繰り返し発生する仕事をまるごとAIに任せるには、うまく言葉を選んだ質問だけでは足りません。AIエージェント、つまりツールを使い、途中の結果を評価し、目標に向けて次の行動を選べるモデルには、明確に定義された仕事の割り当てが必要です。4Sメソッドは、仕事を任せる側の人が下すべき四つの判断を、Select、Scope、Supervise、Sign offとして整理したものです。

白紙の資料の束、区切られた作業エリア、人による確認ポイント、完成文書のトレイが順に並ぶ様子

▲ 情報源、範囲、確認、納品

この方法が向いているのは、毎日、毎週、あるいは毎月、似た手順をたどって一定の成果物を生み出す仕事です。たとえば週次のブリーフィングであれば、更新情報の収集、取捨選択、要約の作成、文書の保存といった作業が含まれます。狙いは、情報源や作業範囲、最終的な品質に対する管理を手放さずに、この一連の流れを任せることにあります。

繰り返しの仕事を4Sの割り当てに変える

四つのステップは、エージェントにできることと、人が決めなければならないことを切り分けます。また、ワークフローを定期実行に組み込む前に試す手段にもなります。

  1. Select： 目新しさから自動化するのではなく、役に立つ反復作業を選びます。結果の良しあしを判断できるほど理解している仕事を選ぶことが重要です。結果が正確か、漏れがないかを見極められなければ、エージェントの働きを確実に評価することはできません。候補を探すには、毎日、毎週、毎月繰り返している雑務についてエージェントにインタビューしてもらう方法があります。
  2. Scope： 求める成果、使ってよい情報源、作業上の制限、納品先、完了の定義を明示します。ChatGPTとClaudeについての月曜朝のブリーフィングであれば、直近7日間の変更だけを対象にし、公式のリリース告知を情報源とし、自分の業務に関係する更新だけを含める、といった形になります。完成した文書をフォルダーに保存するのか、SlackやWhatsAppに通知を送るのかも指定します。
  3. Supervise： 人がどこで作業を確認するかを決めます。ブリーフィングの初期の実行では、レポートを書く前に、選んだ情報源をエージェントに提示させます。この確認ポイントによって、更新の見落としや、ほとんど使わないツールに偏った内容が見つかることがあります。具体的なフィードバックを返して指示を調整し、日常的な確認を減らすのは、何度か実行して基準を満たしてからにします。顧客向けのメッセージや金銭が関わる業務など、慎重さを要する仕事では人による確認ポイントを残します。
  4. Sign off： 完成した成果物を受け入れるか、修正を求めるか、却下するかを決めます。ブリーフィングなら、指定した期間を扱っているか、引用したリンクが実在して機能するか、発表されただけの内容が一般提供済みの機能として扱われていないかを確認します。承認する前に、必要な修正点を正確に伝えます。

白紙の指示フォルダーを置いた抽象的なAIの作業空間から、文書とメッセージの保管場所へケーブルが延びる様子

▲ 指示と接続された業務ツール

エージェントが仕事をこなすために必要なもの

エージェントは、与えられたツールと権限の範囲内で、割り当てられた目標に向けて行動する能力を提供します。ChatGPT WorkやClaude Coworkは、こうした仕事に使えるエージェントの例です。この種のワークフローでは、モバイルアプリやブラウザーのタブよりもデスクトップアプリが適しています。実行に必要なシステムへのアクセスやツールの制御をより多く備えているためです。それだけの能力があるからこそ、権限の選び方が重要になります。文書アーカイブを接続することと、パスワード保管庫や決済情報へのアクセスを与えることは、まったく別の話です。

スキルはエージェントとは異なるものです。特定の作業のための再利用可能な指示のまとまりで、操作マニュアルのような役割を果たします。スキルには、調査の手順、レポートの書式ルール、文章スタイルの指針などを収められます。実際には、スキルファイルは人が中身を確認して編集できるプレーンテキストの指示を収めたフォルダーであることもあります。監督下のワークフローが安定して機能するようになれば、その指示をスキルとしてまとめて繰り返し使えます。ChatGPTとClaudeの環境をまたいで使うことも可能です。

コネクターとプラグインは、エージェントがほかのアプリケーションにアクセスできるようにします。コネクターを使えば、Google Driveにある参考ファイルを読んだり、そこに成果物を書き込んだりできます。プラグインは、あるサービス向けのツール、プロンプト、認証をひとまとめにしたものです。API（アプリケーション・プログラミング・インターフェース）は、ソフトウェア同士がデータをやり取りし、処理を依頼するための仕組みです。**Model Context Protocol（MCP）**は、そうした土台となるソフトウェア間の接続の上に成り立ち、ツールやデータのコンテキストをAIアシスタントに提示するための標準です。これらはサービスへの橋渡しであって、どの仕事なら許されるかをエージェントに伝える指示ではありません。

まず試し、それから定期実行を決める

繰り返し実行するワークフローは、実績を示してから定期実行に組み込むべきです。エージェントは、録画の文字起こしをニュースレターの下書きに変えたり、月次の経理チェックとして請求書を集めたり、ウェブサイトの検索エンジン最適化（SEO）上の問題を毎週確認したりできます。例ごとに成果物も必要な確認も異なります。ニュースレターの下書きは編集者の承認を待てますが、金銭が関わるワークフローは、定型の手順が安定した後も人による確認を続けるべきです。

定期実行する仕事では、エージェントを動かすコンピューターが重要になります。ふたを閉じるとスリープする個人のノートPCでは、バックグラウンドの作業を確実に実行できません。Apple Mac miniのような常時稼働の専用機器や、仮想専用サーバー、つまり定期的な作業のために常に利用できる状態に保たれたリモートのコンピューターであれば、繰り返しのワークフローを支えられます。まずエージェントが実際に必要とするサービスを決め、それに合わせて権限を絞ります。ワークフローを便利にするためだけに、機密性の高い認証情報を接続してはいけません。

範囲を区切った仕事一つから始める

結果の評価方法が分かっている反復作業を一つ選びます。その成果、情報源、制限、納品先、確認ポイントを書き出し、定期実行にする前に何度か実行結果を点検します。プロセスが信頼できると分かったら、その指示を再利用可能なスキルにまとめます。手順を実行するのはエージェントで、情報を運ぶのは接続されたツールですが、どのアクセスを与え、いつ成果物を使える状態と見なすかを決めるのは、依然として人です。