AIエージェントとワークフローの違い｜決まった手順の自動化とどちらを選ぶか

AIエージェントとワークフローの違いとは、手順を人が先に決めておくか、AIが目標から手順を組み立てていくかの違いになります。請求書処理や定型レポートのように手順が決まっている仕事は、ワークフローから始めるのが無理のない選び方でしょう。調べものや社内ナレッジ検索のように、途中で見る資料や次の質問が変わる仕事では、エージェントが候補に入ってきます。迷ったときは、手順を書き出せるか、間違えたときに戻せるか、誰の権限で動くかの3つから見てみてください。

AIエージェントとワークフローの定義｜手順を誰が決めるか

AIワークフローとは、あらかじめ決めておいた道筋に沿って、LLM（文章を読み書きするAIの本体）とツールを動かす仕組みになります。最初に人が工程を分けて、入力、判定、出力、確認の順番を決めておきます。AIはその中の一部を受け持ち、決められた場所で文章を読んだり、分類や要約をしたり、返信案を作ったりします。AIエージェントの基本から確かめたい方は、先にAIエージェントとはを読んでみてください。

AIエージェントは、目標を受け取ったAIが、手順や使うツールを自分で選びながら進めていく仕組みとなります。Anthropic（Claudeの提供元）は、ワークフローをあらかじめ決めたコードの道筋でLLMとツールを動かす仕組み、エージェントをLLMが自分で手順とツールの使い方を決める仕組みとして説明しています。まずはこの線引きを社内の言葉に置きかえて、同じ意味で話せるようにしておきましょう。

たとえば問い合わせメールが届いたら、本文を読んで製品名を見分け、担当部署へ回すところまでを決めておくのであれば、それはワークフローになります。途中で社内資料を探し、過去の対応履歴を読んで、確認したいことを考えながら返答案まで組み立てるのであれば、エージェントに近い動きです。どちらもAIを使うことに変わりはなく、違うのはAIに自由に考えてもらう範囲の広さのほうでしょう。

名前よりも、手順を誰が決めるかで切り分けると迷いにくくなります。AIエージェントという名前の付いた機能でも、中身は手順の決まったワークフローに近いことがあります。反対に、ワークフローの中にAIが判断する工程を入れると、その部分だけエージェントのような動きになります。社内で話し合うときは、製品名より先に、業務の流れを紙に書き出すところから始めましょう。

柔軟性と予測可能性のトレードオフ｜再現性で選ぶ

ワークフローとエージェントは、柔軟さと先の読みやすさを引きかえにする関係になります。同じ入力なら毎回同じ順番で動いてほしい仕事には、ワークフローが向いています。状況に合わせて次の動きを変えてほしい仕事になると、エージェントの出番が出てくるでしょう。

ワークフローは工程を固定するぶん、ほかの方へ説明しやすい形になります。請求書が届いたら項目を読み取り、承認者へ回し、金額と取引先を記録するような流れであれば、どこで何を確かめたかを後から追うことが出来ます。経理や総務、情シスの方が運用を預かる場合には、この見通しのよさが安心につながるでしょう。

エージェントが力を発揮するのは、決まった手順だけでは足りない仕事です。新しい取引先の情報を集めたり、社内資料から関係しそうな規程を探したり、いくつかの候補を比べて次の質問を考えたりする場面が当てはまります。毎回同じ資料を見るとは限らないため、道筋を固定しようとすると、かえって作業が細かく分かれてしまいます。

Anthropicも、手順のはっきりした仕事ではワークフローのほうが先を読みやすく、結果もそろいやすいとしています。規模が大きく、柔軟さやAI自身の判断が必要な場面では、エージェントが選択肢になるという説明です。毎回同じ答え方をしてほしい仕事ほど、エージェントから始めないほうが運用は軽くなります。まずは、同じ結果を繰り返し出してほしい仕事なのか、探して考えてほしい仕事なのかを決めましょう。

ここでよくある失敗は、AIエージェントのほうが新しいからという理由だけで選んでしまうことです。新しさで選ぶと、例外が来るたびにAIが違う道を通るようになり、現場が結果を説明しにくくなってしまいます。社内で説明する相手がいる業務ほど、AIに任せる範囲を小さく始めたほうが長く続けやすいでしょう。

業務別の選び方｜定型業務はワークフロー、探索はエージェント

社員10〜200名の会社であれば、業務ごとに、手順がどこまで決まっているかと例外の多さを見て選ぶと整理しやすくなります。まずは毎日の業務を書き出して、手順を書けるものと、途中で判断が変わるものに分けてみてください。

問い合わせ対応であれば、届いたメールを種類ごとに分けて担当者へ送るところまでは、ワークフローで充分です。回答案を作る工程を入れる場合は、送る前に人が確認する場所を作っておきましょう。ここを飛ばしてしまうと、AIの案内がそのままお客様に届き、誰の責任なのかがあいまいになってしまいます。

社内ナレッジ検索は、エージェント寄りに見える仕事になります。質問によって人事規程を見る日もあれば、営業資料や操作マニュアル、過去の議事録を見る日も出てくるでしょう。ただ、権限の設定が甘いまま始めると、本来は見せない資料まで回答に混ざってしまうことがあります。業務名だけで決めずに、誰がどの資料を読めるかまで合わせて決めていきましょう。

データ分析も、最初から全部を自動にしないほうが扱いやすい業務です。毎月の決まったレポートはワークフロー、原因の深掘りや追加の集計の候補出しはエージェント、というように分けると現場の負担が軽くなります。判断に迷う業務は、ワークフローで足りる部分を先に切り出して、残りを見てから決めると迷いにくいでしょう。

組み合わせ方｜まずワークフローから段階的に広げる

ワークフローとエージェントはどちらか一方を選ぶものではなく、同じ業務の中で組み合わせて使うものになります。会社で始めるのであれば、決めておける工程を先にワークフローにして、判断が揺れる部分だけを後から広げていく順番が無理のない進め方でしょう。

Anthropicも、できるだけ単純なやり方を探し、必要になったときだけ仕組みを複雑にしていく考え方をすすめています。この考え方は、中小企業がAIを入れるときにもよく合います。いきなり全部をエージェントに任せてしまうと、設計、検証、説明、修正の手間が一度に押し寄せてしまいます。

問い合わせ対応であれば、最初は分類と担当部署への通知だけを作ってみます。次に、過去の回答を参考にして返信案を作る工程を足します。最後に、関連資料を探して回答案を補うエージェント的な工程を入れる、という順番にすると、確認しながら進めることが出来ます。

月次報告でも考え方は同じです。集計表から決まった形のコメントを作るところは、ワークフローの役目になります。前月との差が大きい項目を見つけて、関係しそうなデータを追加で調べるところは、エージェント寄りの仕事でしょう。固定できる工程を先に固めると、AIに自由を渡す場所が見えやすくなります。

段階的に広げるときは、工程ごとに「うまくいった」と言える条件を置いてみてください。分類なら正しい担当に届いたか、要約なら抜けがないか、回答案なら送る前の確認で差し戻しがどれだけ出たかを見る形になります。最初の1週間で違和感が出た工程は、エージェントに任せる前に手順のほうを直しましょう。

人の確認と失敗時の止まり方｜例外をどこで止めるか

AIを業務に入れるときは、人が確認する場所と、失敗したときの止まり方を先に決めておく必要があります。ワークフローは想定していない入力が来ると止まりやすく、エージェントは別の道を探して進み続けることがあるためです。

ワークフローでは、条件に合わない入力が来たときに止める作りにしやすくなります。請求書に発注番号がない、取引先名が一致しない、承認者が見つからない、といった場面がそうです。止まってくれれば担当者が気づけるので、間違いが次の工程へ流れにくくなるでしょう。

エージェントは、足りない情報を別の資料から探したり、別の道すじで推測したりすることがあります。この柔らかさは便利な反面、間違った前提のまま進むと、その誤りが後ろの工程まで広がってしまいます。Anthropicも、エージェントは自分で動くぶん費用が増え、誤りが積み重なるおそれがあるとして、切り離した環境での十分なテストと、安全のための歯止め（ガードレール）を置くことをすすめています。

送信、承認、記録、外部連携の直前には、人の確認を挟む作りにしましょう。問い合わせへの返信、会計データへの登録、社外チャットへの投稿、ファイルの削除などは、間違えると戻しにくい工程になります。人が確認する場所を残すのは、AIを信用していないからではありません。会社として責任を持つための大切な作業となります。

よくある失敗は、AIが止まらずに進むことを便利だと受け取ってしまうことです。止まらずに進む仕組みは担当者の手を空けてくれる一方で、気づかないうちに間違った処理を重ねてしまうことがあります。例外が出たら止める条件、人に戻す条件、やり直してよい条件を、業務ごとに決めてみてください。

コストとログの残し方｜ループと再試行を見積もる

費用は、ワークフローのほうが見通しやすく、エージェントのほうが読みにくくなります。ワークフローは回数と工程が見えやすい一方で、エージェントはやり直しやツールの呼び出しが増えることがあるためです。

ワークフローであれば、請求書1件につき読み取りを1回、分類を1回、承認依頼を1回というように、処理の回数を見積もることが出来ます。月に300件なら、同じ工程を300回通る形になります。料金が利用回数や処理量に結びつくサービスであれば、会社の出費として予算にも入れやすいでしょう。

エージェントは、同じ依頼でも調べる資料の数ややり直しの回数が変わってきます。社内ナレッジ検索でも、1つの資料だけを読む日もあれば、いくつもの資料を読み比べて追加の質問を作る日もあります。繰り返し（ループ）の多い作りにすると、担当者は同じ依頼を出したつもりでも、裏側の処理量が増えてしまいます。

会社の出費として考えるなら、単価だけでなく、毎月の上限も決めておく必要があります。1回あたりの費用は小さく見えても、毎日何十回もやり直す作りであれば、月末の合計は膨らんでしまいます。エージェントは、便利さより先に上限、停止条件、やり直しの回数を決めておくと安心です。

ログ（操作の記録）の残し方も、費用と同じくらい大事になります。ワークフローは工程ごとに、誰が、いつ、どの入力を処理し、どこで止まったかを残しやすい形です。エージェントは通る道が毎回変わるため、最後の回答だけを残していても、後から原因を追いにくくなってしまいます。

監査や税務調査、取引先への説明まで考えるのであれば、入力、参照した資料、AIの出力、人の確認結果を分けて残しておきましょう。会計事務所や管理部門の方は、AIが出した結論よりも、結論にたどり着くまでの記録を見られるかを先に確かめてみてください。説明できない自動化は、便利であっても後から止めることになりがちです。

データ連携と権限設計｜社内ナレッジを安全につなぐ

AIエージェントもワークフローも、社内データにつなぐほど実務で使いやすくなります。そのぶん、社内ナレッジを読ませるほど、権限や保管ルールの決めごとは重くなってしまいます。

RAG（読み方はラグ）は、社内文書やFAQなどを検索し、その内容をもとにAIが回答する仕組みとして使われています。社内ナレッジ検索や問い合わせ対応でよく候補に上がりますが、資料を入れさえすれば正しい回答になるわけではありません。古い資料や重複した資料、見せてはいけない資料が混ざっていると、回答もその影響を受けてしまいます。

権限については、誰が何を読めるかを最初に決めておきます。人事の資料を全社員が読める状態のままエージェントを作ると、質問の仕方しだいで、本来は見えない内容が返ってきてしまうことがあります。社内フォルダの権限が入り乱れている会社は、AIより先にフォルダと共有設定を見直してみてください。

ここで効いてくるのが、最小権限という考え方です。必要な方に、必要な範囲だけの権限を渡すという意味になります。エージェントに強い権限を渡すほど出来ることは増えますが、間違えたときの影響もそのぶん広がってしまいます。AIに渡す権限は、便利さではなく失敗した時の被害で決めましょう。

ログインのための認証情報も、見落としやすいところです。個人が自分のアカウントで外部サービスとつないでいると、退職や異動のときに誰が止めるのかが分からなくなってしまいます。会社で使うのであれば、個人のつなぎ方ではなく、管理者が把握できるアカウントと連携先にそろえていきましょう。

社内ルールづくりは、生成AIの社内ガイドラインの作り方や生成AIのセキュリティ対策チェックリストと合わせて進めると、抜け漏れを減らすことが出来ます。社員が会社に断らずに使っているAIの把握がまだであれば、野良AI（シャドーAI）の整理から始めてみるのもよいでしょう。

実装手段とマルチエージェント｜ノーコード・Python・フレームワーク

作り方は、ノーコード（プログラムを書かずに作る方法）、Difyのような構築ツール、Python、フレームワークのどれを選ぶかという話になりがちです。選ぶときは技術の好みではなく、誰が直し続けるのかで決めたほうが失敗しにくくなります。

ノーコードの道具は、業務の担当者が流れを見ながら直しやすいところが良さです。Google Workspace Studioについては、Gmail、ドライブ、ChatなどのGoogle Workspaceアプリやサードパーティのサービスにまたがる、ルーティンの作業を自動化するフローを作れると公式に説明されています。新しいメールの受信といった開始条件と、その後のステップを組み合わせて作る形になります。

Geminiにアクセスできるユーザーであれば、実行したい操作を言葉で説明してフローを作れるとも案内されています。管理は、管理コンソールの［アプリ］→［Google Workspace］→［Workspace Studio］から設定する流れです。Google Workspaceの運用にそのまま乗せたい会社は、管理者がどこまで制御できるかを先に確かめてみてください。

Pythonやフレームワークを使う作り方は、社内システムとの接続や細かい制御を作り込みやすくなります。一方で、作った方しか直せない状態になると、その方の異動や退職のあとに止まってしまいます。内製するのであれば、コード、認証情報、運用の手順、エラー時の連絡先を残すところまでを作業に含めましょう。

Anthropicはワークフローの型として、プロンプトチェーン、ルーティング、並列化、オーケストレーターとワーカー、評価と改善のループの5つを挙げています。当てはめてみるなら、たとえば問い合わせの振り分けはルーティング、要約から報告書へ進む流れはプロンプトチェーン、いくつかの案を同時に作って比べる作業は並列化に近い使い方となります。

マルチエージェントは、役割を分けた複数のAIが協力しながら進めていく形を指します。調べる係、確かめる係、まとめる係のように分けると聞こえはよいのですが、役割を増やすほど、ログや費用、責任の整理も増えてしまいます。役割を増やす前に、1つのワークフローで説明できるかを試しましょう。

Claude Coworkの定期タスクは有料プランで使うことができ、パソコンがスリープしていても、決めた周期でリモート実行されると公式に説明されています。TeamとEnterpriseのプランでは、管理者が管理者用の切り替えスイッチでCoworkへのアクセスを制御する仕組みです。毎日や毎週の定期実行を使う場合も、誰が有効にしたか、何を読ませるか、結果を誰が確認するかを決めておきましょう。

個人作成の前にそろえる項目｜会社の環境と権限

AIエージェントやワークフローは、個人でも小さく作れるぶん、会社の管理から外れやすくなってしまいます。便利な試作が増えていく前に、会社として使う環境、権限、ログ、保管ルールをそろえておくことが先になります。

個人がばらばらに作ると、担当者ごとの個人アカウントや個人の連携設定、個人の保存場所に業務が散らばっていきます。退職したときに止めるべき自動化が見つからない、外部サービスとのつながりが残ったままになる、誰の権限でデータを読んだのか分からない、といったことが起きてしまいます。これはエージェントの性能とは別のところで起きる問題となります。

会社でそろえる項目は、難しいものから始めなくても大丈夫です。まずは、使ってよいAIサービス、つないでよい社内システム、読ませてよい資料、保存してよいログ、人の確認が必要な工程を決めます。次に、定期的に見直す担当者と、見直す頻度を決めておきましょう。

あわせて、よく使う指示文と手順のひな形を会社で共有する場所も用意しておきたいところです。個人がそれぞれ似た指示文を作る前に、共有する形を作っておくと、指示のばらつきを減らしやすくなります。

個人の工夫を止めるのではなく、会社で使い回せる置き場所へ移すことが大切です。現場の方が作った良い手順は、その方だけのものにせず、会社の共有の財産に変えていきましょう。使うAIを会社で決めて、権限を管理し、ログを残せる状態にしてから広げると、後から直す範囲も小さくすることが出来ます。

RPA（決まったパソコン操作を自動で繰り返す仕組み）との違いで迷っている方は、RPAとAIの違いも合わせて読むと、手順を固定した自動化と、AIが判断する自動化の違いを切り分けやすくなるでしょう。

よくある質問