ゼロから始めるAIエージェント：失敗しないための導入ステップ

AI技術の急速な発展により、多くの企業が「AIエージェント」の導入による業務効率化やサービス向上を模索しています。しかし、そのポテンシャルの高さとは裏腹に、既存システムとの連携、そして実運用に耐えうるアーキテクチャの構築など、実装の過程で多くの困難に直面し、挫折してしまうケースも少なくありません。

本ウェビナーでは、特に「AIエージェントを自社に導入したいが、どこから着手し、どう形にすればよいか」に悩む方々を対象に、技術的な概念から実務に即した導入・運用のポイントまでを体系的に解説します。

導入フェーズごとの障壁を乗り越えるためのステップを提示するため、ビジネス現場での実用化を真剣に検討されている方におすすめの内容です。

主な内容
・AIエージェント導入でよくある挫折パターンとその対策
・業務要件に合わせたAIモデルと連携ツールの選定基準
・スモールスタートからスケールさせるための運用・保守戦略

こんな方におすすめ
・AIエージェントをビジネスに活用したいが、具体的な導入ステップが描けていない方
・AIエージェントを既存の業務フローやシステムとどのように連携させるか悩んでいる方
・PoC（概念実証）で終わらせず、本番運用を見据えた実践的なノウハウを掴みたい方

Transcript

1. ゼロから始めるAIエージェント 失敗しないための導入ステップ NCDC Onlineセミナー 2026年2月18日 NCDC株式会社
2. 本日の内容 ⚫ AIエージェントとは ⚫AIエージェントのメリット ⚫ 導入のステップ ⚫必ずおさえる4つのステップ ⚫ 最初の一歩の具体的アプローチ ⚫多くのお客様にマッチする取り組み、サービスをご紹介 ⚫ 質疑・応答 2
3. 齋藤 諒 アーキテクト・エンジニア バックエンド、クラウド幅広い領域を担当しているエンジニア。特 にAWSを利用したサービス開発を得意とする。 また、大手建設業のシステム開発内製化を支援するアジャイル 開発プロジェクトにおいては、実装作業のみならず顧客の要望 を踏まえた詳細設計の提案も行っている。 自己紹介
4. AIエージェントとは
5. Question 5 みなさんはAIと聞いたら、どんなも のをイメージするでしょうか。
6. チャットAIとAIエージェントの比較 6 • 聞いたら答えてくれる • 調べ物を早くしてくれる • 文章を作ってくれる ＝ 優れた「相談相手」 チャットAI • 仕事を深く理解する • 独自の判断基準を持つ • 次の行動を自分で決める ＝ 頼れる「業務担当者」 AIエージェント ⚫ 「聞けば答えるAI」から、「仕事を理解して自ら動くAI」へと進化してきている。
7. 仕事中に人がしていること ⚫ 業務のほとんどは「探す」「判断する」「動く」の組み合わせで成り立っている。 探す 情報を膨大な社内データから抽出 判断する 自社ルールに照らして妥当性を確認 動く 資料作成やシステムへの入力を行う
8. 自社で活用する具体例 8 エージェント例 役割とアクション 期待効果 契約書レビュー支援 構成解析。社内ひな形や禁止条項と比較し修 正箇所をハイライト。 初期レビュー時間を 1/10 に。 商談サマリー自動生成 議事録から要約、課題・次回アクション抽出。顧 客管理システムに自動入力。 記録漏れゼロ。 営業入力工数削減。 仕様・品質判定 設計書・図面と検査データを比較。設計基準へ の適合性を自動判定。 判断の属人化を解消。
9. AIエージェントを使うことのメリット 9 ⚫ 無駄な作業の効率化 情報探しやテキストの転記などを最小 限に本来の業務に専念 ⚫ 判断の一貫性 個人の経験などに左右されず、会社 の基準に基づいた回答・処理 ⚫ 属人化の軽減 担当者の不在や退職者などにより、ビ ジネス停滞リスクを防ぐ
10. 導入のポイント
11. 2026 AIエージェント実用化の現在地 11 ⚫ この1年の進化 AIエージェントの実用化はもうはじまり、 AIを単 なるツールではなく、「一つの労働力」としてカウ ントする動きが加速しています。 2025 本格導入 AIエージェントを業務へ活用し、成果を追求す るフェーズ AIエージェント元年 「エージェント型AI」の活用が一気にトレンド これから目指すゴール 定型業務をAIに任せ、人間はクリエ イティブな仕事に集中する。 これは未来の話ではなく、今すぐ取り 組むべき現実的な選択肢です。
12. 理想と現実のギャップ 12 ⚫ 多くの企業がAIの可能性を感じている一方 で、「思ったほど導入が進まない」という声 がよく聞かれます。 ※1 ⚫ その理由を見ていくと、技術そのものよりも、 導入までのプロセスで生じる“つまずき”が 影響していると考えられます。 ※1 参考
13. 曖昧なまま進むと… 13 ⚫ AI導入はまず「どんな業務をAIに任せるか」を言語化し、共有することが 出発点です。 • 期待だけでプロジェクトが走り出すと、以下の事態を招きます 「AIに何をさせたいか」が曖昧なまま始まってしまう ！ 業務の把握が浅い 例外・制約などが未把握で抽象的なまま議論 が進んでしまう。 業務分解が粗い AIを活用する業務の守備範囲が曖昧になって しまう。 プロトタイプが大振り 開発期間が長期化し、挫折してしまう。また失 敗した時のダメージが大きくなってしまう。 評価指標が曖昧 品質・速度・再作業率などKPIがなく、改善判断 できない。
14. 必ずおさえる4つのステップ 14 ⚫ 業務理解・設計・検証の観点から、実際に使われるAIエージェントを作るため には次の4つが重要です。 1. 業務を知る 実態の見える化 2. 業務の分解 探す・判断・動くの切り出し 3. 小さく作る 低コストで、小さく作る 4. 評価・改善 「業務への寄与」を基準に育てる
15. 現在の業務を知る 15 ⚫ 全体像の整理： 業務フロー、関係者、入力 データ、判断基準、成果物を網羅的に整理。 ⚫ 例外の言語化： 例外ケースと「なぜそうしてい るか」の背景（根拠・制約）を記録。 ⚫ データの明確化： データの所在（どこにある か・誰が持つか）とアクセス可否を特定。 AI導入の出発点は、現場の実態を正しく把握すること。
16. 業務の分解（探す・判断する・動く） 16 ⚫ 一連のワークフローを分解し、AIの守備範囲を特定する。 • 社内規定の抽出 • 過去の類似案件検索 • 顧客データの突合 探す • 規定への適合判定 • 異常値の検知 • リスクの過多 判断する • ドラフト作成 • システムへ下書き保存 • 要約の通知 動く • 最終内容の承認 • ステークホルダー調整 • 個別案件の例外判断 人 人が担うべき責任 AI守備範囲候補 1ステップ ＝ 1文の粒度 「何を見て、何を決めるか」1つの判断が1つの 文章で完結する状態を目指します。 入出力の定義 各ステップの「入力データ」と「得られる結果」 を整理し、成果物を明確化します。
17. 業務の分解具体例 17 人の役割 請求書PDFから金 額・取引先・日付を 抽出 録音から予算・時 期・キーマンを自動 特定 過去の膨大な報告 書から類似不具合 を全文検索 動く 判断 探す 勘定科目を自動 分類 システムの各入力 項目へ自動で要約 を振り分け 今回のケースへの 適用度を過去の対 策から判定 会計システムに仕 訳を自動登録 上司への報告文と 顧客への返信メー ルを作成 過去事例を引用し た解析レポートの 骨子を作成 自動仕訳のルール 作成や仕訳結果の チェック 経理事務 営業事務 不具合調査 入力内容が商談の ニュアンスと合って いるか微調整する レポートをもとに今 回の対策を決定す る
18. 小さく作る（スモールスタート） 18 ⚫ 優先順位： 高頻度 × 低リスク × ルール明確 な領域から優先。 ⚫ 運用しやすさ： クラウドサービス・社内ツール を活用し、運用・改修コストを最小化。 ⚫ 現場視点： 「今なら現場ですぐ使える」状態が 重要。 低コストで、小さく作る。
19. コストとAIモデルの選択 19 19 性能 速度 コスト 性能 vs コスト 性能が高いモデルを求めると、1 処理あたりの単価が上がります。 性能 vs 速度 性能が高いモデルは処理が重く、 レスポンス遅くなります。 速度 vs コスト 高速かつ安価なモデルは、複雑 な論理的思考は低下します。
20. コスト考慮したAIモデル選択例 20 ⚫ 最適なモデルを使って、精度を下げずにコストを下げましょう。 請求書PDFから金額・取 引先・日付を抽出 録音から予算・時期・ キーマンを自動特定 過去の膨大な報告書か ら類似不具合を全文検 索 動く 判断 探す 勘定科目を自動分類 システムの各入力項目 へ自動で要約を振り分け 今回のケースへの適用 度を過去の対策から判 定 会計システムに仕訳を自 動登録 上司への報告文と顧客 への返信メールを作成 過去事例を引用した解 析レポートの骨子を作成 経理事務 営業事務 不具合調査 高価モデル Claude Sonnet GPT-5o Gemini Pro Claude Haiku GPT-5o mini GPT-5o mini Claude Haiku Gemini Flash Gemini Flash 安価モデル
21. 評価・改善（「業務への寄与」を基準に育てる） 21 60%削減 35%削減 85%削減 ⚫ リードタイム ⚫ 再作業率 ⚫ 手動介入 評価は「AIの精度」ではなく、「業務への寄与」に置く。 「基準の見直し」や「タスク分解の更新」を行い、 ビジネス成果を最大化するための改善サイクルを回し続けます。
22. AIエージェントとの付き合い方 22 ⚫ 業務を知る：教えるために仕事を理解する ⚫ 業務の分解： 業務フローやルールを理解できるように噛み砕く ⚫ 小さく作る： 簡単なタスクから徐々に仕事を任せていく ⚫ 評価・改善（フィードバック）： 仕事を評価し、具体的な改善点を伝える 導入ステップはAIエージェントとの付き合い方にも通じます。 人間の肩代わりしていくための教育プロセス
23. 最初の一歩の具体的アプローチ
24. AI導入から定着化を推進 AI活用ワークショップ 24 ⚫ 業務の「見える化」から改善サイクルの設計まで、お客様とワークショップ形式で実施。 ⚫ AIをどう活用すればいいかわからない状態を防ぎ、現場への定着までを支援。 AI活用の実践 「業務改善ロードマップ」の策定 改善アイデア・付加価値の創出
25. 【例】AI活用ワークショップ 課題とゴール 25 AI活用の実践→定着 継続的な実践と宿題を通じて、 「使い方がわからない」という消極層 を、「日常業務で自然に生成AIを使え るレベル」へと引き上げます。 事業課題 社内問い合わせ対応が増加し、担当 者の負荷が高止まり。対応品質が担 当者ごとにばらつき、業務効率の改 善が急務となっている。 組織課題 新しいツールやデジタル施策に苦手 意識を持つ社員が多く、業務プロセ スの刷新が進まない。 属人化 「問い合わせ内容をどう判断して誰に 相談するか」という判断基準が明文 化されておらず、特定メンバーの経 験に依存している。 改善アイデア・付加価値の創出 問い合わせ対応プロセスを可視化し、 AIが支援できるポイントと、人が価値 を発揮するポイントを再定義。 「業務改善ロードマップ」の策定 導入 → 運用 → 改善のロードマップ を作成。現場が主体的に改善を続け られる仕組みを整備。 ワークショップを通じて「組織全体の積極的な姿勢の醸成」を実現します。 課 題 ワ ー ク シ ョ ッ プ の 成 果 ゴ ー ル 「問い合わせ内容をどう判断して誰にエスカレーションするか」という判断基準が明文化されておらず、特定メンバーの経験に依存している。
26. その他ワークショップご紹介 ⚫ 初級向けのワークショップから業務活用の本格導入まで各種のサービスを提 供しています。 26 生成AI Kick Starter ワークショップ 生成AI エージェント Discovery Workshop カスタムAI業務改善 Hands-on ⚫ 生成AIの活用が進んでいない、 どのように役立ててよいかわか らない企業様向け。 ⚫ ChatGPT等を使用し、生成AIで 何ができるのかを体験します。 ⚫ 個人での生成AIの活用が進んで いるが、AIエージェントによって の業務改善を狙っている企業様 向け。 ⚫ 実際の業務で、生成AIをどこに 使えるかを整理し、アイデア出し を行います。 ⚫ 生成AIのカスタム機能を利用し て、カスタムAIを活用していきた い企業様向け。 ⚫ 弊社が伴走し、生成AIのカスタマ イズを行います。プログラミング 不要のため、どなたでも参加可 能です。 前ページでご紹介
27. 各AIエージェントサービスの特徴 27 • 導入△ カスタマイズ◎ クラウドベンダーAIプラット フォーム • 導入◎ カスタマイズ× 既存SaaSに組み込まれたAI • 導入◎ カスタマイズ〇 BizAIgent 難しい 簡単 高い 低い 導入しやすさ カスタマイズ ローコードも可能だが、使い方、 スキルの習得が必要。 導入、カスタマイズのバランスが 良く、 自社業務にも対応可能 自社専用には基本的にできない。 Microsoft copilot Gemini for Google Workspace AWS Azure Google Cloud ⚫ BizAIgentは導入しやすさとカスタマイズのバランスが優れています。
28. ビジネス向けAIエージェント「BizAIgent」 28 ⚫ 専用環境： 企業データが学 習に使われない安全設計。 ⚫ 柔軟な連携： 既存の独自シ ステムへ機能追加が可能。 ⚫ 低コスト導入： 成果を実感し やすい料金体系。 ⚫ BizAIgent は小さく始めて将来の拡張にも対応できるプラットフォーム。
29. BizAIgent 活用のポイント 29 BizAIgent 作ったツールは無駄にならない ✓ 小さなステップから始められ、試しながら改善するのに最適。 ✓ 自社専用ツール(検索・生成などの連携手段)を追加することで、既存システ ムとの連携も可能。 ✓ ツールは汎用的な連携方法のため再利用可能。一度作ったツールは今後の 資産になります。 弊社が自動でアップデート 付属ツール 専用ツール
30. ツールの連携先具体例 30 BizAIgent 付属ツール 専用ツール ⚫ 基幹システム連携 ⚫ SaaS連携 専用ツール データベース、ファイルサーバなど Salesforceやboxなどのクラウドデータ ⚫ ツールの連携により、社内基幹システムやSaaS(クラウドサービス)の データをAIエージェントに使わせることができます。
31. 本日のまとめ 31 ✓ 業務中の判断・行動を 可視化、言語化 ✓ 低コストで即試せる かたちにする ✓ 「AIができる部分」と「人が すべき部分」を仕分け ✓ 「業務への寄与」を基 準に評価・改善 １度で終わりでなく、繰り返していくことが重要 システムを開発するようにAI設計し、社員を育てるようにAI改善していきましょう。 1. 業務を知る 2. 業務の分解 3. 小さく作る 4. 評価・改善
32. Business 新規事業立ち上げからの伴走 業務改革やIT改革の支援 Design ユーザ視点での設計 Technology 技術による課題解決 Innovation Consultant デザイナーやエンジニアと協力して、 新規サービス立案の支援や新規性の高 いシステムの要件定義を行う。プロ ジェクト全体のマネジメント役も担う。 UX/UI designer UIデザインはもちろん、デザ イン思考やUXデザインのフ レームワークを用いて上流工 程（サービス全体のUX設計） を担う。 Engineer モバイルやWeb、クラウド、 IoTやAIなど、新しい領域の技 術に特化。つくるだけでなく 技術コンサルティングができ る知見を持つ者も多数在籍。 Tech×Design×Biz 一体でお客さまを支援 ⚫ 3領域でサービスを展開 ⚫ 各領域のスペシャリスト を社内に揃える体制 32 ⚫ AWSアドバンストティア サービスパートナー ⚫ AWS Lambdaパートナー ⚫ 内製化支援推進AWSパートナー ⚫ SORACOMソリューションパートナー
33. デジタルビジネス立ち上げを一元的にサポート ⚫ デジタルビジネスに必要な要素にフォーカスし、一元的に提供しています。 ⚫ スモールスタートでの検証から、本開発・継続的な改善までサポートします。 33 ワークショップを中心とし た合理的なプロセスで、ビ ジネスモデルの検討からUX デザインまで、迅速に行い ます。 関係者が多数いる場合の組 織横断、会社横断のファシ リテーションも得意です。 新規性の高いプロジェクト ではMVP（Minimum Viable Product）を用いた検証を行 うなど、目的に応じて段階 的な開発を企画します。 早い段階でモックやプロト タイプを用意してユーザの 評価を確認します。 ユーザとのタッチポイントとなる各種デバ イスのフロントエンドデザインから、クラ ウドサービスを駆使したバックエンドの開 発まで。多様なテクノロジーをインテグ レーションします。 ⚫ AI / IoT ⚫ モバイル・ウェブ アプリ開発 ⚫ クラウドインテグレーション ⚫ システムアーキテクチャコンサルティング など ビジネスモデルのデザイン スモールスタート・PoC システム・インテグレーション ユーザ視点を大切にした アイデア・企画 モックやプロトタイプ の開発・検証 システム・アプリ開発 継続的な改善
35. 参考
36. 参考 36 企業における業務での生成AI利用率 （出典）総務省（2025）「国内外における最 新の情報通信技術の研究開発及びデジタ ル活用の動向に関する調査研究」
37. 参考 37 生成AI導入に際しての懸念事項（国別） （出典）総務省（2025）「国内外における 最新の情報通信技術の研究開発及びデ ジタル活用の動向に関する調査研究」
38. 参考 38 生成AIの活用による効果・影響（国別） （出典）総務省（2025）「国内外における最 新の情報通信技術の研究開発及びデジ タル活用の動向に関する調査研究」
39. 参考 39 ⚫ モデル選択について ⚫ Anthropic ⚫ OpenAI