AIエージェントは、いきなり任せない——ダン・マーテルの「段階的な信頼」
AIエージェントを導入しようとすると、最初からメール送信、顧客対応、情報収集まで全部任せたくなります。しかし、権限も判断基準も曖昧なまま自動化すると、時間を節約するどころか、確認と修正が増えることがあります。
ダン・マーテル（Dan Martell）は、2026年7月20日公開の公式解説「How to Build Your First AI Agent」で、AIへ渡す仕事を選ぶ「Rule of R」と、目的・役割・情報・範囲・信頼を設計する「AGENT」フレームワークを紹介しています。
以前も取り上げたが、マーテルの中核テーマは、経営者が低付加価値業務を手放し、重要な仕事へ時間を戻すことです。前回は人や外部パートナーへの委任を含む「時間の買い戻し」を扱いました。今回は、AIエージェントに何を任せ、どこまで権限を与えるかを日本企業向けに具体化します。
AIチャットとAIエージェントは何が違うか
マーテルは、チャットを「会議」、エージェントを「従業員」にたとえます。チャットは質問に答えますが、その後のコピー、入力、送信、記録は人が行います。エージェントは、定めた目的に向けて複数の工程を動かし、結果を確認して次の処理へ進みます。
この違いは、文章生成の精度よりも運用設計にあります。たとえば海外ニュースの要約を作るだけならチャットでも可能です。一方、対象サイトを定期確認し、候補を抽出し、重複を除き、出典を記録し、担当者へ報告するところまで一つの流れにすれば、エージェントに近づきます。
ただし、すべてを自動化すればよいわけではありません。最初に、任せる価値のある仕事かどうかを選ぶ必要があります。
最初に「Rule of R」で仕事を選ぶ
マーテルのRule of Rは、AIエージェント候補を三つの条件で絞る考え方です。日本の中小企業では、ツール選びより先にこの選別を行うと、費用と運用負荷を抑えやすくなります。
1．Repetitive——繰り返す仕事か
毎週、毎月、あるいは案件ごとに繰り返す仕事は候補になります。問い合わせの分類、会議録の整理、請求書と発注情報の照合、海外サイトの更新確認、翻訳案件の受付情報の整理などです。
一度しか行わない仕事に複雑なエージェントを作ると、設計時間を回収できません。まずは一定頻度で発生し、担当者が『また同じ作業だ』と感じる仕事を選びます。
2．Rules-based——判断基準を言葉にできるか
入力が同じなら、処理結果もおおむね同じになる仕事が向いています。『金額が10万円を超えたら上長確認』『個人情報を含む添付は自動転送しない』『出典が一次資料でなければ候補に残さない』のように、条件を明文化できるかが目安です。
例外が多く、担当者の経験や交渉に依存する仕事は、最初から完全自動化しない方が安全です。AIには準備と候補提示を任せ、最終判断は人が持つ方法もあります。
3．Return on time——作る時間を回収できるか
2分で終わる月1回の作業に、2週間かけて仕組みを作るのは合理的ではありません。対象業務に毎月何時間使っているか、構築と保守に何時間かかるか、何か月で回収できるかを見ます。
時間だけでなく、抜け漏れの削減、対応速度、履歴の残しやすさも効果に含めます。ただし、効果を大きく見積もらず、小さな試行で実測することが重要です。
AGENTフレームワークを日本企業で使う
Rule of Rを通過した仕事は、AGENTの五つの要素で設計します。これは特定の製品名ではなく、何を決めてから動かすかを整理するチェックリストとして使えます。
A：Aim——成果を一文で定義する
手順ではなく、完了状態を決めます。『メールを処理する』ではなく、『毎営業日9時までに未読を分類し、返信案を作り、経営者の判断が必要なものだけ上段にまとめる』のように書きます。
成果、期限、対象範囲、例外を一文で表せなければ、まだ自動化の準備ができていません。曖昧な目的は、AIだけでなく人への委任でも手戻りを生みます。
G：Give it an identity——役割と禁止事項を決める
AIエージェントの役割、口調、優先順位、担当外の領域を明確にします。顧客窓口を担当するなら、誰を優先するか、どの表現を避けるか、価格や契約条件を勝手に確定してよいかを定めます。
『何をするか』だけでなく、『何をしてはいけないか』を書くと、境界が明確になります。
E：Equip——必要な情報と道具だけを渡す
業務手順、過去の良い例、用語集、判断基準、接続先を用意します。一方で、関係のない顧客情報や社内資料まで渡す必要はありません。情報が多すぎると、重要な条件を見失う原因になります。
機密情報、個人情報、アクセス権限は最小限から始めます。日本企業では、委託先管理、保存場所、利用規約、社内規程との整合も確認が必要です。
N：Narrow the scope——一つの担当に絞る
調査、執筆、送信、請求、顧客管理を一体化した巨大なエージェントより、仕事を分けた方が原因を特定しやすくなります。最初は『候補抽出だけ』『返信案作成だけ』『請求書の不一致検出だけ』のように狭くします。
狭い担当で精度と所要時間を測り、安定した工程だけを後からつなぎます。
T：Trust——信頼は段階的に広げる
最初から送信、支払い、公開、削除まで許可しません。マーテルが示す考え方は、まずガードレールを決め、当初はすべて人が承認し、実績に応じて権限を広げ、最後に定期実行へ進むというものです。
第1段階：情報を読み、候補を提示するだけ
第2段階：下書きや処理案を作り、人が承認する
第3段階：低リスクの定型処理だけ自動実行する
第4段階：例外を人へ戻し、通常処理を定期実行する
誤送信、誤公開、誤削除の影響が大きい業務ほど、承認段階を長くします。権限は一度与えて終わりではなく、誤りの傾向や業務変更に応じて見直します。
日本の中小企業で試しやすい3つの業務
海外情報の定点観測
指定した公的機関や企業サイトを確認し、更新候補、公開日、原典URL、要約を一覧化します。外部公開は人が確認してから行い、最初は『候補抽出』に限定すると始めやすい業務です。
法人問い合わせの一次整理
問い合わせを見積もり、既存顧客、採用、営業などに分類し、不足情報を示します。返信の送信はせず、担当者が判断できる状態を作るところまでにすると、リスクを抑えながら時間を節約できます。
案件開始時のチェック
契約書、発注書、納期、担当者、資料、機密指定などの不足を検出し、確認事項をまとめます。顧客オンボーディングの抜け漏れ防止にも使えますが、契約解釈や条件確定は人が担当します。
30日で始める小さな導入計画
第1週：対象業務を一つ選ぶ
Rule of Rで候補を三つ挙げ、頻度、判断基準、月間時間、失敗時の影響を比較します。最初は、外部送信や金銭移動を伴わない業務を選びます。
第2週：完了条件と例外を文書化する
目的を一文で書き、入力、出力、期限、参照資料、禁止事項、例外時の連絡先を決めます。過去の良い成果物を3〜5件用意します。
第3週：下書き限定で試す
AIは提案だけを作り、人が全件確認します。正解率だけでなく、修正時間、見逃し、不要な確認の数を記録します。
第4週：一つだけ権限を広げる
安定している定型処理を一つ選び、自動実行へ移します。それ以外は承認制を維持します。導入前後で担当者の時間、処理速度、ミスの件数を比較し、継続するか判断します。
「時間を買い戻す」と「責任の所在」を両立させる
マーテルの「時間を買い戻す」考え方は、AIエージェントでも同じです。ただし、人からAIへ仕事を移す場合、失敗時の責任まで移るわけではありません。目的、権限、監査、停止条件は会社側が持ちます。
運用開始後は、レイラ・ホルモジのアカウンタビリティ方程式と組み合わせ、期待値・測定・フィードバックを定期的に確認すると、AIの判断を放置せず改善できます。
AI導入の目的は、最新技術を使っていると示すことではありません。繰り返し業務を安全に減らし、人が顧客理解、品質判断、交渉、創造に時間を使える状態を作ることです。
まとめ：最初に任せるのは、権限ではなく下書き
AIエージェントの成否は、モデルの性能だけでなく、仕事の選び方と信頼の広げ方で決まります。反復性、ルール、時間対効果を確認し、目的と担当範囲を狭く定め、最初は提案だけを任せる。
まず今週、毎週繰り返している作業を一つ選び、その完了条件と『AIがしてはいけないこと』を一枚に書いてみてください。自動化すべきかどうかも、その文書から見えてきます。
原典
海外のAI活用事例を、自社の判断材料へ
海外企業のAI活用、業務設計、導入事例を、自社の課題に合わせて調査したい方は、アシーマの海外情報リサーチをご覧ください。一次資料を確認し、意思決定に使える形へ整理します。
コメント