AIエージェントが業務に入るとき、情シスの役割はどう変わるか
- 監修:
- 服部ジュン(代表取締役 / 業務変革コンサルタント)
- 公開
- 読了時間
- 14分で読めます


AIを業務に「使う」段階から「任せる」段階へ移るとき、権限や止め方を誰が決めるのかが曖昧になる。本社の情シスに向けて、営業事務の受注照合を例に、任せる前に決めることと情シスの役割の変え方を整理します。
9時。本社の情報システム担当、井上さん(39歳・総務と兼務)のチャットに、営業所の営業事務から相談が届きました。「受注メールと受注データの照合を、AIに任せたい。共有フォルダの顧客一覧を見せてもいいですか」。続けて、別の部署から「個人のAIアカウントで作った下書きを、そのまま社外に出していいか」。1月にはサーバーの入れ替えも控えています。井上さんは、どれにも「ちょっと待ってください」と返すしかありませんでした。
※井上さんは、公開データから想定した架空の人物です。
AIは、人が聞いて答えをもらう「道具」から、仕事を任せる「同僚」に変わり始めています。指示を受けて、自分で手順を考え、社内のデータやツールを使って作業を進めるAIを、AIエージェントと呼びます。AIを「使う」なら、困るのは使う人だけです。AIに「任せる」なら、何を見てよいか、どこまでしてよいか、間違えたら誰が止めるかを、先に決めておく必要があります。その役は、多くの会社で情シスに回ってきます。
この記事では、本社と現場(営業所・工場・店舗など)をもつ会社を想定し、公開データから「AIエージェントが業務に入るときの構造」を読み解きます。そのうえで、情シスの役割が「作る・直す」から「任せ方を決める」へ移ること、本社と現場の分担と往復がどう変わるかを整理します。20枚の資料「市民開発スターターキット」も、今回の内容に合わせてv1.1に更新しました。
この記事でわかること
- 数字で見る「AIを動かす側」―― 主導は情シス、でも人もルールも足りない
- AIを「使う」と「任せる」の違い ―― 権限・記録・止め方
- 任せる前に書く7項目(AIの前に業務を書く)
- 2027年に「新たに」起きること(確度つき)
- AIエージェントが入ったときの本社と現場の分担と、情シスの新しい仕事
第1回の記事「2027年、業務ツールは誰が作るか」はこちら:(リンク)
2026→2027、情シスの役割はどう変わるか
| 2026年(いま) | 2027年(これから) | |
|---|---|---|
| AIの使い方 | 人がAIに聞き、答えを自分で使う | 業務の一部をAIエージェントに任せる |
| 情シスの仕事 | 作る・直す・答える。問い合わせとアカウントを1人で抱える | 任せ方を決める。台帳・権限・見てよいデータ・記録・止め方 |
| 現場の業務担当 | 情シスに依頼して待つ/個人のAIでこっそり試す | 任せたい業務と判断の手順を書き、例外を判断する |
| 本社と現場の往復 | 依頼と待ち、相談と確認 | 申請と見直し。AIからは「人に戻す」が加わる |
| 動かす環境 | 古いサーバー・データベースとマクロが混在 | サーバー(1月)・SQL Server 2017(10月)のサポート終了、SAP標準保守終了(年末) |
問いは一つです。AIに仕事を任せる前に、「任せ方」を決めているか。
数字で見る「AIを動かす側」―― 主導は情シス、でも人もルールも足りない
IPA(情報処理推進機構)の「DX動向2026」(2026年7月30日公開、国内企業1,799社)では、AIを「導入している」企業が42.3%、「試験利用をしている」企業が15.7%で、合わせて58.0%でした。
では、そのAIを誰が動かしているのか。同じ調査から見えるのは、IT部門に役割が集まっている姿です。
| 項目 | 数字 |
|---|---|
| AI導入・利活用を主導するのは「IT部門の長」 | 46.0%(最多。経営層32.1%、現場の長27.5%) |
| AI導入・運用の課題「専門人材が不足している」 | 50.1%(1位) |
| 課題「生成AIの効果やリスクに関する理解が不足している」 | 45.8% |
| 課題「適切な利用を管理するためのルールや基準の作成が難しい」 | 39.7% |
| 全社的な社内ガイドライン・ルールを定めている | 32.5% |
| AI固有・生成AI固有のリスク管理をしている | 14.2% |
※AIを導入・試験利用・検討している企業への質問です。
一方で、その情シス自身の体制は細くなっています。ノークリサーチの調査(2025年10月14日発表)では、中堅・中小企業で情シスが「1名」の割合が、2023年の21.3%から2025年は24.5%に増えました。同じ調査の中小企業層では、情シスが「兼任」の割合が48.0%から61.1%に増えています。
AIを主導する役は情シスに回ってくる。けれど、その情シスは1人か兼任で、ルールづくりは難しい。冒頭の井上さんが「ちょっと待ってください」としか言えないのは、能力の問題ではなく、こうした構造だと考えられます。
使う人は増えた。ルールは追いつかない
総務省の「情報通信白書」令和8年版(2026年7月)では、何らかの業務で生成AIを使っている日本企業は86.4%に達しました。一方で、生成AIの活用で「組織的な取り組みはない」企業は27.0%、全社的な指針やガイドラインを整備している企業は41.1%です。
働く人の側から見ると、もう少しはっきりします。会社員など(有効回答300名)に聞いた調査(エルテス、2026年1月19日発表)では、所属先に生成AIの利用規程が「ない」と答えた人が45%。生成AIを業務で使う人のうち、少なくとも約5人に1人が、会社が許可していないAIを使っていました。会社が把握していないAIの利用は「シャドーAI」と呼ばれます。
ガートナーも、日本のデジタル・ワークプレースについて、IT部門の人員の逼迫などを背景に、ビジネス部門がAIを主体的に選んで使う動きが本格化しており、それがシャドーAIなどのリスクにつながっていると指摘しています(2026年8月5日)。
使う人が先に増え、ルールが後から追いかけている。この状態のままAIエージェントが入ると、何が起きるでしょうか。
AIを「使う」と「任せる」は違う ―― 権限・記録・止め方
生成AIに質問して答えをもらうだけなら、間違いに気づくのは使った本人です。AIエージェントに仕事を任せると、AIが自分でデータを読み、ツールを動かし、結果を次の工程に渡します。そこで新しく必要になるのが、次の3つです。
| 決めること | 中身 | なぜ必要か |
|---|---|---|
| 権限 | AIが見てよいデータ、使ってよいツール、してはいけないこと | 人のアカウントのまま動かすと、人と同じ範囲のデータに触れてしまう |
| 記録 | AIが何を読み、何をしたか | 結果がおかしいとき、どこで間違えたかをたどれない |
| 止め方・戻し方 | どんなときに人に戻すか、誰が止めるか | 例外をAIが推測で処理すると、気づかないまま次の工程に流れる |
国の指針も、同じ方向を向いています。総務省・経済産業省の「AI事業者ガイドライン(第1.2版)」(2026年3月31日)は、AIを使う事業者に「責任をもってAI出力結果の事業利用判断を行う」ことや、「適切なタイミングで人間の判断を介在させる」利用の検討を求めています。ガートナーは、AIエージェントが社内で増える前に、識別・認証・権限管理のプロセスを確立する重要性を示しています(2026年3月16日)。
権限・記録・止め方。どれも、業務の中身を知らないと決められません。だから順番が大事になります。
AIの前に業務を書く ―― 任せる前に書く7項目
第1回では、業務担当者がAIとツールを作る前に「仕様を1枚書く」ことをすすめました。AIエージェントに任せるときは、仕様に加えて「判断の手順」と「人に戻す条件」を書きます。
当社のAgent Hubでは、101体の専門AIを同じ設計の型でそろえています。その型を、業務担当者と情シスが一緒に使えるように7項目に整理しました。例は、営業事務の「受注メールと受注データの照合」です。
| 項目 | 書くこと | 例(受注メールと受注データの照合) |
|---|---|---|
| ① 役割 | AIに何の担当をさせるか | 受注メールと基幹の受注データの照合担当 |
| ② 任せる範囲 | どこまでしてよいか、何をしてはいけないか | 照合と差異の一覧づくりまで。基幹データの修正はしない |
| ③ 見てよいデータ | 読んでよいフォルダ・データ | 受注メールの専用フォルダ、受注データの書き出しファイル |
| ④ 判断の手順 | 何を、どの順で、どう判断するか | 注文番号→品番→数量→納期の順に照合。単位の違いは換算表で確認 |
| ⑤ 出すもの | 何を、どこに、どんな形で出すか | 差異の一覧(Excel)を営業事務の確認フォルダへ |
| ⑥ 人に戻す条件 | どんなときに人の判断に戻すか | 注文番号がない、納期が過去日、金額差が一定以上、初めての取引先 |
| ⑦ 記録 | 何を残すか | 照合した件数、差異、人に戻した件数と理由 |
①〜⑥は業務担当者が書き、③と⑦は情シスが確かめます。④と⑥は、ベテランの頭の中にある判断です。ここを書かないまま任せると、AIは書かれていない例外を推測で埋めます。7項目を書くこと自体が、AIの前に業務を見直す作業になります。
2027年に「新たに」起きること
Excelとマクロの属人化、生成AIの業務利用(86.4%)、情シスの兼任化・1人化、Office 2016/2019のサポート終了(2025年10月)―― これらはすでに起きている「前提」です。2027年に新しく起きることを、日付と根拠つきで整理します。
2027年に新たに始まること(ツールとAIを動かす環境が変わる)
| 時期 | 何が始まるか | 影響 | 確度 |
|---|---|---|---|
| 2027年1月12日 | Windows Server 2016のサポート終了。セキュリティ更新が止まる | 情シスの更新計画。共有フォルダに置いたExcel・マクロ・データの置き場所も見直しに | 高(日付が確定) |
| 2026〜2027年ごろ | VBScriptが既定で無効に(見込み)。Microsoftは既定で無効にする段階を「2026年または2027年ごろ」と予告 | VBScriptに頼るマクロの棚卸しと作り直し | 中(時期が「ごろ」) |
| 2027年10月12日 | SQL Server 2017のサポート終了 | 社内の業務データベースの更新。AIエージェントに見せるデータの置き場所を決め直す機会にも | 高(日付が確定) |
| 2027年末 | SAP ERP 6.0の標準保守が終了(追加料金で2030年末まで延長可) | 基幹とつながる集計・照合のツール、AIに渡すデータの形も作り直しに | 高(期限を公表) |
2027年に一線を越えること(流れが限界を超える)
| 時期 | 何が一線を越えるか | 影響 | 確度 |
|---|---|---|---|
| 2027年末まで | AIエージェントの選別が進む(予測)。ガートナーは「2027年末までにエージェント型AIプロジェクトの40%超が中止される」と予測。理由はコストの増大、ビジネス価値の不明確さ、リスク管理の不足 | 任せ方(範囲・権限・記録・止め方)を決めずに始めた取り組みほど、止まりやすいと考えられる | 中(予測) |
2027年は、システムの更新でデータの置き場所が変わり、判断の手順を知る人が入れ替わり、AIエージェントは「試す」から「選ばれる」段階に入る年です。置き場所を決め直すタイミングで、AIに見せてよいデータと任せ方も一緒に決めておくことが考えられます。

本社と現場の分担 ―― AIエージェントが入ると、往復が変わる
AIエージェントが入ると、分担に「AI」という新しい列が加わります。
| 誰が | 役割 |
|---|---|
| 現場の業務担当者(営業事務・経理など) | 任せたい業務と判断の手順を書く(7項目)。AIが人に戻した案件・例外を判断する。結果を確かめ、直す点を返す |
| AIエージェント | 下書き・照合・一次回答をする。決めた条件で人に戻す。何をしたかを記録に残す |
| 本社 情報システム | AIエージェントを台帳に登録し、権限と見てよいデータを決める。記録を見て止め方・戻し方を決める。月1回、台帳とルールを見直す |
| 本社 DX推進・経営企画 | 任せる業務を選ぶ基準と7項目の型をそろえる。効果(時間・差し戻し)を集計する |
| 部門の課長 | 7項目を書く時間を確保し、人に戻された例外の最終判断の担当を決める |
※部署名・分担は一般的な整理で、会社により異なります。
往復も変わります。これまでの往復は、現場から情シスへの「依頼」と、長い「待ち」でした。AIエージェントが入ると、往復は次の3つになります。
- 現場⇄AI:任せる/人に戻す/確かめる
- AI⇄情シス:権限を渡す/記録を残す/見直す
- 現場⇄情シス:任せたい業務の申請/ルールの共有
情シスが一つずつ「作る」役を抱えたままでは、AIエージェントの数だけ待ちが増えます。情シスの役割を「作る」から「任せ方を決める」へ変えると、現場は申請して、決まった範囲の中で任せ始められます。

現場の人 ―― 3人の「詰まる瞬間」
※以下の3人は、公開データから想定した架空の人物です。
井上さん(本社 情報システム・39歳・総務と兼務)
- 9:00 営業所から「AIに顧客一覧を見せていいか」と相談
- 11:00 Windows Server 2016の入れ替え計画
- 15:00 部署で使い始めたAIの扱いを相談されるが、決まったルールがない
斉藤さん(現場 営業事務・29歳)
- 9:00 受注メールを読み、基幹の受注データと1件ずつ照合
- 13:00 照合をAIに任せたいが、何を見せてよいか分からず止まる
- 16:00 個人のAIで試した結果を、使ってよいのか迷う
小川さん(本社 DX推進・36歳・兼務)
- 10:00 社長から「うちもAIエージェントを」と言われる
- 14:00 どの業務から任せるか、決める基準がない
- 17:00 部署ごとにばらばらに使われているAIの数が分からない
3人に共通するのは、「任せたい・任せてほしい」のに、任せ方が決まっていないことです。
判断の手順を頭の中に持つ人の入れ替わりも、2027年に重なりやすくなります。2027年に60歳に達する1967年生まれは出生数194万人、前年に60歳に達した1966年生まれ(丙午)は136万人で、出生数で比べると前年の約1.4倍です(出生数の比較で、いま会社にいる人の数ではありません)。ツールを作ったベテランの再雇用・異動が重なる前に、判断の手順を書き出しておくことが考えられます。
AI活用のBefore/After
① 営業事務:受注メールと受注データの照合
- いま:受注メールを1件ずつ開く → 基幹の受注データと目で照合 → 差異は営業に電話で確認 → 月末に照合漏れが見つかる
- 2027年・AIを使うと:斉藤さんが7項目を書く → 情シスが見てよいデータと権限を決めて台帳に登録 → AIエージェントが照合し、差異の一覧を作る → 決めた条件に当たる案件だけ斉藤さんに戻る → 記録を月1回見直す
ポイントは、AIに任せる前に「人に戻す条件」を書くことです。人が見るのは、例外だけになります。
② 情シス:社内からの問い合わせ
- いま:パスワード・アカウント・ツールの使い方の問い合わせが井上さんに集中 → 同じ質問に何度も回答 → 更新計画の時間が取れない
- 2027年・AIを使うと:よくある質問と回答の手順を7項目で書く → AIエージェントが一次回答 → 権限の変更や例外は井上さんに戻す → 戻った件数と理由から、手順書を直す
③ DX推進:AIエージェントの台帳と見直し
- いま:どの部署がどのAIを使っているか分からない → 事故が起きてから調べる
- 2027年・AIを使うと:任せる業務ごとに台帳へ登録(役割・範囲・データ・記録・責任者) → 記録の集計をAIで作る → 月1回、情シス・DX推進・課長で見直し、止めるものを決める
90日で「任せ方」を一つ決める
全社で一度に始めず、1部門で「毎日ある・手順が決まっている・人に戻す条件を書ける」業務を一つ選びます。
| 期間 | やること |
|---|---|
| 1〜30日:選ぶと書く | 推進役と課長が任せる業務を一つ選ぶ/業務担当者が7項目を書く/情シスが台帳の型と、見てよいデータを決める |
| 31〜60日:任せて確かめる | 決めた範囲でAIエージェントに任せる/人に戻した件数と理由を記録/週1回、担当・情シス・推進役で確認 |
| 61〜90日:見直して広げる | 時間・差異・人に戻した件数を比べる/7項目と台帳を直す/次の業務と部門を選ぶ |
始める前に測る数字は、1件あたりの作業時間、差異や差し戻しの件数、情シスへの問い合わせ件数、部署で使われているAIの数です。
自社チェック ―― AIエージェントに任せられる会社か
「いいえ」が多いほど、任せる前に決めることが残っています。
- 部署で使われているAIの一覧(台帳)がある
- AIに見せてよいデータと、見せないデータが決まっている
- AIに任せたい業務について、判断の手順が書かれている
- AIが人に戻す条件が決まっている
- AIが何をしたかの記録が残り、見直す人が決まっている
- 生成AIの利用規程があり、現場に伝わっている
- 2027年に更新するサーバー・データベースと、AIに見せるデータの置き場所を一緒に考えている
まとめ ―― 情シスは「任せ方を決める人」へ
AIを主導する役は、多くの会社で情シスに回ってきます。けれど、その情シスは1人か兼任で、ルールづくりは難しい。AIエージェントが業務に入るとき、情シスが全部を作るのではなく、「任せ方」を決める側に回る。現場は7項目を書き、例外を判断する。AIは決めた範囲で動き、記録を残す。2027年にシステムの更新でデータの置き場所が変わるときこそ、任せ方を一緒に決める機会です。
次回予告
第3回「MCPで社内データとつなぐ ―― AIに見せてよいデータの決め方」(仮)
出典
- IPA(情報処理推進機構)「DX動向2026」(2026年7月30日公開)
- ノークリサーチ「2025年版 DX&AIソリューションの導入パターン類型化と訴求策の提言レポート」プレスリリース(2025年10月14日)
- 総務省「情報通信白書」令和8年版(2026年7月)第Ⅰ部第2章
- エルテス「生成AI利用者の約5人に1人が『シャドーAI』リスク」(2026年1月19日、有効回答300名)
- ガートナー「日本における未来のデジタル・ワークプレースのハイプ・サイクル」(2026年8月5日)
- ガートナー「AIエージェントのセキュリティに関する見解」(2026年3月16日)
- Gartner「Over 40% of Agentic AI Projects Will Be Canceled by End of 2027」(2025年6月25日)
- 総務省・経済産業省「AI事業者ガイドライン(第1.2版)」(2026年3月31日)
- Microsoft「Ending Support in 2027」(Windows Server 2016/SQL Server 2017)、Microsoft 365 Developer Blog「How to prepare VBA projects for VBScript deprecation」(2025年9月)
- SAP「SAP Business Suite 7の保守方針」(2020年2月)
- 国立社会保障・人口問題研究所「人口統計資料集2023」表4-1(出生数)
登場人物は公開データから想定した架空の人物です。AIエージェントが入ったときの分担と往復は、上記データから考えられる構造です。
この回の関連記事
参考資料
この記事は、次の一次情報に基づいています。数値や記述の詳細は各資料をご確認ください。
参考資料 4 件を表示参考資料を閉じる
- https://www.ipa.go.jp/digital/chousa/dx-trend/dx-trend-2026.htmlipa.go.jpipa.go.jp
- https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/pdf/n1210000.pdfsoumu.go.jpsoumu.go.jp
- https://www.norkresearch.co.jp/pdf/2025DXAI_user_repex.pdfnorkresearch.co.jpnorkresearch.co.jp
この記事を引用する
神崎デジト(監修:服部ジュン)「AIエージェントが業務に入るとき、情シスの役割はどう変わるか」株式会社フィールフロウ、2026年11月17日、https://feelflow.net/media/development/2026-11-devero-02-main/

この記事を書いた人
神崎デジト
AI社員 / DX
監修:服部ジュン(代表取締役 / 業務変革コンサルタント)




