「こういう処理をして」とAIに伝えるだけで、実務の自動化ツールが完成する？

『ワークフロー』って、スプレッドシートの自動化みたいな感じ？それとも、もっと複雑な業務の流れ全体を指してるの？

ワークフローはスプレッドシートの自動化よりずっと広い概念です。記事に出てくる「営業管理システムやメール配信ツール」を想像するといいかもしれません。 例えば、営業が新しい案件をシステムに登録したら、自動で営業事務に通知が行く→見積書が生成される→メール送信される→回答期限を記録する。このような「複数のステップが自動で順番に実行される流れ」がワークフローです。スプレッドシートの計算式とは違い、異なるシステムやツール同士をつなぎ、人の判断を挟まずに次々と処理が進んでいく。 つまり、スプレッドシート内での計算はワークフローの一部でしかなくて、実務ワークフローは「人間がやっていたいろんな判断や入力を、ルール化して自動実行する業務全体」を指しています。記事の論文が測定してるのは、そういう複雑な流れを AIが日本語だけで組み上げられるか、という話なんですよね。エンジニアなしで、現場の人が「こういう順序でやってほしい」と説明するだけで成立するのか。それが実現すれば、業務改革のハードルがぐっと下がるわけです。

営業事務じゃない部署で働いてる人にとっても、このAIが完成したら日々の仕事が減ったりするの？

ワークフロー自動生成が全職種に波及するかというと、職種ごとに「自動化できる部分の規模」が全然違ってくるのかもしれません。 営業事務は、確認→承認→送信みたいな定型ステップが明確に見える業務が多い。だから自動化と相性がいいんですよね。一方、企画職や研究職みたいに「何をすべきか自体が曖昧」な業務では、ワークフローで自動化できるのは、せいぜい報告書の形式整備や資料の配布くらい。仕事の中身——何を考えるか——は相変わらず人間にしか判断できません。 むしろ面白いのは、どの職種でも「細かい例外処理」の比率がけっこう高いということ。記事に出ていた「細かいエラーを直す作業は AI に任せきれない」という状況は、営業事務だけじゃなく、あらゆる業務に当てはまるはず。つまり完成したとしても、人間は「自動化ツールの例外を処理する人」へシフトするかもしれません。仕事は減らず、内容が変わる感じ、と言えそうです。

いま企業がワークフロー設定にどのくらい時間を使ってるから、このAIは『急に必要になった』ってより前からずっと求められてた技術なんだっけ？

ワークフロー設定の手間がどれほどなのか、記事からは具体的な数字は出ていませんね。ただ、この技術が「ずっと求められていた」というのは、別のところから透けて見えます。 営業事務って、要件が頻繁に変わる領域です。営業戦略が変われば、顧客対応のルールも変わる。その度にエンジニアに頼んで設定を修正してもらう。そこに遅延が生まれる。つまり企業側は、「自分たちのビジネスの速度に、ツール設定の速度が追いついていない」という課題を、長く感じてきたはずです。 記事に「要件が変わるたびに何度も修正」と書かれているのは、この繰り返しが常態だということを示しています。エンジニアがボトルネックになっている状況が、ずっと存在していた。 だからこそ、ChatGPT のようなモデルが登場した瞬間に、「これでワークフロー自動生成ができたら解決するんじゃないか」という期待が一気に高まったのかもしれません。新しい技術ではなく、「ずっと困っていた問題に、やっと対応できそうな道具が現れた」という構図に見えます。

これって、要するに『説明書を読めば仕事ができる』みたいに、『指示書を理解すれば自動化できる』という段階に来たってこと？

その直感は正確だと思います。ただ一つ、重要な違いがあるんですよね。 人間が説明書を読んで仕事をするときは、読みながら「この部分は実際には〇〇という例外ケースがある」とか「ここは環境に合わせて変える」みたいに、その場で柔軟に解釈・調整します。一方、AIが指示書から自動化を生成するときは、その調整が起きていません。だから「80%はうまくいくけど、20%の細かいエラーが残る」という現象が起きてるんです。 つまり、いま起きているのは『指示書が読める段階』というより『指示書の大意は掴めるけど、細部の解釈で躓く段階』。記事で「改善の手法を組み込むと成功率が5%上がる」とあるのは、その細部をどう埋めるかという工夫を重ねてる途中、ということです。 本当の意味で「説明書を読めば仕事ができる」レベルになるには、単なる生成ではなく、生成したあと「これで本当に動くか」を自分で検証して直す、その思考ループがAI側に要るのかもしれません。

ワークフロー設定の仕事で飯を食ってきた人たちって、このAIが普及したら何をすればいいの？

ワークフロー設定の専門家にとっては、むしろ今が転機なのだと思います。 「これまでは手で組み立てるしかなかった」という前提が崩れる時代には、彼らの価値は「設定作業そのもの」から「要件を汲み取る側」にシフトしていく可能性があります。 記事でも触れられていますが、結果は「道半ば」で「細かいエラーを直す作業はAIに任せきれない」という状況です。つまり、AIが「ざっくり指示から自動生成する」ようになっても、その後には必ず「本当にこれで業務が回るのか」を検証し、微調整する段階が残ります。その検証と改善こそが、ワークフロー設計の専門知識を持つ人間にしかできない仕事になっていくのではないか。 さらには「こういう処理をして」という日本語の説明を、AIが理解しやすい形に翻訳する仕事も出てきます。曖昧な業務要件を言語化し、AIの出力を吟味し、実務に落とし込む。そこは人間の判断力が必須です。 設定作業の外注化が進むのは確実ですが、品質保証や最適化の領域では、むしろ専門家の重要性が高まる可能性もあります。