「AIエージェントに仕事を任せてみたい。でも、たまに間違えるのが怖い」。この感覚をお持ちの経営者は多いはずです。実はその不安、AIの性能の問題ではなく、「任せ方」の設計の問題かもしれません。海外の実務家が示した一つの答えが、「良いAIエージェントは、ほとんどAIではない」という逆説です。
「たまに間違えるAI」に、経理は任せられない
ChatGPTなどの生成AIを試して、その賢さに驚いた方は多いと思います。文章の下書きも、調べものも、驚くほどこなしてくれます。
ところが、いざ業務に組み込もうとすると、二つの不安が出てきます。一つは精度です。十回に九回は正しくても、一回間違えるなら経理や請求は任せられません。もう一つは費用です。AIの利用料は使った分だけかかるため、毎月いくらになるか読みにくいのです。
この不安は、的外れではありません。調査会社ガートナーは2025年6月、エージェント型AIプロジェクトの40%超が2027年末までに中止されるとの予測を発表しています。理由として挙げられたのは、コストの増大、事業価値の不明確さ、リスク管理の不十分さでした。
つまり、世界中の企業が同じ壁にぶつかっています。では、うまくいっている現場は何が違うのでしょうか。
「良いAIエージェントは、ほとんどAIではない」という発想
まず言葉の確認から。AIエージェントとは、指示を一つずつ待つのではなく、目的を与えると自分で調べ、処理を進めてくれるAIのことです。
このAIエージェントの導入支援を米国で手がけるVarick Agents社の創業者が、2026年7月にX（旧Twitter）で公開した記事に、興味深い主張があります。同氏によれば、実際に成果を出しているエージェントの中身は、約85%が普通のプログラムで、AIモデルを呼び出しているのは約15%だけだというのです。
どういうことでしょうか。仕事を分解してみると、見えてきます。
- 二つの数字が一致するか比べる——決まった処理
- 条件に合うデータを探す——決まった処理
- 金額に応じて担当へ振り分ける——決まった処理
- システムからシステムへ転記する——決まった処理
- 読みにくい書類から数字を読み取る——判断が要る
- 初めてのケースを、どの型に当てはめるか考える——判断が要る
決まった処理は、昔ながらのプログラムで書けば、毎回必ず同じ答えを返します。間違えず、速く、費用もほとんどかかりません。AIの出番は、判断が要る部分だけ。この割り振りが、およそ85対15になるというわけです。
すべてをAIに任せると、決まった処理まで「その都度考えて」実行することになります。遅く、高く、たまに間違える。冒頭の不安は、ここから生まれていたのです。
図：良いAIエージェントの中身。約85%は決まった処理を担うプログラム、AIが働くのは判断が要る約15%だけ。そして例外と最終判断は、人に残る。
請求書処理で分解してみる——中小企業への翻訳
同氏の記事は売上10億ドル超の大企業向けに書かれていますが、この考え方は中小企業にこそ役立ちます。請求書の処理を例に、分解してみましょう。
- 請求書がメールで届く
- 書類から金額・支払先・日付を読み取る——AIの仕事（書式がバラバラなため判断が要る）
- 発注の記録と照合する——プログラムの仕事（一致するか比べるだけ）
- 一致すれば、支払い処理に回す——プログラムの仕事
- 一致しない「例外」だけを、担当者に知らせる——人の仕事（決めるのは人）
こうして組むと、大半の請求書は人が手を触れずに流れ、担当者のもとには「判断が要る例外」だけが届きます。処理は速く、AIの利用料は読み取り部分だけなので安く、そして「なぜこの請求書がここに回ったのか」を後から説明できます。決まった処理はプログラムなので、動きが毎回同じだからです。
ここで大事なのは、順番です。よくある失敗は二つあります。全社員にAIツールを配って個々に任せるか、業務ごとに専用ソフトを買い足すか。前者はバラバラなAI活用が乱立し、後者はツールが増えて現場が疲れます。月々のAI費用が膨らむ構造は、別の記事で整理しています。
そうではなく、いまある業務を「決まった処理」と「判断が要る処理」に分解することから始める。道具選びは、その後です。
精度は「育てる」もの——それでも最後の判断は人
「それでも、AIが担当する15%が間違えたら？」。もっともな疑問です。同氏の記事では、精度を支える仕組みが三つ挙げられています。
第一に、大半が決まった処理＝プログラムであること。動きが毎回同じなので、そもそも間違いが入り込む余地が小さくなります。第二に、テストです。エージェントの答えだけでなく「どういう経路でその答えに至ったか」を検査し、想定外の動きを検知します。そして第三に、人の承認です。AIの仕事に人が「承認・修正・却下」で応えるたび、その結果がAIの学習材料になり、精度が週を追って上がっていくといいます。
お気づきでしょうか。この仕組みの中心には、最後まで人がいます。どの仕事をAIに任せ、どこから先を人に残すか。その線を引くのは経営であり、例外を裁き、AIを育てるのも人です。AIは実行を担う同僚にはなりますが、判断と責任は、これからも経営者に残ります。
経営の道具を「記録・判断・実行」の三つの役割で捉える見方は、別の記事に詳しく書きました。85対15の設計は、この「実行」の層を安全に組み立てる方法だと言えます。
よくある質問
Q1. プログラマーがいない中小企業でも、こうしたエージェントは作れますか？
社内にエンジニアがいなくても、始められます。大事なのは、プログラムを書く技術より先に、自社の業務を「決まった処理」と「判断が要る処理」に分解することです。この分解は、業務を知る現場と経営にしかできません。ただし、自社の業務は近すぎて、「決まった処理」と「判断」の境目が、中からは案外見えないものです。外の目が一つ入ると、分解は一気に進みます。実装も、外部と組む選択肢があります。内製か外注か、その間の「伴走」という道については、別の記事で整理しています。
Q2. 全社員にChatGPTを配るのと、何が違うのですか？
役割が違います。一人ひとりがAIに相談しながら働く使い方は、個人の作業を速くします。一方、この記事で扱ったのは、誰も操作しなくても背後で仕事を進める仕組みです。前者だけでは、業務そのものの流れは変わりません。両方に意味がありますが、費用対効果を測りやすいのは後者です。効果の測り方は、別の記事をご覧ください。
Q3. 精度が何%になったら、任せていいのですか？
最初から全面的に任せる必要はありません。まず「AIが下書きし、人が承認する」形で始め、承認の履歴が溜まって精度が安定した仕事から、順に手を離していきます。どこまで行っても、例外と最終判断は人に残す。この設計なら、精度が完璧でなくても、業務は安全に前へ進みます。
まとめ——「任せる範囲」を決めるのは、経営の仕事
この記事の要点をまとめます。
- AIエージェントの「精度が不安」「費用が読めない」は、すべてをAIに任せる設計から生まれる
- 成果を出すエージェントは、約85%が決まった処理のプログラム。AIは判断が要る約15%だけ
- だから速く、安く、間違いにくく、「なぜそうしたか」を説明できる
- 精度は、人の承認・修正で育っていく。育てる側にいるのは人
- 何をAIに任せ、何をコードに、何を人に残すか——この線引きこそ、経営の仕事
なぜAI導入の多くが試験止まりで終わるのか、経理の現場でどう始めるかも、あわせてお読みください。
もし、自社のどの業務が「決まった処理」で、どこに「判断」が潜んでいるのか、一度分解してみたいと感じられたら、ベンチャーネットにお声がけください。現場に入って業務を一緒に分解するところから、お手伝いしています。
