AIに依頼した仕事はなぜ止まるのか――「完了」を設計するNexAの試み

AIに頼めたのに、仕事が終わらない

AIエージェントに「この問い合わせを調べて、必要なら修正して」と依頼する。AIは調査を始め、もっともらしい報告を返す。ところが後日、修正は本番に反映されていない。あるいは、途中で人の承認を待ったまま、誰も気づかない。

これは特定の製品で起きた障害報告ではなく、AIを業務に組み込むときに考えるべき典型的な失敗例です。「AIが回答したこと」と「仕事が完了したこと」は違います。

NexAが取り組むのは、AIの能力を高めることだけでなく、この間にある「仕事を終わらせる仕組み」を作ることです。

従来のチャット型AIは、その場の会話には強くても、誰かが後で確認する必要がある仕事の管理には、別の仕組みを必要とします。

たとえば、一件の不具合対応にも「受付→切り分け→実装→テスト→反映→依頼者確認」という複数の段階があります。AIがコードを書いても、テストが通ったか、本番に反映されたか、依頼者が求めたことが満たされたかは、それぞれ独立した確認事項です。

大事なのは「どのAIが担当するか」だけではありません。

これが欠けると、AIを増やすほど「指示は出したはずだが、今どうなっているか分からない仕事」も増え得ます。

例えば「問い合わせに対応する」の完了条件を、返信文の作成だけにしてしまうと、肝心の送信や解決確認が残ります。

逆に、すべてをAIに自動実行させることも危険です。外部へのメール送信、契約、支払い、公開といった操作には、人間の承認が必要な場面があります。

重要なのは自律性の最大化ではなく、AIが進められる部分と、人が判断する境界が明確であることです。

NexAは、問い合わせや依頼をケースとして追跡するCaseFlow、会議や依頼・進捗を扱うFlowAlign、エージェントが仕事にアクセスするためのMCP/API連携などを、自社の業務AI構想の一部として紹介しています。

公開されているAI Assistant基盤の説明では、RAG、権限、承認ゲート、監査ログ、SaaS連携を重視しています。これらは「賢い返事をするAI」より「仕事の履歴を残して動けるAI」に近づけるための構成要素です。

ただし、すべての連携が無人で完結すること、すべての停滞を検出できること、顧客で効果が実証済みであることまでは、公開情報から確認できません。そこは設計思想・開発上の目標と分けて考える必要があります。

AIの回答数やツール呼び出し回数ではなく、例えば次の数値を追う方が業務価値に近いでしょう。

これらは推奨する評価指標であり、現時点のNexAの実績数値ではありません。

AIに仕事を任せる時代に、次に必要なのは「AIが働いたように見えること」ではなく、何が終わり、何が残り、誰が次に動くかを誰でも確かめられることではないでしょうか。

公開情報と設計上の考察を基に作成した記事です。冒頭の例は説明用であり、特定顧客・製品の実障害を示すものではありません。