HOME/ビジネス/AIエージェント関連サービス/Agentic Work Flow

Agentic Work Flow
複数AIエージェントの業務遂行・⁠評価・⁠継続改善

Agentic Work Flowの意味、構成、AIと固定ロジックの使い分け、評価と実績の読み方、統制までを、業務・IT・経営の視点から整理します。
業務の整理から本番運用までは、フォワードデプロイ（現場実装）で支援します。

01/概要

Agentic Work Flowとは：複数のAIエージェントが連携し、業務プロセスを自律的に遂行する仕組み

Agentic Work Flow（エージェンティックワークフロー）は、複数のAIエージェントが連携し、業務プロセスを自律的に遂行する次世代型の自動化技術です。従来のRPAやルールベースの自動化とは異なり、タスクの分担・⁠調整・⁠フィードバックをエージェント間で行うことによって、より柔軟かつ高精度な業務遂行が可能となります。

当社は、業務を分解し、AI・固定ロジック・⁠人の判断を適切に配置して、本番運用と継続改善まで成立させる設計・⁠実装・⁠運用改善を提供しています。以下は、当社の公式発表です。

Agentic Work Flowの要点
定義複数のAIエージェントが連携して業務プロセスを自律的に遂行する自動化技術
構成業務エージェント、固定ロジック、Agentic RAG、状態管理、Human in the Loop、評価
評価約3万件のタスク実行・⁠回答を、三段構えで評価
公開実績対象システム・⁠対象評価において正答率99%
進め方業務の整理、実装、品質検証、運用しながらの改善

02/注目される背景

AIエージェント導入の課題：ツールを入れるだけでは精度が上がらない

生成AIやAIエージェントの活用は、業務効率化にとどまらず、事業構造そのものを変える手段として注目されています。一方で、多くの企業がツール導入にとどまり、業務プロセスの再構築や継続的な改善体制の整備が不十分なため、期待を下回る成果に終わるケースも見られます。

→業務再設計の不足：AIに任せる範囲、役割分担、例外対応が決まらないまま、ツールだけが先に入る
→改善体制の不在：導入後に精度を測り、直す担当と手順がなく、品質が横ばいになる
→初期精度の壁：複数のRAGを用いた場合の初期精度は、50%未満になることが多い
→評価の難しさ：すべてのエージェントを人が評価するのは難しく、機械だけでも十分とは言えない
→PoCで止まる構造：継続運用を見据えたKPIがなく、検証が本番に結びつかない
→労働力の減少：国内の労働力が減少する中で、業務の在り方そのものの見直しが求められる
ツール導入で止まる運用
  • 業務の分解がなく、1つのエージェントに全てを任せる
  • 精度の測り方が決まっていない
  • 導入後の改善担当がいない
  • PoCの成果が本番の基準に変換されない
設計・⁠評価・⁠改善を続ける運用
  • 業務を分解し、エージェントの役割と固定ロジックを設計する
  • 三段構えで、量的・⁠質的に評価する
  • 運用ログから、振り分けやシナリオを継続して改善する
  • 段階的なKPIで、求められる水準まで改善する

03/構成要素

Agentic Work Flowの構成要素：業務エージェント・⁠固定ロジック・Agentic RAG・状態管理・⁠人の判断・⁠評価

Agentic Work Flowは、1つの大きなAIではなく、役割の異なる部品の組み合わせで成り立ちます。

業務エージェント業務別の役割を持つエージェント依頼内容に応じて業務別のエージェントへ振り分け、並列に実行し、結果を統合します。役割は、業務の特性に合わせて設計します。
固定ロジック曖昧にしたくない処理の実装金額・⁠期限・⁠権限など、結果がぶれてはいけない処理は、関数や固定定義のワークフローとして実装します。
Agentic RAG根拠を取得する多段階検索必要な情報や専門エージェントを選び、多段階の検索と推論で、業務処理に必要な根拠を取得します。Agentic RAGの発表
コンテキスト・⁠状態管理情報不足と状態の扱い情報が足りないときの追加質問、取得済み情報の保持、エージェント間での状態とメモリの共有を組み込みます。
Human in the Loop人が介在する条件の設計人の承認や確認を残す条件と、例外時の引き継ぎを設計し、人の判定結果とエージェントの実行履歴を改善に使います。
評価・⁠ログ精度を測り続ける仕組み正誤判定の自動集計と人による確認を組み合わせ、実行ログを精度改善の材料として残します。

04/仕組み

業務の整理から継続改善まで：Agentic Work Flowの設計を進める4つの工程

エージェントを作る前に、業務を理解し、AI・固定ロジック・⁠人の役割を決めます。実装後も、評価と運用改善を前提に回します。

工程
内容
主な成果
工程 1　業務を整理する
現行業務を理解し、AIへ任せる範囲、役割分担、例外対応、品質基準、KPIを設計します。業務担当者とエンジニアが共同で検証します。
業務の分解図、役割分担、品質基準、KPI
工程 2　実行できる仕組みにする
業務エージェント、Agentic RAG、固定ロジック、システム連携を実装します。振り分け、並列実行、結果の統合、追加質問を組み込みます。
動作するエージェントシナリオ
工程 3　品質を検証する
自動評価と人の確認で、業務要件への適合を確認します。PoCで終わらせず、継続運用を見据えたKPIで測ります。
評価結果、改善の優先順位
工程 4　運用しながら改善する
データの前処理、チャンク、検索インデックスの調整に加え、実行ログをもとに、プロンプト、振り分け、シナリオ、ルールを改善します。
段階的に上がる精度、運用の定着

05/設計思想

AIと固定ロジックのハイブリッド設計：任せる処理と、関数で固定する処理の使い分け

すべてをAIに任せない設計が、精度と速度の両方を支えます。業務の振り分けやコンテキストのチェックなど、結果を曖昧にしたくない処理は関数や固定ロジックで実装し、解釈や推論が必要な部分にAIを配置します。プロンプトの調整だけでなく、業務プロセスとソフトウェアの両面から最適化します。

固定ロジックで実装する処理
  • 業務の振り分けとコンテキストのチェック
  • 金額、期限、権限など、確定的に決まる判定
  • 承認の条件と、人へ引き継ぐ条件
  • 外部システムへの書き込み手順
AIに任せる処理
  • 曖昧な依頼文の意図の把握
  • 文書やデータからの根拠の検索と整理
  • 例外的なケースの解釈
  • 情報が足りないときの、追加質問の生成

一度の質問で解決できない場合に、不適切な回答を防ぎ、再問合せや追加質問を行うエージェントシナリオも設計に含めます。エージェントの汎用性、専門性、堅牢性を両立させるための設計です。

06/特長

設計思想・⁠運用体制・⁠改善プロセスの三位一体：精度と品質を上げ続ける4つの特長

当社のAgentic Work Flowは、設計思想・⁠運用体制・⁠改善プロセスの三位一体により、精度と品質の向上を実現しており、導入後も継続的に成果を創出できる点が特長です。

特長 ①

独自のエージェント設計思想

業務特性に応じたエージェントアーキテクチャ、業務エージェントの役割設計、追加質問を行うシナリオ設計、曖昧にしたくない領域の固定定義ロジックによるワークフロー設計を行います。

特長 ②

評価プロジェクトの推進

当社の評価ツールに加え、業務理解の高い顧客と共に構築する判定ツールなど、目的と影響範囲に応じた複数段構えの評価を実施します。継続運用を見据えたKPIも設計します。

特長 ③

運用フェーズの継続的改善

導入後も、精度向上を目指したPDCAサイクルを徹底します。フェーズごとに段階的なKPIを設計し、求められる水準まで改善するプランを、策定から実行まで進めます。

特長 ④

品質要求の高い業界での導入実績

エンタープライズ企業を中心に、製造業や金融業など、品質要求の高い業界で導入実績があります。業務への適応力を活かし、ケースに応じたアプローチを提案します。

07/評価と実績

正答率99%：約3万件のタスク実行・⁠回答を対象にした三段構えの評価

当社が顧客向けに提供したAgentic Work Flowのうち、約3万件のエージェントによるタスク実行および回答を、次の三段構えで評価しました。度重なる精度改善の結果、正答率99%を達成しています（2025年7月9日発表）。

評価方法
内容
役割
RAG評価ツール
当社が提供する、生成AIによるRAG評価ツール
検索と回答の量的評価
自動集計・⁠正誤判定ツール
個別プロジェクトに応じた、生成AIによる自動集計・⁠正誤判定ツール
案件ごとの基準への適合
人による目検評価
AIに依存しない、人間による評価
質的評価

すべてのエージェントを人が評価することは難しく、機械だけでも十分とは言えません。量的評価と質的評価の両面からチェックすることで、信頼性を高めています。

言えること
  • 対象システム・⁠対象評価において、正答率99%を達成した
  • 約3万件のタスク実行と回答を、三段構えで評価した
言えないこと
  • あらゆる業務で99%を保証する
  • 業務全体の無人完結率が99%である

2026年10月16日の発表でも、99%は既存のAgentic Work Flowの評価実績であり、新たに組み込むMicrosoft-Decision-1の性能を示すものではないと区別されています。

08/他の手段との違い

RPA・汎用エージェントツール・⁠単一エージェント・⁠プロンプト調整との違いと使い分け

Agentic Work Flowは、既存の自動化を否定するものではなく、柔軟な判断が必要な部分に、設計と評価を伴うエージェントを組み込むものです。定型の単純作業は、RPAやルールベースの自動化が適しています。

手段
主にできること
Agentic Work Flowとの違い
RPA・ルールベースの自動化
事前に定義した手順を、決まった条件で繰り返す
タスクの分担・⁠調整・⁠フィードバックをエージェント間で行い、定型化されていない場面に柔軟に対応します。
汎用AIエージェントツールの導入
ツールを入れて、エージェントを作り始める
業務の再構築と、継続的な改善体制までを一体で設計します。ツール導入だけでは上がらない精度を、評価と改善で引き上げます。
単一エージェントでの回答
1つのエージェントが、1回の質問に回答する
役割の異なる複数のエージェントと固定ロジックで分担し、情報不足時は追加質問を行います。
プロンプトの調整
指示文を直して、出力を改善する
プロンプトに加え、振り分け、シナリオ、ルール、検索の設計を含めて、業務プロセスとソフトウェアの両面から最適化します。

09/顧客価値

課題から価値へ：Agentic Work Flowが解決する業務の課題と、役割別の価値

課題
価値につながる仕組み
得られる価値
ツールを導入したが精度が上がらない
業務の再構築、固定ロジックとの使い分け、段階的なKPIによる改善
求められる水準までの精度向上
すべてをAIに任せるのは不安
Human in the Loopの条件設計、例外時の引き継ぎ
任せる範囲が明確な運用
回答の品質を担保できない
三段構えの評価、Agentic RAGによる根拠の取得
説明できる品質
導入後に品質が下がる
実行ログと現場のフィードバックによる継続改善
運用しながら向上する精度
APIがない画面操作の業務がある
Computer-Using Agentによる画面操作と、前後処理の設計
自動化の対象範囲の拡大

役割別の価値

経営・⁠事業責任者業務を本番で動かす確度公開された評価実績と、段階的なKPIによる改善計画をもとに、PoCで止まらない導入を判断できます。
業務部門例外と判断の扱いが明確になる任せる範囲、人が確認する条件、例外時の引き継ぎが、業務の言葉で定義されます。
IT・基盤管理既存システムと権限を前提にした実装顧客のAzure環境、既存システム、認証・⁠アクセス制御と接続して構築します。
品質・⁠監査評価と実行履歴の確認評価の手順と、エージェントの実行履歴が残り、品質の根拠を後から確認できます。

10/想定ROI

業務別の削減工数の試算：一次対応・⁠文書照会・⁠承認前の確認

対象業務ごとに、現行の件数と所要時間を置き、一次処理の自動化と確認対象の絞り込みで削減できる工数を試算します。

対象業務
試算の前提
削減工数（月間）
一次対応・⁠振り分け
月2,000件、1件8分。一次処理の60%をエージェントと固定ロジックで処理
約160時間
文書照会・⁠根拠の確認
月600件、1件20分が5分に短縮（Agentic RAGによる根拠の取得）
約150時間
承認前の確認作業
月1,000件、1件10分。人が確認する案件を30%に絞り込み
約117時間
合計
上記3業務の合計
約427時間

件数と所要時間は、試算のための仮の値です。

実際の削減幅は、対象業務の現行工数と例外の割合で決まります。当社は、スタートプランで現行の工数と精度を実測し、本番の基準を決めたうえで、段階的に適用業務を広げます。

11/活用シーン

製造・⁠金融・⁠社内業務・⁠画面操作・⁠判断・⁠調査での活用イメージと適性

対象にする業務の性質によって、エージェントの役割と固定ロジックの比率が変わります。

01

製造業：技術文書・⁠設計資料の照会

品質要求の高い現場で、マニュアルや設計資料の根拠を取得して回答し、不足する情報は追加質問で補います。

02

金融業：問い合わせ対応・⁠手続きの案内

規程に基づく大量の問い合わせを、役割別のエージェントで振り分け、確認が必要な案件を人へ引き継ぎます。

03

社内の問い合わせ・⁠申請承認

定型の判定は固定ロジックで処理し、例外だけを人の承認に回します。

04

画面操作を伴う業務

APIがないシステムやSaaSの操作を、Computer-Using Agentで業務ワークフローへ組み込みます。

05

判断を伴う振り分け・⁠採否

分類、振り分け、優先順位付け、採否を、Microsoft-Decision-1による判断として組み込みます。

06

調査・⁠情報収集から入力まで

複数のWebサイトや社内システムを巡回して情報を整理し、共有に必要なシステム入力までを一連で実行します。

適性チェック

適合する顧客
  • 繰り返し発生する業務が多く、判断の基準が規程や経験として存在する
  • 品質要求が高く、精度の測定と改善の体制を作れる
  • 業務担当者とエンジニアが、共同で検証できる
  • Azure・Microsoft 365など、既存の基盤がある
適合しにくい顧客
  • AIを使う必要のない単純作業だけを自動化したい
  • 導入後の精度評価や改善に取り組めない
  • 人の承認や確認を、一切残したくない
  • 業務の範囲や例外が、まったく定義できない

導入検討のDiscovery質問

→自動化したい業務は、どの業務で、月に何件ありますか。
→現在の業務の流れと、例外の扱いは、文書になっていますか。
→回答や処理の正しさは、誰が、どのように確認していますか。
→人の承認を残す条件と、誤りが起きたときの影響範囲はどうなりますか。
→APIがなく、画面操作に頼っているシステムはありますか。
→Azure、Microsoft 365、Foundryは、すでに利用していますか。

12/エコシステム

Agentic Work Flowを支える当社のアセット：業務知識・⁠検索・⁠画面操作・⁠開発・⁠移行

Agentic Work Flowを中心に、当社のアセットは次の役割で組み合わせます。

アセット・⁠取り組み
Agentic Work Flowとの関係
判断基準、例外条件、役割、前提条件などを構造化し、ワークフローが参照する業務知識を整えます。
必要な情報や専門エージェントを選び、多段階検索・⁠推論によって、業務処理に必要な根拠を取得します。
APIがないシステムも含め、画面操作を業務実行へ組み込みます。前後処理、既存システム連携、Human in the Loopも含めて提供します。
分類・⁠振り分け・⁠採否などの判断をワークフローへ組み込む取り組みです。判断・⁠実行・⁠評価・⁠改善を回す基盤を目指します。
顧客業務で培ったAgentic Work Flowの仕組みを、当社の提案・⁠設計・⁠実装・⁠レビュー・⁠テストへ応用したアセットです。
解析から設計・⁠コード生成・⁠検証までを、工程間コンテキスト、品質ゲート、Human in the Loopで接続した適用領域です。
Azure上のエージェント基盤と、Microsoft 365のエージェント開発の基盤として使います。顧客の環境に合わせて構築します。

13/ガバナンス

Human in the Loop・実行履歴・ID・権限・⁠セキュリティ運用：エージェントの実行を統制する運用設計

エージェントが業務を自律的に実行するほど、任せる範囲と、人が確認する条件を明確にする必要があります。

統制 1Human in the Loopの設計人の承認や確認を残す条件を、業務ごとに定義します。重要な判断や不可逆な処理は、人へ引き継ぎます。
統制 2実行履歴の保存エージェントの実行履歴と人の判定結果を残し、品質の確認と改善に使います。
統制 3ID・権限・⁠認証Microsoft Entra IDを前提に、エージェントとユーザーのアクセス制御を設計します。
統制 4エージェントの登録と管理Microsoft Agent 365によるエージェントの登録・ID・権限・⁠監査の統制と組み合わせます。
統制 5セキュリティ運用Agentic Securityで、エージェントが利用するID・権限・⁠データ接続・⁠実行履歴を継続的に把握します。
統制 6AIガバナンス体制体制・⁠ルール整備と技術的なガードレールを、AIガバナンス構築支援として組み合わせます。

14/当社の支援内容

業務の整理から運用改善まで：設計・⁠実装・⁠評価・⁠改善の4つの支援メニュー

当社は、フォワードデプロイ（FDE）として顧客の現場に入り、業務担当者とエンジニアが共同で検証しながら進めます。モデルやプラットフォームの提供元は、各社です。当社は、業務への適用の設計・⁠実装・⁠評価・⁠運用改善を担います。

支援 1

業務分析・⁠ワークフロー再設計

現行業務を理解し、AIに任せる範囲、役割分担、例外対応、品質基準、KPIを設計します。業務担当者とエンジニアが共同で検証します。

支援 2

エージェントの設計・⁠実装

業務エージェントの役割設計、Agentic RAG、固定ロジック、既存システム連携、Computer-Using Agentを、顧客のAzure環境に構築します。

支援 3

評価設計・⁠品質改善

三段構えの評価、案件別の自動集計・⁠正誤判定ツール、人による確認を組み合わせ、段階的なKPIで改善します。

支援 4

運用改善（AgentOps）

データ前処理、チャンク、検索インデックスの調整と、実行ログをもとにしたプロンプト・⁠振り分け・⁠シナリオ・⁠ルールの改善を、継続して行います。

Foundry上の運用と評価は、Microsoft Foundry AgentOpsラボも利用できます。

15/はじめ方

スタートプラン：HWS Agent Campで、最初の1業務を2日間で試作・⁠検証

HWS Agent Campは、生成AIの活用・⁠内製化を目指す企業向けに、専門エンジニアが伴走する2日間の集中ハッカソンです。通常3〜6ヶ月かかるAIエージェント開発を、約2週間の事前準備のうえで2日間に凝縮し、本格的なプロトタイプを構築します。Agentic Work Flowでは、対象業務を1つ選び、エージェントの役割分担と評価の方法まで含めて試作・⁠検証できます。

HWS Agent Camp
STEP 1事前準備（約2週間）対象業務、現行の流れ、例外、人の役割、品質基準を明確にします。
STEP 22日間の集中開発顧客側のエンジニア・⁠業務担当者と専門家が共同で、エージェントと固定ロジックの分担、評価の方法を試作します。
STEP 3検証・⁠事業化検討プロトタイプを検証し、現行工数と精度を測って、本格導入に向けたロードマップを策定します。

JRE MALL様（東日本旅客鉄道）：ECモール運営の業務適用

ECモール運営の実業務を題材に、「データ取得→分析→提案」の流れをMicrosoft Foundry上でAIエージェントとして設計し、動作を検証しました。業務に組み込む際の設計観点、データ整備、構築・⁠運用に必要な役割分担を整理しています。

事例を見る →

リモートロボティクス様：音声でロボットを遠隔操作

Microsoft AI Co-Innovation Lab KOBEで、音声コマンドによるロボット・⁠カメラの遠隔操作プロトタイプを開発しました。音声認識からFunction Callingによるデバイス制御までの流れと、ロボティクス領域に求められる低遅延・⁠高信頼のリアルタイム制御を検証しています。

事例を見る →

16/用語集

Agentic Work Flowの理解に役立つ用語集：エージェント・RAG・評価・⁠運用の基本用語

Agentic Work Flow複数のAIエージェントが連携し、業務プロセスを自律的に遂行する自動化技術。
AIエージェント自律的に特定のタスクを実行するシステム。複数のAIモデルを組み合わせて動作する。
RAG検索で取得した情報を根拠にして、AIが回答を生成する仕組み。
Agentic RAG多段階の検索と自律的な推論を組み合わせたRAG。必要な情報や専門エージェントを選ぶ。
固定ロジック結果が確定的に決まる処理を、関数や固定定義のワークフローとして実装したもの。
Human in the Loop（HITL）AIの処理の途中に、人による確認や承認を組み込む設計。
RPA事前に定義した手順を、ソフトウェアが自動で繰り返す仕組み。
Agentic RPAAIエージェントが画面を見て操作し、定型でない業務も代行する自動化。
Computer-Using Agent（CUA）AIが人のようにパソコン画面を視認し、マウスやキーボード操作を行う技術。
チャンクRAGで検索しやすいように、文書を分割した単位。
AgentOpsエージェントの運用で、実行ログをもとに品質を測り、改善を続ける取り組み。
正答率評価対象の回答のうち、正しいと判定された割合。
KPI成果を測る指標。当社は、フェーズごとに段階的に設定する。
オントロジー業務上の役割・⁠対象・⁠条件・⁠関係などを整理した、AIが参照できる概念の地図。

17/当社について

認定バッジ

Agentic Work Flowで正答率99%を達成

ヘッドウォータースは、RAGを活用した複数AIエージェントによる自律業務遂行で、約3万件のタスク実行・⁠回答を対象にした評価において、正答率99%を達成しています（2025年7月9日発表）。製造業や金融業など、品質要求の高い業界での導入実績があります。

認定バッジ

Microsoft Azure の AI Platform/Agentic DevOps Specialization取得

ヘッドウォータースは「Microsoft Solutions Partner for Digital & App Innovation（Azure）」の認定に加え、上位資格である「AI Platform on Microsoft Azure」「Agentic DevOps with Microsoft Azure and GitHub」の2領域のSpecializationを取得しています。厳格な技術要件と導入実績を満たしたパートナーのみに付与される称号で、2領域の同時取得は国内でも限られています。

認定バッジ

Microsoft AI Innovation Partner of the Year 2024 受賞

「AI イノベーション パートナー オブ ザ イヤー アワード」は、マイクロソフト製品の活用によってAI分野で革新を起こしたパートナーに贈られるアワードとして2024年に新設され、ヘッドウォータースは同分野において最も優れた実績をあげたとの評価を受け、初代受賞パートナーとなりました。

18/関連ソリューション

Microsoft-Decision-1

AIエージェントの判断を、 業務に組み込む。

Microsoft-Decision-1. 選択肢に確率スコアを返す判断モデルを、Agentic Work Flowの判断レイヤーとして組み込みます。

SyncLect Data Intelligence

現場知を、 判断基準のデータに。

SyncLect Data Intelligence. 判断基準・⁠例外条件・⁠優先順位をAIが参照できる形に構造化し、ワークフローの業務知識を整えます。

Agentic RAG

業務データを、自律的に検索して 根拠付きで答える。

Agentic RAG. 多段階検索と自律的推論を備え、業務特化型のエージェントを選んで根拠を取得します。

Computer-Using Agentソリューション

画面操作を、 業務ワークフローへ。

Computer-Using Agentソリューション. APIがないシステムも含め、画面操作を代行するAIエージェントを、Human in the Loop付きで提供します。

HWS Agent Camp

最初の1業務を、 2日間で試作する。

HWS Agent Camp. 専門エンジニアが伴走する2日間の集中ハッカソン。約2週間の事前準備のうえで、プロトタイプを構築します。

Microsoft Foundry（Azure AI Foundry）エージェント

Azure上のエージェント基盤で、 Agent Opsを回す。

Microsoft Foundry（Azure AI Foundry）エージェント. モデルの選定・⁠評価・⁠デプロイ・⁠運用の基盤を設計・⁠導入し、Agent Opsによる継続的な改善を支援します。

19/よくあるご質問

Q. Agentic Work Flowとは何ですか。A. 複数のAIエージェントが連携し、業務プロセスを自律的に遂行する自動化技術です。従来のRPAやルールベースの自動化と異なり、タスクの分担・⁠調整・⁠フィードバックをエージェント間で行うため、より柔軟で高精度な業務遂行ができます。
Q. RPAとは何が違いますか。A. RPAは事前に定義した手順を繰り返します。Agentic Work Flowは、複数のエージェントが分担・⁠調整しながら、定型化されていない場面にも対応します。単純な定型作業は、RPAが適しています。
Q. 正答率99%とは、何の数値ですか。A. 当社が顧客向けに提供したAgentic Work Flowのうち、約3万件のエージェントによるタスク実行および回答を、三段構えで評価した結果です。あらゆる業務での保証値ではなく、業務全体の無人完結率でもありません。
Q. 三段構えの評価とは何ですか。A. 生成AIによるRAG評価ツール、案件に応じた生成AIによる自動集計・⁠正誤判定ツール、AIに依存しない人による目検評価の3つです。量的評価と質的評価の両面から信頼性を高めます。
Q. すべてをAIに任せるのですか。A. いいえ。結果を曖昧にしたくない処理は固定ロジックで実装し、人の承認を残す条件も業務ごとに設計します。AIは、解釈や推論が必要な部分に配置します。
Q. 導入直後の精度は、どの程度ですか。A. 複数のRAGを用いた場合の初期精度は、50%未満になることが多いとされます。データの前処理、チャンクの最適化、検索インデックスの精度向上などのチューニングと、段階的なKPIによる改善で、求められる水準まで引き上げます。
Q. 導入後の改善はどのように行いますか。A. 実行ログと人の判定結果をもとに、プロンプト、振り分け、シナリオ、ルールを改善するPDCAを回します。運用フェーズの継続的な改善は、当社の特長の1つです。
Q. APIのないシステムも対象にできますか。A. Computer-Using Agentを使うと、画面操作を通じて、APIのないシステムやSaaSも業務ワークフローに組み込めます。ログインなど機密性の高い操作では、ユーザー確認を挟みます。
Q. Microsoft-Decision-1とは、どのように関係しますか。A. Microsoft-Decision-1は、分類・⁠振り分け・⁠採否などの判断を担うMicrosoftの判断特化型モデルです。当社は、判断基準の整備（SDI）、判断（Microsoft-Decision-1）、業務の実行（Agentic Work Flow）を接続する取り組みに着手しています。99%の実績は、Agentic Work Flow単体の既存実績です。
Q. どの環境で動かしますか。A. 顧客の環境に合わせて構築します。Azure・Microsoft 365を中心に、Microsoft FoundryやCopilot Studioと接続します。
Q. 統制やセキュリティは、どうなりますか。A. Human in the Loopの条件、実行履歴、Microsoft Entra IDによるアクセス制御、Microsoft Agent 365やAgentic Securityとの組み合わせを、業務に合わせて設計します。
Q. 当社は何を支援できますか。A. 業務分析とワークフロー再設計、エージェントの設計・⁠実装、評価設計と品質改善、運用改善（AgentOps）を、フォワードデプロイ（FDE）で支援します。モデルやプラットフォームの提供と条件は、各社によります。
Q. 最初は何から始めればよいですか。A. 対象業務を1つ選び、現行の流れと例外、品質基準を整理するところから始めます。短期間で試作したい場合は、2日間のHWS Agent Campも利用できます。

Agentic Work Flowに関するご相談

対象業務の選定、エージェントと固定ロジックの設計、評価と運用改善まで、貴社の状況に合わせてご提案します。

お問い合わせ