AIエージェントで仕事の構造はどう変わるか ── 定義するものは「手順」から「目的と判断基準」へ
AIエージェントという言葉を聞いて、どんな姿を思い浮かべるでしょうか。RPA、ワークフロー、生成AI、そしてAIエージェント。技術はこの流れで語られることが多く、その延長で「これまで人がやっていた作業を、AIが代わりにやってくれるもの」と理解されているのではないでしょうか。
その理解は間違いではありません。しかし、それだけであれば、AIエージェントは「より高度な自動化」です。実際、既存の業務手順をそのままAIに覚えさせ、高性能なRPAとして使うところで止まっている例は少なくありません。
私は、AIエージェントの本質は自動化ではなく、人とシステムの役割分担そのものを変えることにあると考えています。
このコラムでは、仕事の構造がどう変わるのか、そして業務部門・情報システム部門・システムの三者の役割がどう変わるのかを整理します。
これまでの構造：人が手順を定義し、システムが繰り返す
従来のシステムやRPAは、決められた処理を正確に繰り返すことを得意としてきました。そのため、システム化とは「業務の手順を定義すること」でした。
業務部門は、自分たちの仕事の手順と例外処理を説明します。情報システム部門は、それを理解し、システムの仕様として定義します。システムは、定義された処理を順番に実行します。これが長年続いてきた役割分担です。要件定義という工程は、この「手順の翻訳」を確実に行うためのものでした。
この構造には三つの特徴があります。
- 手順に書けない判断や例外は、人が引き受ける。
- 業務を変えるには、システムの改修が必要になる。改善の速度は、改修の速度に縛られる。
- 業務部門は「手順を知っていること」が価値になる。目的や判断の理由は、言葉にされないまま個人の中に残る。
三つ目は見落とされがちです。手順さえ定義すればシステムは動きます。そのため、「なぜその手順なのか」「何をもって良しとするのか」を明文化する必要がありませんでした。
何が変わるか：定義する対象が「手順」から「目的と判断基準」へ
AIエージェントは、与えられた目的に対して、使えるデータやツールを自ら選び、手順を組み立てて実行します。手順は事前に固定されず、状況に応じて都度つくられます。
この変化を「自動化の範囲が広がる」とだけ捉えると、本質を見誤ります。確かにAIは、人が担っていた日常的な判断まで引き受けるようになります。しかし、より大きな変化は、人が定義する対象が変わることです。
- これまで：人が手順を定義し、システムが実行する。
- これから：人が目的と判断基準を定義し、AIが手順を考えて実行する。人は結果を評価し、基準と知識を更新する。
サプライチェーンの在庫補充を例にとります。従来は「在庫が基準量を下回ったら、決まった数量を発注する」といったルールを、品目ごとに定義しました。
AIエージェントの場合に定義するのは、まず目的です。コストを最小にするのか、納期の速さを優先するのか、欠品を出さないことを最優先にするのか。次に判断基準です。どこまでをAIに任せ、どこから人に上げるのか。個々の発注をいつ、どれだけ行うかは、AIが需要の動きや在庫、仕入先の状況を見て組み立てます。
この変化は、改善の仕方も変えます。従来は、改善のたびにシステムを改修しました。これからは、AIの出した結果を人が評価し、判断基準や参照させる知識を更新することで、仕事の質が上がります。改善は、システム開発の仕事から、日常業務の一部に変わります。
三者の役割はどう変わるか
定義する対象が変わると、業務部門・情報システム部門・システムの役割分担も変わります。
| これまで | AIエージェント時代 | |
|---|---|---|
| 業務部門 | 業務手順を説明し、例外に対応する | 目的と判断基準を定め、ノウハウを提供し、結果を評価する |
| 情報システム部門 | 手順を理解し、システムとして定義する | AIが働く共通基盤とデータ環境を整え、品質と統制を担う |
| システム | 定義された処理を繰り返す | 目的に応じて手順を考え、実行する |
業務部門は、「手順を知っている人」から「目的と基準を言葉にできる人」へ変わります。これまで個人の中に残っていた判断の理由を、明文化する必要が出てきます。加えて、AIの結果を評価する役割を担います。
ここには落とし穴があります。実務をAIに任せ続けると、結果の良し悪しを見抜く目が育ちにくくなります。評価できる人をどう育て続けるかは、導入時に設計しておくべき課題です。
「AIの暴走」と呼ばれるものの中にも、この問題が含まれています。AI自身の誤りによるものもあります。一方で、AIは与えられた目的に沿って、合理的に先回りしただけという場合もあります。担当者がAIの提案を理解しきれなくなったとき、それは暴走に見えます。
備えは二つです。目的と判断基準、そして人に上げる線を明確にすること。結果を評価できる人を育て続けること。
情報システム部門は、個別の業務手順をシステムに落とし込む仕事が減ります。代わりに増えるのは、次の仕事です。
- 複数の業務で共通して使うAI基盤の構築
- AIが参照するデータや文書の整備
- 出力の品質管理
- 部門ごとに蓄積される判断基準やノウハウ、つまり組織知の管理と横展開
- 全社のガバナンス
手順の「翻訳者」から、土台と規律の「設計者」への転換です。
両者の関係も変わります。従来は、依頼する側とされる側でした。これからは、業務部門が中身（目的・基準・知識）を、情報システム部門が器（基盤・データ・統制）を持ち寄ります。そのうえで、一緒にAIを育てる関係になります。
問われるのは「何のために」と、それを回す仕組み
目的と判断基準を定めるのが人の役割だとすると、次に問題になるのは、その基準がどこから来るのかです。
先ほどの在庫補充でいえば、コスト・速さ・欠品防止のどれを優先するかは、現場だけでは決めきれません。顧客に何を約束しているのか。何を優先し、何を捨てるのか。判断基準の出どころを遡ると、企業の存在意義や提供価値、戦略に行き着きます。
手順が仕事を縛っていた時代は、ここが曖昧でも業務は回りました。AIが手順を組み立てる時代には、曖昧な意志はそのまま曖昧な実行になって現れます。企業も、そこで働く人も、「何のために存在するのか」「何をしたいのか」を今以上に問われます。
ただし、意志を掲げるだけでは足りません。企業活動は、四つの要素の循環で捉えられます。
- 意志：どこへ向かうか（存在意義・提供価値・戦略・判断基準）
- 仕組み：どう実行するか（プロセス・役割・ルール・システム）
- データ：何が起きたか（行動と判断の結果、活動の記録）
- 能力：何ができるか（人・ノウハウ・技術・知的資産）
意志に基づいて判断し、仕組みを通じて行動する。結果がデータとして残る。データから学び、能力と意志を更新する。企業はこの循環で進化します。
AIエージェントは、この循環のうち判断と行動を速くします。しかし、循環そのものを設計するのは人です。自社の動きを、データで検知できる状態にする。検知したことを、仕組みを通じて次の行動に反映させる。
AI時代に求められるスキルは、個々の作業をこなす力から、この循環を設計して回す力へ移っていきます。
おわりに：既存価値の再生成の先へ
AIエージェントが最も早く成果を出すのは、既存の業務を速く、安く、正確に回す領域です。これは既存価値の再生成であり、取り組む価値は十分にあります。ただし、同じ技術は競合も使えます。効率化だけでは、やがて差がつかなくなります。
差がつくのは、新しい価値をどう加えるかです。新しい価値というと、異業種との協業や新規事業の立ち上げを思い浮かべるかもしれません。しかし、その機会は日常業務の中にも頻繁にあります。
サプライチェーンであれば、コストの低さ、提供の速さ、品質の高さと、目指す方向はいくつもあります。市場環境も顧客のニーズも変わり続けます。昨日の最適は、今日の最適とは限りません。
何を優先するかを選び直すたびに、顧客が受け取る価値は変わります。この選び直しを続けることが、日常業務の中の価値創造です。AIは、分析やシミュレーションで選択肢を示せます。しかし、どれを選ぶかを決めるのは、企業の意志と人の判断です。
効率化で浮いた時間が、自動的に新しい価値の創造に回るわけではありません。意図して振り向ける設計が必要です。
AIエージェントの導入は、ツールの導入ではなく、仕事の構造の組み替えです。最初に問うべきは「どの業務を自動化するか」ではありません。「その業務は何のためにあり、何をもって良しとするのか」です。この問いに答えられる企業が、AIを手順をなぞる道具ではなく、ともに考えて実行する存在として活かせます。
株式会社TKコンサルティングでは、AIやシステムを導入する前にある、「何を目的とし、何をもって良しとするのか」という問いの整理を重視しています。AIエージェントの導入を検討している、あるいは導入したものの作業の置き換えにとどまっているといった課題に対して、業務部門と情報システム部門の役割設計から、AI活用が組織に定着する仕組みづくりをご支援しています。