AIによる意思決定支援の設計と最終判断の分担
参照したAIgram
目次
概要
「AIに判断してもらう」と聞くと、AIが答えを出してくれる場面を思い浮かべる方が多いと思います。ただ、実際の事例を見ると、AIが担っているのは判断そのものではなく、その手前にある選択肢づくりと比較の準備です。
株式会社ムダレスのmudaless-Oneは、設備ごとの老朽化リスク、ライフサイクルコスト、エネルギー使用量、CO₂排出量を設備単位で一元化し、独自の評価ロジックとシミュレーション機能によって「いつ・何に・いくら投資すべきか」を導き出します mudaless-Oneで工場設備投資を支援。株式会社プエンテの「知識の複利ループ」は、AIが提案書やチェックリストなどのドラフトを作成し、最終判断は人が行う設計です プエンテ「知識の複利ループ」の業務パックと最終判断。日程調整AIエージェントは、カレンダーの空き時間や既存の予定を参照し、移動時間や優先度の高い予定を考慮した候補日時を提示します 日程調整AIエージェントで会議調整を自動化。株式会社クラウドファンディングの「投資のパートナーGPT」は、公開情報を基に知識や洞察を提供し、個別のアドバイスや予測は行いません 投資のパートナーGPTでIFA業務を支援。
意思決定支援の設計とは、判断材料を一元化して選択肢を作り、共通の指標で比較できるようにし、最終判断を人の側に残すという分担を決めることです。
判断材料を一元化して選択肢を作る
選ぶという行為は、選択肢が並んでいて初めて成立します。事例が最初に手をつけているのは、この選択肢を作るための材料集めです。
mudaless-Oneは、受変電設備、空調設備、ボイラー、コンプレッサーなどの工場ファシリティ設備について、老朽化リスクやコスト、エネルギー、CO₂排出量の情報をAIも活用して設備単位で一元化しています
。設備ごとにバラバラだった情報が同じ粒度で揃うことで、どの設備を候補にするかを並べられるようになります。
日程調整AIエージェントも構造は同じです。GoogleカレンダーやOutlookと双方向に連携し、既存の予定をふまえた空き時間のみを自動的に抽出して、相手に候補日時として提示します 。散らばっている予定を一箇所に集めることが、そのまま候補づくりになっています。
選択肢は自然に現れるものではなく、分散した情報を同じ単位に揃えたときに現れます。
共通の評価指標で複数案を比較する
選択肢が並んだ次は、それらを同じものさしで比べられるかどうかです。
mudaless-Oneでは、製造業のマネジメント層が、共通の評価指標にもとづく複数の統合投資シナリオを比較・評価できるとされています 。指標が共通であることが、比較を成立させる条件になっています。
この背景として、従来は老朽化対策、省エネ、BCP、コスト削減をそれぞれ個別に判断してきたことが挙げられています。円安時代の国内工場の競争力強化には、老朽化対策だけでなく脱炭素（GX）対策やBCP対策といった新たな課題を、コスト最適化の中で統合的に判断する必要があるとされています 。個別に判断していると、どの案が全体として良いのかを比べる土台がありません。
比較の設計で決めることは、次の3点に整理できます。
- 比較の単位を決める（mudaless-Oneでは設備単位）
- 全案に共通して当てはめる指標を決める（老朽化リスク、コスト、エネルギー、CO₂排出量など）
- 個別に扱ってきた論点を、同じ指標の上に載せ直す
経験と勘をデータとロジックへ置き換える
なぜ共通指標が必要になるのかは、それ以前の判断方法と比べるとはっきりします。
日本では従来、ファシリティ設備の更新や新規投資の判断は現場の経験や勘に依存してきたとされています。mudaless-Oneは、この運用をデータとロジックに基づくマネジメントレベルの経営判断へ変えることを目的とした意思決定支援サービスとして提供が始まりました 。
代表取締役の廣松 茂は、大手電機メーカーで生産設備管理とファシリティ設備管理の両方を経験した立場から、生産設備ではデータやKPIにもとづいて改善と投資判断が行われる一方、ファシリティ設備は重要な経営資産でありながら、その多くが経験や勘に依存してきたと述べています 。同じ会社の中でも、領域によって判断の方法が違っていたことになります。
経験や勘そのものが悪いのではなく、それが他の人と共有できず、比較の土台にならないことが課題として挙げられています。
判断の前提となる情報を検証可能にする
比較の指標を揃えても、その元になる情報が確かめられなければ、判断は下せません。
ROUTE06のAcsimテストは、システムの要件・仕様をもとにテストケース、テストコード、テストデータを生成・実行し、結果を自動集計します。このとき生成されるレポートには、合否だけでなくスクリーンショットや録画、ログといった証跡が含まれます ROUTE06 Acsimテストで要件起点のテスト自動化
。結果だけでなく、その結果に至った過程を後から確認できる形になっています。
ROUTE06は、テストケースの作成やテストコードの実装、テストデータの準備、結果確認といった工程が人手に依存する部分が多く、工数の増大、担当者ごとの品質のばらつき、抜け漏れといった課題があると指摘しています 。担当者によって結果が変わるなら、その結果を判断の前提にはできません。証跡を残すことは、判断材料の信頼性を担当者から切り離す方法でもあります。
AIの出力範囲をあらかじめ限定する
ここまでは、AIに何をさせるかの話でした。次は、何をさせないかを決める話です。
「投資のパートナーGPT」は、IFA・証券マン向けにカスタマイズされたChatGPTsとして公開されました。投資戦略、市場分析、コンプライアンスといった金融業界に関連するトピックの知識や洞察を提供することを主な役割とし、複雑な金融知識を分かりやすく説明することに重点を置く一方で、個別のアドバイスや予測は行わないと明示されています
。
入力する情報の範囲も限定されています。一般公開されているマーケット情報や、IFA・証券マンが活用できる公開可能な情報を入力しており、個人情報や機密情報は入力していないと説明されています 。
出力の範囲と入力の範囲を先に決めておくことが、AIを判断の場に置くときの前提になります。
最終判断は人が担う設計にする
出力範囲を限定したうえで、判断の位置を明確にしている事例もあります。
株式会社プエンテの「知識の複利ループ」は、内部監査（J-SOX）、税務・会計、営業支援、経理・決算、カスタマーサポート、開発・品質という6つの業務領域のノウハウを、AIが実行できる「業務パック」に変換する法人向けSaaSです。AIが提案書やチェックリストなどのドラフトを作成し、最終判断は人が行う設計により、業務品質とガバナンスを両立するとしています 。AIの出力はドラフトであり、そこで完結しません。
マネーフォワードのAIエージェントも同じ考え方です。規程や契約書、業務データをもとにリスクの兆候を検知し、人の確認や判断を前提にアラートや示唆を行う設計だと説明されています 。検知はAI、確認と判断は人という分担が、設計の段階で決まっています。
- AIの成果物をドラフトや示唆と位置づけ、確定した答えとして扱わない
- 誰が確認し、誰が採否を決めるかを業務ごとに決める
- 確認の対象になる情報（根拠、証跡）を出力に含める
権限と運用ルールを決めてから使う
分担を決めたら、実際に運用するためのルールが必要になります。
日程調整AIエージェントの導入時の注意点として、カレンダー情報へのアクセス権限をどこまで与えるかを決めることが挙げられています。経営者や人事担当者のように機密性の高い予定を持つ場合、個人的な予定や機密性の高い会議を調整対象外としてカレンダー上で設定するなど、運用ルールをあらかじめ決めておくことが示されています
。
利用シーンごとの使い分けも挙げられています。社外の顧客との商談設定には調整用URLを送付する形式を使い、社内会議の設定にはAIエージェントを招待する形式を使うといった具合に、社内外での使い方を統一することで混乱を防げるとされています 。
AIが何を参照できるかを決めることは、AIがどこまでの判断材料を持つかを決めることでもあります。
使う側の学習を導入とあわせて進める
仕組みとルールを整えても、使う人が扱えなければ運用は始まりません。
株式会社ABCash Technologiesとx3d株式会社が共同で提供するAIZUSは、使い方は理解していても業務で活用できない、情報が多く何から始めればよいか分からないといった課題を背景に開発された少人数伴走型のサービスです。2カ月間・全8回（週1回×2時間）のワークショップで、ChatGPT、Claude、Gemini、NotebookLM、Microsoft Copilotなど13種類以上の主要AIツールを横断的に扱い、プロンプト設計から業務への実装までを実践形式で学びます AIZUSで13種AIを業務へ定着する研修。
カリキュラムには、AIのもっともらしい間違いとの付き合い方が含まれています。AIへの頼み方を工夫して欲しい答えに近づける方法とあわせて学ぶ構成で、最初の段階では情報を守る基本ルールも扱います 。AIの出力をそのまま信じないという前提が、利用者側の学習内容として組み込まれています。
結論
意思決定を支援する仕組みは、次の順序で組み立てられています。
- 判断材料を一元化して選択肢を作る（mudaless-Oneは設備情報の一元化から始めています）
- 共通の指標で複数の案を比較できるようにする（統合投資シナリオの比較・評価）
- 判断の前提になる情報に証跡を残す（Acsimテストのレポート）
- AIの出力範囲を限定し、最終判断を人に残す
「知識の複利ループ」と「投資のパートナーGPT」は、いずれもAIの出力をドラフトや知識提供にとどめ、判断や個別のアドバイスをAIに行わせない設計になっています 。AIに任せる範囲を狭く決めることが、かえって業務に組み込みやすくしています。
そして、日程調整AIエージェントとAIZUSからは、権限・利用ルールの設定と、使う側の学習が導入時の前提として挙げられていることが分かります 。
AIに判断させるのではなく、選択肢の作り方、比較の基準、最終判断の担い手をそれぞれ決めることが、意思決定支援の設計です。