AIエージェントに任せる業務範囲はどう決めるべきか？

生成AIの活用が進む中、企業では文章作成や情報検索だけでなく、業務プロセスそのものをAIエージェントに任せる取り組みが広がっています。

例えば、顧客情報の収集、問い合わせ内容の分類、見積書の作成、社内システムへのデータ登録など、これまで人間が手作業で行っていた業務の一部を自動化できるようになりました。

しかし、AIエージェントが複数のシステムを操作し、実際の業務を実行するようになると、新たな課題が生まれます。

• どの業務までAIに任せてよいのか

• AIの判断を人間が確認すべきなのはどの段階か

• 想定外の状況が発生した場合、誰が対応するのか

• AIにどこまでシステム操作の権限を与えるべきか

これらを明確にしないまま導入すると、誤った処理の実行や確認作業の増加など、期待した効果を得られない可能性があります。

重要なのは、AIによる自動化を最大化することではありません。業務のリスク、判断の難易度、失敗した場合の影響を踏まえ、AIと人間の役割を適切に設計することです。

本記事では、AIエージェントに任せる業務範囲を決めるための具体的な判断基準と、企業が実践できる設計手順を解説します。また、B2B営業における活用例として、AIと営業データを組み合わせた業務効率化についても紹介します。

1. AIエージェントに任せやすい業務と任せにくい業務

AIエージェントの自動化範囲を検討する際には、業務を一律に自動化するのではなく、処理の性質に応じて分類することが重要です。

AIエージェントに任せやすい業務

次のような業務は、比較的自動化を進めやすい領域です。

• 社内文書やマニュアルからの情報検索

• 問い合わせ内容の分類と担当部署への振り分け

• 会議議事録の要約とタスクの抽出

• 営業活動履歴の整理とCRMへの入力

• 定型レポートの作成

• ルールに基づくデータチェック

これらの業務は、処理手順や判断基準を明確に定義しやすく、結果の正誤も比較的確認しやすいという特徴があります。

例えば、営業担当者が商談後に入力する活動記録について、AIエージェントが会話内容を要約し、CRMの指定項目に登録する仕組みを構築できます。

ただし、AIが生成した内容に誤りがないか、登録先や更新対象が正しいかを確認できる仕組みは必要です。

人間の判断を残すべき業務

一方、次のような業務では、人間による確認や最終判断を残すことが重要です。

• 契約条件や取引条件の最終決定

• 高額な支払い、返金、値引きの承認

• 採用や人事評価など、人に大きな影響を与える判断

• 法令や社内規程への適合性に関する重要な判断

• 重大なクレームや例外的な顧客対応

• 本番システムの重要設定変更

これらの業務では、単純な正誤だけでなく、背景事情、責任の所在、将来的な影響などを考慮する必要があります。

AIに情報整理や判断材料の提示を任せながら、最終決定は権限を持つ担当者が行う設計が適しています。

2. 業務の自動化範囲を決める4つの判断基準

AIエージェントにどこまで任せるかを決めるには、業務ごとに次の4つの観点を評価します。

① 業務ルールの明確さ

処理条件や判断基準が明文化されている業務ほど、自動化しやすくなります。

例えば、必須項目がすべて入力されているかを確認する処理は、明確なルールに基づいて自動化できます。

一方、複数の事情を考慮して取引先ごとに異なる対応を判断する業務では、追加の情報や人間による判断が必要になる場合があります。

② 失敗した場合の影響

AIが誤った処理を実行した場合、どの程度の損失や問題が発生するかを評価します。

誤った社内レポートの下書きであれば修正できる可能性がありますが、誤った支払い処理や契約条件の変更は、金銭的・法的な影響につながるおそれがあります。

失敗した場合の影響が大きいほど、承認や実行制限を強化する必要があります。

③ 結果の確認しやすさ

AIの処理結果を客観的に検証できるかどうかも重要です。

例えば、データ形式のチェックや計算結果の照合は、明確な基準を用いて確認できます。

一方、提案内容の妥当性や顧客への回答の適切さなどは、単純なルールだけでは評価しにくい場合があります。

確認が難しい業務では、評価基準の整備や人間によるレビューが必要です。

④ 処理を元に戻せるか

AIの操作を取り消したり、以前の状態に復元したりできるかも判断基準になります。

例えば、社内文書の下書き作成は比較的修正しやすい処理です。一方、顧客へのメール送信や外部へのデータ公開は、実行後に完全に取り消すことが困難です。

取り消しが難しい操作には、実行前の確認や承認を設けることが重要です。

3. AIエージェントの自律化レベルを4段階で設計する

業務ごとのリスクを評価したら、AIエージェントの自律化レベルを設定します。

レベル4は、あらゆる業務をAIに自由に実行させることを意味しません。対象業務、実行可能な操作、利用できるデータ、停止条件などをあらかじめ定義したうえで、自律的な処理を認める考え方です。

また、同じ業務でも処理内容によってレベルを変えることができます。

例えば、AIエージェントが見積書を作成する場合、標準価格に基づく下書き作成は自動化し、値引き条件の変更や契約条件の例外適用には人間の承認を求める、といった設計が考えられます。

4. 営業業務におけるAIエージェント活用の具体例

AIエージェントの活用範囲を考えるうえで、B2B営業は具体的な事例の一つです。

営業活動には、ターゲット企業の選定、企業情報の調査、アプローチメールの作成、顧客情報の管理、フォローアップなど、多くの業務が含まれます。これらを個別に手作業で行うと、営業担当者が顧客との対話や商談戦略の検討に使える時間が限られてしまいます。

例えば、AIと営業データを組み合わせた営業基盤であるSALDは、企業データの活用やAIによる営業活動の支援を通じて、営業プロセスの効率化を検討する際の参考例となります。

このような仕組みを導入する際に重要なのは、すべての判断をAIに任せることではありません。

例えば、AIエージェントには、企業情報の収集、ターゲット候補の整理、メールの下書き作成、営業履歴の更新などを任せることが考えられます。一方、重要顧客へのアプローチ方針、特別な取引条件の提示、複雑な商談における最終判断などは、人間が担う領域として設計できます。

また、メールの自動送信やフォローアップを実行する場合も、送信対象、実行条件、停止条件を明確にすることが重要です。例えば、返信があった場合や配信停止の意思が示された場合には、設定されたルールに従って自動処理を停止し、必要に応じて担当者へ引き継ぐ仕組みを整えます。

このように、AIに任せる作業と人間が判断する業務を分けることで、営業効率の向上と適切な業務管理の両立を目指せます。

重要なのは、AIを導入すること自体ではなく、AIが実行できる範囲と人間が責任を持つ範囲を、業務プロセス全体の中で明確に設計することです。

5. 人間の判断を組み込む仕組みを設計する

AIエージェントの安全性を高めるには、人間が関与するタイミングを具体的に定義する必要があります。

承認が必要な条件を明確にする

すべての処理を人間が確認するのではなく、あらかじめ定めた条件に該当した場合だけ承認を求める仕組みが有効です。

例えば、次のような条件を設定できます。

• 一定金額を超える支払い処理

• 登録情報に不一致がある場合

• AIの判断に必要な情報が不足している場合

• 通常の業務ルールから外れた処理

• 顧客や取引先に重大な影響を与える操作

具体的な金額や条件は、企業の業務内容やリスク許容度に応じて設定します。

AIが判断できない場合のエスカレーション

AIエージェントが十分な根拠を持たない場合や、複数の解釈が可能な場合には、無理に処理を続けない設計が必要です。

例えば、問い合わせ内容が複雑で回答の確実性を判断できない場合、AIは回答案と確認済みの情報を担当者に引き継ぎます。

その際、単に「判断できません」と通知するだけでは不十分です。判断に必要な情報、処理の経緯、未解決の論点を提示することで、担当者が迅速に対応できるようになります。

権限を必要最小限にする

AIエージェントには、担当する業務に必要な範囲の権限だけを付与します。

例えば、社内情報を検索するAIエージェントに、顧客データを削除する権限まで与える必要はありません。

また、データの閲覧、作成、更新、削除といった操作権限を分離し、重要な操作には追加の承認を求める設計が有効です。

処理履歴を記録し、監査できるようにする

AIエージェントが業務を実行する場合、どの情報を参照し、どのような判断を経て処理したのかを記録することも重要です。

実行日時、処理対象、使用したデータ、実行結果、人間による承認の有無などを記録しておけば、問題が発生した際に原因を調査しやすくなります。

特に、顧客情報や契約関連データを扱う業務では、アクセス制御、データ保護、ログ管理を含めて設計する必要があります。

6. AIエージェント導入を進める5つのステップ

実際の導入では、次の手順で段階的に自動化範囲を広げることを推奨します。

STEP 1：業務プロセスを可視化する

現状の業務フローを整理し、担当者、入力データ、判断条件、処理結果、例外対応を明確にします。業務の実態を把握することで、自動化に適した領域を特定できます。

STEP 2：自動化の対象と評価基準を決める

業務の発生頻度、処理時間、エラー率、リスクを評価し、優先順位を決めます。単に自動化できるかではなく、導入によってどのような効果を得たいかを明確にすることが重要です。

STEP 3：AIの権限と承認条件を設計する

AIが参照できる情報、実行できる操作、人間の承認が必要な条件、処理を停止する条件を定義します。

STEP 4：限定された範囲で検証する

最初からすべての業務を自動化するのではなく、対象を限定してテストします。正確性だけでなく、例外処理、権限管理、処理時間、担当者の確認負荷も評価します。

STEP 5：本番運用と継続的な改善を行う

運用開始後は、エラー率、処理完了率、人間への引き継ぎ率、業務時間の削減効果などを継続的に確認します。問題が発生した場合に処理を停止し、原因を分析して改善できる体制も整備します。

7. AIエージェント導入の成果を測るKPI

AIエージェントの成果を評価する際には、自動化率だけでなく、業務全体への影響を確認する必要があります。

代表的なKPIには、次のようなものがあります。

• 自動処理完了率： 人間の介入なしで正常に完了した処理の割合

• 処理精度： AIの出力や実行結果が業務上の基準を満たした割合

• 例外発生率： 人間への引き継ぎや追加対応が必要になった割合

• 業務時間削減率： 導入前と比較した作業時間の削減割合

• 修正・再処理率： AIの処理結果に対して修正や再処理が必要になった割合

• 業務品質への影響： 顧客満足度、対応品質、重大エラー件数などの変化

例えば、自動処理完了率が高くても、誤処理や修正作業が増えていれば、必ずしも導入が成功したとはいえません。

効率性、品質、安全性を組み合わせて評価することで、AIエージェントの自律化レベルを適切に調整できます。

AIエージェントを業務成果につなげるために

AIエージェントの導入で重要なのは、業務をどこまで自動化できるかだけでなく、どの処理をAIに任せ、どの判断を人間に残すべきかを明確にすることです。

業務ルールの明確さ、失敗時の影響、結果の検証可能性、処理の取り消しやすさを踏まえ、適切な自律化レベルと権限を設計する必要があります。

B2B営業を例にすると、AIによる企業リサーチやメール作成、営業データの管理などを効率化する一方、重要顧客への対応方針や例外的な取引条件の判断には人間が関与する設計が考えられます。SALDのようなAIを活用した営業基盤は、営業プロセスの効率化を検討する際の参考例となります。

ただし、最適な自動化範囲は企業ごとに異なります。既存システム、業務フロー、データの管理方法、セキュリティ要件を踏まえた設計が欠かせません。

HATONETでは、AIモダナイゼーションやFDE（Forward Deployed Engineer）による伴走支援を通じて、業務課題の整理からAIエージェントの設計・開発、既存システムとの連携、運用改善まで、企業の状況に応じたAI活用を支援します。

AIエージェントに任せる業務範囲を明確にし、効率性と安全性を両立した業務プロセスを構築したい企業は、まず自社の業務フローを整理することから始めてみてはいかがでしょうか。

AIエージェントの導入や業務自動化についてお悩みの方は、HATONETへお気軽にご相談ください。