エンジニアがいない会社でAIエージェントは使えるのか

公開日: 2026-08-17

「AIエージェントが業務を自動化する」という話は毎日のように流れてくるのに、社内を見渡すとコードを書ける人が一人もいない。試しに触ってみた担当者が「黒い画面が出てきて止まった」と報告してくる。研修を検討しても、費用が妥当なのか、受けたあと本当に業務が変わるのか判断がつかない——そういう段階の方に向けて書きます。読み終えたときに、自社のどの業務から始めるべきか、社内ルールで何を決めておくべきか、研修や外部支援を選ぶときに何を聞けばいいかが、自分の言葉で言えるようになるはずです。

「コードを書くツールだからエンジニア向け」は、画面の見た目に引きずられた誤解

AIエージェントがやっていることを分解すると、「指示を理解する」「手元のファイルやデータを読む」「手順を分けて実行する」「結果を出力する」の4つです。このうちコードが関わるのは3つ目の一部にすぎません。エンジニアがこれを歓迎したのは、彼らの仕事がもともとファイル操作と手順の連続だったからで、ツールが専門職向けに作られているからではありません。

逆に言えば、ファイルが散らばっていて、手順が決まっていて、量が多い仕事なら、職種は関係なく効きます。経理の月次処理、人事の応募者データの整理、営業の提案書づくり。むしろ非エンジニアの業務のほうが「決まった手順を人が手で繰り返している」割合が高く、伸びしろは大きいのが実感です。

判断の目安はシンプルで、その業務を新人に引き継ぐときに手順書が書けるかどうか。書けるなら、AIエージェントにも渡せます。書けない業務——経験者の勘で判断が変わる仕事——は、後回しにしたほうが失敗しません。

効くのは「散らばった情報を一つの成果物にまとめる」仕事

具体的に成果が出やすいのは次のような業務です。

複数の議事録や日報から、決定事項と保留事項を抜き出して一覧にする
フォーマットの違う複数のCSVやExcelを、同じ列構成に整えて突き合わせる
過去の提案書を読み込ませ、今回の相手向けに構成案と初稿を出す
問い合わせ履歴を分類し、FAQの候補を作る
定型的な社内文書を、決まったテンプレートに沿って量産する

ある製造業の会社では、複数拠点から送られてくる形式の違う生産日報の突き合わせに毎月まとまった時間を使っていました。ここにAIエージェントを入れたのは製造管理の担当者で、プログラミング経験はありません。効いた理由は本人のスキルではなく、入力の形が毎月ほぼ同じで、正解かどうかを担当者自身が即座に判定できたことです。

この「正解を自分で判定できるか」が、非エンジニアのAI活用で最初に確認すべき条件だと考えています。出力が正しいか判断できない業務にAIを入れると、確認のために別の人の時間を食い、結果として工数が増える。危険な兆候は「AIに出させた資料を、上司が全部読み直している」状態です。それは自動化ではなく、レビュー工程の追加になっています。

最初のつまずきは環境構築ではなく、「誰の権限で何を触らせるか」

環境構築は、詰まっても半日から1日で越えられます。実際に導入を止めるのは、そのあとに出てくる社内の話です。

情報システム担当と現場で揉めやすい論点は、だいたい3つに集まります。ひとつ目は、AIエージェントに社内の共有フォルダへのアクセスを許すかどうか。ふたつ目は、アカウントを個人単位で持たせるか部署の共有にするか。みっつ目は、利用ログを誰がどの頻度で見るか。ここを決めずに現場が先に走ると、あとから「見せてはいけないファイルが読まれていた」という話になり、一度止まった導入は再開が難しくなります。

先に決めるべきは、禁止事項の網羅ではなく、最初の3か月で触らせる範囲の線引きです。私たちが伴走する場合も、まずは業務データのコピーを置いた作業用の場所を一つ用意し、原本には触らせないところから始めます。段取りが地味なほど、社内の合意は早い。

良い兆候は、情報システム担当が「この範囲ならいい」と条件付きで許可を出せている状態。危険な兆候は、判断が保留のまま現場が個人アカウントで先行し、誰がどのデータを入れているか把握できていない状態です。

社内ルールは「持ち込んでよいデータの階層」で書くと運用が続く

禁止事項を箇条書きで並べたルールは、たいてい読まれません。現場が知りたいのは「この資料は入れていいのか」という一点だからです。

そこで、データを3階層に分けて書くほうが機能します。公開情報と社内一般文書は自由に扱ってよい層。顧客名や個人情報を含むものは、加工して識別できない形にすれば可の層。人事評価、未公開の財務、契約書原本は持ち込まない層。この3行を全社員が言えれば、細則の大半は要りません。

もうひとつ入れておきたいのが、「AIの出力をそのまま社外に出さない」という一文と、その責任者を業務単位で決めておくこと。後から気づく落とし穴として多いのは、社外向け資料の数字がいつのまにかAIの生成物になっていて、出典を辿れなくなるケースです。数字と固有名詞は人が確認する、と決めておくだけで防げます。

費用は「ライセンス」より「教える人と質問を受ける人の時間」で膨らむ

研修や導入支援の見積もりを見るときは、金額の総額より内訳を見てください。変動するのは主に次の項目です。

ライセンス費（利用者数と使うモデルの種類で動く）
講師の稼働（集合研修か、部署別か、実務のハンズオンを含むか）
教材を自社業務に合わせて作り替える工数
社内推進者の時間（ここが見積もりに載らないまま、実際には一番かかる）
研修後の質問対応期間の長さ

同じ「AI研修」でも、汎用教材を一度講義するのか、自社の実データで成果物が出るところまで付き合うのかで性質が別物になります。安く見える見積もりは、多くの場合4番目と5番目が発注側に残っている構造です。

公的な訓練助成を使う場合は、訓練時間や計画の事前提出といった要件を満たすカリキュラムの組み方が前提になります。相場を聞くより先に、商談で次の質問をしてみてください。「御社の研修で、成果物が出るところまで持っていける業務はどれですか。逆に、扱えない業務を教えてください」「研修後の2〜3週間、現場から出る質問は誰がどこで受けますか」「助成の計画に合わせてカリキュラムを調整した経験はありますか」。この3つへの回答の具体性で、実務を分かっている相手かどうかはかなり分かります。

定着しない理由の大半は、意欲ではなく業務の切り出し方

研修直後は盛り上がるのに1か月で誰も使っていない、という相談をよく受けます。原因を辿ると、ほぼ「毎週発生する業務に紐づいていない」ことに行き着きます。月1回の業務では手順を忘れ、思いついたときに使う運用では習慣になりません。

だから最初に選ぶのは、週に1回以上発生し、担当者が2〜3人いて、出力の正誤を自分で判定できる業務。1つだけです。同時に複数の部署で始めると、うまくいかなかった理由の切り分けができなくなります。

内製化を目指す場合も順番は同じで、外部に丸ごと任せる期間を置いてから引き取るより、最初の1業務を社内の担当者が主導し、詰まったところだけ外部に聞く形のほうが残ります。私たちが採用領域の支援で伴走型を取るのも、運用を手放したときに社内に何も残らない例を見てきたからです。

まとめ

明日やることは2つに絞れます。ひとつは、週1回以上発生していて出力の正誤を担当者本人が判定できる業務を、部署を横断して3つ書き出し、そのうち1つを選ぶこと。もうひとつは、持ち込んでよいデータの3階層を1枚にまとめ、情報システム担当と5分で合意を取ることです。この2つが済んでいれば、研修や外部支援の検討はぐっと具体的になります。トレプロでも、将来の内製化を見据えた伴走の形で、こうした最初の1業務の設計からご相談を受けています。