企業向けAI自動化・システム連携

AI自動化プロジェクトに含まれるもの#

ご依頼内容に合わせて、取り組み方を設計します。提案書では、どの成果物を含めるか、誰が必要な情報を用意するか、各成果物をどのように検収するかを明記します。

• 業務の見直しと、事前に合意した成功指標によるパイロット
• CRM、メール、フォーム、スプレッドシート、データベースとのAPI連携
• 確認キューを備えた、仕分け・抽出・下書き作成のワークフロー
• 担当者に引き継げるWhatsAppまたはウェブサイト用アシスタント
• 自社の文書をもとに、出典を示して回答する社内ナレッジアシスタント
• ClaudeやChatGPTなどのアシスタントが、設定した権限の範囲で御社のツールを使えるMCPサーバー
• データマップ、呼び出しログ、変更のたびに再実行するテストセット

AI自動化の始め方#

毎週何時間もかかる繰り返し作業があり、入力が明確で、出力を確認できる人がいる場合は、ここから始めるのがおすすめです。アカウント、権限、課金を備えた本格的なプロダクトが必要な場合はウェブアプリ開発から、顧客が自分の記録を確認できる場所が必要な場合はクライアントポータル開発をご検討ください。作業が固定ルールに従うものであれば、モデルではなくフォームや短いスクリプトをご提案します。

効果を測るパイロットから本番運用まで#

パイロットでは、ひとつの業務を対象にします。正しい結果がわかっている過去の実例を集め、構築前に指標(1件あたりの処理時間、エラー率、応答時間など)を決め、チームと並行して自動化を動かします。AIが提案し、人が判断し、結果を比較します。指標を超えられなければ、そこで中止し、検証結果とテストセットはお客様の手元に残ります。

指標を超えた場合は、本番運用へ移行します。権限は業務に必要な範囲に限定し、判断に迷うケース用の確認キュー、モデル呼び出しのログ、アラート、モデル停止時の代替手段、利用額の上限、チームが読み進められるドキュメントを用意します。毎月、エラーとコストを確認し、モデルやプロンプトを変更する前にはテストセットを再実行します。

AI自動化は、どこで費用に見合うのか?#

作業が繰り返され、入力が明確で、人が出力をすばやく確認できる場面です。たとえば、受信メッセージの仕分け、同じ種類の書類の読み取り、既存の資料にある回答の下書き、定型レポートの作成などです。法務、財務、取引関係に影響する判断は人が担い、自動化はその準備を行います。

モデルを使わないほうが安く済む作業もあります。フォームのプルダウンで問い合わせを振り分けられるなら、自由記述からAIに推測させるより確実です。レポートが毎回同じ数値を取得するなら、定期実行のクエリのほうが速く、数字をでっち上げることもありません。そのような場合は、Dardoからお伝えします。

多くの企業は、AIを試す段階と、広く展開する段階の間にいます。チャットボットの試用は簡単ですが、自社システムのデータを使い、例外は人が確認し、効果を数字で示しながら毎日動く業務プロセスをつくるのは簡単ではありません。このギャップを埋めるには、連携、確認、計測が必要で、それがこのサービスの内容です。

WhatsAppやウェブサイトのアシスタントでお客様対応はできますか?#

はい、あらかじめ決めた範囲の質問であれば対応でき、それ以外はすべて担当者へ引き継ぎます。アシスタントは、公開済みの情報や連携したシステムをもとに、営業時間、価格、空き状況、注文状況などに回答します。わからない場合はそう伝え、会話履歴とともにチームへ引き継ぎます。

WhatsAppには独自のルールがあります。MetaのWhatsApp Business Messaging Policyでは、24時間のカスタマーサービスウィンドウ内であれば自動返信が認められていますが、人間の担当者への転送、電話番号、メールなど、迅速で明確かつ直接的なエスカレーション手段が必要です。アシスタントは、御社とそのお客様のためのもので、一般的な質問には対応しません。私たちが構築するアシスタントには、すべて次の機能を備えています。

• お客様が自動アシスタントと会話していることを、はっきり表示します。
• ご要望があったとき、不満の兆候があったとき、合意した範囲外の話題になったときは、担当者に引き継ぎます。
• 回答は御社自身のコンテンツに基づき、価格、日程、例外対応についての約束は行いません。
• チームが確認できる会話ログを残し、個人情報は案件に必要な範囲に限定します。
• 回答できなかった質問を定期的に見直します。そこから、ウェブサイトに足りないコンテンツがわかることも少なくありません。

ベンダーロックインを避けながら、AIを自社システムにつなぐには?#

すでにお使いのツールが備えているAPIを通じて接続します。アシスタントがツールを使う必要がある場合は、MCPも利用します。Model Context Protocolは、AIモデルをツールやデータにつなぐためのオープン標準で、2025年12月からLinux FoundationのAgentic AI Foundationのもとで運営されています。Linux Foundationによると、Claude、ChatGPT、Microsoft Copilot、Gemini、Cursor、VS Codeが採用しており、公開されているサーバーは1万を超えます。そのため、一度公開したツールをさまざまなアシスタントから利用できます。

私たちは、モデルをいつでも入れ替えられる状態にしておきます。プロンプト、テストセット、連携コードはお客様のリポジトリに置き、各ステップで使うモデルを明示します。そのため、プロバイダーを切り替える際も、作り直すのではなくテストをやり直すだけで済みます。ツールは最初は読み取り専用です。メッセージの送信、レコードの変更、返金の実行は、担当者の承認を待ってから行われます。

dardo.studioは、私たち自身の実例です。公開しているMCPサーバーとA2Aインターフェースを通じて、アシスタントが当社のサービスを読み取り、英語またはスペイン語でプロジェクトの概要書を作成できます。どちらも読み取り専用で、何かを送信するかどうかは人が判断します。

データはどのように扱われますか?#

構築に入る前に、各ステップがどのデータを、どのプロバイダーに、どの国へ、どのような保存条件で送るのかを整理します。送信するのは、タスクに必要な項目だけです。識別番号、健康に関する情報、決済データは、それらがなければタスクが成り立たない場合を除き、マスキングします。

コロンビアでは、法律1581号(Ley 1581 de 2012)により、個人データの処理には事前の説明に基づく同意(第9条)、本人に伝えられた正当な目的、不正アクセスを防ぐ安全対策が求められます。第26条は、十分な保護水準にない国への個人データの移転を禁じており、明示的な同意などの例外があります。多くのモデルプロバイダーはデータを海外で処理するため、同意文面と移転の根拠は貴社の法務アドバイザーが確認し、それを裏付ける記録を私たちが整えます。

• データマップ:項目、システム、プロバイダー、国、保存期間。
• すべてのモデル呼び出しのログ:入力、出力、モデルのバージョン、レビュー担当者、判断。
• ロールに基づくアクセス管理。認証情報はプロンプトやコードに含めません。
• お客様のデータが学習に使われるか、どのくらいの期間保存されるかを、規約に明記しているプロバイダーのプラン。
• 本人から依頼があった場合や目的が終了した場合に、その人のデータを削除する仕組み。

ご依頼前のご質問#