こんにちは、株式会社TIMEWELLの濱本です。
ここ1年、AIエージェントの導入相談を受ける機会が一気に増えました。問い合わせのメールを開くたびに似た一文が並びます。「うちもAIエージェントを入れたい。何から始めればいいですか」。私はこの質問に答える前に、必ず一つの確認をします。「導入したい業務は、本当にやる必要のある業務ですか」。返事は大抵、沈黙です。
Gartnerは2027年末までにエージェント型AIプロジェクトの40%以上が中止されると予測しています[^1]。McKinseyの調査ではAI活用が全社のEBIT（利払い・税引き前利益）に5%以上貢献している企業は6%しかありません[^2]。技術はかつてないほど進化したのに、成果は驚くほど偏っています。差を生んでいるのはモデルの選定でも、プロンプトの工夫でもありません。「やる業務」と「やらない業務」を最初に決めているかどうかです。
この記事では、AIエージェント化の前に必ず通すべき業務分類のフレームを整理します。「やめる」「減らす」「自動化する」「人がやる」の4分類で業務を仕分けてから、自動化対象だけにAIエージェントを当てる。この順番を守るだけで、無駄な投資の大半は消えます。
AI導入で失敗する企業に共通するのは「業務棚卸しの不在」
実例から入ります。先日、ある中堅メーカーから「営業部にAIエージェントを導入したい」という相談を受けました。聞けば、見積書作成、議事録整理、CRM入力、競合情報の収集など、全部で14業務を候補に挙げています。私が「この14業務、それぞれ何のためにやっていますか」と尋ねたところ、回答が出てきたのは半分くらい。残り半分は「昔からやっているから」「上司に提出する資料だから」でした。
これが現場の本当の姿です。NTTデータの2026年4月のレポートも、生成AIを「導入しただけ」では失敗すると指摘しています[^3]。営業領域は属人性が強く、SFA（営業支援システム）すら定着しなかった企業が多い。そこにエージェントを乗せても、属人的な判断は構造化されないままです。Dynatraceの記録ではエージェントAIをPoC（概念実証）中の企業の50%がROIを測定できず、74%は測定方針すら持っていません[^4]。何のためにやっているか分からない業務に、効果を測れない技術を当てる。これでROIが出れば奇跡です。
国内の生成AI導入率は57.7%まで伸びました。それでも全社レベルで成果を出せている企業は6%[^3]。導入したかどうかではなく、何を残し、何をやめたかで結果が分かれているのが現実だと感じます。
私の立場は明確です。AI化は最後の選択肢です。最初に検討すべきは廃止。次に縮小。それでも残った業務だけが自動化の対象になります。順番を逆にすると、ムダな業務を高性能なAIで延命させるだけです。
4分類フレーム：やめる・減らす・自動化・人がやる
業務分類の方法はECRS（イクルス）と呼ばれる古典的なフレームが土台になります。Eliminate（排除）、Combine（結合）、Rearrange（再配置）、Simplify（簡素化）の4ステップで、Asanaの解説によれば改善効果はEliminateが最も大きい[^5]。トヨタの「7つのムダ」も発想は同じで、まずムダを見つけて捨てることから始まります[^6]。
この古典に、AIエージェント時代の判断軸を一枚加えたのが私の使う4分類です。
| 分類 | 判定基準 | アクション |
|---|---|---|
| やめる業務 | 顧客価値・経営判断・規制対応のいずれにも紐づかない | 廃止。代替も作らない |
| 減らす業務 | 必要だが頻度や対象が過剰 | 月次→四半期、全件→重点先など縮小 |
| 自動化する業務 | 定型・反復・大量・ルール明確 | AIエージェント、RPA、SaaS連携 |
| 人がやる業務 | 顧客との関係構築、判断、創造 | 人に集中投資、AIは補助役 |
この4分類は、業務一覧をエクセルで開いて1行ずつ判定するイメージで使います。「やめる」に分類できる業務が思いの外多いことに驚くはずです。私が関わった案件では、棚卸し対象の業務のうち15%から30%が「やめる」に分類されます。残った業務にAIを当てるか人が担当するかを決めるのは、その後です。
「やめる業務」にAIエージェントを入れるのが最悪の選択である理由は単純で、不要な業務を高速で続けるだけだからです。むしろ業務削除のチャンスを潰します。「減らす業務」も同じで、頻度や対象範囲を絞ってから自動化を検討しないと、不要な作業を全件自動化してしまう。「人がやる業務」にAIを当てると、関係性や判断の質が落ちる。残るのは「自動化すべき業務」だけです。
ここで誤解されやすいのは、「人がやる業務」と「自動化する業務」の境界です。私はこう考えています。顧客との一次接点、最終意思決定、創造的な企画、社内の信頼を築く対話、この4つは人に残す。それ以外の定型処理、データ集計、文書整形、検索、要約は自動化候補に回す。境界線は組織によって違いますが、迷ったら人に残すほうが安全です。後から自動化に回す方が、自動化を人に戻すより簡単だからです。
業務棚卸しの実務ステップ：部門ヒアリング・タスク棚卸し・分類判定
理屈は分かっても、実際の棚卸し作業は地味で骨が折れます。私が現場で使っている手順を共有します。
第一段階は部門ヒアリングです。1部門あたり3名から5名にインタビューし、「先週やった業務」を時系列で聞き出します。週次で出てこない業務は月次・四半期・年次の枠で別途聞きます。ここで大事なのは「業務名」ではなく「実際にやった作業」を聞くこと。「営業活動」と書かれた業務が、実は「議事録作成90分」「お礼メール作成30分」「CRM入力40分」「競合調査60分」の4業務に分解できる、というのが頻発します。
第二段階はタスク棚卸しです。ヒアリングで集めた業務を、誰が・何のために・どれくらいの頻度で・どれくらいの時間をかけてやっているかの4項目で整理します。1部門で200から400タスクが洗い出されるのが平均的な規模感です。エクセルかNotionで管理し、「この業務をやめたら誰が困るか」という列を必ず立てます。困る人がいなければ、それは廃止候補です。
第三段階が分類判定です。先ほどの4分類に当てはめていきます。判定の場には現場担当者と部門長、そして経営者の代理が同席するのが理想です。現場は「これは必要だ」と主張しがちですが、経営から見ると「やる意味がない」業務が必ず混じっています。逆に経営が軽視している業務が、実は顧客満足の根幹だったりもします。両者が同じテーブルに着くことで、初めて正しい判定ができます。
90日が一つの目安です。1部門の業務分類なら、ヒアリングに2週間、棚卸しに3週間、判定会議に2週間、その後の意思決定と廃止実行に4週間。合計でおよそ3か月かかります。これより短い計画は、たいていどこかを省略しています。私が関連記事のAIエージェント時代の経営戦略3つの選択肢でも書いた通り、戦略の前に棚卸しがある。ここを飛ばした企業は、戦略が砂上の楼閣になります。
各分類の判定基準と意思決定者を分ける
棚卸しが終わっても、判定で迷うケースは必ず出てきます。判定基準と意思決定者を明確にしておかないと、判定会議が「全部必要派」と「全部やめる派」のぶつかり合いで終わります。私が実務で使っている基準を整理します。
「やめる」の判定基準は3つです。一つ、顧客価値に紐づいているか。二つ、経営判断の材料として使われているか。三つ、規制・法令・契約で必須か。3つすべてに該当しない業務は、原則として廃止候補です。意思決定者は経営または事業責任者。現場には廃止権限を渡してはいけません。「忙しいから残したい」という心理が必ず働くからです。
「減らす」の判定基準は、必要性は認めつつも頻度・対象・粒度のいずれかが過剰であるかどうかです。月次会議資料を週次で作っている、全顧客に送っているDMを上位20%に絞る、5ページの報告書を1ページにする、こうした縮小判断は中間管理職レベルで進められます。
「自動化する」の判定基準は4つの掛け算です。定型性、反復性、件数、ルールの明確さ。1つでも欠けると自動化の費用対効果が落ちます。たとえば月3件しか発生しない業務をAIエージェント化しても、開発・運用コストのほうが高くつく。意思決定者は情報システム部門と業務部門の合議が現実的です。
「人がやる」の判定基準は、顧客との関係性、創造性、最終判断、信頼構築のいずれかが含まれるかどうかです。この分類に入った業務は、人材への投資対象になります。AIで代替できないのではなく、代替してはいけない。残った人時間をどこに振り向けるかが、経営者の腕の見せ所です。
私の経験では、4分類の比率は概ねやめる15から30%、減らす20から30%、自動化する30から40%、人がやる15から25%に落ち着きます。比率は業種で変わりますが、自動化候補が80%超になる試算が出てきたら、ほぼ確実に「やめる」「減らす」を見落としています。逆に「人がやる」が50%を超えるなら、判定が甘すぎる可能性が高い。
自動化対象に絞ったAIエージェント化の優先順位
ここまで来て、ようやくAIエージェントの話が始まります。自動化対象に分類された業務を全部いっぺんにエージェント化する必要はありません。優先順位を3つの軸でつけます。
第一の軸は影響範囲です。1人だけが困っている業務より、20人が同じ業務をやっている方が自動化のリターンが大きい。第二の軸は時間規模です。1業務あたり週5分の作業より、週5時間の作業を狙う方が効率がいい。第三の軸はリスクです。誤った判断が顧客に直接届く業務（請求書発行、契約書送付、外部連絡）は、人のチェック工程を必ず残します。AIエージェントが完全自律で動くべき業務は、社内の中間処理に限定するのが2026年時点の現実解だと私は考えています。
技術選定の話もしておきます。社内の機密データを扱うエージェントは、汎用APIにそのまま投げるのは避けたい。ZEROCKのようにAWS国内サーバー上で動くエンタープライズAIなら、ナレッジを社外に出さずにエージェント化できます。GraphRAG（グラフ構造で知識を取り扱う検索拡張生成技術）を組み合わせると、社内文書の関係性を保ったまま検索・要約・生成ができるので、属人化していたノウハウを構造化したまま自動化に乗せられます。
優先順位付けと技術選定が終わったら、PoCに入ります。Dynatraceの数字をもう一度引きます。PoC中の企業の50%がROIを測定できていない[^4]。これを避けるには、PoC開始前に「何が改善されたら成功か」を1つの指標で決め切ることです。時間削減率、エラー率、処理件数、満足度のうちどれか1つで構いません。複数指標で曖昧にすると、PoC後に「効果があったような気もする」で終わります。導入の各フェーズの組み立て方はAIエージェントを組織に実装する5つのフェーズで詳しく整理しているので、合わせて読んでもらえると流れが掴みやすいはずです。
WARP（弊社のAIコンサルティング）でも、棚卸しと分類が済んでいない案件は最初の1か月をまるごと棚卸しに使います。技術選定はその後です。順番を変えてくれ、と言われることもありますが、断ります。順番を変えると、結局やり直しになるからです。
90日で1部門の業務分類を完了するロードマップ
最後に実行可能なロードマップを置きます。1部門の業務分類を90日で完了させる前提です。
第1か月はヒアリングと棚卸しに使います。週1回の現場インタビュー、週次でタスク台帳の更新、月末に部門全体の業務リストを完成させる。この時点で「やめる」候補が30前後出てくるはずです。
第2か月は判定会議と意思決定です。1部門200から400タスクを4分類に振り分けます。会議は週1回、1回2時間、合計8回程度が目安。経営層には月末に報告し、廃止業務の承認を取ります。ここで承認が遅れると後工程が全部ずれるので、社長か役員クラスの即決ルートを最初に確保しておくのが鉄則です。
第3か月は実行と検証です。やめる業務はその月のうちに実際に止める。減らす業務は新しい運用に切り替える。自動化候補は技術選定とPoC設計に入る。AIエージェント化の本格開発は90日後の第4か月以降です。
このロードマップを1部門で回し終えると、社内に「業務分類の言語」が共有されます。「これは『やめる』だよね」「『減らす』にしてから自動化を考えよう」という会話が日常になる。その状態で2部門目、3部門目に展開すると、初回の半分の時間で回せます。
ここで注意点が一つ。Google Cloud Next 2025のレポートでも書いたように[^7]、エージェント技術は急速に進化しているので、半年前に「自動化困難」と判断した業務が、今は自動化可能になっていることがあります。1年に1回は分類を見直す運用にしておかないと、せっかくの分類が古びます。私の関連記事Google Cloud Next 2025のAIエージェント動向で技術トレンドの推移を整理しているので、見直し時の参考にしてください。
最後にもう一度、出発点に戻ります。AI導入で失敗する企業の共通点は「業務棚卸しの不在」でした。逆に言えば、棚卸しさえ丁寧にやれば、ツール選定もベンダー選定も後からどうにでもなる。ここを飛ばさなければ、Gartnerが警告する40%の中止プロジェクトに入らずに済みます。AIエージェントを入れる前に、まずエクセルを1枚開いてください。やめる、減らす、自動化、人がやる。この4列で全業務を仕分けるところからしか、本物のAIエージェント経営は始まりません。
参考文献
[^1]: Gartner「Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027」 https://www.gartner.com/en/newsroom/press-releases/2025-06-25-gartner-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
[^2]: フィデックス株式会社「【2026年最新版】AIエージェント導入ガイド｜Gartner・McKinsey・経産省の最新情報を完全網羅」 https://www.fidx.co.jp/
[^3]: NTTデータ「生成AIは『導入しただけ』では失敗する－－営業組織が見落としている『設計の順序』」 https://www.nttdata.com/jp/ja/trends/data-insight/2026/0401/
[^4]: ITmedia @IT「『現時点のエージェント型AIの多くはROIをもたらさない』ガートナーが厳しく指摘するその根拠は？」 https://atmarkit.itmedia.co.jp/ait/articles/2506/27/news030.html
[^5]: Asana「ECRSの原則とは何か？業務最適化へ向けた『改善の4原則』を解説」 https://asana.com/ja/resources/what-is-ecrs
[^6]: Nikken Tsunagu「7つのムダとは？トヨタ生産方式の基本思想やムダを排除する方法」 https://www.nikken-totalsourcing.jp/business/tsunagu/column/2503/
[^7]: TIMEWELLコラム「Google Cloud Next 2025のAIエージェント動向」 /columns/google-cloud-next-2025-ai-agents-enterprise