AIエージェントに“月次レポートを作って”と頼んだのに、毎回ちがう資料が出てきます
これは、製造業の経営企画部でDX推進を担う佐伯さん（仮名）と、現場リーダー、情報システム部、部門長が直面した状況です。半年前、同社ではAIエージェントに業務を丸ごと依頼し、目的、入力データ、成功条件、中間チェックを十分に分けないまま使っていました。その結果、同じ「レポート作成」でも、ある日は売上分析に寄り、別の日は議事録要約に寄るなど、出力の粒度が安定しませんでした。
現在は、業務をサブタスク、依存関係、判断ポイントに分け、再利用できる指示書として整備しています。たとえば、弊社が提供するKanataのようにAIチャット、プロンプトライブラリ、学習データ管理を同じ業務環境で扱えるツールを使うと、個人の依頼文をチームのテンプレートとして残しやすくなります。2026年1月〜3月の3か月間、対象12業務で試験的に比較したところ、差し戻し回数は1業務あたり平均3.1回から1.4回に減りました。ただし、この数値は一社の限定的な運用例であり、業務内容やデータ品質によって結果は変わります。
この記事では、タスク分解 AIを使いこなしたい現場リーダーや業務設計担当に向けて、AIエージェントへの業務依頼を安定させるための業務分解設計を整理します。目指すのは、誰が依頼しても、サブタスク、依存関係、成功条件がそろった指示書によって、再現性のある成果に近づける状態です。ただし、テンプレートを作るだけで万能に動くわけではありません。業務知識、人による確認、継続的な見直しとあわせて考える必要があります。
AIエージェント活用でつまずく理由は「性能」だけではない
AIエージェントを導入した直後、現場では期待が先行しがちです。
- これでレポート作成を任せられる
- 商談準備を自動化できる
- 問い合わせ対応の一次整理を任せられる
- 会議後のタスク整理もやってくれる
こうした期待は自然です。AIエージェントは、単なる文章生成ではなく、複数の手順をまたいで業務を進める仕組みとして注目されているためです。参考情報として、World Economic ForumのAIエージェント評価・ガバナンスに関するレポートでも、AIエージェントの技術的基盤、分類、評価、ガバナンスが整理されています。
一方で、実際に使い始めると、次のような問題が起きます。
- 依頼した内容と少し違う成果物が返ってくる
- 途中まではよいが、最後のまとめ方が弱い
- 前回と同じ依頼なのに、出力の粒度が変わる
- 人の確認作業が思ったほど減らない
このとき、原因をAIの性能だけに求めると、改善が進みにくくなります。もちろん、AIエージェントには限界があります。誤った情報を含む出力をする可能性がありますし、社内固有の事情を完全に理解できるわけでもありません。
ただし、出力が安定しない原因の一部は、人間側の「任せ方」にもあります。特に大きいのが、業務を分解しないまま依頼してしまうことです。
- 月次レポートを作ってください
- 営業資料を作ってください
- 顧客対応を整理してください
- 競合調査をお願いします
人間同士であれば、ある程度通じる依頼かもしれません。相手が過去の文脈、社内の暗黙知、上司の好み、顧客との関係性を知っていれば、不足している情報を補いながら進められるからです。
しかし、AIエージェントにとっては、業務範囲が広すぎます。何を入力に使い、どの順番で処理し、どこで確認し、どの状態を完成とするのかが曖昧なままでは、毎回違う解釈で動く可能性があります。
AIエージェントを業務に活かすには、「依頼文を上手に書く力」だけでは足りません。必要なのは、業務そのものを分解する力です。
タスク分解とは、作業を細かくすることではなく、判断の順番を明確にすること
タスク分解と聞くと、「大きな作業を小さな作業に分けること」と考えがちです。
もちろん、それも重要です。たとえば「営業会議の資料を作る」という業務は、次のように分けられます。
- 前回会議の議事録を確認する
- 今月の売上データを整理する
- 未達要因を洗い出す
- 重点顧客の状況をまとめる
- 来月の打ち手を提案する
- スライド構成に落とし込む
ただし、AIエージェントに業務を任せるうえでは、単に作業を細かく並べるだけでは不十分です。
重要なのは、それぞれのサブタスクがどのようにつながっているかです。たとえば、売上データを整理する前に、どの期間を対象にするかを決める必要があります。未達要因を洗い出す前に、目標値と実績値の差分を確認する必要があります。来月の打ち手を提案する前に、未達要因が外部要因なのか、社内要因なのかを分ける必要があります。
つまり、タスク分解とは、作業の一覧を作ることではなく、業務の依存関係を明らかにすることです。
AIエージェントは、与えられた情報にもとづいて処理を進めます。どの情報を先に確認し、どの判断を後に回すべきかが指定されていないと、もっともらしい順番で処理することがあります。その順番が人間の業務感覚とずれていると、出力の品質もずれます。
タスク分解 AIで意識したい3つの観点
- 成果物を分ける
- レポートなのか、要約なのか、比較表なのか、意思決定メモなのかを明確にします。
- 判断を分ける
- どの情報を事実として扱い、どこから先を推測として扱うのかを区別します。
- 確認点を分ける
- AIエージェントが最後まで進めてよいのか、途中で人間が確認する必要があるのかを決めます。
この3つを整理することで、AIエージェントへの業務依頼は「大きなお願い」から「進め方が明確なワークフロー」に変わります。
悪い依頼は「完成物」だけを伝え、良い依頼は「進め方」まで伝える
AIエージェントへの依頼でよくある失敗は、完成物だけを伝えてしまうことです。
たとえば、次のような依頼です。
来週の営業会議で使う資料を作ってください。一見すると、目的は伝わっているように見えます。しかし、この依頼には多くの情報が欠けています。
- 営業会議の参加者は誰か
- 会議の目的は報告なのか、意思決定なのか
- 資料は何枚程度なのか
- 対象期間はいつなのか
- 売上、商談数、受注率、失注理由のうち、どれを重視するのか
- 最終的に参加者に何を判断してほしいのか
これらが曖昧なままでは、AIエージェントは「それらしい営業資料」を作ることはできても、「その会議で使える営業資料」を作ることは難しくなります。
タスク分解した依頼例
同じ依頼を、タスク分解した形にすると次のようになります。
来週の営業会議で使う資料の構成案を作成してください。
# 目的
営業部門の月次振り返りを行い、来月の重点アクションを決めること。
# 対象期間
2026年4月1日〜2026年4月30日。
# 参加者
営業責任者、各チームリーダー、マーケティング担当、経営企画担当。
# 入力情報
- 月次売上実績
- 商談数
- 受注率
- 失注理由
- 重点顧客リスト
- 前回会議の決定事項
# 進め方
1. まず売上目標と実績の差分を整理してください。
2. 次に、差分の要因を商談数、受注率、平均単価に分けて仮説化してください。
3. その後、失注理由から来月の改善テーマを3つ抽出してください。
4. 最後に、営業会議で議論すべき論点を5つ提示してください。
# 出力形式
- スライド構成案
- 各スライドのタイトル
- 各スライドで伝える要点
- 会議中に確認すべき質問
# 注意点
不明な数値は補完せず、「要確認」と記載してください。このように書くと、AIエージェントは単に資料を作るのではなく、どの順番で考えればよいかを判断しやすくなります。
ここで大事なのは、依頼文を長くすることではありません。業務の前提、入力、処理順、出力、確認条件を分けて伝えることです。
AIエージェントへの業務依頼の品質は、依頼文の表現力だけでなく、業務分解設計の明確さに左右されます。
業務分解設計では「サブタスク」と「依存関係」をセットで考える
業務を分解するとき、まずサブタスクを洗い出します。
たとえば、「月次レポート作成」であれば、以下のようなサブタスクが考えられます。
- 対象期間の確認
- 必要データの収集
- 前月との差分整理
- 主要指標の変化確認
- 変化要因の仮説整理
- 関係部署への確認事項の抽出
- レポート構成案の作成
- 最終コメントの作成
しかし、サブタスクを並べただけでは、まだ実務には使いにくい状態です。どのタスクがどのタスクに依存しているかが見えないからです。
たとえば、「変化要因の仮説整理」は、「主要指標の変化確認」が終わっていないと始められません。「関係部署への確認事項の抽出」は、仮説整理の結果によって変わります。「最終コメントの作成」は、未確認事項を整理したあとに行うべきです。
このように、業務には順番があります。依存関係を無視してAIエージェントに任せると、まだ確認できていない情報を前提に結論を書いてしまうことがあります。たとえば、売上低下の原因がまだ分かっていないのに、「広告施策の効果低下が原因です」と断定してしまうようなケースです。
指示書 AIで依存関係を明示する例
# 依存関係
- 売上差分を確認してから、要因仮説を作成してください。
- 要因仮説を作成してから、関係部署への確認事項を出してください。
- 確認事項が残っている場合、最終結論は断定しないでください。
- 不明点がある場合は、レポート本文ではなく「確認待ち事項」に分けてください。この指定があると、AIエージェントの出力をレビューしやすくなります。出力がずれた場合も、「依存関係が守られていない」「確認事項が本文に混ざっている」と具体的に修正できます。
特に、部門横断の業務では依存関係が複雑になります。マーケティングのデータ、営業の商談状況、カスタマーサクセスの顧客フィードバック、経営企画の数値管理が絡む場合、どの情報を先に見るべきかが曖昧になりやすいからです。
AIエージェントに任せる前に、人間が業務の流れを整理する。これが、ワークフロー分解の出発点です。
成功条件を決めないと、AIエージェントは「終わり方」を判断できない
AIエージェントに業務を依頼するとき、抜けやすいのが成功条件です。
人間同士の仕事では、「このくらいで十分」「ここまでできれば一旦共有」「この粒度なら会議に出せる」といった判断を、経験で補っていることがあります。しかし、AIエージェントには、その職場ならではの「十分」の基準がありません。
そのため、成功条件を明示しないと、出力が過剰になったり、逆に浅くなったりします。
レポート作成における成功条件の例
# 成功条件
- 経営会議で5分以内に説明できる構成になっていること。
- 重要な数値変化が3つ以内に絞られていること。
- 各変化について、事実と仮説が分けて書かれていること。
- 判断に必要な未確認事項が明示されていること。
- 次に取るべきアクションが担当部署ごとに整理されていること。営業資料における成功条件の例
# 成功条件
- 顧客の課題が最初の2枚で分かること。
- 提案内容が顧客の課題と対応していること。
- 導入後の変化が定量・定性の両方で示されていること。
- 次回商談で確認すべき質問が明記されていること。問い合わせ対応における成功条件の例
# 成功条件
- 回答の根拠となる規程や資料が示されていること。
- 不明点を推測で補わないこと。
- 担当部署に確認すべき事項が分けて書かれていること。
- 社員が次に何をすればよいか分かること。このように、成功条件は業務ごとに異なります。だからこそ、チームで再利用する指示書には、成功条件を含める必要があります。
成功条件が明確になると、人間側のレビューもしやすくなります。AIエージェントの出力を見て「なんとなく違う」と感じるのではなく、「成功条件の3つ目が満たされていない」と具体的に指摘できるからです。
中間チェックを入れると、AIエージェントの手戻りを減らせる
AIエージェントに業務を任せるとき、「最後まで一気にやってほしい」と考える人は少なくありません。
確かに、すべてを自動で完了してくれれば便利です。しかし、実務では途中確認が必要な業務が多くあります。
特に、次のような業務では中間チェックが重要です。
- 経営判断に関わる資料作成
- 顧客への提案内容の整理
- 契約、法務、人事に関わる文書作成
- 数値分析にもとづく施策提案
- 部門間の役割分担を決める業務
これらの業務では、AIエージェントが最初の前提を誤ると、その後の出力全体がずれてしまいます。AIシステムのリスク管理に関する議論でも、人による監督や確認の設計は重要な要素とされています。たとえば、NIST AI Risk Management Frameworkでは、AIリスクを組織的に管理するための枠組みが示されています。また、EU AI Act Article 14では、高リスクAIシステムにおける人間による監督について定められています。
競合調査で中間チェックを入れる例
たとえば、競合調査を依頼する場合、いきなり最終レポートまで作らせるのではなく、次のように段階を分けます。
まず、調査観点だけを出してください。
私が確認したあと、次のステップに進みます。観点が合っていれば、次にこう依頼します。
確認した調査観点にもとづいて、比較表の項目を作成してください。
まだ本文は書かないでください。さらに進める場合は、こう依頼します。
比較表の項目はこのままで問題ありません。
次に、各項目について調査すべき一次情報の候補を整理してください。このように、AIエージェントの作業を段階化し、人間が確認するポイントを挟むことで、手戻りを減らしやすくなります。
中間チェックは、AIを信頼していないから入れるものではありません。AIエージェントを業務プロセスに組み込むための安全装置です。
自律運用に近づくほど、チェックポイントの設計が重要になります。完全に放任するのではなく、どこまではAIに任せ、どこからは人が判断するのかを決める。この線引きがあるからこそ、AIエージェントを業務に組み込みやすくなります。
タスク分解をテンプレート化すると、チームの再現性が上がる
タスク分解は、個人の工夫で終わらせると広がりません。
ある人は上手にAIエージェントへ依頼できるが、別の人は毎回うまくいかない。そうなると、AI活用が属人化します。
そこで必要になるのが、テンプレート化です。
ここでいうテンプレートとは、単なるプロンプトの定型文ではありません。業務の進め方、確認点、成功条件を含んだ再利用可能な指示書です。
月次レポート作成用テンプレートの例
# 役割
あなたは経営企画部のレポート作成を支援するAIエージェントです。
# 目的
月次の業績変化を整理し、会議参加者が次のアクションを判断できる状態にすること。
# 入力情報
- 対象期間
- 売上実績
- 目標値
- 前月実績
- 部門別データ
- 補足メモ
# サブタスク
1. 対象期間と入力情報の不足を確認する。
2. 目標と実績の差分を整理する。
3. 前月との差分を整理する。
4. 変化が大きい指標を抽出する。
5. 変化要因の仮説を作る。
6. 確認が必要な点を分ける。
7. 会議用の要点にまとめる。
# 依存関係
- 差分整理が終わるまで、要因仮説は作成しない。
- 不足データがある場合、結論を断定しない。
- 確認事項は本文ではなく別枠に分ける。
# 出力形式
- サマリー
- 主要な変化
- 要因仮説
- 確認事項
- 次アクション
# 成功条件
- 5分以内に説明できること。
- 事実と仮説が分かれていること。
- 未確認事項が明記されていること。このようなテンプレートをチームで共有できる場所に登録しておけば、新しいメンバーもゼロから指示文を考える必要がありません。Kanataのプロンプトライブラリのように、よく使う指示文や業務テンプレートをプロジェクト単位で管理できる仕組みを使うと、部署ごとの標準化にもつなげやすくなります。
ただし、テンプレートは一度作って終わりではありません。実際に使いながら、差し戻しが多かった箇所を改善していきます。
たとえば、「要因仮説が浅い」という差し戻しが多いなら、入力情報に「顧客別」「商品別」「チャネル別」の分析観点を追加します。「会議で使いにくい」という声が多いなら、出力形式に「議論すべき論点」を追加します。
AIエージェント活用研修や高度リスキリングでは、このテンプレート改善の考え方まで含めて学ぶことが重要です。単にツールの使い方を覚えるだけではなく、業務の分解粒度を見直し続ける力が必要だからです。
AIに任せる業務と、人が判断する業務を分ける
タスク分解を進めると、AIエージェントに任せやすい業務と、任せきるべきではない業務が見えてきます。
| 分類 | 業務例 | 考え方 |
|---|---|---|
| AIエージェントに任せやすい業務 |
|
入力と出力の型を決めやすく、成功条件も比較的明確なため、タスク分解と相性がよい領域です。 |
| 人が判断すべき業務 |
|
AIエージェントが支援できる部分はあっても、最終責任は人が持つ必要があります。 |
たとえば、人事評価コメントの下書きをAIに手伝わせることはできます。しかし、最終的にどの表現で本人に伝えるか、どの評価にするかは、マネージャーが責任を持って判断すべきです。
契約書の一次確認も同じです。リスクのある条項を洗い出す支援はできますが、法的な判断は専門家が行う必要があります。
AIエージェントを活用するほど、「何を任せるか」だけでなく、「何を任せないか」を決めることが重要になります。
これは、AI活用を慎重にしすぎるという意味ではありません。任せる範囲を明確にすることで、安心して任せられる領域が広がります。
タスク分解力は、AI時代の業務設計スキル
これまでの業務改善では、マニュアル化、標準化、チェックリスト化が重視されてきました。
AIエージェントの時代にも、その重要性は変わりません。ただし、求められる粒度が少し変わります。
人間向けのマニュアルでは、「担当者が読めば分かる」書き方で十分な場合があります。背景や例外は、現場の経験で補えるからです。
一方、AIエージェントに任せるための指示書では、暗黙知をできるだけ明示する必要があります。
- 何を先に確認するのか
- どの情報が不足していたら止まるのか
- どこから先は推測として扱うのか
- どの状態を完成とするのか
- どのタイミングで人間に確認を求めるのか
これらを言語化する力が、タスク分解力です。
この力は、DX推進担当だけに必要なものではありません。経営者、情報技術責任者、マーケティング・セールス責任者、現場リーダー、業務設計担当など、AIエージェントを組織で使うすべての人に関係します。
AIエージェントに業務を任せるとは、人間の仕事をそのまま丸投げすることではありません。人間が持っている業務理解を、AIが扱える形に再設計することです。
その意味で、タスク分解力は単なるプロンプト技術ではなく、AI時代の業務設計スキルだと言えます。
まとめ：AIエージェント活用は、依頼力より分解力で決まる
AIエージェントへの業務依頼が安定しないとき、まず見直すべきなのは、依頼文の言い回しだけではありません。
次の観点で、業務そのものを点検する必要があります。
- 業務がサブタスクに分解されているか
- サブタスク同士の依存関係が整理されているか
- 成功条件が定義されているか
- 中間チェックの位置が決まっているか
- 事実と推測が分けられているか
- 人が判断すべき範囲が残されているか
これらを整えることで、AIエージェントの出力は安定しやすくなります。
もちろん、タスク分解をすればすべての業務が自動化できるわけではありません。AIエージェントは万能ではなく、誤った推測をすることもあります。社内事情や顧客との関係性、法的・倫理的な判断を完全に任せることもできません。
それでも、業務をサブタスクと依存関係に分け、指示書として再利用できる状態にすれば、AIエージェントは単なる便利ツールではなく、チームの業務プロセスを支える存在になります。
重要なのは、うまくいった依頼をその場限りで終わらせず、テンプレートとして残し、改善し続けることです。
AIエージェントに任せる力は、AIに詳しい人だけのスキルではありません。業務を知っている人が、業務を分解し、AIに伝わる形へ設計する力です。
もし今、AIエージェントに大きな業務を丸ごと依頼して期待通りに動かないと感じているなら、次の依頼ではまず「完成物」ではなく「進め方」を書いてみてください。そこから、AIエージェント活用の再現性は少しずつ高まっていきます。
Q&A：AIエージェントに業務を任せるためのタスク分解
タスク分解 AIとは何ですか？
タスク分解 AIとは、AIエージェントに大きな業務をそのまま任せるのではなく、目的、入力情報、サブタスク、依存関係、成功条件、中間チェックに分けて依頼する考え方です。単に作業を細かくするのではなく、AIがどの順番で処理し、どこで人が確認するかを明確にすることが重要です。
AIエージェントへの業務依頼で失敗しやすい原因は何ですか？
よくある原因は、完成物だけを伝えて、進め方を伝えていないことです。「営業資料を作ってください」「月次レポートを作ってください」といった依頼では、対象期間、入力データ、判断基準、成功条件が曖昧になりやすく、出力の粒度がぶれる可能性があります。
業務分解設計では、まず何から始めればよいですか？
まずは、業務の最終成果物を明確にします。そのうえで、成果物に至るまでのサブタスクを洗い出し、どのタスクがどのタスクに依存しているかを整理します。最後に、どの段階で人が確認するか、何を満たせば完了とするかを決めます。
AIエージェントに任せてよい業務と、任せきってはいけない業務の違いは何ですか？
要約、分類、比較表作成、下書き、論点整理など、入力と出力の型が決めやすい業務は任せやすい領域です。一方、最終的な意思決定、法的判断、人事評価、顧客との条件交渉、社外公開文書の最終確認などは、人が責任を持って判断する必要があります。
タスク分解のテンプレートはどのように運用すればよいですか？
テンプレートは、作って終わりではなく、使いながら改善します。差し戻しが多い箇所、誤解が起きた箇所、出力が浅かった箇所を記録し、入力情報、依存関係、成功条件を更新します。チームで共有できる場所に保管し、よく使う業務から標準化していくと、再利用しやすくなります。
