AIエージェント導入は2つの路線に分かれます
現場で300件量産するか基幹業務へ1本組み込むか

「AIエージェントを導入したい」を受け取った方へ

経営層や事業部門から「うちもAIエージェントを」と言われ、何から手を付けるか整理している情報システム部門・DX推進担当の方に向けて書いています。

最初に決めるべきは製品選定ではありません。いま語られている「AIエージェント」が2つの別物を指していることを確認し、自社の話がどちらなのかを仕分けることです。2026年に入って、その2つの路線それぞれに実名の事例が出揃いました。

参天製薬の300件は「数」が本質です

参天製薬は2026年に入り、全社員がコードを書かずにAIエージェントを作れる環境を整え、営業など現場の社員が半年で300件を超える業務支援ツールを実装したと報じられています（日本経済新聞「参天製薬の現場発AIエージェント、半年で実装300件 営業練習も」）。

見出しの「現場発」が路線の核心です。IT部門が作って配ったのではなく、業務を知っている本人が自分の困りごとを自分で直しています。営業の練習台のような使い方も報じられており、1件1件は小さい。300件の合計でROIを説明する性質のものではなく、業務を知る人が待たずに直せる状態そのものが成果です。

この路線でIT部門が担うのは、個々のエージェント開発ではありません。誰が作っても事故らない環境——接続してよいデータの範囲、権限の上限、作ったものの棚卸し——を先に設計することです。エージェントに与える権限の考え方はAIエージェントに業務を任せる前に権限をコードで絞るで扱いました。

トヨタファイナンスの1本は「設計」が本質です

トヨタファイナンスは、顧客対応の本番環境にAIエージェントを導入し、月数千件発生するメール問い合わせの処理時間を1件あたり平均13分から平均4分にしています（IoTNEWS 2026年5月15日）。

数字より注目すべきは処理の組み立てです。報道によれば、ロボットが顧客情報システムなどの既存レガシー環境から必要な情報を集め、AIエージェントが回答案を作り、最後は人間が確認して送るという分担になっています。曖昧な判断をAIに任せきるのではなく、レガシー操作・起案・確認へ業務プロセスを分解し直しているわけです。

つまりこの路線の実体は、AIツールの導入ではなく業務システム開発です。レガシーシステムとの接続、例外時の扱い、人が確認する箇所の設計、検収の基準。作る前に決めることが多く、そこにエンジニアリングの工数がかかります。最終確認を人に残す設計の考え方はAIが作ったコードを人がレビューする理由で書いたものと同じです。

分かれ目は「失敗が誰の手元で止まるか」です

現場量産の路線で失敗しても、困るのは作った本人です。気づいて、直すか捨てる。だから量産できます。

基幹組み込みの路線で失敗すると、間違いは顧客に届きます。だから1本ごとに設計と検証が要ります。

対象業務の重要度ではなく、失敗の届く先で路線が決まります。

仕分けの実務

自社で挙がっている「エージェントでやりたいこと」のリストを、次の基準で2つに割ってみてください。

この仕分けは、内製と外注の境界線でもあります。現場量産の路線は、作るのは現場で、外部の支援が活きるのは最初の環境設計とガードレールまで。基幹組み込みの路線は接続・例外・検収を伴う開発案件なので、社内に開発体制がなければ外部と組むことになります。運用後の費用構造はAIエージェントの運用コストで扱っています。

300件と1本は、両方やる会社が勝ちます

2つの事例は対立していません。参天製薬の路線は現場の改善速度を上げ、トヨタファイナンスの路線は基幹業務の原価を下げる。効く場所が違うだけで、いずれ両方に手を付けることになります。

順番だけ間違えないでください。基幹組み込みを「とりあえずツールを配れば現場がやるだろう」で始めると失敗し、現場量産を開発案件として1件ずつ稟議に載せると止まります。導入の意思決定そのものの持ち方は生成AIを使う日本企業は86.4%で組織として何も決めていない企業は27%で扱いました。

手元のリストをどちらの路線で進めるか仕分けたい段階でしたら、お問い合わせからご相談ください。塗り分けから一緒にやります。