導入時の不安を解消し、セキュリティ・導入方法・実務への落とし込みまでサポートします。
セミナー1と重複 取捨選択
ここからは「作業型AI」について詳しくお話しします。皆さんがすでに耳にしているChatGPTやGeminiといったAIは、主に「会話型AI」と呼ばれるものです。質問に答えたり、文章を生成したり、知識を提供してくれる存在です。では「作業型AI」とは何でしょうか？
会話型AIは、あくまで「知識を提供するパートナー」です。質問すれば答えを返してくれる、文章を提案してくれる、翻訳してくれる。まるで「知識豊富な相談相手」のような存在です。
一方で、作業型AIは「実際に業務を肩代わりしてくれる存在」です。単なる会話にとどまらず、ファイルを生成し、業務を自動化し、成果物を完成させることができます。つまり、会話型AIが「教えてくれるAI」だとすれば、作業型AIは「働いてくれるAI」なのです。
例えば、営業担当者が「今日の商談内容を報告書にまとめて」と指示すると、作業型AIはWord文書を自動生成します。さらに、Excelからデータを抽出してグラフを挿入し、PowerPointでプレゼン資料まで作ってくれる。人間は確認と修正だけを行えばよいのです。
また、経理部門では請求書をスキャンするだけで、作業型AIが自動的に内容を読み取り、システムに入力してくれます。人事部門では勤怠データを整理し、レポートを生成してくれる。研究開発部門では論文を要約し、比較表を作成してくれる。これらはすべて「作業型AI」の典型的な活用例です。
これらの特徴によって、作業型AIは単なる「便利なツール」ではなく、業務の主体として機能するようになってきています。
ここで強調したいのは、作業型AIの登場によって、私たちの働き方が根本的に変わりつつあるということです。従来は「人間が入力 → コンピュータが計算 → 人間が出力を整形」という流れでした。しかし今や「人間が指示 → AIが入力から出力まで一気通貫で処理」という新しい流れが生まれています。
これは単なる効率化ではなく、業務の質そのものを変えるパラダイムシフトです。AIが定型業務を肩代わりし、人間は戦略的な判断や創造的な活動に集中できるようになる。これこそが作業型AIの最大の価値なのです。
ただし、作業型AIを導入する際には注意も必要です。AIは万能ではなく、入力情報の質によって出力の精度が大きく左右されます。情報が整理されていなければ、毎回異なる結果が出てしまう可能性があります。つまり、AIに任せる前に「情報を整理し、明文化する」ことが欠かせないのです。
作業型AIとは、会話型AIを超えて「業務を肩代わりするAI」です。成果物を自動生成し、業務を自動化し、組織の働き方を根本から変える存在です。AI導入を検討する際には、この「作業型AI」の価値を理解することが第一歩となります。
ここまで「作業型AIとは何か」を整理しました。では、実際に世の中で利用されている代表的な作業型AIにはどのようなものがあるのでしょうか。本章では、いくつかの主要サービスを取り上げ、その特徴と活用事例を紹介します。
まず最も代表的なのが Microsoft Copilot です。2023年3月に発表され、Word、Excel、PowerPoint、OutlookなどのOffice製品に統合されました。
特徴：既存の業務ツールに組み込まれているため、導入のハードルが低い。文書作成、データ分析、プレゼン資料作成などを自動化できる。
事例：営業担当者が商談内容を入力すると、Copilotが自動的に報告書を生成。経理担当者がExcelにデータを入力すると、Copilotが瞬時にグラフを作成して分析結果を提示。
Copilotは「業務の現場に直結する作業型AI」として、多くの企業で導入が進んでいます。
次に紹介するのは Claude です。Anthropic社が2023年3月に公開したAIで、特に長文処理に強みを持っています。
特徴：安全性を重視した設計。長文の要約や契約書の精査、研究論文の分析に適している。
事例：法務部門が契約書をAIに読み込ませると、Claudeがリスク箇所を抽出して報告。研究者が複数の論文を入力すると、Claudeが共通点や相違点を整理して比較表を生成。
Claudeは「大量の情報を正確に処理する作業型AI」として、知識集約型の業務に強みを発揮します。
Googleが2023年12月に発表した Gemini も代表的な作業型AIの一つです。
特徴：検索機能との連携、マルチモーダル対応（テキスト・画像・音声・動画を横断的に処理）。
事例：マーケティング部門が市場調査を依頼すると、Geminiが検索結果を整理し、レポート形式で提示。画像や動画も含めて分析できるため、従来のテキスト中心のAIより幅広い活用が可能。
Geminiは「情報探索と成果物生成を融合した作業型AI」として注目されています。
ChatGPTは基本的に会話型AIですが、拡張機能やプラグインを利用することで作業型AIとしても活用できます。
特徴：外部サービスと連携することで、ファイル生成や業務処理を自動化できる。
事例：旅行予約プラグインを利用して、AIが自動的に航空券を検索・提案。データ分析プラグインを利用して、AIがExcelファイルを読み込み、グラフを生成。
ChatGPTは「会話型と作業型のハイブリッド」として位置づけられます。
代表的な作業型AIとして、Microsoft Copilot、Claude、Gemini、ChatGPT＋拡張機能を紹介しました。これらはそれぞれ異なる強みを持っていますが、共通しているのは「人間の単純作業を肩代わりし、成果物を自動生成する」という点です。
AI導入を検討する際には、自社の業務にどのサービスが適しているかを見極めることが重要です。例えば、Office製品を多用する企業ならCopilot、長文処理が多い企業ならClaude、情報探索が中心ならGemini、といった選び方が考えられます。
ここまで「作業型AIとは何か」「代表的な作業型AI」について整理してきました。では次に、具体的な技術として ClaudCode と OpenClaw を比較しながら、その特徴と導入のポイントを見ていきましょう。両者は似ているようでいて、設計思想や利用シーンに大きな違いがあります。
まず ClaudCode です。これは「コード生成型AI」の一種で、特にプログラムの自動生成や修正に強みを持っています。
特徴：自然言語で指示すると、プログラムコードを自動生成。既存コードの修正や最適化も可能。
利用シーン：ソフトウェア開発、研究開発、データ処理。特に「コードを書く時間を短縮したい」「複雑なアルゴリズムを自動化したい」といった場面で活躍。
強み：長文処理能力と安全性。曖昧な指示にも対応し、コードの品質を保ちながら成果物を生成できる。
ClaudCodeは「開発者のアシスタント」として位置づけられ、プログラミング業務を効率化することに特化しています。
次に OpenClaw です。これは「エージェント型AI」の一種で、単なるコード生成にとどまらず、業務全体を管理・実行する仕組みを備えています。
特徴：ターミナルUI（TUI）を持ち、ユーザーがコマンドを入力してAIを操作できる。複数のモデルを切り替えながら、業務を一貫して処理できる。
利用シーン：業務の自動化、複数タスクの並行処理、システム連携。特に「業務をディレクトリ単位で管理したい」「複数のAIモデルを組み合わせたい」といった場面で活躍。
強み：柔軟性と拡張性。ユーザーが自由にモデルを切り替え、業務フローを設計できる。
OpenClawは「業務の司令塔」として位置づけられ、単なるコード生成を超えて、業務全体を管理することに特化しています。
| 項目 | ClaudCode | OpenClaw |
|---|---|---|
| 目的 | コード生成・修正に特化 | 業務全体の管理・実行 |
| 操作方法 | 自然言語で指示 | TUIでコマンド入力 |
| 強み | 長文処理、安全性、コード品質 | 柔軟性、拡張性、モデル切替 |
| 利用シーン | ソフトウェア開発、研究 | 業務自動化、システム連携 |
| 位置づけ | 開発者のアシスタント | 業務の司令塔 |
この比較から分かるように、ClaudCodeは「コードを書く人を助けるAI」、OpenClawは「業務全体を管理するAI」として役割が異なります。
では、企業が導入を検討する際にはどのように考えればよいでしょうか。
つまり、導入の目的によって選ぶべきAIは異なるのです。
ClaudCodeとOpenClawは、どちらも作業型AIの代表例ですが、役割は大きく異なります。ClaudCodeは「コード生成に特化したアシスタント」、OpenClawは「業務全体を管理する司令塔」。導入を検討する際には、自社の業務にどちらが適しているかを見極めることが重要です。
AI導入は単なる効率化ではなく、業務の質そのものを変えるパラダイムシフトです。ClaudCodeとOpenClawの違いを理解することで、参加者は「自分の業務にどのAIが適しているか」を具体的にイメージできるようになるでしょう。
ここまで「作業型AI」や代表的なサービスについて説明してきました。次に重要なのは、AIモデル・AIエージェント・チャット型AIの違いを整理することです。初心者の方が最も誤解しやすいのは、「AIエージェントはAIモデルを包括している存在だ」という考え方です。しかし実際にはそうではありません。AIエージェントはAIモデルを“使う”存在であり、包括しているわけではないのです。
AIモデルとは、機械学習や深層学習によって訓練された「知識と処理の塊」です。例えば、自然言語処理モデル（GPTやClaude）、画像認識モデル、音声認識モデルなどがあります。
AIモデルは「入力を受けて出力を返す」ことに特化しています。つまり、AIモデルはエンジンのような存在です。質問を投げれば答えを返す、文章を入力すれば翻訳する。非常に強力ですが、単独では業務全体を管理することはできません。
チャット型AIは、AIモデルを「会話の形」で利用できるようにしたものです。ChatGPTやGeminiなどが代表例です。ユーザーは自然言語で質問し、AIが答えを返す。まるで人間と会話しているように情報を得られるのが特徴です。
チャット型AIは「知識提供型のパートナー」として非常に便利ですが、業務を直接肩代わりするわけではありません。成果物を生成することもありますが、基本的には「会話を通じて知識を得る」ことが中心です。
AIエージェントは、AIモデルを“利用しながら”業務全体を管理・遂行する仕組みです。
つまり、AIエージェントは「司令塔」であり、AIモデルは「エンジン」なのです。
この流れから分かるように、AIエージェントは「AIモデルを包括している」のではなく、「AIモデルを呼び出して使う」存在なのです。
初心者が誤解しやすいのは、「AIエージェント＝AIモデルの集合体」という考え方です。しかし実際には、AIエージェントは「業務フローを管理する仕組み」であり、AIモデルは「処理を行うエンジン」です。両者は役割が異なり、補完し合う関係にあります。
この違いを理解することで、参加者は「AIエージェントを導入する際に何を準備すべきか」を正しく認識できるようになります。
AIモデルは「処理のエンジン」、チャット型AIは「知識提供のパートナー」、AIエージェントは「業務の司令塔」。この三者の違いを理解することが、AI導入の第一歩です。
特に重要なのは、AIエージェントはAIモデルを包括しているわけではなく、必要に応じて呼び出して使う存在だという点です。フローチャートで作業の流れを整理することで、この違いを直感的に理解できるようになります。
AIを導入する際、最も多く寄せられる質問が「セキュリティは大丈夫なのか？」というものです。便利そうだが、情報漏洩や不正アクセスのリスクがあるのではないか。これは当然の不安です。しかし結論から言えば、条件を守れば安心して利用できるのです。本章ではその理由を二つの観点から整理します。
ここまでAIエージェントの仕組みや活用方法についてお話ししてきました。次に皆さんが最も気になるテーマ、それが「セキュリティ」です。AIを導入する際に必ず出てくる質問が「情報漏洩は大丈夫なのか？」「外部にデータが流れてしまうのではないか？」というものです。これは当然の不安です。しかし結論から言えば、条件を守れば安心して利用できるのです。その理由を、メールサーバーとの比較を通じてご説明します。
まず、私たちが日常的に使っているメールを思い出してください。顧客とのやり取り、契約書の送付、社内連絡など、重要な情報をメールでやり取りしています。それでも安心して使えるのはなぜでしょうか？
答えは、メールサーバーが適切に保守されているからです。メールサーバーは次の仕組みを備えています。
これらの仕組みによって、私たちは安心してメールを使えているのです。
AIエージェントも同じです。AIが業務を遂行する際には、必ずAPIを通じてシステムと連携します。このAPIが正しく保守されていれば、メールサーバーと同じレベルで安心して利用できるのです。
つまり、AIエージェントは「特別に危険な存在」ではありません。既存のITシステムと同等に安全に利用できる存在なのです。メールが安心して使えるのと同じように、AIも安心して使える。条件はただ一つ、APIを正しく保守することです。
ここで注意していただきたいのは、「AIは新しい技術だから危険だ」という誤解です。確かにAIは新しい技術ですが、セキュリティの考え方は従来のITシステムと同じです。メールサーバーが安全に使えるのと同じように、AIも安全に使えます。違いは「使う対象がメールかAIか」というだけです。
では、安心してAIを使うための条件とは何でしょうか？それは次の三つです。
これらを守れば、AIエージェントは安心して利用できます。
セキュリティはAI導入において最も重要なテーマですが、条件を守れば安心して利用できます。メールが安心して使えるのと同じように、AIも安心して使える。違いは「対象がメールかAIか」というだけです。
参加者の皆さんには、「AIは危険だから導入できない」のではなく、「正しく準備すれば安心して導入できる」技術だということを理解していただきたいと思います。
ここまで「メールサーバーと同等に安全である」という観点からセキュリティを整理しました。次に、さらに重要なテーマである APIの保守 について考えてみましょう。AIエージェントを安心して利用するためには、この「APIを死守する」という姿勢が欠かせません。
APIは「Application Programming Interface」の略で、システム同士をつなぐ窓口のようなものです。人間が直接プログラムの内部を操作するのではなく、APIという窓口を通じて「この情報をください」「この処理をしてください」と依頼するのです。
例えば、銀行のシステムを考えてみましょう。顧客がスマホアプリから残高照会をするとき、アプリは直接データベースにアクセスするわけではありません。必ず「残高を返してください」というリクエストをAPIに送ります。APIはそのリクエストを受け取り、必要な情報を返す。この仕組みによって、外部からのアクセスを安全に制御できるのです。
AIエージェントも同じです。AIが業務を遂行する際には、必ずAPIを通じてシステムと連携します。つまり、APIは「情報の出入り口」であり、ここを守ることがセキュリティの核心なのです。
理由は大きく三つあります。
これらを守れば、APIは安全に保たれ、AIエージェントも安心して利用できます。
ここで参加者の皆さんにお伝えしたいのは、「AI導入はセキュリティを理由にためらう必要はない」ということです。もちろん、セキュリティは重要です。しかし、APIを正しく保守すれば、AIエージェントは安心して利用できます。
むしろ、AIを導入することでセキュリティが強化されるケースもあります。例えば、AIが不審なアクセスを検知して警告を出す、機密情報を自動的に暗号化する、といった機能です。AIはセキュリティの脅威ではなく、セキュリティを守る味方にもなり得るのです。
参加者の皆さんには、「AIは危険だから導入できない」のではなく、「正しく準備すれば安心して導入できる」技術だということを理解していただきたいと思います。
ここまでAIエージェントの仕組みやセキュリティについてお話ししてきました。次に重要なのは「課金基準」です。AIを業務に導入する際、必ず費用が発生します。その基準となるのが トークン です。今回は、この「トークンとは何か」を分かりやすく整理し、参加者に安心して利用していただけるように解説します。
トークンとは、AIモデルが文章を処理する際の「最小単位」です。人間が文章を読むときは「単語」や「文」で理解しますが、AIは文章を細かく分解して処理します。その分解された単位がトークンです。
例えば「AIは未来を変える」という文章をAIに入力すると、これが「AI」「は」「未来」「を」「変える」というように分解されます。英語の場合は「AI」「will」「change」「the」「future」といった具合です。つまり、トークンは「AIが理解するための部品」なのです。
トークンが課金基準になる理由は、AIモデルが処理する量を正確に測るためです。AIは入力された文章をトークンに分解し、内部で計算を行い、出力を生成します。処理するトークンが多ければ多いほど、計算量が増え、サーバーの負荷も高まります。そこで、利用者が「どれだけトークンを使ったか」に応じて課金する仕組みが導入されているのです。
つまり、トークンは「AI利用のメーター」のようなものです。電気の使用量をキロワット時で測るように、AIの使用量をトークンで測るのです。
課金はこの「合計トークン」に基づいて行われます。つまり、長い文章を入力すれば入力トークンが増え、長い回答を得れば出力トークンが増える。結果として費用も増えるのです。
このように、文章の長さによってトークン数は変わります。参加者には「トークン＝文字数や単語数に近いもの」と理解していただければ十分です。
つまり、トークンを理解すれば「AIを賢く使う」ことができ、費用を最適化できるのです。
ここで参加者の皆さんにお伝えしたいのは、「トークンは難しい概念ではない」ということです。トークンは単なる「AIが文章を処理するための部品」であり、「利用量を測るメーター」です。電気の使用量をキロワット時で測るのと同じように、AIの使用量をトークンで測る。それだけのことです。
安心していただきたいのは、トークンを理解すればコスト管理は簡単だということです。長文を入力すれば費用が増える、短くすれば減る。AIを導入する際には、この仕組みを理解しておけば十分です。
参加者の皆さんには、「トークンを理解すれば安心してAIを導入できる」ということを強調したいと思います。
ここまで「トークンとは何か」を整理しました。次に重要なのは、トークンをなるべく使用しない設計です。AIモデルの課金基準はトークン数で決まります。つまり、トークンを減らす工夫をすれば、コストを抑えつつ効率的にAIを活用できるのです。本章では、その具体的な考え方と方法を整理します。
AIモデルは、入力された文章をトークンに分解して処理します。そして出力もトークンとして生成されます。課金は「入力トークン＋出力トークン」の合計に基づいて行われます。
この仕組みを理解した上で、トークンを減らす設計を考えることが重要です。
これらの工夫によって、トークン消費を大幅に減らすことができます。
つまり、トークン削減は単なるコスト管理ではなく、AI活用の質を高める取り組みでもあるのです。
ここで参加者の皆さんにお伝えしたいのは、「トークンを減らす設計は難しくない」ということです。入力を簡潔にする、出力を制御する、業務フローを工夫する。この三つを意識するだけで十分です。
安心していただきたいのは、トークン削減は「AIを使いこなすための基本」であり、誰でもすぐに実践できるということです。
これらを実践すれば、コストを抑えつつ、AIを安心して導入できます。参加者の皆さんには、この設計思想を理解し、自分の業務に応用していただきたいと思います。
データベースの観点から設計するのがおそらく今後継続的な観点からベストな方法だと現段階で推測します。が、データベースに関しては、今回は省き、自然言語のプロンプトの観点から対応していきましょう。
ここまで、AIエージェントの仕組み、セキュリティ、課金基準、そしてトークンをなるべく使用しない設計についてお話ししてきました。最後に、このセミナーの総まとめとして「AIエージェント導入で何が変わるのか」を整理しましょう。
まず一つ目の大きな変化は、単純作業をAIに任せられるという点です。報告書の定型部分の作成、データの整理、メールの定型返信、会議議事録のまとめ…。これらは時間を奪う一方で、付加価値を生み出すわけではありません。
AIエージェントを導入すれば、こうした単純作業を自動化できます。人間は「指示を出す」だけで、AIが成果物を生成してくれる。これにより、社員はより戦略的で創造的な業務に集中できるようになります。
つまり、AIは「人間の代わりに働く存在」ではなく、「人間を単純作業から解放する存在」なのです。
二つ目の変化は、業務を明文化することで属人化を防げるという点です。AIに業務を任せるためには、業務手順を明文化する必要があります。人間同士なら「暗黙の了解」で進められる作業も、AIには理解できません。
この「業務の明文化」こそが、属人化を防ぐ最大のポイントです。属人化とは、特定の担当者しか業務を理解していない状態のことです。これでは担当者が休むと業務が止まってしまいます。しかし、業務が明文化されていれば、誰でも同じ基準で作業を遂行できます。AIも人間も同じルールに従うため、業務の透明性と再現性が確保されるのです。
三つ目の変化は、セキュリティを確保した安心利用です。AI導入に不安を感じる方は多いですが、条件を守れば安心して利用できます。メールサーバーが安全に使えるのと同じように、AIも安全に使えます。特にAPIを正しく保守すれば、AIエージェントは安心して利用できます。
つまり、AIは「危険だから導入できない」のではなく、「正しく準備すれば安心して導入できる」技術なのです。
四つ目の変化は、トークンを理解することでコストを管理できるという点です。トークンはAI利用のメーターです。入力と出力の合計トークン数に基づいて費用が決まります。
これを理解すれば、コスト管理は簡単です。入力を簡潔にする、出力を制御する、業務フローを工夫する。この三つを意識するだけで、費用を最適化できます。
つまり、AI導入は「予算を圧迫するリスク」ではなく、「賢く設計すれば効率的に運用できる投資」なのです。
この四つの変化は、単なる効率化にとどまらず、組織の競争力を高める大きな要因となります。AIは「人間の仕事を奪う存在」ではなく、「人間を単純作業から解放し、組織を強くする存在」なのです。
AIエージェント導入で変わることを一言でまとめるなら、「人間が単純作業から解放され、組織が属人化から解放される」ということです。
参加者の皆さんには、この安心感を持ってAI導入を検討していただきたいと思います。そして、ぜひ自分の業務に置き換えて「どの作業をAIに任せられるか」「どの業務を明文化すべきか」を考えていただきたいと思います。
それをしたうえで、あなたの時間を有効に使っていきましょう。