AIエージェントの運用を非エンジニアの部門で持てるかどうかは、権限・例外処理・改修という三つの担当に名前が入っているかで決まります。相談の場で使われる言葉は会社ごとに違いますが、詰まっているのはたいてい、この三つのうち名前の入っていない一つです。

相談の席に着かれるのは、自動化を自部門で進めたいと考えている業務部門の責任者です。情報システム部門の担当者が同席することは、あまりありません。基幹系（会計や販売管理など、会社の土台になる仕組み）の保守で手が空かない、という説明を先に受けているからです。

そこで決まって出てくるのが、誤処理が起きたときの責任を自部門で背負えるのか、という問いです。答えの出ないまま検討だけが続き、半年後に同じ議題がもう一度机に載る。

私の答えは、持てる、ただし三つに分けて持つなら、というものです。逆に言えば、一人の「運用担当」にまとめた体制は、稼働の三か月目までは快調に見えて、四か月目から静かに崩れます。

非エンジニア AI運用で、業務部門は何を持つことになるのか？

運用を持つとは、設定画面を触れることではありません。権限・例外処理・改修という三つの決定を、自部門の中で誰かの名前に結びつけることです。この三つは、決める時期も、失敗したときの現れ方も違います。

権限は稼働の前に一度決める性質のものです。例外処理は稼働した日から毎日発生します。改修は業務ルールが変わるたび、こちらの都合とは無関係にやってきます。時間軸の違うものを一語に丸めると、担当者は毎日発生するものだけを追いかけ、残る二つは空席のまま残ります。

この問いが今になって前へ出てきたのは、利用が一気に広がったからです。

総務省「令和8年版 情報通信白書」によれば、何らかの業務で生成AIを利用していると答えた日本企業の割合は86.4%に達しました。ただし業務類型別に見ると、活用が最も多いのは「議事録・メール作成補助」で約7割、次いで「営業・販売」が約6割、「社内ヘルプデスク」が約5割という並びです。

この並びは、AIがまだ個人の手元を助ける位置にとどまっていることを示しています。個人の作業を助ける道具に担当表は要りませんが、業務そのものを引き受けさせる段になると、誰が何を持つのかという問いが避けられなくなります。

これは、道具を選ぶ段階の議論とは別のものです。ノーコードで組めるか、日本語で管理できるか。その比較は製品選定の話であり、選び終えたあとに残るのが役割分担の設計です。

そもそもAIエージェントが何を引き受ける道具なのかは、AIエージェントとチャットボットの違いを業務の主語で線引きするで承認・実行・記録の三点から整理しています。答えるだけの道具なら、権限の設計はほとんど要りません。外部の状態を変える道具に変わった瞬間から、担当を決める作業が発生します。

なぜ運用を情報システム部門に預けると詰まるのか？

判断の材料は業務側にあるのに、設定を変える権限だけが情報システム部門にある。この非対称が待ち行列を生みます。「この取引先を自動処理に含めてよいか」を決めるのに要るのは技術知識ではなく、過去の取引で何が起きたかの記憶です。

人手の状況も味方をしてくれません。情報処理推進機構（IPA）の「DX動向2026」では、DXを推進する人材の「量」について「やや不足している」「大幅に不足している」と答えた企業が2025年度で85.5%にのぼりました（有効回答1,799社）。空席の多い側に、業務ルールの判断まで積み増すことになります。

同じ調査でAIの導入・運用上の課題として挙がった上位三つは、役割分担の話にそのまま重なります。「専門人材が不足している」50.1%、「生成AIの効果やリスクに関する理解が不足している」45.8%、「適切な利用を管理するためのルールや基準の作成が難しい」39.7%。

役割分担に直結するのは、三つ目です。

人数の不足とは別に、ルールや基準を書ける人がいないという課題が独立して立っています。しきい値や例外の分岐を書けるのは、その業務の例外を毎日さばいてきた人です。

先進的な企業の進め方も、この順序を裏づけています。総務省「令和8年版 情報通信白書」は、AI活用で先進的な取組を進める企業の多くが、事業部門の現場のニーズや課題意識を検討の起点とし、DX推進部門が技術的アドバイスやセキュリティ対策、効果測定といった伴走支援を担っていたと整理しました。

効果の出方にも、同じ偏りが表れています。IPAの同じ調査で、AI導入の効果を実感したと答えた企業に内容を尋ねると、「業務が効率化したり迅速化した」が91.6%を占め、「売上や利益が向上した」は3.9%にとどまりました。

順序を逆にした現場の結末は、たいてい同じです。

設定変更の依頼票が溜まり、現場は待てなくなり、結局その業務だけ表計算ソフトに戻る。自動化が止まる理由は、技術的な限界より先に、この待ち時間から生まれます。

権限は誰が決めるのか — 参照できる範囲と、確定してよい範囲

権限を決めるのは業務オーナー、つまりその業務の結果に責任を持つ部門長です。決める対象は二層あります。AIが参照できるデータの範囲と、AIが人の確認なしに確定してよい操作の範囲です。

人事情報や取引条件のように、社内でも見える人が限られる情報は、はじめから参照の対象外に置くのが安全です。情報通信白書は、AI活用の先進企業においても、部門や職階によってアクセスすべきでない情報を出力することがないよう、AIが参照するデータの範囲を絞る対策がとられていると記しています。

確定の範囲は、もう一段踏み込んだ判断です。同じ白書は、業務プロセスの再設計にあたり「どのタスクはAIを人間の思考や判断の補助として用い、どのタスクはAIに自律的に実行させるべきか」を各社が検討していると整理しました。全自動か手作業かの二択ではなく、その中間に線を引く作業です。

ChatGPTは答えます。WindyFloは働きます。答えるところで止まるなら、権限の設計はほとんど不要です。外部システムの状態を実際に変える段階に入った瞬間から、金額・件数・相手先という具体的な物差しが要ります。

操作	自動で確定してよい範囲の例	人の承認に残す範囲の例	線を引く判断材料
発注・購買	既存取引先・定型品目・一定金額まで	新規取引先、金額しきい値の超過	過去に誤発注が起きた条件
請求・入金消込	金額と件数が一致する明細	差額あり、複数請求の相殺	差異の発生頻度と影響額
社外への送信	定型の受領連絡・進捗通知	価格や納期の確約を含む文面	訂正が効かない内容かどうか
社内データの参照	自部門の業務データ	人事・与信・原価などの限定情報	職階ごとに見える範囲の線

この表の値をそのまま持ち帰らないでください。金額の水準も、危ない条件も、会社ごとに違います。使ってほしいのは右端の列です。線を引く根拠を、想像ではなく過去に起きた失敗から取る。

しきい値は、一度決めて終わりにするものではありません。月に一度、差し戻しの記録を見ながら広げる型と戻す型を業務オーナーが判断する場を日程に入れておくと、初期設定のまま半年が過ぎる事態を避けられます。

私たちがWindyFloで実行レイヤーを設計するときも、この二層をそのまま画面の構造にしています。参照を許すデータの範囲と、確定を許す操作のしきい値を、業務チームが日本語の管理画面で設定でき、変更の履歴が残る形にする。開発チームを常駐させずに済むかどうかは、この設定を誰が触れるかで決まります。

担当が空くと、二つの極に振れます。誰も決めないまま動かせば製品の初期設定のまま走り、逆に責任を恐れて全件を人が承認する形で始めたまま見直されず、自動化したのに確認作業だけが残ります。

判断できなかった案件は、どこへ戻るのか？

例外は一種類ではありません。原因によって戻し先が変わり、戻し先が変われば締切も変わります。この分岐を稼働前に決めておかないと、例外は種類を問わず運用担当者一人の受信箱へ流れ込みます。

例外の種類	典型的な原因	戻し先	決めておく締切
入力が足りない	添付漏れ、コード不一致、判読不能	提出した本人	翌営業日まで（超過で保留通知）
しきい値を超えた	金額超過、新規取引先、初回条件	承認者	当日中（超過で次の承認者へ）
ルールにない型	想定外の取引形態、新しい様式	業務オーナー	週次のまとめ確認

体制の分かれ目になるのは三つ目です。ルールにない型は処理の失敗ではなく、改修の材料にあたります。ここを運用担当者が気を利かせて手作業で片づけると、その案件は今日片づく代わりに、規則の更新は永遠に来ません。

締切を過ぎた案件の既定の動きも、あわせて決めておいてください。放置された例外が自動で確定へ回る設計は避け、保留のまま通知が上がる側へ倒します。

だからこそ、例外は記録に残る経路だけを通してください。誰が、どの案件を、どの理由で戻したか。差し戻し率と滞留時間を週単位で眺めておくと、対象業務が体制に合っているかどうかが数字で見えてきます。

AIの出力そのものが誤っていた場合の止め方、つまり確認ゲートと監査ログの置き方は、AIの誤りを業務で止める確認と記録の設計で扱います。役割分担として決めるのは、止めたあとに誰の机へ返すかという経路のほうです。

担当が空いたときの症状は、はっきりしています。例外が個人の手元に沈み、その人の休暇で業務が止まる。もっと厄介なのは、例外が記録に残らないせいで、何を直せば減るのかが誰にも分からなくなることです。

業務ルールが変わったとき、誰が直して誰が確かめるのか？

改修は三つの役に分かれます。変更を申し出る人、設定を直す人、直った内容を確かめて有効にする人。このうち直す人と確かめる人を同一人物にしない、というのが唯一の固い線です。

自分が直したものを自分で確認すると、意図どおりに動いたことは確かめられても、意図そのものの誤りは残ります。税率の変更を反映したつもりで、対象外の取引にまで適用してしまう。この種の誤りは、書いた本人の目には映りません。

ノーコードの落とし穴もここにあります。誰でも直せることは、誰が直してもよいことを意味しません。変更の履歴が残ること、直前の状態に戻せること、有効化の前に別の人が目を通すこと。この三つが揃っていれば、業務チームが設定を持って差し支えありません。

変更の申し出は、思いつきよりも外からやってきます。税率や様式の改定、取引先の追加、部署の統廃合。月ごとに何かが動くと構えておくほうが実態に近く、申し出のない月が続いたときは、現場が仕組みを使っていない可能性を疑ってください。

運用の工夫としては、変更の受付日を月に一度決めておく方法が効きます。思いついたときに直す運用は、誰がいつ何を変えたのかを追えなくします。緊急のものだけ別扱いにし、それ以外は月次の窓口へ集める。

担当が空くと、業務と設定がずれたまま自動処理が走り続けます。誤った結果が大量に生まれるのはこちら側です。反対の症状も同じくらい多く、誰も触れなくなった仕組みを現場が回避し、表計算ソフトとの二重管理が復活します。

一人に三つを渡すと、何が起きるのか？

一人運用は、最初の三か月がもっとも速く、四か月目からもっとも脆くなります。権限も例外も改修も同じ人が握れば決定は速い。その代わり、点検の目が一つも入りません。

崩れ方は三つ同時に来ます。直した人が確かめる形になるので設計の誤りが残り、例外がその人の判断で処理されるので規則が更新されず、休暇や異動でそのすべてが止まる。属人化という言葉で片づけられがちですが、実態は点検機構の不在です。

三役を分けるのは、担当者を信用していないからではありません。

最小限の分離は、直す人と確かめる人を別にすること。それ以外は兼任で構いません。人を増やす話ではなく、同じ人数のまま、決定に二つ目の目を通す経路をつくる話です。

AIエージェント 運用体制は、何人いれば回るのか？ 三役の兼任と最小構成

私たちが支援してきた範囲では、対象業務を一つに絞った立ち上げなら、専任者を置かずに回っています。業務オーナー、運用担当、承認者の三役を、既存の人員で兼ねる形です。

私たちが関与した範囲でも、専任者を用意できた会社のほうが少数でした。

業務オーナーは部門長が兼ねます。しきい値と例外の戻し先を決め、月に一度、ルールにない型が出ていないかを確認する。運用担当には、その業務の例外をいちばん多く処理してきた実務者が向いています。製品の操作は覚えられますが、どの案件が危ないかという感覚は短期間では身につかないからです。

承認者は、新しく置かなくて構いません。金額の決裁ラインが既にあるなら、それをそのまま使ってください。AI用の承認体系を別に作ると、既存の決裁と食い違ったときにどちらが優先かが分からなくなります。

作業時間の目安も、私たちが関与した定型業務の範囲での数字にとどめます。運用担当が週に二、三時間、業務オーナーが月に一時間程度。対象業務が二つ三つと増えれば、この前提は当然変わります。

着手そのものの順序と、費用・期間の当たりのつけ方はAIエージェントは何から始めるのかで扱っています。体制の設計は、その順序でいえば対象業務を決めた直後に来る作業です。

情報システム部門とベンダーには、何を残すのか？

残すのは、会社全体にかかる事項だけです。アカウントと認証情報の管理、外部との接続経路、監査ログの保存期間、基幹システムへの接続仕様。いずれも一部門の判断で決めてよい範囲を超えています。

逆に残してはいけないのが、業務ルールそのものです。しきい値の値、例外の戻し先、様式の変更。これらを情報システム部門の申請フローに乗せた瞬間、先ほどの待ち行列が戻ってきます。

線引きを一枚の紙にする手間は、一時間ほどで済みます。障害時の連絡先と業務ルールの決定者が並んで書かれているだけで、事故が起きたときの初動が変わります。

ベンダーとの間では、二つを文書で確かめてください。障害時の連絡経路と復旧の責任範囲、そして仕様変更の事前通知です。完全管理型を選ぶ意味は、基盤の運用を任せられることであって、業務ルールまで預けることではありません。

この線引きは、製品選定の判断軸にもなります。しきい値を一つ変えるのに開発作業が要る製品なら、業務ルールは結局、情報システム部門かベンダーが握ることになる。業務チームが持てるかどうかは、機能一覧ではなく、設定を誰が変えられるかで確かめられます。

最初の90日で、この体制をどう立ち上げるのか？

対象業務を一つに絞り、全件を人が承認する状態で始め、差し戻し率という実測で権限を広げていきます。三十日ごとに区切ると、体制の穴が順番に見えてきます。

最初の三十日は、動かす前の作業に充てます。対象業務を一つ決め、直近一か月に実際に起きた例外を数え、種類ごとに戻し先を書く。三役に人の名前を入れ、しきい値の草案を用意する。ここで例外を数えられない業務は、まだ対象になりません。

次の三十日で稼働させます。ただし全件を人が承認する設定から始め、差し戻し率を週ごとに記録する。二週続けて差し戻しの出なかった型だけを、自動確定の側へ移していきます。広げる根拠を、期待ではなく実測から取るための順序です。

最後の三十日は、改修の手順を実際に一度通すために使います。演習ではなく、本物のルール変更を一件流す。申し出から確認、有効化までが誰の手を経たかを見れば、三役の分担が机上のものか実働するものかが分かります。

立ち上げの記録は、あとになって効いてきます。どの型をいつ自動確定へ移し、そのときの差し戻し率はいくつだったか。対応が残っていれば、二つ目の業務を始めるときに同じ判断を最初からやり直さずに済みます。担当者が替わった場合も、この履歴が引き継ぎ資料の役割を果たします。

九十日のあいだは対象業務を増やさないでください。差し戻し率が落ち着く前に範囲を広げると、どの変更が何に効いたのかを切り分けられなくなります。増やすのは、一つ目の業務で三役が実際に動いたと確認できてからです。

体制の形が見えてきた段階なら、実際の画面で権限としきい値の設定を試すのが早道になります。WindyFloの無料トライアルから、自社の一業務を対象にした運用相談を始められます。

よくある質問

出典

• ［1次］総務省「令和8年版 情報通信白書」（2026年7月24日公表）— 生成AIの業務利用状況（日本で何らかの業務に生成AIを利用している割合86.4%、図表Ⅰ-2-1-6）: https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/html/nd121130.html
• ［1次］総務省「令和8年版 情報通信白書」（2026年7月24日公表）— AI導入・活用を効果的に進めていくために重要となる要素（事業部門の現場を起点としDX推進部門が伴走支援する組織体制／人間とAIの役割分担の設計／部門・職階に応じてAIが参照するデータの範囲を絞る対策）: https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/html/nd121410.html
• ［1次］情報処理推進機構（IPA）「DX動向2026」（2026年7月30日公開。2025年度調査、調査期間2026年4月中旬〜6月中旬、有効回答1,799社）— AI導入・運用上の課題（専門人材が不足している50.1%、生成AIの効果やリスクに関する理解が不足している45.8%、適切な利用を管理するためのルールや基準の作成が難しい39.7%、図表3-16）／DXを推進する人材の「量」の不足感85.5%（図表4-1）／AI導入の効果を実感した企業における効果の内容（業務が効率化したり迅速化した91.6%、売上や利益が向上した3.9%、図表3-14）: https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf
• 本稿の三役の分担、例外の戻し先、90日の立ち上げ手順に関する記述は、ハマダラボ（HAMADA LABS Japan）による日本国内でのAI業務自動化の導入支援での一次観察に基づくモデルケースであり、特定企業の実在事例ではありません。作業時間の目安は、対象業務を一つに限定した支援範囲での観測値です。