記事のポイント（要約）
① AIエージェントに仕事を任せるとは、AIへの「丸投げ」ではありません。 人間が目的・判断基準・品質を決め、AIに情報収集、分析、整理、ファイル作成などの実作業を任せることが基本です。
② アウトプットの精度を高めるポイントは、いきなり実行させず、先に「計画」を立てさせ、不足している情報をAIから「質問」させることです。 大きな仕事は小さな工程に分け、中間成果物を確認しながら進めることで、手戻りを抑えやすくなります。
③ AIエージェントは、アンケート分析、Web調査、施策の検討、レポート作成まで、一連の仕事をつなげて任せられます。 一方で、目的に合っているか、根拠は正しいか、比較は妥当か、実行できるかを判断する役割は人間に残ります。
「ChatGPTで文章の下書きや要約はできるけれど、それ以上に仕事を任せるイメージが湧かない」「資料作成をお願いしたら、途中から意図と違う方向へ進んでしまった」――。
生成AIを業務で使い始めた人が、次にぶつかりやすい壁です。
チャット型AIでは、人間が一つずつ質問や指示を出し、返ってきた回答をもとに次の作業へ進む使い方が中心でした。一方、AIエージェントでは、目的を伝えたうえで、ファイルの確認、情報整理、Web調査、成果物の作成といった複数の工程を進めてもらえるようになっています。
ただし、任せられる範囲が広がったからといって、人間が何も考えなくてよくなるわけではありません。
むしろ重要になるのは、「何を達成するのか」「何を基準に良し悪しを判断するのか」「どこを人間が確認するのか」を決めることです。
本記事では、Sun Asteriskが2026年6月4日に開催した「第2回：非エンジニア向け！AIを使いこなす側に回るための軸をつくる勉強会 〜AIに“任せる”技術 ― 計画・質問・実行・検証、仕事を変える4ステップ〜」の内容をもとに、非エンジニアがAIエージェントへ仕事を任せるための考え方と実践方法を解説します。
ウェビナーでは、架空の冷凍惣菜サブスクリプション事業を題材に、顧客アンケートの分析から競合調査、改善施策の検討、上司向けレポートの作成までをAIエージェントで進めました。その実演を追いながら、「計画・質問・小さく実行・検証」という仕事の任せ方を整理します。
※本記事は2026年6月4日時点の講演内容をもとに構成しています。Codex、Claude Codeなどの製品名、機能、画面構成、利用条件は変更される可能性があります。具体的な操作方法は、利用時点の公式情報をご確認ください。
登壇者プロフィール
株式会社Sun Asterisk Business Designer
永安 理久（ながやす りく）
新卒でソニーに入社し、Xperiaの商品企画を担当。同時に、合成音声技術を活用したエンターテインメント領域の新規事業を自ら起案し、企画からPoC、予算獲得まで一貫して推進。
その後、スタートアップPITTANに一人目のビジネス職として参画し、パートナーシップ構築や販売・カスタマーサクセス体制の立ち上げを担当。
Sun*参画後は、新規事業の事業化支援に携わる。
① AIエージェントとは？チャット型AIと何が違うのか
AIエージェントとは、質問に回答するだけでなく、目的に向けて必要な作業を判断し、ファイルやツールを扱いながら複数の工程を進めるAIです。
チャット型AIとの違いは、「回答を作ること」で仕事が終わるのか、その先の「実務を進めること」まで担うのかにあります。
| 比較項目 | チャット型AI | AIエージェント |
|---|---|---|
| できること | チャット画面上で文字や図などを表示 | PC上の作業 |
| 主な役割 | ユーザーの質問への回答 | 目的に応じて判断し、実務を実行する |
| 向いていること | 少ないやり取りですぐに答えが得られること | ファイル操作など、複数工程が発生すること |
| 動作 | その場で文章などを出力 | Web検索や外部システムの操作なども行う |
例えば、競合調査をするとします。
チャット型AIであれば、「競合を挙げて」「価格を調べて」「比較表を作って」と、人間が工程ごとに依頼する使い方が中心です。
AIエージェントでは、調査対象や比較観点、最終的に欲しい成果物を伝えたうえで、情報を調べ、整理し、比較表やファイルにまとめるといった複数工程を進められます。
つまり、AIとの関係が「質問する相手」から「仕事を任せる相手」へ広がっていると捉えると分かりやすいでしょう。
ただし、すべての仕事でAIエージェントを使う必要はありません。その場ですぐに答えが欲しい質問や短い文章の作成などであれば、チャット型AIの方が適している場合もあります。
単発の回答が欲しいのか、複数工程を含む仕事を進めたいのか。この違いで使い分けることが重要です。
② AIに仕事を任せるとき、人間は何をするべきか
AIに仕事を任せるほど、人間は「作業者」ではなく「編集者・マネージャー」に近い役割を担います。人間が目的、判断基準、品質を決め、AIが情報収集・整理・制作などの作業を進めます。
ウェビナーでは、AIエージェントを使う際の基本姿勢として「編集者になる」という考え方が紹介されました。
| 人間＝編集者 | AI＝作業者 |
|---|---|
| 目的を決める | 情報を集める |
| 判断基準を置く | 情報を整理する |
| 品質を確認する | ファイルにまとめる |
重要なのは、「AIができそうな仕事を探す」という発想だけではありません。
先に人間が仕事の目的を明確にし、その目的を達成するための作業のうち、どこまでAIへ渡せるかを考えることです。
例えば、アンケート分析であれば、回答を分類したり件数を集計したりする作業はAIへ任せられます。一方、「そもそも何を明らかにするための分析なのか」「どの分類軸が事業課題に合っているのか」「その分析を意思決定に使ってよいのか」は、人間が判断する必要があります。
AIに作業を任せるとは、人間が考えることをやめることではありません。
人間は「何をするか、何を良しとするか」を考え、AIに「どう作業するか」を担ってもらう。
この役割分担が、AIエージェントを使う際の基本になります。
③ AIに任せるとき、なぜ最初に「計画」を立てさせるのか
AIに大きな仕事を任せるときは、すぐに実行させるのではなく、最初に作業計画を作らせることが重要です。計画段階で認識のずれを見つけることで、作業後の大きな手戻りを防ぎやすくなります。
人間が頭の中で考えていることを、最初の一回の指示だけで100％言語化するのは簡単ではありません。
例えば、
このアンケートを分析して、改善案を考えて
とだけ依頼した場合、人間側には「解約理由を中心に見たい」「自由記述も分析してほしい」「最終的には上司に施策を提案したい」といった意図があるかもしれません。
しかし、それらを伝えていなければ、AIは不足した情報を補いながら作業します。
そこで方向を間違えると、分析や資料作成まで進んだ後に「見たかったものと違う」と気づき、大きな手戻りが発生します。
そのため、まずAIに、何を確認し、どの観点で整理し、どの順番で作業し、最終的に何を作るのかという計画を提示させます。
例えば、次のように依頼できます。
この作業をすぐに始めず、まず目的を達成するための作業計画を作ってください。
どの情報を確認し、どの順番で進め、どのような成果物を作るかを示してください。
計画を私が確認してから実行してください。
計画を見て問題があれば、実行前に修正します。問題がなければ、そこで初めて作業を開始させます。
ウェビナーではClaude CodeやCodexのプランモードを例に実演しましたが、重要なのは特定の機能名ではありません。
「実行の前に、AIがどう進めようとしているのかを確認する」こと自体がポイントです。
AIに仕事を任せるときは、「依頼→完成」ではなく、「依頼→計画→確認→実行」を基本形にすると、方向性を合わせやすくなります。
④ なぜAIから「質問」をさせることが重要なのか
良い計画を作るには、AIが判断するための情報が必要です。そこで、不足している目的・条件・判断基準をAI自身に質問させることで、人間が伝え忘れていた前提を補います。
AIをうまく使うために、最初から完璧な長文プロンプトを書く必要はありません。
実際の仕事では、「何を優先するかまだ決まっていない」「どの分析軸が適切か自分でも分からない」「何を伝えればAIが判断できるのか分からない」という状況もあります。
その場合は、AIに質問してもらいます。
例えば、次のように伝えます。
この仕事を進めるために不足している情報があれば、作業を始める前に質問してください。
私の回答をもとに計画を更新し、認識がそろってから実行してください。
ウェビナーの実演でも、AIがアンケートを確認した後、「何を分析の主軸にするか」「自由記述をどう扱うか」「一つの回答が複数カテゴリに当てはまる場合はどうするか」といった点を質問しました。
人間がその質問へ答えることで、分析方針が具体化していきます。
質疑応答では、「ゼロから今回のようなきれいなプロンプトを作るのは難しい。AIを使いながらステップ・バイ・ステップで作ればよいのか」という質問もありました。
これに対して登壇者は、その認識で問題ないと回答しています。
AIに「ステップ・バイ・ステップで」と伝え、対話の中で一つずつ確認しながら、最終的な計画や依頼内容を作っていくイメージです。
つまり、「良いプロンプトを最初から書く能力」だけが重要なのではありません。
AIに必要な質問をさせ、対話しながら仕事の前提を明確にする能力も、AIエージェントを使ううえで重要です。
⑤ 「計画・質問・小さく実行・検証」の4ステップとは
AIエージェントへ仕事を任せる基本形は、「計画する→質問で不足を埋める→仕事を小さく区切って実行する→人間が検証する」の4ステップです。
一度に大きな仕事を最後まで任せるよりも、中間成果物を確認しながら進めることで、方向性や品質を確認しやすくなります。
| ステップ | AIに任せること | 人間が確認すること |
|---|---|---|
| 1. 計画 | 作業手順を整理する | ゴールと進め方が合っているか |
| 2. 質問 | 不足情報を特定し、質問する | 前提・制約・判断基準が十分か |
| 3. 小さく実行 | 分析、調査、提案などを工程ごとに進める | 中間成果物に違和感がないか |
| 4. 検証 | 根拠や成果物を整理する | 最終的に意思決定へ使えるか |
ウェビナーでは、この型を体験するため、架空の冷凍惣菜サブスクリプション「寄り添うミール」を題材にしました。
設定は、「初回購入は増えているものの、2回目以降の継続率が低い」というものです。
参加者は事業開発チームの立場となり、顧客アンケートと競合情報をもとに、継続率改善のための提案資料を作ります。
| ワーク | AIへ任せる内容 |
|---|---|
| ワーク1 | 顧客アンケートをどう分析するか計画する |
| ワーク2 | アンケートを分析し、離脱理由の仮説を作る |
| ワーク3 | Webで競合サービスを調査する |
| ワーク4 | 分析結果を統合し、改善施策を検討する |
| ワーク5 | 上司が判断できる提案レポートに仕上げる |
最終成果物だけを一度に作らせるのではなく、計画→分析→調査→提案→資料化と中間地点を置いていることがポイントです。
※「寄り添うミール」や会社設定、顧客アンケートは研修用に作成された架空のサンプルです。競合調査についてのみ、実在サービスの公開情報を確認する構成になっています。
⑥ AIにアンケート分析を任せるには、どう進めればよいか
AIにアンケート分析を任せるときは、いきなり「示唆を出して」と依頼せず、データ構造を確認し、分類軸を決め、事実と仮説を分けて整理させることが重要です。
ウェビナーのワーク1では、事業責任者から初回購入者アンケートの回答データを渡された想定で進めました。
ここで、いきなり分析を開始するのではありません。
まずAIにデータ構造を確認させ、分類軸の候補と作業計画を出してもらいます。そのうえで、人間が「その分類軸は継続率が低い理由を考えるために適切か」を判断します。
分類方針が決まったら、ワーク2でアンケート全体を読み解きます。
特にAIの強みを生かしやすいのが、大量の自由記述です。
人間が数多くのコメントを一つずつ読み、内容ごとに分類し、傾向を数える作業には時間がかかります。AIであれば、回答の分類・集計・代表コメントの抽出をまとめて進められます。
ただし、ここで重要なのは、事実と仮説を混ぜないことです。
例えば、「価格について不満を述べている回答が多い」というのはアンケートから確認できる事実です。
一方、「通常価格になった後、払い続けるだけの価値を感じられていないのではないか」というのは、その事実から導いた仮説です。
AIには、回答データから確認できる事実、その根拠となるコメントや数値、そこから考えられる仮説を分けて整理させると、人間が妥当性を確認しやすくなります。
Markdownを「中間成果物」として残す
ウェビナーでは、分析結果をMarkdown（MD）形式のファイルとして残しました。
Markdownとは、見出しや箇条書きなどを簡単な記号で表現できるテキスト形式です。
ここで重要なのはMarkdownそのものではなく、分析結果をチャットの中だけに残さず、次の作業から参照できる中間成果物として保存することです。
アンケートの集計結果、セグメントごとの傾向、代表コメント、仮説などを一つのファイルへ整理しておけば、その後の競合調査や施策検討でも参照できます。
一回のチャットで答えをもらって終わるのではなく、仕事の途中で得た情報を成果物として残し、次の工程へ渡していくことが、AIエージェント活用の特徴の一つです。
⑦ AIにWeb調査を任せるとき、信頼性をどう確保するのか
AIによるWeb調査では、「何を調べたか」だけでなく、「どの情報源を使ったか」「いつ時点の情報か」「その情報が本当に根拠として使えるか」を確認することが重要です。
アンケートだけを見ても、自社の弱みが市場全体でも弱みなのかは判断できません。
そこでウェビナーのワーク3では、nosh、Oisixなどの競合サービスについて、価格、メニュー数、配送頻度、スキップのしやすさなどを公開情報から調査し、比較しました。
AIエージェントは複数のWebサイトを調べ、情報を整理し、比較表へまとめる作業を任せられます。
一方で、AIが見つけた情報だからといって、そのまま正しいとは限りません。
重要な情報については、次の点を人間が確認します。
- 情報源が実在するか
- 公式サイトなど信頼できる情報源か
- 確認した時点はいつか
- 元ページに本当にその内容が書かれているか
- AIによる推測が混ざっていないか
「出典付きで出してください」と依頼するだけで、誤りがなくなるわけではありません。
AIに調査を任せ、人間が根拠を検証する。
この役割分担が重要です。
複数のAIエージェントへ調査を分担する
ウェビナーでは、複数企業の調査をサブエージェントへ分け、並行して進める使い方も紹介されました。
一体のAIが複数社を順番に調べる代わりに、複数のエージェントへ調査を分担させ、最後に結果をまとめるイメージです。
これには、作業を並行できるだけでなく、メインのAIがすべてのWebページの情報を抱え込まずに済むという側面もあります。
AIが一度に扱える文脈には限りがあります。ウェビナーでは、このAIが扱える情報量を「コンテキストウィンドウ」という概念で説明しました。
長い作業ほど、どの作業を分けるか、どの結果を次の工程へ引き継ぐかを考えることも、AIをマネジメントする仕事の一つになります。
⑧ 分析結果から改善施策まで、AIにどう考えさせるのか
分析結果を施策につなげるときは、AIにアイデアを出させるだけではなく、「どの課題に対応する施策なのか」「効果と実現性はどうか」をセットで整理させます。
ウェビナーでは、顧客アンケートと競合調査を組み合わせて、継続率改善の施策を検討しました。
研修用サンプルでは、少量プラン、配送頻度の柔軟化、初回後フォロー、家族構成別メニューなどを候補として挙げ、そこから優先して試す施策を絞っていきます。
このワークでAIへ任せたのは、施策案の発散、効果・実現性の整理、優先順位案の作成です。
一方、どの施策を本当に試すのかを最終的に判断するのは人間です。
また、「良さそうな案」が出ているだけでは十分ではありません。
例えば、
顧客アンケートで特定の不満が確認された
↓
競合サービスではその不満を解消する仕組みがある
↓
自社でも改善施策として検討する
というように、顧客データ→外部比較→施策がつながっている必要があります。
AIには選択肢を広げ、整理し、比較するところまでを任せ、人間は事業の事情や過去の検討経緯も踏まえて判断します。
⑨ AIに「仕上げ」まで任せるにはどうすればよいか
AIエージェントは、分析や調査だけでなく、それまでの中間成果物を読み、意思決定者向けの資料やレポートへ統合するところまで任せられます。
ウェビナーの最後では、それまでに作った分析結果、競合調査、改善施策を統合し、上司向けの最終提案へまとめました。
レポートには、背景、顧客課題、競合比較、改善施策、次のアクションなどを含めます。
ここでAIが担当するのは、資料構成、文言整理、HTML化、セルフレビューなどです。
人間は、「提案として伝わるか」「次に何を決めればよいのかが明確か」を確認します。
ウェビナーの実演では、最終的な成果物としてHTML形式のレポートを作りました。
講演時点では、PowerPointなども作成できる一方、登壇者はAIに扱わせる形式としてHTMLを使いやすい選択肢の一つとして紹介しています。
重要なのはHTMLかPowerPointかという形式そのものではありません。
AIが作った最終成果物を、そのまま完成品として扱わないことです。
文章に不自然な部分はないか。重要な情報が抜けていないか。データの読み違いはないか。出典は正しいか。上司が次の意思決定をできる内容になっているか。
表示と中身の両方を、人間がレビューします。
AIに「仕上げ」を任せるとは、人間がレビューしなくなることではなく、ゼロから成果物を作る作業をAIへ移し、人間が判断と品質確認へ集中することです。
⑩ AIに任せるほど、人間は何を確認すべきなのか
AIに任せる範囲が広がるほど、人間が確認すべきなのは細かな作業手順ではなく、「目的・根拠・比較・実効性」です。
ウェビナーの最後では、「AIに任せるほど、人間は『何を見るか』を決める役割になる」と整理されました。
| 観点 | 確認すること |
|---|---|
| 目的 | 継続率改善など、本来の意思決定に使える内容になっているか |
| 根拠 | 回答コメント・数値・出典が結論と紐づいているか |
| 比較 | 競合調査が施策判断へ接続しているか |
| 実効性 | 次に試せる粒度まで施策が落ちているか |
AIが大量の情報を集め、分析し、資料まで作れるようになるほど、人間がすべての作業を自分で行う必要は減っていきます。
一方で、その成果物のどこを見るべきかを決める役割は、より重要になります。
AIのアウトプットが増えるほど、一文字ずつ自分で作る力だけではなく、目的から外れていないか、根拠は十分か、次の行動につながるかを見極める力が求められます。
⑪ 非エンジニアがAIエージェントを使い始めるなら、何から任せるべきか
最初は、目的が明確で、インプットとアウトプットを確認しやすい仕事から試すのがおすすめです。特に、調査、集計、分類、資料の下書きなどは「任せる型」を体験しやすい業務です。
例えば、次のような仕事です。
- アンケートや顧客コメントを分類する
- 複数企業の公開情報を使って比較調査する
- 会議資料や過去資料を整理する
- 調査結果から仮説を出す
- 複数の資料から報告書のたたき台を作る
いきなり重要な業務をすべて任せる必要はありません。
一つの仕事を選び、
計画を立てさせる → 質問させる → 小さく実行させる → 出力を検証する
という一連の流れを体験します。
うまくいかなければ、「計画のどこが違ったのか」「どの情報が足りなかったのか」「どこまでならAIに任せられたのか」を振り返ります。
ウェビナーでも、実際の仕事は今回の研修用ワークほど単純ではないとしたうえで、一つひとつのステップを区切って確認することで、作業の効率化につなげられると説明しています。
AIエージェントは、できることが多いからこそ、「何ができるのか分からない」と感じやすいツールでもあります。
だからこそ、最初から使い方をすべて理解しようとするのではなく、自分の仕事の一工程を実際に任せてみることが、活用範囲を広げる近道になります。
⑫ よくある質問
非エンジニアでもAIエージェントを使えますか？
使えます。重要なのはプログラミング知識だけではなく、何を達成したいか、何を基準に判断するか、どこで人間が確認するかを言葉にすることです。
今回のウェビナーも非エンジニア向けに構成され、アンケート分析や競合調査、提案資料作成といったビジネス業務を題材にしています。
最初から長くて詳しいプロンプトを書く必要がありますか？
ありません。AIに不足情報を質問させ、対話しながら目的・前提・判断基準を明確にしていく方法があります。
ウェビナーの質疑応答でも、ゼロから完成されたプロンプトを用意するのではなく、AIとステップ・バイ・ステップで対話しながら作っていく考え方が紹介されました。
チャット型AIとAIエージェントはどう使い分ければよいですか？
その場で答えが欲しい単発の質問はチャット型AI、ファイル操作や複数工程を伴う仕事はAIエージェントが向いています。
すべてをAIエージェントへ置き換えるのではなく、仕事の複雑さや目的によって使い分けます。
AIにWeb調査を任せれば、人間は出典を確認しなくてもよいですか？
いいえ。AIが出典を表示していても、重要な情報は人間が元の情報まで確認する必要があります。
特に、施策や意思決定の根拠になる情報については、情報源や内容、確認時点をチェックします。
Markdownを使わなければAIエージェントは使えませんか？
Markdownは必須ではありません。
ウェビナーでは、分析結果などを中間成果物として保存し、後続のAIが読みやすい形式としてMarkdownを使いました。重要なのは、作業途中の情報を再利用できる形で残すことです。
HTMLとPowerPointでは、どちらを使うべきですか？
成果物を誰がどのように使うかで選びます。
ウェビナーではHTML形式のレポートを作成しましたが、PowerPointなど別形式で作成することも想定されています。製品の対応状況は変化するため、利用時点の機能を確認したうえで選択します。
⑬ まとめ：AIに仕事を任せるとは、「何を見るか」を人間が決めること
AIエージェントによって、生成AIは「質問へ答えてもらう」だけでなく、分析、調査、資料作成といった複数工程の実務を任せる存在へと広がっています。
一方、AIへ任せられることが増えるほど、人間の役割がなくなるわけではありません。
今回のポイントを整理すると、次の5つです。
- AIを作業者、人間を編集者として役割分担する
- 実行前に計画を確認する
- 不足している情報はAIから質問させる
- 大きな仕事は小さな工程へ分ける
- 最終的な目的・根拠・比較・実効性は人間が確認する
ウェビナーでは、現時点では一連の仕事を工程ごとに区切って進めることで、より丁寧に確認しながら進められると説明しています。
一方で、AIが継続して実行できる仕事の長さや複雑さは変化を続けています。
だからこそ、特定の画面操作や一つのプロンプトだけを覚えるのではなく、
計画する。質問する。小さく実行する。検証する。
という仕事の任せ方そのものを身につけることが重要です。
AIに任せるほど、人間は作業から離れ、目的と判断に集中する。
それが、AIエージェントを「便利なツール」で終わらせず、仕事の進め方そのものを変えるための第一歩になります。
Sun AsteriskのAI・新規事業開発支援について
Sun Asteriskは、Business、Creative、Technologyの3つの視点から、事業構想、サービスデザイン、プロトタイプ・MVP開発、システム開発、事業グロースまで一気通貫で支援しています。
AIを前提とした新規事業の進め方を設計したい、アイデアを短期間でプロトタイプにしたい、個人のAI活用をチームや組織へ広げたいといった課題についても、事業とプロダクトの両面から伴走します。
- 新規事業・プロダクト開発支援の詳細を見る
- AI活用・新規事業開発について相談する
参照情報
イベント詳細 / Event Details
| イベント名 | 第2回：非エンジニア向け！AIを使いこなす側に回るための軸をつくる勉強会 「AIに“任せる”技術 ― 計画・質問・実行・検証、仕事を変える4ステップ」 |
|---|---|
| 開催日時 | 2026年6月4日 |
| 登壇者 | 株式会社Sun Asterisk 永安 理久 Business Designer |
| 参考・出典 |
|
| 編集・監修 | Sun Asterisk 編集部 |
※本記事内で紹介するAI製品・機能・UI・利用条件等は変更される可能性があります。公開時点の最新情報については、各社の公式情報をご確認ください。