自動化に向く業務・向かない業務：4つの物差しで見分ける｜AIエージェントと業務自動化 第3回

物差し1：量 — 回数×時間で「効く業務」を見つける

最初の物差しは、その業務にどれだけの時間が使われているかです。計算はシンプルで、月の回数×1回あたりの時間で、月にかかっている合計時間を出します。

図2の例を見てください。「取引先の新規登録」は1回30分と手間がかかる印象がありますが、月に10回しかないので合計は5時間です。一方、「問い合わせの一次分類」は1回5分と短くても、月400回あるので合計は約33時間になります。1回の手間の大きさより、合計の時間で比べることがポイントです。

このとき、時間は担当者の感覚ではなく、できれば1〜2週間、実際に記録してみることをおすすめします。人は、細かく何度も発生する作業の時間を少なめに見積もりがちだからです。

また、時間だけでなく「その作業のせいで何が遅れているか」も書き出しておくと、効果を説明しやすくなります。たとえば「問い合わせの振り分けに時間がかかり、返信が翌日になっている」なら、自動化の効果は時間の削減だけでなく、顧客への返信の速さにも表れます。

物差し2：ルールの明確さ — 判断の基準を言葉にできるか

2つめの物差しは、その業務の判断の基準を言葉にできるかどうかです。AIエージェントは柔軟に判断できますが、それは「何が正しい判断か」の手がかりがあってこそです。

判断の基準は、次の3段階で考えると整理しやすくなります。

Bの業務は、AIエージェント導入の一番のねらい目です。ベテランの判断基準を書き出す作業そのものが、業務の属人化を解消し、新人の教育にも役立つからです。書き出した基準を手順とルールとしてAIに渡し、さらに「過去の判断の例」を長期の記憶として持たせると、判断の精度が上がります。

一方、Cの業務を無理にAIに任せようとすると、判断の理由が説明できず、間違ったときに誰も直し方が分からない状態になります。Cの業務では、AIは「判断に必要な情報を集めて整理する」役割にとどめ、最終判断は人が行う形（第1回の段階1・2）が適しています。

物差し3：間違えたときの影響 — 取り返しがつくか、誰に届くか

3つめの物差しは、AIが間違えたときにどんな影響が出るかです。AIエージェントは、どれほど精度を高めても、一定の確率で間違えます。その前提で、間違いが起きたときに困る度合いで業務を見ます。

影響の大きさは、次の3つの問いで判断します。

1. 取り返しがつくか：間違いに気づいたあとで、元に戻したり直したりできるか。社内の表に誤った分類を書いても直せますが、送ったメールや実行した支払いは取り消せません。
2. 誰に届くか：間違いの影響が社内にとどまるか、顧客や取引先など社外に届くか。社外に届く間違いは、会社の信用に関わります。
3. 気づけるか：間違いがあったとき、後工程の誰かが気づける仕組みがあるか。誰もチェックしない場所での間違いは、長く放置されてしまいます。

この3つの問いで「影響が大きい」となった業務でも、AIエージェントが使えないわけではありません。第1回で学んだ自律性の段階を下げ、人の確認をはさむ前提で設計すれば使えます。ただし、確認の手間が増えるぶん、削減できる時間は小さくなります。最初の業務としては、影響の小さいものを選ぶのが無難です。

物差し4：データの準備 — 必要な情報がデジタルでそろっているか

4つめの物差しは、AIエージェントが仕事をするのに必要な情報が、デジタルの形でそろっているかどうかです。どれほど優れたAIエージェントでも、読めない情報をもとに仕事はできません。

確認するポイントは次のとおりです。

• 入力はデジタルか：紙の書類やFAXで届くなら、まずスキャンや文字の読み取りの仕組みが必要です。
• 参照する情報はそろっているか：判断に使うマニュアルや過去の対応履歴が、検索できる形で保存されているか。
• つなぐシステムに接続口があるか：顧客管理や会計などのシステムが、AIや自動化ツールからつなげる仕組み（API、MCPサーバー、自動化ツールの連携機能など）を持っているか。
• 情報の質は十分か：表記ゆれ、入力漏れ、古い情報が多くないか。

データが整っていない業務は、すぐにはAIエージェントに任せられません。ただし、データの整備は他の業務改善にも役立つので、「まずデータを整える」ことを中長期の計画に入れておく価値はあります。

この記事の監修者に相談できます

監修者の田中磨生が代表を務める株式会社Abinで、ご相談をお受けしています。

相談無料ツギノテ編集部に相談する→

優先順位のつけ方：点数表と2×2の地図

4つの物差しがそろったら、候補の業務に点数をつけて比べます。図3は、5つの業務を評価した例です。各物差しを3点満点で評価し、「量」と「ルールの明確さ」「データの準備」は高いほど良く、「間違えたときの影響」は影響が小さいほど高い点をつけます。

点数をつけたら、図4の地図に置いてみます。横軸は「効果の大きさ」（主に量）、縦軸は「始めやすさ」（ルールの明確さ・影響の小ささ・データの準備）です。

• まず試す（効果大×始めやすい）：最初の1件はここから選びます。図3の例では「問い合わせの一次分類」です。
• 準備してから（効果大×始めにくい）：基準の書き出しやデータの整備を先に進め、次の候補にします。
• ついでに（効果小×始めやすい）：最初の業務が軌道に乗ったら、同じ仕組みを使って追加します。
• 見送る（効果小×始めにくい）：無理に自動化しません。

点数はあくまで議論のたたき台です。大切なのは、点数をつける過程で「なぜこの点数なのか」を関係者で話し合うことです。現場の担当者、上司、情報システムの担当者がそれぞれの視点で意見を出すと、見落としていたリスクや、思わぬ効果が見えてきます。

AIエージェントに任せるべきでない業務

最後に、点数にかかわらず、AIエージェントに最終判断を任せるべきでない業務を確認しておきましょう。図5に、代表的なサインをまとめました。

• 人の人生や権利に大きく関わる判断：採用の合否、人事評価、融資の可否など。偏り（バイアス）が入り込むおそれもあり、判断の理由を説明する責任があります。
• 法的な責任や説明責任を伴う判断：契約の締結、法令に関わる届け出の内容の最終確認など。
• 相手の感情への配慮が中心になる対応：重大なクレームへの謝罪、取引の打ち切りの連絡など。
• 正しさを後から確かめる方法がない作業：答え合わせの方法がなければ、AIの間違いに誰も気づけません。

これらの業務でも、情報を集める、論点を整理する、下書きを作るといった形でAIを使うことはできます。最終判断と責任は人が持つ、という線引きをはっきりさせておきましょう。この考え方は、ビジネスで使う生成AI入門 第1回の「任せ方の線引き」とも共通しています。

実務ではこう使う：1時間でできる「候補洗い出し会議」

この回の内容は、関係者を集めた1時間の会議で実践できます。

1. （15分）業務を書き出す：各自が「繰り返している作業」「時間がかかっている作業」を付せんに書き出します。目安は1人5枚です。
2. （20分）4つの物差しで点数をつける：似た業務をまとめ、上位の10件ほどに図3のような点数をつけます。
3. （15分）地図に置いて議論する：図4の地図に置き、「まず試す」に入る業務の中から、最初の1件を選びます。
4. （10分）次の作業を決める：最初の1件について、1〜2週間の時間記録と、判断基準の書き出しの担当者を決めます。

会議で候補が出そろったら、次回（第4回）の方法で業務フローを分解し、どの部分にAIを使うかを設計していきます。他社がどんな業務から自動化を始めているかを知りたい場合は、RPAの成功事例や法人向け生成AIツールの成功事例も参考になります。

この回のまとめ

• 最初の業務選びが成否を分ける。効果が見えて、取り返しがつき、実現の見込みが高い業務から始める
• 物差し1「量」は月の回数×1回の時間で、合計時間を比べる
• 物差し2「ルールの明確さ」では、ベテランの頭の中にある基準を書き出せる業務がねらい目
• 物差し3「間違えたときの影響」は、取り返し・届く先・気づけるかで判断する。物差し4は必要な情報がデジタルでそろっているか
• 人の人生や権利に関わる判断、法的責任を伴う判断などは、最終判断を人が持つ

確認テスト

次回予告

第4回は「業務フローを分解して設計する」です。選んだ業務を「入力・判断・処理・出力」に分け、決まった流れで動かす部分とAIの判断に任せる部分をどう組み合わせるかを、問い合わせ対応の例で設計してみます。

参考資料

• Anthropic「Building effective agents」（2024年12月19日） https://www.anthropic.com/research/building-effective-agents （確認日：2026年11月12日）
• ツギノテ「中小企業のDXの進め方 第2回 現状の見える化」（2026年11月時点の公開内容）