし、機能は製品や構成によって異なり、常に正しく判断できるわけではありません。AIが情報を整理し、RPAが定型操作を行い、人が承認するなど、組み合わせた設計も考えられます。
頻度が高く、手順と完了条件を説明でき、効果を測定しやすい業務が候補です。誤りの影響が限定的で、手動運用へ戻しやすいかも確認します。例外の多い高リスク業務は、先に判断ルールと責任分担を整理しましょう。
まずは、現場担当者と業務の流れ・困りごとを整理するところから始められます。設計やシステム連携には外部支援も活用できますが、業務の目的、承認基準、情報の取り扱いを判断する社内責任者は明確にしておくことが大切です。
AIエージェントを活用する際は、不要な作業の削減、データと判断ルールの整備、役割分担、効果測定、運用改善を一つの流れとして考えることが重要です。
最初の一歩は、対象業務を一つ選び、「入力」「判断」「実行」「承認」「例外対応」を書き出すことです。人が担う責任を明確にしながら、AIや既存ツールへ任せる範囲を検討していきましょう。
コクーのDXコンサルティングは、現場起点の課題整理から実行・定着までを支援します。さらに、BPaaSセンターと連携し、業務設計から運用・改善までを一貫してサポートします。
サービス資料ツール導入の先にある、現場で続く業務改善へ。
コクーのボトムアップ型DX支援の特徴と支援内容を、サービス資料でご紹介しています。自社の業務整理や改善体制を検討する際に、ぜひご覧ください。
運用体制もあわせて検討したい方へ：BPaaSセンターの資料を見る