エージェントを作る前に、ワークフローを選ぶ。自律化しすぎない設計判断

AIエージェントを作る前に、まずワークフローで足りないか確認したほうがいい。判断は3つの問いで決まる。手順は毎回同じか、例外への対応にAIの動的な判断が本当に必要か、失敗したときの被害はどこまで広がるか。手順を固定できて被害が小さいなら、決まった経路をなぞる「ワークフロー」で十分で、判断そのものを渡す必要がある場合だけ「エージェント」を検討する。

要点(TL;DR)

• 判断基準は3つの問い: 手順は毎回同じか / 例外対応に動的な判断が本当に要るか / 失敗時の被害はどこまで広がるか
• Anthropicは2024年12月、ワークフロー(決めた経路をなぞる)とエージェント(AIが経路を自分で決める)を区別する技術記事を公開した
• MIT Media Lab NANDAの調査では、生成AI導入パイロットの95%が損益に測定可能な効果を出せていない(Fortune報道)
• 米国のAIコーディングエージェント(Replit)は承認ゲートなしに本番DBへの実行権限を持ち、役員1,206件・企業1,196件超のデータを削除した
• 豪州の不動産チームはCRM登録を経路固定のワークフロー+事後確認のままにし、1件4〜5分の作業を10〜20秒に縮めた(約90〜97%削減)

「ワークフロー」と「エージェント」、まず何が違うのか

「ワークフロー」と「エージェント」の違いは、実行の経路を誰が決めるかにあります。Anthropic は2024年12月に公開した技術記事で、ワークフローを「あらかじめコードで決めた経路をLLMとツールがなぞるシステム」、エージェントを「LLMが自分の処理とツールの使い方を動的に決めるシステム」と定義しています。経路を人が先に決めるか、AIがその場で決めるか。この一点が、この先の判断すべての起点になります。

チャットボットとの違いや、記憶・道具といったエージェントの部品構成は、別記事「AIエージェントとは」に譲ります。ここで扱うのは一段手前の問題、つまりどちらを作るかという選択そのものです。

どちらを選ぶか、3つの問いで決める

作る前に判断できる問いは3つあります。

1つ目は、手順が毎回同じかどうかです。問い合わせの一次対応、請求書の発行、定型レポートの作成のように、入力が変わっても処理の流れが変わらない仕事なら、経路を先に決めてしまえます。これがワークフローの領域です。

2つ目は、例外への対応にAIの動的な判断が本当に必要かどうかです。「この条件のときはこう返す」を人が書き出せる範囲なら、それは分岐が多いだけのワークフローです。書き出せないほど条件が複雑で、その場の文脈を読んで初めて次の一手が決まる仕事だけが、エージェントに向きます。

3つ目は、失敗したときの被害がどこまで広がるかです。やり直せる作業(下書き・集計・社内向けの整理)は自律側に振っても被害が小さい。取り返しのつかない操作(送金・削除・対外送信)は、経路をAIに委ねるほど被害の上限が読めなくなります。

3つの問いに「手順は固定できる」「動的な判断は不要」「被害は小さい」と答えられるなら、ワークフローで足ります。手順が固定できず、判断が本当に動的で、かつ被害を限定できる仕事だけが、エージェントを検討する対象です。

ワークフローとエージェントで何が変わるのか

経路の決め方が変わると、運用の性質も変わります。

• 予測可能性: ワークフローは毎回同じ経路を通るため結果が読める。エージェントは経路自体が変わるため、同じ入力でも毎回違う道筋を通ることがある
• 失敗の影響範囲: ワークフローは想定した例外の外では止まるだけで済む。エージェントは未知の状況でも動き続けようとするため、想定外の実行が起きやすい
• 運用の手間: ワークフローは経路を作った後は安定して動く。エージェントは判断の材料(ナレッジDBや権限設定)を育て続ける手間が要る
• 向いている業務: ワークフローは反復性が高く分岐を書き切れる業務。エージェントは反復性はあるが条件を読み切れない業務

この4つの観点で、ワークフローが劣っているわけではありません。大半の業務はワークフローで足りる、というのがAnthropicの実務上の指針でもあります。

なぜ「エージェントを作ってから後悔する」のか

エージェントを先に作ってしまう会社が多いのは、経路をAIに任せることが賢いやり方に見えるからです。実態を示す数字は逆を向いています。

MIT Media Lab NANDAの調査では、生成AI導入のパイロットのうち95%が、損益に測定可能な効果を出せていません(Fortune報道)。原因の一つは、判断の複雑さに関わらず何でもエージェント化しようとし、経路を固定できる業務にまで動的な判断を持ち込んでしまうことです。

もっと直接的な失敗例もあります。2025年7月、米国のAIコーディングエージェント(Replit)が、開発と本番の分離も承認ゲートもない状態で本番データベースへの実行権限を持たされ、役員1,206件・企業1,196件超のデータを削除しました(Fortune報道)。これは経路をAIに委ねすぎた結果というより、被害の上限を確認しないまま自律側にダイヤルを振り切ったという設計判断の失敗です。詳しい経緯は、AI自動化の失敗事例を集めた別記事に譲ります。

どこにエージェントを使うと安全なのか

エージェントが安全に機能する場所は、反復性と失敗コストの2軸で見えてきます。

反復性が高く失敗コストが低い業務(下書き作成・社内向けの要約・定型調査)は、動的な判断を任せても被害が小さいため、エージェント化を試す価値があります。反復性が高くても失敗コストが高い業務(送金・対外送信)は、経路は固定したまま、実行の直前に人の承認を挟むワークフローが安全です。反復性が低く失敗コストも低い業務は、そもそも自動化の投資対効果が薄く、手作業のままで構いません。反復性が低く失敗コストが高い業務(契約・法的判断)は、経営者自身が持つべき領域で、AIに経路を渡す対象にはなりません。

この2軸で見ると、エージェントが向くのは「反復性が高く失敗コストが低い」象限だけです。残りの3象限は、ワークフローのまま、あるいは人が持ったままで十分です。

実例、ワークフローのままでよかった判断

豪州の不動産チーム、The Srama Group の事例が分かりやすい例です。WhatsAppに届く音声メモからCRMへの登録までを自動化しましたが、経路自体はAIに渡さず、実行のたびに該当エントリへの直リンク付き確認メッセージをチームへ送る、というワークフローのままの設計にしました(n8n公表事例)。結果、1件あたり4〜5分かかっていた作業が10〜20秒に短縮され(約90〜97%削減)、監督は維持されています。

この事例の判断が優れているのは、CRM登録という反復性が高く失敗コストも中程度の業務に、経路を固定したワークフロー+事後確認という型を選んだことです。経路をエージェントに渡さなくても、時間短縮の大部分は実現できています。

日本の1人社長・マイクロチームでは、何が違うのか

大企業には、自律化が行き過ぎたときに後から防御を足す専門チームがいます。実際、本番データを削除された前述の会社も、事後に開発/本番の分離を追加しました。1人社長やマイクロチームには、その「後から直してくれる誰か」がいません。だからこそ、作る前の設計判断がそのまま事故の有無を分けます。

もう一つの違いは、ワークフローの経路を自分で書き切れる範囲が広いことです。大企業は業務が複雑に分岐し、条件を人手で書き出す作業自体が重い。1人社長やマイクロチームは業務の全体を一人が把握しているため、「この条件はこう返す」という分岐を自分で書き出しやすく、実はワークフローで済む範囲が思っているより広いことが多いです。

結論は単純です。反復業務はまずワークフローで作り、動かしながら「AIの動的な判断が要る場面」が本当に残るかを見る。残った場面だけ、被害の小さい範囲でエージェント化を試す。この順番を守れば、自律化のしすぎを避けられます。

よくある質問(FAQ)

Q. ワークフローとエージェント、どちらが安いですか? A. 一般にワークフローのほうが運用の手間が少なく安定します。エージェントは判断の材料を育て続ける必要があり、その分の運用コストが乗ります。反復性が高く失敗コストが低い業務だけをエージェント化の対象にすれば、コストは限定できます。

Q. 今動いているワークフローを、あとからエージェントに置き換えられますか? A. できます。手順を固定したワークフローとして先に動かし、想定外の入力が積み重なってきた時点で、その部分だけを動的な判断に切り替えるのが安全な順番です。最初から全体をエージェント化する必要はありません。

Q. エージェント化を検討すべき最初のサインは何ですか? A. 「この条件のときはこう返す」という分岐を書き出そうとして、書き切れない条件が増え続けることです。分岐が有限に収まるならワークフローのままで十分で、収まらなくなった時が動的な判断を検討するタイミングです。

---

出典・参考

• Anthropic「Building effective agents」: ワークフロー(決めた手順を辿る)とエージェント(LLMが自分で手順と道具を決める)の区別 — https://www.anthropic.com/engineering/building-effective-agents
• Fortune(MIT Media Lab NANDA報告): 生成AIパイロットの95%が測定可能なP&Lリターンゼロ — https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/
• Fortune: AIコーディングエージェント(Replit)が承認なしに本番DBを削除(役員1,206件・企業1,196件超) — https://fortune.com/2025/07/23/ai-coding-tool-replit-wiped-database-called-it-a-catastrophic-failure/
• n8n(ベンダー公表事例): The Srama Group — 経路固定のワークフロー+事後確認で1件4〜5分→10〜20秒 — https://n8n.io/case-studies/system-ai/
• 本記事の企業事例(Replit・The Srama Group)は海外の外部事例であり、当社の実績ではありません。

監修: Kazuya Hibara(Automate & Augment 代表) — 業務フロー再設計とAIエージェント運用を専門とする。