AIエージェント活用事例の概要とAnthropic社の取り組み
みなさんこんにちは、矢野 哲平です。この番組は、耳で学ぶAIをコンセプトに、 初心者・中級者向けにAIを分かりやすく解説する番組です。
今回のテーマは、AIエージェントの活用事例について話していきます。 はい、ということで今日は、AIエージェントの活用事例、こちらに焦点を当てて話していきます。
前回のエピソードでは、AIエージェントの使い方、具体的にどのようなツールを使って、 どのように始めればいいのか、こういった点を話しました。
そこでは、おすすめのツールとして、OpenAIのCodex、 AnthropicのCloudCoreを紹介しました。
こちらは、パソコンの中のファイルやフォルダに直接AIがアクセスできる、デスクトップ型のAIエージェントです。
今回は、こういったデスクトップ型のAIエージェントの具体的な活用事例について深掘りしていきたいと思います。
実は、Cloudを展開するAnthropic、こちらがCloud Coreを会社にどのように導入するのか、というガイド資料を公開しています。
今回は、この資料や私自身の経験を踏まえて、AIエージェントの活用事例を話していきます。
今日話すポイントは主に3つです。
1つ目に、Anthropicが公開しているAIエージェントの活用事例を紹介。
2つ目に、具体的な内容として、ホーム、財務、営業、プロダクトマネジメント、こちらの4つの領域での活用事例を紹介します。
そして最後3点目に、AIエージェントをどのように社内に展開していくのか、こちらのアプローチについても触れていきます。
はい、では早速話していきましょう。
まずは活用事例からです。
Anthropicの社内では、職種の違う4つのチームがクロードコーワークを使っています。
具体的には、財務、ホーム、営業、あとはプロダクトマネジメント、こちらの4つの領域です。
このAnthropicが公開しているAIエージェントの活用ガイド、この資料にはこうした4つの領域の具体的な活用事例が記されています。
それを今から話していきたいと思います。
資料にはいろいろな活用事例が掲載されているんですけど、どの領域の活用事例でも共通しているのは、
最初は具体的な困り事から小さく始めて、そしてそれから少しずつ仕組み化していった、こういった点です。
実際のAI会社がどのようにAIエージェントを業務に活用しているのか、こうした点は非常に学びや気づきが多いと思います。
なので今回、こういった内容を取り上げようと思いました。
財務チームにおけるAIエージェントの活用
では早速見ていきましょう。まずは財務チームです。
Anthropicの社内では、いろいろなデータを集めた大きな保管庫のようなものがあります。
ここから財務チームは、財務関連の数字を取り出すためにSQLという専用の操作言語を使いこなす必要がありました。
そのため財務関連の分析用の画面を1つ作るのに、それだけでも数週間ほど時間がかかっていたそうです。
具体的な内容でいうと、設定している指標の変動アラート、例えば収益が3%減少しましたみたいな
アラートが飛んでくるような仕組みは構築できているけど、なぜ売上が下がったのか、なぜ収益が3%減少したのか
こうした背景情報まで把握できるような仕組みは構築できていませんでした。
なのでそういった通知が来たら、人間が生のデータを見て、その下がった原因を特定する
このような仕事の流れを組んでいたそうです。
こうした生のデータを見て原因を特定できる知識やスキルを持っている人は、社内で2,3人ぐらいで
そういったタスク内容が俗人化しているという課題もありました。
社内には財務データはあると、でもその財務データを分析して生のデータをSQLで取り出して分析できる人材
そういったスキルを持っている人は社内でも少数だったと。
こうした課題を解決するために、財務チームがクロードコーワークを使ってどのように改善をしたのか。
まずデータの保管庫にクロードをつないで、最新のデータに対して自然言語で直接質問できるようにしました。
つまり生のデータを取り出すにはSQLという専用の言語を書く必要があるわけですけど
そういったことをせずに自然言語で直接質問できるような形でデータを誰でも取り出せるようにしたと。
そしてよく問い合わせる内容を一つのパッケージとして登録しました。
これちょっと内容がわかりにくいので補足すると、つまり今まで社内の特定のスキルを持っている人でないと
生のデータからその収益が下がった原因を分析するのがなかなか難しかったと。
こういった俗人化している内容をAIエージェントに少しずつ移動させていったというわけです。
今までだったら収益が3%減少してきたと、そのような通知アラートが飛んできても
人間が生の数字を見て初めて、あ、この売上減少の原因はアジア地域でのエンタープライズ向け契約の更新の落ち込みが原因だったんだなと。
こんな感じで人間が直接分析をして初めて原因を特定していました。
それがAIエージェントを使うことによって収益減少のアラートからそのまま売上減少の原因を分析、説明するAIエージェントを構築していったと。
あとは財務データを視覚的に確認できるダッシュボード、これを誰でも開発できるような環境を整えたと。
そういった話も興味深いです。
具体的にはHTMLというウェブデザイナーの人やウェブサイトを作成する人が使う言語があるんですけど、
こうしたものを使って誰でも財務データを視覚的に確認できるHTMLベースのダッシュボードを作れるようにしました。
つまりエンジニアでない人でも自分で財務関連の分析画面を作れるような環境を整えたと。
資料ではこのようなコメントが残されています。
ちょっと読んでいきます。
指標が変動した際のアラートには、AIが文脈を読み取って可能性の高い変動要因を数字に添えて定義にするようになりました。
そのため、会議での議論は何が起きたかの確認から、次に何をすべきかの戦略会議へと進化しました。
資料ではこのように述べられています。
余談なんですけど、HTMLいいですよね。
2026年になってこんなにHTMLを触るようになるとは私自身も予想していませんでした。
HTML、簡単に言うとウェブサイトを構築する言語のようなものなんですけど、
これかなり汎用的でウェブサイトを作る以外でも結構使えます。
例えば、財務関連のダッシュボードを作ったり、あとはスライド、こういったものを作成することができます。
イメージとしては単なるテキスト、これをグラフやテーブル、あとはスライド、より見やすいように視覚化したい時、
こういった時にAIとHTMLの組み合わせ、非常におすすめです。
はい、すいません。ちょっと脱線してしまいました。
法務チームにおけるAIエージェントの活用
では次行きましょう。次はホームチームです。法律のホームですね。
ホームの仕事については扱う情報が多くて、なおかつミスが許されないという、そういった領域でもあります。
なので、ホームの現場ではAIエージェントが利用できる機会、そういったものは少ないように感じます。
で、アンソロピックチームが感じていた課題も同じような感じで、
例えば数十の管轄区域にまたがる規制のモニタリング、
あとは社内のコミュニケーション、リーガルチェックなど、処理作業に多大な時間を奪われていたと。
あとはホームチームが共有している社内の知見やリスク、そういった情報をウィキに保存していたそうなんですけど、
誰も完全には読んでいないような状態だったそうです。
かなり情報量が多くて、チェックするのもひと苦労だったと。
こうした課題を解決するために、ホームチームが何を行ったかというと、ホーム用のプラグインを作ったそうです。
これ内容面白いんですけど、アンソロピックのチームが公的なリスクをどのように考えているのか、
製品の公開に際してどのようなホーム審査を経るべきなのか、
どのように開発チームにホームの観点からアドバイスをするのか、
そうした内容をひとつのプラグイン、パッケージとして開発をしたと。
ここでいうプラグインというのはクロードの固有の名称なんですけど、
イメージとしてはチャットGPTのGPTsとか、あとはGeminiのGEMのようなものがイメージとして近いと思います。
こういったプラグインを開発することで何が起きたのかというと、
例えば今までは何十もの管轄区域における全部の規制情報を読み込んで、
重要なものだけを人間が探していくという手作業の運営をしていたと。
そこからAIを取り入れることで、AIが重要だと思うものにフラグを立てて、
そのフラグが立ったものだけを重点的に読んで人間が判断を下す、
そういった運用へと変化をしたそうです。
あとは過去のホームへの依頼、そういったものをすべてAIに分析させて、
どのような依頼が最初から人間の判断を必要とするのか、人間の判断を必要としないのか、
ホームへの受付体制そのものを再構築するのに成功したそうです。
このアプローチ面白いですよね。
新しく社内、チームでAIエージェントを導入しようとなると、
これからどうしていけばいいのかという未来的な部分に目を向けがちになるじゃないですか。
もちろんそういったことも大事なんですけど、
アンソロピックのホームチームが採用したのが過去の問い合わせ履歴、
これを全部AIに分析させて業務改革の参考材料とすると。
あとは人間が手当たり次第資料を読み込んで重要な情報を探す、
そういった運用ではなくて、AIにまずは資料を読ませて、
重点的にチェックすべき部分をAIにフラグを立ててもらうと。
こうしたアプローチも面白いと感じました。
こういった内容ってホームのチームだけではなくて、
結構多くの職種にも応用できると思います。
社内にたくさんの資料があると、それを探すのに一苦労していると。
そういった課題に直面している人は、
AIに資料を探してもらう、手伝いをさせる、
そういったアプローチも面白いと思いました。
はい、では次3つ目の活用事例を見ていきます。
営業チームにおけるAIエージェントの活用
3つ目が営業チームの活用事例です。
アンソロピックの営業チームが直面していた問題、
それは記録や資料の準備に多くの時間を費やしていたという点です。
これはアンソロピックだけではなくて、
多くの営業チームが感じている課題だと思います。
顧客に関する情報や文脈、
そういったものが営業ツール、メール、ビデオチャット、
あとはスラックのようなチャットツール、
このように顧客に関する情報がバラバラに分散をしていたと。
じゃあアンソロピックの営業チーム、
どのようなことを行ったのかというと、
これもまた面白いんですよね。
できる営業マンのやり方を5つのパッケージにまとめたそうです。
具体的に言うと、ちょっと今から言いますね。
1日の予定を整理する朝のまとめ、
あとは商談前の準備、商談後のフォロー、
競合の動向チェック、それから資料作り、
こうしたトップの営業マンがやっている業務フローを
AIエージェントに模倣させるようなイメージでしょうか。
AIエージェントに模倣させて、
他の営業マンもトップの営業マンがやっているような
仕事のやり方を模倣しやすいような環境を作っていったと。
1日の予定を整理するタスク、
ここでは今日の電話や注意が必要な案件、
夜間に行われた変更など、
こうしたものが朝約2分で整理されるようになったと。
商談の準備に関しては、
直近の商談が行われている裏側で自動的に進行されるようになったと。
つまり現在商談を行っている裏側で
AIエージェントが次回の商談に向けての準備を作成してくれる
こんな感じのイメージです。
あとは同じように、商談後のフォローや競合の動向チェック
こういった内容も裏側でAIエージェントを稼働させて
効率化をしていったと。
特にAIエージェント、市場や競合の動向チェック
こうしたものと相性がいいので
営業部門に限らず、汎用的に使える内容だと思いました。
イメージとしては、営業のアシスタントにAIエージェントを使う
このようなイメージでしょうか。
しかもその営業アシスタント、AIエージェントの営業アシスタントは
トップ営業マンのコンテキストを注入された営業アシスタントと。
はい、では最後4つ目いきます。
プロダクトマネジメントにおけるAIエージェントの活用
4つ目はプロダクトマネジメントの活用アイデアです。
アンソロピックのプロダクトマネージャーが抱えていた課題
業務が多岐にわたって、そのほとんどが会議で行われるので
会議で決定されたけど誰もメモしていないとか
あとは営業チームから得られた顧客のニーズ
そういったものが製品開発に反映されず
抜け落ちてしまうという失敗パターンが多発していたそうです。
あとAI単体の使い方では、AIが組織の文脈
こういったものを理解していないので
大きな視点のタスクでは使いにくかったと。
例えば長期的な戦略や開発のロードマップなどです。
こうした課題に対してどのように取り組んだかというと
プラグインの重ね合わせで対応したそうです。
ここでいうプラグインというのは先ほども出てきたんですけど
一つにパッケージされたタスクの塊みたいなものです。
予定を管理するもの、データを見るもの、営業の情報をまとめたもの
こういったものを重ね合わせて使うことで
社内の状況や顧客の生の声、こういったものをまとめて
一つの使用書に落とし込めるようになったと。
AIエージェントを使うことで
プロダクトに反映すべき情報や文脈
こういったものを横断的に反映できるようになったそうです。
こうした改善によって顧客の不満や
あとは利用データによって裏付けられた改善すべき事項
こういったものが開発の中で優先事項として
しっかり使用書に反映されるようになったそうです。
プロダクトマネージャーの役割が
情報の収集から意思決定へと明確にシフトしましたと
資料では述べられています。
今回プロダクト開発の文脈で話してますけど
他の領域でもイメージしやすいと思います。
経営戦略とかの文脈で
こういったAIエージェントの使い方をしても面白いと思います。
以上、アンソロピック社の活用事例を紹介しました。
AIエージェント導入の共通点と失敗事例
ちなみに資料ではクロードコワークをベースに紹介されています。
ですが、こうした活用事例、似たようなことは
オープンAIのコーデックスでもできます。
オープンAIのデスクトップ型のAIエージェントです。
話を活用事例に戻すと
どの部門の活用事例でも共通していたのは
いきなり多く変えたわけではなくて
目の前の困り事から小さく解決していったという点です。
冒頭でも少し触れたんですけど
AIを導入して業務に革命を起こそうみたいな
そういった大きく始めるのではなくて
とりあえずAI導入してみて
まずは目の前の小さなタスク
これを効率化していこう、検証していこう
こんな感じのスタートがいいのかなと改めて思いました。
実際、成功事例よりも失敗事例の方が多くあると思います。
AI導入してみたけどうまくいかなかったなと
求めていたほどの成果は出なかったなと
こうした結果の原因、大きく2つに分けられると思います。
1つはタスクがそもそもAIが対応するのに向いていないという場合です。
そのタスク、AIじゃなくて人間やった方がいいよねと
そういった場合です。
もう1つは、実はAI向いているけど
現時点のモデルでは性能が足りなくて
十分な成果が出ていないというケース
こういった後者のケース割とあります。
このAIちょっと導入してみたけど使えないなと思ったけど
半年後、1年後
改めて試してみると
おっとこれは実践レベルで使えるんじゃないかと
そういった経験結構あります。
具体的なもので言うと
例えば文章構成とかですかね
AIが出始めの頃、文章扱うのが得意であれば
誤字脱字のチェック
これをAIにやらせてみようと考えていました。
実際に試してみたんですけど
とてもじゃないけど、本番環境で使えるレベルではなかったんですね。
具体的に言うと
誤字脱字のチェック漏れが頻繁に起きていたと
文章構成のタスク
AIには難しいのかなと思ってたんですけど
そこからしばらく経って
改めて文章構成のタスクやらせてみると
かなり高い精度で
誤字脱字のチェックを行えることに気づきました。
こんな感じで実際試してみたけど
うまくいかなかったと
そういったケースでもちょっとまた時間を置いて
別のアプローチや
別の新しいモデルを使うことで
うまくカチッとはまるパターンあるので
社内に失敗事例を蓄積していく
共有していくっていうのも
大事なのかなと思います。
資料では
じゃあ自分の会社に
AA活用をどのように広げていくのか
そういった点についても触れられています。
AIエージェント導入の5段階ステップ
ここで紹介されているのが
導入を5つのレベルで考えるということです。
ちょっと今から解説していきます。
まず最初の段階
レベル0はチャットとして使うという段階です。
スラックやファイルにつないで
AIに質問して答えてもらう。
例えば
このスラックチャンネルで
今週決まったことをまとめてください
みたいな使い方です。
ほとんどの企業
今ここにいると思います。
その次の段階
レベル1は
何かを作るという段階
ファイルを読み込んだり
ツールとAIをつないだりして
資料やメール
あとは図とか
そういった成果物を
AIエージェントに作ってもらうと。
例えば
この案件のフォルダ渡すので
ここから提案メモを書いてください。
こんな感じのイメージです。
ちょうど
AIチャットから脱却して
AIエージェントを導入した段階となります。
そして次の段階がレベル2
スキルにする段階。
こちら先ほども触れましたけど
スキルやプラグインのように
毎回やる作業を
1つのファイルに記録して
いつも同じやり方を
実行できるようにすると
AIエージェントの仕事を
プラグインやスキルとして書き出して
それを再現可能なものとして
登録するイメージです。
これ何がいいのかというと
こうしたタスクをあらかじめ
スキルとして登録することで
全社員が共通して
使い回しができるようになります。
これがまずレベル2の
スキルにする段階です。
その次のステップレベル3は
こうしたスキルをまとめて
自動で動かすという段階です。
複数のスキル、プラグインをまとめて
より大きなタスクを
AIエージェントに任せたり
あとは決まった時間に
自動でAIエージェントを動かしたり
例えば
毎朝7時半に自律的に動作して
各社員のその日の予定や
状況をまとめる
そういった使い方です。
そして最後の段階レベル4は
部署ごとの専用セットを
作るというものです。
例えば、営業、
ホーム、財務、マーケティング
それぞれの部署で
管理者が用意したAIエージェントの
スキルセットを部署全員が
使えるようになる。
ポイントは個人のノウハウを
共有可能なスキルとして
AIエージェントに登録
そして部署全体に浸透させていく
イメージです。
例えば、先ほど紹介した
営業の事例がイメージしやすいと思います。
トップ営業マンが
日々の業務で行っていること
この中からAIエージェントで
再現できるものを抽出して
スキルとして登録すると
こうすることで
トップ営業マンの仕事に近いものを
部署全体で共有しやすくなります。
以上が
AIエージェント導入の5つのステップです。
ただ、こうして言うのは
AIに任せるタスクの選定基準と企業導入の課題
簡単で、実際に行っていくのは
非常に難しいことだと思います。
どのタスクをAIに任せて
どのタスクをAIに
任せないか、人間が担当するか
こうした判断基準
判断の軸足というのは
やっぱり、毎日
AIに触っていないと培われない部分だと思います。
そして資料には
どのような選定基準で
そういったタスクを選んでいくのか
それについても言及されているので
最後に触れたいと思います。
AIに任せるタスク
判断基準の1つ目は
回数が多くて繰り返しの多い作業
例えば、週に
何十回もやると
パターンが決まっているような仕事をAIにやらせる。
2つ目は
散らばった情報をまとめる作業
人が複数の場所から
情報を集めて繋ぎ合わせているような
仕事、こうしたものは
AIエージェントは得意です。
3つ目が、詰まりの原因になっている
作業
その作業を早くすると
自分だけではなくて、後ろで待っている
スタッフみんなが助かる
そういったものを特定して
優先的に選んでいくと
あと最後4つ目が
専門性は高いけど
手順は決まっている作業
できる人だけがうまくやっているような
仕事ですね。
これを極力仕組み化することで
チーム全員がそのやり方を
引き継げる、こうした考え方です。
実際はセキュリティ
なんかの関係で
デスクトップ型のAIエージェント
企業で導入するの、ハードルが高いという
一面もあると思います。
そもそも
AIチャットのようなチャットGPT
こちらも会社で使うことが
現時点でできないと
そういった話も聞きます。
ここは個人が動向できる部分ではなくて
経営層がどうAIと
向き合うかにかかっていると思います。
資料でもこの点について
触れられていて、ちょっと説明すると
個人が監視なしに
AIツールを採用すると
シャドーAIが発生しますと
つまり
誰も見ることができず
監査も改善もできない
プライベートなワークフローが
何十個も乱立することになりますと
こう述べられています。
簡単に言うと
社員が会社の許可なく
そして認知できない場所で
勝手にAIを使ってしまうと
こうなってしまうと
会社側はコントロールもできないし
データも取れないので
改善のしようもないと
こういったシャドーAIに対する解決策として
会社レベルで
AIを一括管理
配布する仕組みが重要であると
資料では指摘されています。
つまり個々の従業員が
バラバラに各自の判断だけで
AIツールを導入するのではなくて
企業全体で
どのチームに
どのAIツールを導入するのか
どのようなデータへのアクセスを許可するのか
そのようなことを
戦略的に策定する必要があると
資料では述べられています。
改めて見ると
AIの活躍する場面って
プログラミングとか
まとめと今後の展望
ソフトウェア開発の場面が一番でした。
ですが最近は
営業や財務、ホームなど
ソフトウェア開発以外の領域でも
AIの活用がどんどん進んでいます。
こうした
ソフトウェア開発以外の領域での
AI活用、引き続き
このポッドキャストでもキャッチアップしていきたいと思います。
はい、それでは
今日のポイントをまとめます。
1つ目に
AI活用はソフトウェア開発以外の領域にも
進んでいます。
今回、営業、
ホーム、財務、
プロダクトマネジメントの領域の
活用事例を紹介しました。
2つ目に
社内にAI活用を浸透させるポイント
それはステップ形式で
考えることです。
AIチャットから始めて
AIエージェント、AIの自動化
このように段階的に
ステップアップしていくアプローチがお勧めです。
最後3点目
トップ営業マンのような
社内で成果を上げている人の
業務内容を言語化して
それをAIエージェントで再現
そして部署全体で
共有可能なスキルとして運用する
このような活用事例も
お勧めです。
今回話している耳で学ぶAIのシリーズ
ノートにもまとめています。
興味のある方は補足コンテンツとして
ご利用ください。概要欄にリンクを
貼っておきます。
今日はこの辺ということで本日もお付き合いいただき
ありがとうございました。
ちょっと話変わるんですけど
私UDEMYでAIの講座を公開しています。
先日公開した
AIプログラミング講座
こちらがベストセラーを獲得しました。
今回ベストセラーを
記念して割引クーポンを発行しています。
エンジニアでない人向けに
AIを使った
プログラミングの解像度
こういったものが上がるような
講座になっています。興味のある方は
ぜひチェックしてみてください。
概要欄にリンクを貼っておきます。
番組ではこのように
耳で学べるAIを毎週発信しています。
通勤中や火事の合間に
AI情報をキャッチアップできます。
毎週水曜朝に更新しています。
ぜひフォローをお願いします。
そしておすすめの生成AIツールを
まとめた資料も配布しています。
興味のある方はこちらもぜひ
概要欄にリンクを貼っておきます。
お相手は耳で学ぶ
AIの矢野てっぺいでした。
また次の配信でお会いしましょう。