エージェント型 AI の最適なユースケースを特定する方法

生成 AI はすでに数多くの業界に大きな変革をもたらしていますが、エージェント型 AI はどうでしょうか？エージェント型 AI は、業務改善においてさらに大きな可能性（利益そしてプレッシャー）をもたらします。

エージェント型 AI のユースケースが無限にあるように思える中で、自社にとって最も効果的なものだけに絞り込む作業は、決して容易ではありません。

一見すると AI を簡単に適用できそうなプロセスであっても、AI エージェントの導入によって実際に時間の節約、コスト削減、あるいは収益増加につながるでしょうか？リスクレベル、導入の容易さ、そしてビジネス価値のバランスが取れた最適な領域を見つけるには、戦略と適切なツールが必要です。

Lucid では、変革を推進するチームと協力して高価値な AI ユースケースの特定に取り組んでおり、その知見をシンプルなフレームワークにまとめました。このフレームワークを活用することで、自社に適したエージェント型 AI のユースケースを見極めるポイントや、意思決定に必要なデータを収集する方法を理解できます。

「問題は AI を導入・適用するかどうかではなく、どこで、いつ、どのように適用するかである。」

— Gartner®, The Pillars of a Successful Artificial Intelligence Strategy, 2025年9月16日

エージェント型 AI とは？最も価値を発揮する領域

エージェント型 AI とは、出張の手配や返金処理など、最小限の人間の介入や監視で目標を達成できる自律型 AI システムを指します。生成 AI がコンテンツ作成のために LLM を使用するのに対し、エージェント型 AI は LLM を推論エンジンとして使用し、ソフトウェアとの連携、複数ステップのワークフローの実行、自律的な意志決定を行います。

エージェント型 AI は、ある程度のロジックや解釈を必要とするユースケースで最も価値を発揮します。通常これらは、達成したい明確な目標はあるものの、そこに到達するための定型的な手順が決まっていない柔軟なユースケースです。

例えば、カンファレンス参加のための出張手配を行う場合を考えてみましょう。前日に到着し、フライトがスケジュールと重ならないように調整する必要があります。また、ホテルはカンファレンス会場から徒歩圏内で、近くにベジタリアン対応のレストランがあり、出張予算内に収める必要があるとします。

考慮すべき項目が多く、メニューの確認やフライトの比較に時間を割く余裕はありません。このような場合、AI エージェントがフライトを調査し、カレンダーの空き状況を確認し、ホテルの立地やメニューを検証した上で、ユーザーの承認を得て保存済みの決済情報で出張全体の手配を完了できます。

エージェント型 AI と従来の自動化の違い

エージェント型 AI の価値が最も高いユースケースを特定するには、エージェント型 AI と従来の自動化の違いを理解することが重要です。どちらも最小限の人間の指示でタスクを実行する点では似ていますが、タスクを実行する方法はまったく異なります。

自動化は、固定され予測可能で制御されたプロセス手順に従ってタスクを実行します。これらは通常、「顧客がカートに商品を追加したが購入を完了しなかった場合、1時間後にリマインドメールを送信する」といった非常にシンプルな If-Then 形式のタスクです。

一方、AI エージェントは、より複雑な意思決定を必要とするタスクに最適です。「X ならば Y」という固定フォーマットに従うのではなく、エージェント型 AI のタスクは「目標 Z に基づき、最適な X と Y を見つける」というアプローチをとります。

前述の出張手配の例を見てみましょう。条件を満たすフライトやホテルは複数存在する可能性があります。AI エージェントは、最終目標を達成するためにさまざまなシナリオを推論し、複数の意思決定を行う必要があります。

自動化と AI エージェントのどちらを選択すべきか判断するための簡単な試金石があります。「[目標] を達成するにはどうすればよいか？」という質問に対する答えが「状況による」となる場合、自動化よりもエージェントに適したユースケースであると言えます。

アドバイス：実際のワークフローでは、自動化とエージェント型 AI が組み合わされることがよくあります。プロセスマップでプロセスの手順を可視化することで、どの部分にどのアプローチが必要かを見極めることができます。

判断基準：AI ユースケースを特定する際に見極めるべきポイント

「ユースケースにエージェントを追加できるからといって、追加すべきだとは限りません。AI の時代において、焦点を絞ることが極めて重要です。」

— Birch Eve、Lucid グループプロダクトマネージャー

理論上、AI エージェントを適用できるユースケースは無限に存在します。しかし、どれがビジネスに最も大きな利益をもたらすかをどのように判断すればよいでしょうか？

以下の基準は、高価値で低リスク、かつ比較的導入が容易な AI ユースケースを見つけるのに役立ちます。

エージェント型 AI のユースケースを特定する際は、以下のシグナルに着目しましょう：

• 単調な作業：Lucid のプロフェッショナルサービス部門シニアディレクターである Jeff Rosenbaugh は、「優秀な人材が無駄な作業に時間を費やしている」領域に着目することを推奨しています。進捗レポートのために複数のソースからデータを抽出・集約するような単調な作業はエージェントに委任できるため、従業員が革新的な思考に注力するための時間を確保できます。

• 高い発生頻度：単調な作業であっても数ヶ月に1回しか発生しない場合、エージェントに移管しても大きな価値は得られません。AI に最適なユースケースは、複数の部門間あるいは単一のチーム内で高頻度で発生するものです。

• 多段階のロジックと判断ポイントを含む：単一のロジックに従うプロセスにエージェント型 AI を使用するのは過剰です。単調で頻度は高いもののシンプルな If-Then ロジックに従うタスクの場合は、代わりに従来の自動化を活用できます。

• 明確な出力と境界条件が定義されている：成果物と成功基準が明確なユースケースでは、エラーを検出して修正することが可能です。成果物を検証する方法がない場合、確認されないままハルシネーション（嘘の出力）が発生し、未払いや誤った返金処理などの重大なミスにつながるリスクがあります。

• 過度なツール切り替えが発生する：複数のツール間を行き来する必要があるタスクは時間がかかるため、エージェント型 AI の絶好の候補となります。Lucid のグループプロダクトマネージャーである Birch Eve は、情報の保存や検索のために Slack、Google ドキュメント、Lucid、各種ダッシュボードの間を絶えず行き来していることに気づき、これを代行するエージェントを作成しました。「現在では、AI エージェントのおかげでワークフローの90%が口述筆記になりました。伝えたい内容を話して Enter キーを押すだけで、エージェントが情報のインデックス作成と整理を行ってくれます」と Eve は説明します。

• 文脈（コンテキスト）を必要とする：文脈の有無は、あるユースケースが AI に適しているかを判断する決定的な要素となります。例えば、誰かに週次プロジェクト進捗レポートの作成を依頼する場合を想像してみてください。単にレポートテンプレートを渡すだけでなく、どのステークホルダーがどの指標を重視しているか、チームにとって「リスクあり」と「遅延」の違いは何か、データが欠落している場合の対処法などを説明するはずです。エージェントが安定して動作するためにも、文書化された同様の推論レイヤーが必要となります。

エージェント型 AI のユースケースを特定するためのステップ

注目すべきポイントを理解したところで、次はこれらのシグナルを迅速かつ簡単に特定する方法を見ていきましょう。以下のステップに従って、ビジネスにおいて影響の大きいユースケースの特定と優先順位付けを開始してください。

ステップ 1：質問を通じて摩擦や課題を特定する

まずは、業務の中で単調、反復的、非常に複雑、または時間がかかっている部分について、チームに直接質問することから始めましょう。

「試してみるべき AI ユースケースは何か？」といった質問を中心にブレインストーミングを行うのは避けるのが賢明です。「AI ユースケース」をブレインストーミングすることは、数十億ドル規模のスタートアップのアイデアを無理に考え出そうとするようなものであり、存在すらしない課題に対する解決策を作成してしまう恐れがあります。

代わりに、以下のようにチームが直面している課題や摩擦を明らかにする質問を投げかけましょう：

• 毎週最も時間を費やしている（または浪費している）タスクは何か？

• どのタスクを手放せば、最もエネルギーを解放できるか？

• 単にやりたくないと感じるタスクは何か？

• どのような複雑な判断がワークフローの遅延の原因になっているか？

まず経営陣レベルから始めて高レベルの課題領域を特定し、そこから詳細を深掘りしていく方法も効果的です。その後、チームリードが非同期またはリアルタイムのブレインストーミングセッションでこれらの質問を投げかけることができます。

「これらのパターンの多くがどこにあるのか、すでに把握できている場合もあります」と Lucid のコンサルティングサービス部門ディレクターである Christopher Bailey は語ります。「人々は何に対して不満を言っているのか？何に疲弊しているのか？」組織内のチームが定期的にふりかえり（レトロスペクティブ）を行っている場合、課題点に関する定性的なデータがすでに揃っている可能性があります。

アドバイス：Lucid を使用してディスカバリーワークショップ、ブレインストーミング、ふりかえりを開催する際、Lucid の AI 機能を活用すれば、寄せられた意見の中からテーマやパターンを迅速に抽出・可視化できます。

ステップ 2：主要なプロセスを可視化・マッピングする

チームとの対話を通じて一般的なユースケースをいくつか特定したら、それらが本当に AI に適しているか検証する必要があります。その方法は？プロセスを可視化・マッピングすることです。

プロセスの可視化によって以下の点を把握できます：

• プロセス内のどこで意思決定や承認が行われているか

• プロセスにいくつもの異なるシステムやツールが関与しているか

• プロセス内でいくつのチームや受け渡し（ハンドオフ）が発生しているか

• 各プロセスにどのような例外シナリオが存在するか

本質的に、ワークフローのマッピングはプロセスの複雑さを浮き彫りにします。「プロセスマップがスパゲッティのようになっていて、キャンバス全体で矢印や図形が複雑に交差している場合、現状のままでは複雑すぎる可能性があります」と Eve は語ります。言い換えれば、それこそが AI エージェント導入の絶好の候補なのです。

この段階でプロセスマッピングを行うもう1つのメリットは、実際に導入を決定した場合にエージェントがタスクを実行するために必要なコンテキスト（文脈）とドキュメントを同時に作成できる点です。

「エージェント型 AI で最も迅速な成果を上げる組織とは、最高性能のモデルを持つ組織ではなく、最も優れたプロセスと手順が文書化されている組織です。」

— Jeff Rosenbaugh、Lucid プロフェッショナルサービス部門シニアディレクター

例えば、採用の候補者スクリーニングプロセスが履歴書から即面接へ進むことは滅多にありません。LinkedIn でのスキル検証、特定のプロジェクト概要とポートフォリオの比較、3人の採用マネージャーのカレンダー調整など、間には多くのステップが存在します。このプロセスをマッピングすることで、採用チームが自然と行っている判断や手順を AI エージェントが実行するためのコンテキストが生成されます。

プロセスマップの開始方法に迷った場合は、理想的な成果から逆算して、そこに到達するために必要なステップを順に整理していくのがおすすめです。

ステップ 3：優先順位を設定し、導入計画を策定する

ブレインストーミングやプロセスマッピングのステップによって、AI エージェントを適用できる多くの潜在的なアプローチが得られるでしょう。しかし、取り組みを始める際は、まず1〜2個に絞って試行するのが最善です。スモールスタートを切ることで、大規模な展開の前に学びを得て問題点を解消することができます。

最初に着手すべき最も価値の高いユースケースは、高い効果が見込め、比較的シンプルで導入リスクが低いものです。

マトリクスを活用し、以下の軸でユースケースを視覚的にマッピング・整理できます：

• ビジネス上のインパクト：人間にどれだけの「創造的エネルギー」が還元されるか？どれだけの時間を節約できるか？どの程度のコスト削減が見込めるか？新たな収益の可能性はどれくらいあるか？

• 工数と信頼性：プロセスをエージェントに委任できる状態にするために、どれだけの作業や追加のセーフガードが必要か？エージェントがミスを犯した場合のリスクは何か？

着手するユースケースを特定したら、以下の点を明確にしていきます：

• ユースケースの導入と成功指標の測定を担当するのは誰か？

• ユースケースを安全に実行するために、どのようなガードレールや Human-in-the-loop（人間の介入）チェックポイントを設置すべきか？

• チームが開始にあたって必要とするスキル、有効化、トレーニングは何か？

• どのようなマイルストーンを目指すか？

• ユースケースの成否を判断するためにどのような指標を使用するか？

エージェント型 AI のユースケース事例

エージェント型 AI の適用に最適な領域は組織によって異なりますが、以下の事例を参考にアイデアを膨らませることができます。

人事 (HR) におけるエージェント型 AI のユースケース

人事チームでは、候補者のスクリーニングやオンボーディングの調整にエージェント型 AI を活用できます。

例えばオンボーディングエージェントなら、チェックリストに沿って新入社員を案内し、質問を行い、フィードバックを提供することが可能です。

オンボーディングは「状況による」変化が非常に多いため、AI エージェントに適しています。新入社員のニーズは部署、過去の経験、学習スピードによって異なります。標準的な自動化では相手の準備状況にかかわらず機械的にメールを送信し続けますが、エージェントであれば新入社員のフィードバックに応じてフレキシブルにアプローチを変更できます。

営業におけるエージェント型 AI のユースケース

営業チームでは、パイプラインの調査、プロスペクティング（新規開拓）、RFP（提案依頼書）の下書き作成にエージェント型 AI を活用できます。

プロスペクティングを行うエージェントの例を見てみましょう。営業担当者は、コールドアプローチのフックとなる効果的な情報を探すため、年次報告書、LinkedIn の投稿、ニュース記事の読解に多くの時間を費やしています。

この例では、プロスペクティングエージェントにターゲット企業のリストを渡します。エージェントは各企業について、最新の有価証券報告書（10-K）の精査、最新ニュース内の関連キーワードの検索、CTO の最近の SNS アクティビティの分析を行います。探出した情報をもとに、その企業が直面している具体的なビジネス課題に触れた、高度にパーソナライズされたピッチ案を作成します。

技術・IT 部門におけるエージェント型 AI のユースケース

ソフトウェアエンジニアリング、IT、セキュリティのチームは、レガシーコードの移行、インシデントの特定と優先順位付け、脅威の監視と軽減などのユースケースでエージェント型 AI を活用できます。

例えば、ソフトウェア開発者は最新のセキュリティ標準への準拠や効率的なプログラミング言語への移行のため、古いコードベースを手動でリファクタリングすることに何週間も何ヶ月も費やすことがあります。レガシー移行エージェントを活用すれば、アプリケーションの依存関係のマッピング、現在のパフォーマンスの基準設定、新しい言語へのコードの書き換え、ロジックが維持されていることを確認するテストの生成、ビルドプロセスで発生したエラーの反復的なデバッグなどを実行できます。

サイバーセキュリティにおけるエージェント型 AI のユースケース例としては、脅威の検知、ユーザー行動やネットワークトラフィックの分析、検知された脅威を軽減するための自動応答の発行、そして脅威の進化に応じた検知手法の洗練などが挙げられます。

エージェント型 AI を初めて導入する際のヒント

Lucid の専門家が、エージェント型 AI の取り組みを開始する際に心留めておくべきトップヒントを共有しています。

「地味な」業務から始めても問題ない

最も複雑で印象的なユースケースを探したくなるかもしれませんが、Rosenbaugh は、ROI が明確でリスクが低い地味なユースケースから試してみるのも良い方法だとアドバイスしています。「シンプルで低リスクなユースケースでの成功が、将来的に高度で複雑な導入を進めるための基礎知識となります。」

恐れによって機会を逃さない

ハルシネーションなどの副作用への懸念から、チームが実験を踏みとどまってしまうことがあります。もちろんこれらのリスクには留意すべきですが、適切なバリアやセーフガードを組み込むことで対処可能です。恐怖のレンズを通して未来を見つめるべきではありません。

「多くの人は、プロセス全体をエージェント型ワークフローに変換しなければならないと考えがちです」と Eve は語ります。「これはよくある誤解です。そうではなく、最初の数ステップから始めて、残りは人間の手に任せましょう。そうすれば素早く学びを得られ、エージェント型 AI への信頼を高めることができます。」

明確な利用ガイドラインを作成する

「ツールの利用権限がない、未承認である、あるいはガイドラインがないという理由でアイデアの検証やテストができないことほど、新しい技術に対する従業員の情熱を急速に冷めさせるものはありません」と Eve は指摘します。「それは、新しい技術に対する人間としての最も自然な反応である探求心を阻害してしまいます。」

Lucid の AI 準備状況に関する調査によると、労働者の42%がガイドラインの不明確さによる AI の誤用をある程度懸念しており、27%が非常に強く懸念しています。どのツールが承認されており、それぞれを何に使用できるかを明確に定義することで、安心感を生み出しましょう。人々が探求心を持って自由に扱えるようにすることで、ユニークな方法で課題解決に取り組む文化が醸成されます。

また、1つの AI モデル（Gemini や Claude など）がすべてのタスクにおいて最適であるとは決めつけないでください。コーディングが得意なモデルもあれば、クリエイティブな統合を得意とするモデルもあります。選択肢を調べ、可能な限り実際にツールを使用しているチームからの意見を求めてください。

チェンジマネジメントを軽視しない

「AI におけるチェンジマネジメントの失敗は、現場のボトムアップよりも経営陣のトップダウンで起こることが多いのです」と Rosenbaugh は述べています。「リーダーは単に AI 導入を『サポート』する以上の行動を示す必要があります。」

変革を効果的にリードするために、経営陣は望ましい行動のモデルを示し、ガバナンスの決定に責任を持ち、早い段階で AI の価値を伝える必要があります。中間管理職は成果に対する責任を負っているため、経営陣は優先順位とインセンティブを適切に設定し、中間管理職がこれらの取り組みを推進できるように支援しなければなりません。

そこから、部門やチームのリードは、成果が出ている取り組みを共有するネットワークを構築するなど、チームレベルでの定着を促進するための措置を講じることができます。「早い段階で共有の仕組みを構築しておけば、成功した実験結果を活用し、他のメンバーにインスピレーションを与え、チーム全体で成功事例を再現できます」と Bailey は述べています。

AI のメンテナンス体制を整える

どのようなユースケースから始めるとしても、エージェント型 AI は「一度設定すれば終わり」というものではありません。技術は絶えず進化しており、プロセスやシステムも変化するため、エージェント型ワークフローの見直しと更新のための定期的なプロセスや戦略を設定することが重要です。

最も効果的なメンテナンス戦略の1つは、公式のビジネスプロセスドキュメントを一箇所に集約し、常に最新の状態に保つことです。そうすれば、AI ワークフローが失敗したりツールが変更されたりしても、可視性を失うことはありません。

Lucid を使用すれば、プロセスのドキュメント化だけでなく、それを最新状態に保持することも簡単に行えます。Process Accelerator（プロセスアクセラレーター）を活用することで、公式のプロセスドキュメントの検索可能なリポジトリを作成し、組み込みの承認ワークフローを使用して、プロセスドキュメントに加えられたすべての変更が設定したガバナンスガイドラインに準拠していることを確保できます。

Gartner は、Gartner, Inc. またはその関連会社の登録商標です。