0 1 / I N T R O Copilot CoWork や Copilot Studio を、 業務成果に つなげる設計。 AIエージェントを「便利な補助ツール」から 「業務プロセスの一部」へ移すための設計論。 2 0 2 6 . 0 5 . 2 0 · D e s i g n N o t e 

W o r k f l o w D e s i g n f o r A I A g e n t s S E C T I O N 1 · A I A G E N T S A T W O R K D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 1 AIエージェントの実務 

W o r k f l o w D e s i g n f o r A I A g e n t s 0 2 A G E N T S A T W O R K 02 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o AIエージェントが、 業務に入ってくる感覚。 最近、Copilot CoWork や Copilot Studio のような仕組みを見ていて、AI に任せられる領域は具体的になってきた。 A I が 処 理 す る 作 業 領 域 0 1 メールを確認する 0 2 Slackから依頼事項を抽出する 0 3 議事録からタスクを整理する 0 4 商談前に関連資料を集める 0 5 提案資料の初稿を作る 0 6 日程調整の下書きを作る 

W o r k f l o w D e s i g n f o r A I A g e n t s 0 3 I N P R A C T I C E 03 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 私 自 身 の 試 み 私自身も、Notion AI のカスタムエージェント で既に自立エージェントを運用している。 メール / Slack / 社内ドキュメント / PMツールの情報をもとに、業務の入口から実 行前の確認までを4段で進める。 0 1 抽出 メール / Slack / 社内ドキュメ ント / PMツールから、自分が 担当の依頼・確認事項を抽出。 0 2 Inbox 抽出内容を一次受付として Inbox に登録。即時実行 / 前提 整理 / 関係者調整に振り分け る。 0 3 分類 実行可能なものはタスクリスト へ。前提整理や調整が要るもの はタグ付きでバックログへ。 0 4 実行 実行条件が揃ったものは下書き 作成・日程候補・仮予定登録・ Slack通知まで進める。 

W o r k f l o w D e s i g n f o r A I A g e n t s 0 4 A G E N T E X E C U T I O N 04 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o E x e c u t i o n P i p e l i n e AIは、文章作成の道具を超える。 タスクリストに入ったもののうち実行条件が満たされているものは 、AI側で実行前まで進められる。AIは、業務の入口から実行前の確 認までを支援する存在になる。 メール下書きの作成 日程候補の作成 仮予定のカレンダー登録 Slack / Notion への確認依頼通知 

W o r k f l o w D e s i g n f o r A I A g e n t s S E C T I O N 2 · C O P I L O T C O W O R K / S T U D I O D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 2 Copilot CoWork / Studio 

W o r k f l o w D e s i g n f o r A I A g e n t s 0 5 C O P I L O T C O W O R K — O V E R V I E W 05 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o Copilot CoWork は、 「答える Copilot」から「実行する Copilot」へ。 Anthropic の Claude Codeの仕組みを裏側に、Outlook / Teams / Word / Excel / PowerPoint / SharePoint を横断して、複数ステップの業務を自律的に実行する。 リ リ ー ス 2026.03 Wave 3 発表。Frontier preview で先行提供。 モ デ ル Claude 4.6 / Opus 4.7 Anthropic との提携。Auto Mode も選択可。 範 囲 M365 全体を横断 Outlook / Teams / Word / Excel / PPT / SharePoint。 振 る 舞 い Plan → 実行 → 承認 outcome を伝えると plan を立て 、checkpoint で確認を取る。 

W o r k f l o w D e s i g n f o r A I A g e n t s 0 6 C O W O R K — B U I L T - I N S K I L L S 06 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 13個のビルトインスキルが、 オンデマンドにロードされる。 各スキルは「依頼を理解 → 必要データ収集 → 出力作成」までを1ドメインで完結する完全なワークフロー。会話 中にアクティブなスキルがサイドパネルに表示される。 Word Excel PowerPoint PDF Email Scheduling Calendar Management Meetings Daily Briefing Enterprise Search Communications Deep Research Adaptive Cards 

W o r k f l o w D e s i g n f o r A I A g e n t s 0 7 C O W O R K — E X E C U T I O N F L O W 07 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 目的を伝えると、プランを立て、 HITLで確認を取りながら実行する。 不可逆な操作（メール送信、Teams投稿など）の手前で必ず停止し、リスクレベルを提示し て承認を求める。 0 1 伝 える outcome を自然言語で伝 える 0 2 計 画 Work IQ で M365 信号を 集約し plan 化 0 3 実 行 必要スキルをロードしてバ ックグラウンド実行 0 4 確 認 リスクレベル付きで承認を 求める 0 5 完 了 確認を経て結果を反映 

W o r k f l o w D e s i g n f o r A I A g e n t s 0 8 C O W O R K — C U S T O M S K I L L S 08 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o Custom Skills で、自社業務に合わせる。 組織・チーム・個人の標準やプロセスを織り込みたい場合は、Custom Skill を定義する。 自然言語で「いつ・何を・どう」をmd形式で記述し、参照アセットとして紐付ける。 ※ 参照ファイルは OneDrive / SharePoint 上にあること。プレビュー段階のため仕様は更新される。 作 成 手 順 0 1 目的を書く（いつ起動し、何を返すか） 0 2 手順を自然言語で記述する 0 3 参照する資料・テンプレートを紐づける 0 4 承認が必要なアクションを指定する 0 5 テスト → 公開（個人 / チーム / 組織） 紐 づ け る ア セ ッ ト テ ン プ レ ー ト Word / PPT / Excel の社内テンプレート 文 書 業務手順書・社内方針・FAQ デ ー タ SharePoint / OneDrive 上の参照データ ル ー ル 承認条件・トーン・出力フォーマット 

W o r k f l o w D e s i g n f o r A I A g e n t s S k i l l の 作 り 方 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o まず一緒にやって、Skillにする。 Skillはいきなり書かない。エージェントと並走しながら一度やってみせ、 その後で「これをSkillにして」と渡すのが鉄板。 ① 並走する 最初は自分が手を動かしながら、エー ジェントに横でやらせる。判断ポイン トや参照先をその場で見せる。 ② 型を抜き出す 一度回し終えたら、何を見て / どう判 断したかを言語化する。エージェント との会話履歴がそのまま素材になる。 ③ Skillに固定 「じゃあこれをSkillにして」で型を固 定。次から似た業務はそのSkillで再現 できる。 

W o r k f l o w D e s i g n f o r A I A g e n t s S k i l l で オ ン ボ ー デ ィ ン グ D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o Skillが、業務へのAIオンボーディン グになる。 Skill は HITL で対話的に進められる。 業務とSkillを紐づければ、AIに対するオンボーディングを実務の流れの 中で行える。 対話で型を渡す Skill は HITL で対話的に育てられる。 一発で完成させず、確認・修正の往復 で型を渡していく。 業務に紐づける Skillを実際の業務プロセスに紐づける。 担当者がやってきたことを、AIが同じ 流れで再現できる状態へ。 使うほど育つ 運用を重ねるほどSkillが業務に馴染む。 新メンバーの研修と同じ感覚で、AIが 組織に組み込まれていく。 

W o r k f l o w D e s i g n f o r A I A g e n t s 0 9 C O W O R K — F O L D E R L A Y O U T 09 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o Custom Skill とアセットの、推奨フォルダ構成。 OneDrive / SharePoint に、スキル定義・テンプレート・参照資料・出力・ログを分けて置く。各スキルは自分専 用のサブフォルダを持つ。 /AI-Operations/ ├─ Skills/ │ ├─ SalesPrep/ ← 商談準備 │ ├─ MailDraft/ ← 返信下書き │ └─ WeeklyReport/ ← 週次レポート ├─ Templates/ ← Word / PPT / Excel ├─ References/ ← 確定 / 未確定 を分離 ├─ Outputs/ ← Inbox / Task / Backlog └─ Logs/ ← 実行ログ・修正履歴 各 ス キ ル 直 下 の 構 成 skill.md 目的・手順・承認条件を記述 templates/ 出力フォーマット雛形 references/ 参照資料・FAQ・社内方針 examples/ good / bad 出力例 

W o r k f l o w D e s i g n f o r A I A g e n t s S E C T I O N 3 · W O R K F L O W D E S I G N D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 3 業務設計の本質 

W o r k f l o w D e s i g n f o r A I A g e n t s 1 0 T H E R E A L D I F F I C U L T Y 10 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 本当に難しいのは、 AIの性能そのものではない。 難しいのは、業務をAIが処理できる単位に分解し、参照す べき情報、判断基準、確認条件、評価方法を設計すること だ。 「メールとSlackを確認して、必要なタスクを整理しておいて」——人間に対 しては自然な指示も、AIに安定して処理させるにはまだ大きすぎる。 

W o r k f l o w D e s i g n f o r A I A g e n t s 1 1 D E C O M P O S I T I O N 11 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o ひとつの指示を、6つの処理に分ける。 「タスク整理」という大きな作業ではなく、情報の抽出・分類・登録・実行可否の判定・下書き作成・通知の6処理に分 解する。 0 1 抽出 メール・Slack本文から、自分が担当者 として明示されている依頼事項を抽出 。 0 2 分類 返信が必要 / 期限あり / 確認のみ等、 対応の性質ごとに分類する。 0 3 登録 Inbox に登録し、即時実行できるもの と前提整理が必要なものに分ける。 0 4 判定 別エージェントがタスクリストを確認 し、実行条件が揃った項目だけを処理 。 0 5 下書き Gmail の下書き、カレンダーの候補日 時、仮予定の登録までを生成。 0 6 通知 処理が完了したら、Slack や Notion に 確認依頼を通知する。 

W o r k f l o w D e s i g n f o r A I A g e n t s 1 2 R O U T E & T A G 12 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 即時実行か、バックログか。 それぞれに必要な設計。 即 時 実 行 実行条件が揃ったもの。返信文の作成、日程候補の提示 、資料の確認、軽微な修正依頼など。 → 返信下書き / 日程候補 / 資料確認 / 軽微修正 前 提 整 理 が 必 要 関係者調整が必要、前提情報が不足、仕様や方針を決め る必要があるもの。 → タグ：プロジェクト / カテゴリ / 緊急度 / 人間判断 分解しないままAIに任せると、参照根拠も分類理由も確認タイミングも分からず、業務で継続的に使えなくなる。 

W o r k f l o w D e s i g n f o r A I A g e n t s 1 3 M E E T I N G P R E P 13 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o P r e p a r a t i o n AIが資料・論点・初稿を整える。 商談準備でも、同じ問題が起きる。 カレンダーに商談予定が登録されたら、AIに必要な情報を集めさせ、論点と初 稿を作らせる。AIは最終判断ではなく、人間が確認できる状態を作る存在。 A I が 集 め る 情 報 顧客名 / 参加者 / 商談目的 / 過去のやり取 り 議事録 / 提案資料 / 契約情報 / 顧客別メモ / 過去メール 判 断 が 必 要 な 5 項 目 どの資料を参照してよいか / どれが最新か どれが仮説か / 顧客に提示してよいか どの段階で人間が確認するか これらが決まっていなければ、AIは正しい準備を安定して行えない。 

W o r k f l o w D e s i g n f o r A I A g e n t s 1 4 S K I L L D E S I G N 14 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o スキル設計とは、 AIが業務判断できる状態を作ること。 スキルとは、単なるプロンプトではない。 業務上の判断をAIが処理できる形に明文化したもの。 これがなければ、文章としては自然でも、業務上は使えない出力になりやすい。 明文化されてはじめて、AIは業務に必要な出力を安定して作れる。 

W o r k f l o w D e s i g n f o r A I A g e n t s 1 5 S E V E N E L E M E N T S 15 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o スキルが明文化する、7つの判断。 どの情報を / どこまで信頼し / どれを仮説扱いし / どの条件で自動処理し / どこで人間が確認し / どの形式で成果物に し / 何を基準に評価するか。 0 1 参照 どの情報を参照するのか 0 2 信頼 どの情報を信頼してよいのか 0 3 仮説 どの情報は仮説として扱うの か 0 4 自動 どの条件なら自動処理してよ いのか 0 5 確認 どの条件なら人間の確認が必 要か 0 6 成果 どの形式で成果物を作成する のか 0 7 評価 作成後に何を基準に評価する か 

W o r k f l o w D e s i g n f o r A I A g e n t s 1 6 C A S E — D R A F T I N G A R E P L Y 16 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o メール返信下書きでも、 参照すべき情報は一つではない。 過去メール履歴 顧客情報 契約条件 直近の議事録 社内対応方針 担当者の判断メモ 情報の優先順位は何で決めるか。 古い情報と新しい情報が矛盾するときどう扱うか。 未承認の方針を返信文に含めてよいか。 

W o r k f l o w D e s i g n f o r A I A g e n t s S E C T I O N 4 · I N F O R M A T I O N S T A T E D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 4 情報の状態管理 

W o r k f l o w D e s i g n f o r A I A g e n t s 1 7 I N F O R M A T I O N S T A T E 17 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 社内情報に、状態管理が要る。 人間は文脈から「これは確定ではない / 担当者の仮説だ」と判断できる。AIにとっ て両者の混在は、根拠不明な出力を生む。 確 定 情 報 売上実績 / 契約情報 / 請求金額 / 納期 / 担当者名。 事実として参照してよい情報。 未 確 定 情 報 営業所感 / 顧客の温度感 / 検討中の提案 / 未承認の施 策案。 仮説として扱うべき情報。 メタデータが無いと、AIは古い情報や未承認情報を根拠にしてしまう。AIの実務品質は、社内情報の整理と判断基準の明文化 で決まる。 

W o r k f l o w D e s i g n f o r A I A g e n t s 1 8 M E T A D A T A 18 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o ドキュメント側にも、状態管理が要る。 メタデータというよりは、その情報がファクトか仮説かをドキュメント自体に持たせる。ここを混同しない設計に できる。 状態 確定 / 仮説 / ドラフト / 承認 済 のいずれか。 時点 いつ時点の情報か。最新性の 判断軸。 作成者 誰が作成したか。 承認者 誰が承認したか。 プロジェクト どのプロジェクトに関係する か。 使用工程 どの業務プロセスで使用して よいか。 公開範囲 顧客提示の可否。 有効期限 情報が古くなる時点。 ドキュメント自体に状態を持たせることで、AIはファクトと仮説を混同せずに参照できる。 

W o r k f l o w D e s i g n f o r A I A g e n t s S E C T I O N 5 · T O O L R O U T I N G D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 5 ツールの使い分け 

W o r k f l o w D e s i g n f o r A I A g e n t s 1 9 T O O L R O U T I N G 19 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 処理の性質で、4つを使い分ける。 Copilot CoWork / Studio / Power Automate / スクリプトは競合しない。性質で配 分する。 0 1 Copilot CoWork 業務フロー未確定。自然言語で試行・検証する段階に使う。 0 2 Copilot Studio 処理手順が見えてきた業務を、フローとして設計する。 0 3 Power Automate 条件分岐・通知・登録など、実行内容が固定された処理。 0 4 Script / Rule 形式チェック・数値検証など、判定基準が明確な処理。 

W o r k f l o w D e s i g n f o r A I A g e n t s 2 0 R O U T I N G R U L E S 20 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 使い分けの基準は、5つに整理できる。 AIに任せるべき処理と、決定論的に実行すべき処理を区別するための基準。 0 1 未確定 + 自然言語 業務フローが未確定で、自然言語による試行が必要 → Copilot CoWork 0 2 手順可視化 処理手順が見えてきたら、Copilot Studio で業務フローとして設計 0 3 固定実行 条件分岐・通知・登録のように実行内容が固定 → Power Automate 0 4 明確な判定 形式チェックや数値検証のように判定基準が明確 → スクリプト 0 5 自然言語判断 文脈理解・情報統合・初稿作成・曖昧依頼の整理 → Copilot CoWork 

W o r k f l o w D e s i g n f o r A I A g e n t s S E C T I O N 6 · O P E R A T I O N S D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 6 運用と改善 

W o r k f l o w D e s i g n f o r A I A g e n t s 2 1 E V A L / L O G / C O S T 21 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 実運用では、評価・ログ・コストが要。 検証段階では一つの大きな指示でもよい。実運用では、抽出・分類・検索・下書き・検 証・通知を分離し、工程ごとに評価する。 評 価 評価の6観点 · 正しい情報を根拠にしているか · 古い / 未承認の情報を参照していないか · 担当者と期限を正しく抽出できているか · 承認が必要な処理を自動実行していないか · そのまま確認できる品質になっているか · コストが削減時間や成果に見合うか ロ グ ログの7項目 · いつ実行されたか · どのスキルが使われたか · どのファイルを参照したか · どのモデルを使ったか · どれだけコストが発生したか · 人間がどの箇所を修正したか · どのエラーが発生したか コ ス ト 改善の観点 · 毎回同じ修正 → 参照や出力形式を見直す · 分類誤り → 分類ルール・タグ設計を修正 · 高コスト工程 → 軽量モデルへ置換 · 回帰 → ログから原因工程を特定 

W o r k f l o w D e s i g n f o r A I A g e n t s 運 用 と コ ス ト D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o タスクとモデル性能を、 コストで紐づける。 トークンコストは上昇傾向にある。すべてを最上位モデルで回すのは現 実的でない。処理ごとに必要な性能を見極めて配分する。 ① コストの見立て トークン単価は上昇傾向。1タスクあ たりのコストを定常的に把握し、運用 前提に組み込む。 ② 性能の階層化 判断 / 文章生成 / 抽出 / 形式チェック など、必要な性能はタスクごとに異な る。 ③ モデルを紐づける 高負荷な判断は上位モデル、定型処理 は軽量モデルへ。Skill単位でモデルを 指定できるよう設計する。 

W o r k f l o w D e s i g n f o r A I A g e n t s 2 2 H O O K S — T R I G G E R & L O G 22 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o Hooksのような仕組みで、 より確度の高いエージェント処理を。 Claude Code の Hooks のような仕組みを使えば、特定の処理が完了したタイミングで、ログ記録・形式チェ ック・追加検証を自動的に実行できる。 き っ か け AI処理が完了 資料生成・タスク作成・下 書き完了など、特定イベン トを起点にする。 実 行 Hookが起動 スクリプト / ルールベース 検証 / ログ記録を自動で呼 び出す。 確 認 形式と内容を判定 事前定義したチェック項目 に合致しているかをルール で判定する。 フ ラ グ 修正依頼を出す 問題があれば修正対象とし て記録し、人間または AI に修正依頼を回す。 

W o r k f l o w D e s i g n f o r A I A g e n t s H o o k s の 活 用 例 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 毎プロンプトで、 Skillsの利用を促す。 プロンプト挿入時のHookで「該当するSkillがあれば、それで実行して ね」を毎回差し込む。ユーザーが意識せずとも、Skillsの実行率が上がる。 H O O K O N P R O M P T I N S E R T 「該当するSkillがある場合は、それで実行してね。」 → ユーザーが書いたプロンプトの前段に自動挿入される。エージェントは登録済みSkillを優先的に参照するようになる。 

W o r k f l o w D e s i g n f o r A I A g e n t s 2 3 H O O K S — I N P R A C T I C E 23 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o 例：PowerPoint資料が生成された瞬間に、 5つのチェックを走らせる。 AIが資料を生成したタイミングで Python スクリプトを起動。事前定義したチェック項目に違反していれば、 修正対象として記録し、人間または AI に修正依頼を出す。 0 1 文字のはみ出し テキストボックスの外へ文字 がはみ出していないか。 0 2 必須項目の欠落 指定された必須スライド・要 素が揃っているか。 0 3 画像の配置 画像の位置・サイズ・重なり が規定どおりか。 0 4 スライド枚数 枚数の上限・下限を満たして いるか。 0 5 フォーマット一致 指定テンプレート・命名規則 と一致しているか。 

W o r k f l o w D e s i g n f o r A I A g e n t s 2 4 C L O S I N G 24 / 24 D e s i g n N o t e · C op i l o t C o Wo r k / S t u d i o AI導入ではなく、 業務設計が成果を決める 。 業務を、AIが処理できる単位に分解する。 社内情報の状態を、メタデータで管理する。 スキルを設計し、判断基準を明文化する。 評価とログで、改善できる仕組みを持つ。 エージェント / ワークフロー / スクリプトの分担を 決める。