複数のAIツールをつないで業務ワークフローを設計する

AIを一つのチャット画面で使っているうちは、失敗しても自分がその場で気づいて直せます。ところが「メールを読む→要約する→スプレッドシートに記録する→通知する」のように複数の工程をつなぐと話が変わります。どこか一つの工程でAIの出力がずれると、そのずれが次の工程にそのまま渡り、最後まで気づかれずに残ることがあります。業務ワークフローの設計とは、この一連の流れをどこで区切り、どこにAIを置き、どこに人の確認を残すかを決める作業です。

全体像 — ワークフローを構成する3つの層

業務でAIをワークフロー化する構成は、おおむね3つの層に分けて考えられます。1つ目はChatGPTやClaudeのようなチャット型AIをその都度使う層で、人が毎回操作するため柔軟ですが自動化はされていません。2つ目はZapier・Make・n8nのような連携ツールで、特定のトリガーに応じてAIの呼び出しを含む一連の処理を自動実行します※1※2※4。3つ目はOpenAIやAnthropicのAPIを自社システムやスクリプトから直接呼び出す層で、最も柔軟な反面、開発の手間がかかります※3。多くの職場では、まず1つ目でやり方を固め、繰り返す価値があると分かった作業だけを2つ目に移す、という順番が現実的です。

設計の判断軸 — つなぐ前に決めておくこと

どこで人が確認するか

ワークフローを設計するとき、最初に決めるべきは「どこをAIに任せるか」ではなく「どこで人が最終確認するか」です。社外への送信、金額や日付が絡む処理、顧客情報を含む処理は、AIの出力を人が見てから次に進む承認ステップを挟むのが基本です。承認ステップをどこにも置かない全自動フローは、見た目は効率的でも、誤りに気づく機会を失います。

工程間の入出力形式をそろえる

複数のAI呼び出しをつなぐ場合、前の工程の出力が次の工程の入力になります。ここで「だいたいこんな感じの文章」のような曖昧な形式にしていると、工程が増えるほど形式のズレが蓄積し、途中で処理が止まったり、意図しない値が流れ込んだりします。JSONのような構造化形式で工程間をやり取りする設計にすると、ズレが起きた瞬間にエラーとして検知しやすくなります。

ツールを使い分ける基準

チャット型AI・連携ツール・API直接呼び出しのどれを選ぶかは、頻度と再現性で決まります。月に数回しか発生しない作業をわざわざ連携ツールで組む必要はなく、チャット型AIをその都度使うほうが早いことが多いです。逆に毎日発生し、手順がほぼ固定されている作業は連携ツール化する価値があります。ChatGPT・Claude・Geminiそれぞれの得意分野の違いは用途別に比較した記事で扱っています。

つなぎ方の代表パターン

実務でよく見る構成は、大きく2種類に分けられます。ひとつは「1つのAI呼び出し＋前後の定型処理」というシンプルな構成で、フォーム入力の要約や分類など、単発の判断で完結する作業に向いています。もうひとつは「複数のAI呼び出しを直列につなぐ」構成で、たとえば長文資料を要約するAIと、その要約をもとに社内文書のフォーマットに整形するAIを別工程として分ける形です。工程を分けると、それぞれのプロンプトをシンプルに保てるという利点がありますが、工程が増えるほど失敗ポイントも増えるため、まずは1〜2工程の小さな構成から始めるのが安全です。

陥りやすい失敗

ワークフロー設計でもっとも多い失敗は、最初から完全自動を狙って設計し、テスト運用の期間を取らずに本番データに接続してしまうことです。連携ツールの多くはトリガーの発火条件やAIモデルのバージョンが自社の意図と少しずれているだけで、想定外の件数の処理を走らせてしまうことがあります。ただし、だからといって承認ステップを増やしすぎると、結局すべてを人が見ることになり、自動化の効果がほぼなくなります。作業の重要度に応じて確認の粒度を変える——低リスクな作業は事後チェック、高リスクな作業は事前承認、という段階分けが現実的な落としどころです。もっとも、この線引きは業務内容によって変わるため、一律の正解があるわけではなく、自社の運用に合わせて都度調整する前提で設計してください。

次の一歩

ワークフローの全体像がつかめたら、実際に手を動かして小さな自動化を1つ組んでみるのが次の段階です。具体的な手順は繰り返し作業を自動化する記事で扱っています。プログラミングの知識がなくても組めるノーコードツールの具体的な使い方と実例はノーコードでAIワークフローを組む記事で紹介しています。