AIエージェント導入の全社展開を阻む「3つの壁」を突破する、データ連携とガバナンスの新常識
ChatGPTをはじめとする生成AIの活用は、文章作成や情報検索といった個人の生産性向上から、企業の業務そのものを変える段階へと進みつつあります。
その中でも注目されているのが、複数のタスクを自律的に実行する「AIエージェント」です。
本記事では、AIエージェントを企業の実業務で活用する際に押さえておきたいリスクとガバナンスの考え方を解説します。
さらに、AIエージェントが業務システムや社内データへアクセスするための「つなげるアーキテクチャー」についても紹介します。
AIエージェントとは？従来の生成AIとの違い
AIエージェントは、人間から与えられた指示に対して回答するだけではありません。必要な情報を検索したり、社内データを参照したり、外部サービスや業務システムを操作したりと、複数の処理を組み合わせて業務を実行できます。
一方で、AIが業務を自律的に実行するようになるほど、企業が考慮すべきリスクも大きくなります。
「AIに社内データを参照させて問題ないのか」
「AIにどこまでシステム操作を許可してよいのか」
「AIが誤った判断をした場合、誰が責任を持つのか」
「AIエージェントが増えたとき、利用状況やコストを管理できるのか」
こうした問題に対応し、AIを安全かつ継続的に業務へ組み込むために重要になるのが、AIエージェントのガバナンスです。
従来の生成AIでは、
人間が質問する
↓
AIが回答する
という使い方が中心でした。
一方、AIエージェントでは、
人間が目的を指示する
↓
AIが必要な情報を収集する
↓
AIが判断する
↓
必要なシステムやサービスを操作する
↓
業務を完了する
というところまでAIに任せられるようになります。
例えば、営業担当者が「この顧客の最新状況を確認して、次回のアプローチ方法を提案して」と指示した場合、AIエージェントがCRMから顧客情報を取得し、過去の商談履歴や関連情報を確認したうえで、提案内容を作成するといった活用が考えられます。
さらに進めれば、メールの作成・送信や、社内システムへの登録など、実際の業務処理までAIに任せることも可能になります。
つまりAIエージェントの登場によって、AIは「情報を生成する存在」から「業務を実行する存在」へと変わりつつあるのです。
この変化が、AIガバナンスの考え方にも大きな影響を与えます。
AIエージェントの普及で、ガバナンスは何が変わるのか
生成AIの利用が広がる中で、企業ではAIツールの乱立やシャドーAIなど、利用状況を把握・統制すること自体が課題になっています。
こうした「AIの乱立」やシャドーAIへの対応については、別の記事で詳しく解説しています。
企業における生成AIの「乱立」にどう向き合うか——AI活用とガバナンスの両立
企業における生成AI活用のスピードとガバナンスを両立させるためのポイントを、セゾンテクノロジーの実践を交えて紹介します。
しかし、AIエージェントを業務に組み込む段階になると、ガバナンスで考えるべき対象はさらに広がります。
これまでの生成AIでは、主に
- どのAIサービスを利用するか
- どのようなデータを入力するか
- AIが生成した回答をどう扱うか
といった点が重要でした。
AIエージェントでは、それに加えて、
- AIがどのデータへアクセスできるか
- どのシステムを操作できるか
- どのような処理を実行できるか
- どの処理に人間の承認を必要とするか
- AIがどのモデルを利用できるか
- AIが行った処理をどう記録・監査するか
まで管理する必要があります。
つまり、AIエージェントのガバナンスでは、「AIが何を答えるか」だけでなく、「AIに何をさせるか」まで統制することが重要になります。
AIエージェントの業務利用を阻む3つの壁
AIエージェントを一部のPoCから全社の業務へ展開しようとすると、企業は大きく3つの壁に直面します。
1．「統制できない」――セキュリティとガバナンスの壁
まず、情シスやセキュリティ部門が懸念するのが、AI利用に伴う情報漏えいや権限管理です。
「AIに社内データを渡して大丈夫なのか」
「AIが勝手にシステムを操作しないか」
「利用しているAIエージェントをすべて把握できるのか」
といった、AIを企業として適切に管理・統制できるのかという懸念が、全社展開の障壁になります。
特にAIエージェントは、単に情報を参照するだけでなく、データベースの更新や外部サービスへの情報送信など、実際の業務処理を実行できます。
そのため、AIに与える権限を適切に制御しなければ、AIの誤判断がそのまま業務上の事故につながる可能性があります。
重要なのは、AIを無制限に自由化することでも、すべて禁止することでもありません。
企業として安全に使えるAI環境を整え、その中で現場が必要なAI活用を進められる状態を作ることが重要です。
2．「バラバラ」――個人最適から組織最適への壁
AIを導入しても、メール作成や議事録作成、情報検索など、個人のタスクを効率化するだけでは、組織全体の業務変革にはつながりません。
また、部署や個人によってAIの利用方法やリテラシーにも差が生まれます。
AIに詳しい社員だけが高度な使い方をする一方で、他の社員は簡単なチャット用途にとどまる、といった状態です。
AIエージェントを全社で活用するには、個人がそれぞれAIを工夫して使うだけではなく、業務単位でAIエージェントを整備し、組織として利用できる環境を作ることが重要です。
例えば、
- 営業部門向けの顧客情報検索エージェント
- 経理部門向けの請求処理エージェント
- 情報システム部門向けの問い合わせ対応エージェント
など、業務に合わせたAIエージェントを用意し、必要なユーザーへ安全に提供します。
こうすることで、AIを「個人の便利なツール」から「組織の業務基盤」へと発展させることができます。
3．「進まない」――社内データ連携の壁
そして、AIエージェントを実業務に組み込む際に大きなボトルネックとなるのが、社内データや業務システムとの連携です。
例えばAIエージェントに、
「最新の売上データを確認して」
「現在の在庫状況を調べて」
「この顧客の過去の取引状況を確認して」
「条件に該当する案件を抽出して」
と依頼するためには、AIが基幹システム、SaaS、データベース、レガシーシステムなどにアクセスできなければなりません。
しかし、システムごとに個別の連携開発を行っていては、AIエージェントを増やすたびに実装負荷が増えてしまいます。
その結果、
PoCでは動いたものの、全社展開の段階でデータ連携がボトルネックになり、プロジェクトが進まない
という状況に陥る可能性があります。
AIエージェントを本格的に業務へ組み込むためには、AIそのものだけでなく、AIと企業内のデータ・システムをどうつなぐかをあらかじめ考えておく必要があります。
AIエージェントのガバナンスで管理すべき3つの責任
AIエージェントが業務を実行するようになると、企業には大きく3つの責任が求められます。
1．内容の責任――AIが「何を根拠に判断したか」
AIの回答や判断が業務に利用されるほど、「その情報は正しいのか」「何を根拠に判断したのか」を説明できることが重要になります。
例えば、社内規定に関する問い合わせにAIが回答する場合、管理者が承認した最新の規定やマニュアルを根拠として利用できるようにする必要があります。
そのため、
- AIが参照できるナレッジを管理する
- 回答の根拠となる情報を適切に管理する
- 利用するモデルやAIのふるまいを管理する
といった仕組みが求められます。
2．行動の責任――AIに「何をさせるか」
AIエージェントが業務システムを操作できるようになると、AIの「権限管理」が重要になります。
例えば、単なるデータ参照と、顧客情報の更新、外部へのメール送信では、業務上のリスクが大きく異なります。
そのため、
- 参照は許可する
- 更新は特定のユーザーだけに許可する
- 外部送信には承認を必要とする
- 重要な処理は人間が最終確認する
といったように、AIが実行できる操作を適切に制御します。
特に、データベースの更新や外部への情報送信など、影響の大きい処理には、HITL（Human-in-the-Loop）によって人間の承認を挟む仕組みが有効です。
AIにすべてを任せるのではなく、AIに任せる処理と、人間が判断すべき処理をあらかじめ切り分けることが重要です。
3．財務の責任――AIを「いくら使うか」
AIエージェントが全社へ広がると、利用するAIモデルやエージェントも増えていきます。
さらにAIエージェントは、1回の指示に対して複数の処理やAPI呼び出しを自律的に行う場合があります。
そのため、利用者自身が意識していないところでAI利用量が増え、コストが膨らむ可能性があります。
そこで、
- 利用可能なAIモデルを管理する
- 部署やエージェントごとの利用状況を把握する
- AI利用コストをモニタリングする
- 必要に応じて利用できるモデルを制限する
といったコストガバナンスが必要になります。
統制と自由な活用を両立する3つの権限レイヤー
AIガバナンスを考える際、「すべてを中央で管理する」という方法では、現場のAI活用が進まなくなる可能性があります。
一方、現場にすべてを任せれば、AIエージェントや利用するモデル、接続先システムが乱立し、企業として統制できなくなる恐れがあります。
そこで重要になるのが、全体の統制と現場の自由度を分ける権限設計です。
例えば、次の3つの役割に分けることで、ガバナンスと現場の利便性を両立できます。
AI管理者（全体管理者）
全社のAI環境を管理します。
利用可能なAIモデル、接続先システム、ユーザー権限などを一元管理し、AIの利用状況やコストを横断的に把握します。
AI管理者は、現場が安心して利用できる「安全なAIエージェントの環境」を整える役割を担います。
AI開発者（エージェント管理者）
AI管理者から払い出された環境の中で、自部署の業務に必要なAIエージェントを作成・管理します。
例えば、マニュアルや規定などのナレッジを登録したり、データベース検索やSaaS連携などの業務アクションを組み込んだりします。
一般ユーザー
管理者・開発者によって用意されたAIエージェントを、実際の業務で利用します。
自然言語でAIエージェントに指示することで、必要な情報の検索や業務処理を行えるようになります。
このように、
「何を許可するか」は全体で統制し、「どう業務に使うか」は現場に委ねる。
という役割分担を行うことで、AI活用のスピードとガバナンスを両立しやすくなります。
AIエージェントと企業データをどうつなぐか
ここまで見てきたように、AIエージェントを実業務で活用するには、AIそのものを管理するだけでは不十分です。
AIが業務を実行するためには、企業内のさまざまなデータやシステムへアクセスする必要があります。
そこで重要になるのが、「データをためる」だけではなく「データをつなげる」という考え方です。
「ためる」アーキテクチャーの課題
これまでのデータ活用では、社内のさまざまなシステムからデータをデータレイクやDWHなどへ集約し、そこに蓄積したデータを分析やAIに利用する「ためる」アプローチが一般的でした。
データを集約することには多くのメリットがあります。
一方で、AIエージェントが業務システムの最新データを利用する場合には、次のような課題も考えられます。
- データをコピーすることで同期遅延が発生する
- 二次データが増え、管理・保護すべき場所が増える
- 原本データとコピーされたデータの整合性を管理する必要がある
- AI活用のために新たなデータ基盤を整備する必要がある
特にAIエージェントが業務上の判断や処理を行う場合、古いデータや加工された二次データではなく、業務システムの最新の一次データを利用できることが重要になります。
AIと業務システムを直接つなぐ「つなげるアーキテクチャー」
そこで、AIエージェントと既存の業務システム・データを連携させる「つなげるアーキテクチャー」という考え方があります。
「つなげるアーキテクチャー」では、AIのためにデータを別の場所へ大量にコピーして蓄積するのではなく、既存のデータ連携基盤を介して、AIエージェントと業務システムを接続します。
セゾンテクノロジーが提供するAI業務実行基盤「Agent Orchestration」では、データ連携プラットフォーム「HULFT Square」を介して、基幹データベース、SaaS、レガシーシステムなどとAIエージェントをつなぐことができます。
これにより、AIエージェントは業務システムにある一次データを参照し、必要に応じて業務処理までつなげられます。
「つなげるアーキテクチャー」のメリット
既存システムを大きく変更せずにAI活用を進められる
AI活用のために既存の業務システムを大幅に改修するのではなく、既存のデータ連携の仕組みを活用してAIとシステムを接続します。
最新の一次データを利用できる
業務システムの原本データへアクセスすることで、データコピーによる同期遅延などを抑え、最新の情報をAIエージェントが利用できます。
レガシーシステムもAI活用につなげられる
企業には、最新のSaaSだけでなく、長年利用している基幹システムやレガシーシステムも存在します。
AIエージェントを全社の業務へ展開するためには、こうした既存システムに蓄積されたデータもAIから利用できることが重要です。
AIのためのデータコピーを増やさずに済む
AI活用のために新たなデータコピーを大量に作る必要がなければ、管理・保護すべきデータの増加も抑えられます。
AIガバナンスを考えるうえでも、「AIに何を見せるか」だけでなく「AIがどこにあるデータを、どのように参照するのか」まで設計することが重要です。
AIエージェントの業務活用を成功させるポイント
AIエージェントを企業へ導入する際には、AIの性能だけを評価するのではなく、次の4つをセットで考えることが重要です。
1．AIに何をさせるのかを明確にする
まず、AIに任せる業務と、人間が判断する業務を明確にします。
2．AIが参照できるデータを管理する
どのデータへアクセスできるのか、どの情報をAIの判断根拠として利用するのかを管理します。
3．AIが実行できる操作を制限する
最小権限の考え方に基づき、AIエージェントに必要な権限だけを与えます。
4．AIとデータ・システムを安全につなぐ
AIエージェントを実業務へ組み込むには、社内のさまざまなシステムとの連携が必要です。
個別開発を繰り返すのではなく、共通のデータ連携基盤を活用することで、AIエージェントを増やしても連携の負荷が増えにくい環境を作ることができます。
AIエージェントのガバナンスは「AIを止める仕組み」ではない
AIエージェントの活用が進むと、企業には「AIを安全に使う」だけでなく、「AIに安全に業務を任せる」ための仕組みが求められます。
そのためには、
- AIが何を根拠に判断するのか
- AIがどのデータへアクセスできるのか
- AIがどのシステムを操作できるのか
- どの処理に人間の承認が必要なのか
- どのAIモデルを利用できるのか
- AIの利用状況やコストをどう管理するのか
まで含めて、ガバナンスを設計する必要があります。
そして、その基盤となるのがAI、データ、業務システムを安全につなぐ仕組みです。
AIエージェントを「便利なチャットツール」で終わらせず、企業の業務変革につなげるためには、AIの導入だけを見るのではなく、既存のデータやシステムを含めた全体のアーキテクチャーを考えることが重要です。
AIエージェントの業務実行を支える
「Agent Orchestration」
セゾンテクノロジーが提供する「Agent Orchestration」は、AIエージェントを企業の実業務へ組み込むためのAI業務実行基盤です。
データ連携プラットフォーム「HULFT Square」を基盤として、企業内の基幹データベース、SaaS、レガシーシステムなどとAIエージェントをつなぎ、AIが業務データを参照したり、必要な業務処理を実行したりできる環境を実現します。
また、全体管理者、エージェント管理者、一般ユーザーという役割分担によって、全社的なガバナンスと現場のAI活用を両立します。
AIエージェントの活用が「試してみる」段階から「業務を任せる」段階へ進む今、求められているのは、AIを導入するだけではありません。
AI、データ、業務システムを安全につなぎ、企業として管理しながら、現場がAIを活用できる環境を整えること。
それが、AIエージェントを持続的に業務へ組み込んでいくための重要なポイントです。
記事を書いた人
関連コラム
おすすめ記事
-
なぜRAGの精度が上がらないのか？「データ品質」から見直す生成AI活用
生成AI（特にRAG)の精度を左右する「データ整備」に焦点を当て、その重要性を解説するとともに具体的な進め方について紹介します。 -
AIエージェントとAIワークフローの違いとは？使い分けのポイントを解説
「AIエージェント」と「AIワークフロー」両者の特徴を整理し、どのような業務にどちらが向いているのか、精度を高めるためには何が必要か、といった点について具体例を交えて解説します。 -
AIエージェントとエージェント型AIは何が違うのか？特徴と活用のポイントを解説
AIエージェントとエージェント型AIこれらの違いと活用ポイントを分かりやすく解説します。