AIエージェント時代の業務自動化のコツ

AIエージェント時代の業務自動化 チームで成果を再現する「収束」ワークフロー Explaza NotebookLM

THE QUEST 自分の会社の業務プロセスを、最新のAIで自動化するには？その「ベストプラクティス」は何か？ 前半（いま） 大まかな方向性と「答え」の前さばき。アーキテクチャの基本概念をインストールする。 後半（ハンズオン） 実際にAIワークフローツールを触って、ワークフローの効果と「どう作るか」を体験。 NotebookLM

THE CORE THESIS 生成AIで確実に成果が出るのは、発散（上流）ではなく「収束」＝型化できる定型業務のワークフロー化。業務を可視化して、チームみんなで回る形に、自分たちで作れる時代になった。 NotebookLM

仕事を「発散」と「収束」の地図に置く 【発散】正解がなく、広げて磨く領域 要求整理・要件定義 アイディア・設計 あなたを抱えるその業務は、この地図のどこに配置されますか？ 毎回同じ手順の部分は「型」にできる。発散の中から、収束側へ移行していく。 【収束】答えを作る「型」がある領域 仕様確認 ナレッジ参照 回答案作成 チケット化 NotebookLM

アプローチの比較：「F1カー」か、「自転車」か 発散 / F1カー 対象：スキルを持った一部の熟練者 AIの役割：個人の判断力と創造性を極限まで加速する 結果：属人的（乗り手によってタイムが激変する） 収束 / 自転車 対象：業務に関わるチーム全員 AIの役割：共通ルールと手順で、仕事の受け渡しを自動化する 結果：再現性（誰が乗っても一定のペースで目的地に着く） チームで仕事を前へ進める主戦場は、全員が乗れる「自転車（収束側）」の設計にある。 NotebookLM

The Architect's Workbench なぜ「収束」が勝つのか？：ROIとコスト管理の構造 底抜けのバケツ 売上増 時間 不確実な売上増（発散）と、サブスク感覚での無計画なAI利用（従量課金によるコスト事故）。 計量カップ 総計コスト 時間 1000 tokens 500 tokens 200 tokens 100 tokens 計算可能なコストダウン（収束）。毎回同じ手順を「スキル」して型化することで、1回あたりの処理量（トークン）を見積もり、計画的なコスト管理が可能。外注費との比較も容易。 NotebookLM

「AIの誘惑」に負けない 優れたPMの発想方法や、社長の思考プロセスそのものをAIで再現したいという誘惑。 STOP 「かっこいいが、一旦優先順位を下げる。」 GO 定型業務の確実な自動化。 できないのではなく、アプローチが全く異なる。今日のテーマは「思考の再現」ではなく「業務自動化」である。 NotebookLM

自動化候補を選ぶ「3つの必要条件」 1. マニュアル化できる 2. 判断基準の明文化 3. 入口と出口の固定 業務 業務 業務 業務 業務 業務 業務 業務 業務 担当者の頭の中だけでなく、手順として説明できるか？ REJECTED 何をを見て対応を判断し、どの条件で人間に戻すか？ REJECTED 何をを受け取り、最後に何を返すかが定まっているか？ REJECTED 自動化候補 NotebookLM

The Blueprint：「前さばき」ワークフローの全体設計図 [入口] [要点抽出] [参照] [回答案] [人が確認 (HITL)] [出口 / チケット化] 1. 入口：どんな問い合わせを、どんな形式で受け取るか？ 2. 参照：回答を作るために、どのナレッジを見に行くか？ 3. 人の確認：AIに任せきらず、どこで人間が判断し責任を持つか？ 4. 出口：回答やチケットなど、仕事の成果として何を出すか？ この「型」を自社の業務に当てはめることから、チームの自動化が始まる NotebookLM

組織のボトルネック：「人間が翻訳機になる」悲劇 Aさん（神プロンプト） Bさん（自己流AI） 人間が翻訳して橋渡し 各々がAIを使っても、結果の解釈と受け渡しで人間が「翻訳係」になってしまう。 うまくいった人のやり方が共有されず、再現性がない（本人が休むと止まる）。 個人の生産性は上がっても、チーム全体では「受け渡し」が新たなボトルネックに。 NotebookLM

The Blueprint: 共通ワークフローの全体設計図（複数のワークフローが連鎖する） 前さばき (Initial Triage) 入力 要点抽出・振分け Next Workflow 対応 (Response/Action) 参照 回答案・アクション 人が確認 (HITL) 実行 記録 (Record/Output) 出力 / チケット化 ログ記録・分析 Complete 1. 前さばき：問い合わせの受付から、内容の自動分類と適切な担当・プロセスへの振分けまで。 2. 対応：ナレッジ参照、回答生成、またはアクション実行。人間による確認を経て、次の工程へ。 3. 記録：最終結果の出力、チケット作成、システムへの記録。業務の連鎖を完了させる。 個人の「最強ツール」ではなく、最初から「チームで使える共通ワークフロー」を繋げていく。 NotebookLM

「グラフエンジニアリング」とは結局なにか？ 流行りの魔法の言葉も、結局は「複数のワークフローを繋げて自社の最適解にする」というHow（手段）に過ぎない。 手段に振り回される必要はない。最も重要なのは、気負わずに「自分の業務プロセスを大まかに理解すること」。 業務プロセスの可視化は、相変わらず「人間の力」である。 NotebookLM

AI以前の前提条件：業務プロセスを可視化する 未整理の自社業務 PM / 企画職 整理された業務フロー Insight 外部ベンダーには要件定義するのに、自社の日常業務は「詳しい人がよしなにやる」ブラックボックスになりがち。AIに「うまくやって」は通じない。 The Architect ここは非エンジニア（PM・企画職・業務改善）の主戦場。自社の例外や責任分解点を知る人間こそが、設計の中心になる。 NotebookLM

ゼロから作らない。サンプルとの「差分」を編集する 白紙からすべての例外を洗い出して設計しようとすると、必ず挫折する。 考え方の入った「動くサンプル」を土台にする。「うちなら参照先はここ」「この判断基準を足す」と、ブロックを組み合わせるように自社の知識を注入する。 NotebookLM

改造はコードではなく、チャットで指示する Input Reference Database うちの会社のプロセスはこうだから、ここの参照先を変えて Output ゼロから作ると「そもそも何を作ればいいの？」で手が止まる。 動くサンプルがあれば、差分をチャットで指摘するだけで自社のプロセスに適合できる。自社の業務に合わせる部分こそ、AIに頼る。 NotebookLM

私たちは狙うのは「中間」の道 完全外注（専用SaaS依存） 自社の特殊なフローに合わず、現場で使われなくなる。 ☆サンプルを土台に、自分たちでチャット改造 「型化できる定型業務（自転車）」を、非エンジニアの手で自社専用にフィットさせる。 ゼロから自作（白紙から要件定義） 開発カロリーが高すぎ、例外処理の多さに挫折する。 Action Call この「中間」のアプローチを、これからの後半セッション（Palmaハンズオン）で実際に体験します。 NotebookLM

THE CORE THESIS 生成AIで確実に成果が出るのは、発散（上流）ではなく「収束」＝型化できる定型業務のワークフロー化。業務を可視化して、チームみんなで回る形に、自分たちで作れる時代になった。 NotebookLM