DX

AIワークフローとは:AIエージェントとの違いと承認フローに組み込む設計・導入判断の基準

AIワークフローとは:AIエージェントとの違いと承認フローに組み込む設計・導入判断の基準

AIワークフローは、申請の受付から通知までの経路を先に決めておき、その途中の決まった工程でLLMやAIモデルを呼び出す業務フローです。この記事では、AIエージェントとの違いをAnthropicが公開した定義で整理し、Dify・n8n・Power Automateで組むときの役割分担を比較する内容です。後半では、稟議や経費申請などの承認フローにAIを入れるとき、AIに任せる工程と人が決裁する工程をどこで分けるかを、各ツールの承認機能の仕様から具体的に示します。採用する業務と見送る業務の条件も言い切ります。

まとめ:AIワークフローは経路を人が固定しAIは判定材料を作る役に絞る

業務で使うAIワークフローは、経路を事前に固定し、AIには「不備の指摘」「規程との照合」「要約」のような判定材料づくりだけを任せる形から始めます。経路そのものをAIに決めさせるAIエージェント型は、手順が読めない問い合わせ対応などに限って使い分けます。

承認・決裁はAIに渡しません。DifyのHuman Inputノードは最初の応答でリクエストを閉じる仕様のため、合議や順次承認はワークフローシステム側の承認機能に残すのが安全です。月に数百件ある定型申請で、差し戻し理由が文書になっている業務なら採用します。件数が月数十件以下、または例外処理が判断の大半を占める業務では見送ります。

AIワークフローの定義:事前に決めた経路の中でLLMを呼び出す業務フローの仕組み

「AIワークフロー」は公的な定義のある用語ではなく、ツール各社が少しずつ違う意味で使っています。ここでは、実装の判断に使える線引きとしてAnthropicの整理を採用します。

Anthropicの定義から見るワークフローとエージェントの境界は経路の決定者

Anthropicは2024年12月19日公開のBuilding effective agentsで、ワークフローを「LLMとツールを事前定義したコードの経路で動かすシステム」、エージェントを「LLMが自分の処理とツールの使い方を動的に決めるシステム」と分けています。境界は、次に何をするかを決めるのが人の設計か、LLMか、という一点です。

同じ記事は、まず最も単純な解決策を探し、必要なときだけ複雑さを増すよう勧めています。手順が明確な業務にはワークフローのほうが予測しやすく、結果も揃いやすい構成です。エージェントそのものの仕組みと種類はAIエージェントとは?生成AI・ChatGPTとの違い、仕組みと5つの種類で整理しています。

従来のワークフローシステムやRPAと比べて扱える入力が広がる範囲

従来のワークフローシステムは、申請フォームの項目と金額条件で経路を分岐させます。RPAは画面操作の手順を固定して再生します。どちらも入力が決まった形式であることが前提です。

AIワークフローで新たに扱えるのは、自由記述の申請理由、添付された見積書や請求書のPDF、メール本文のような非定型の入力です。「申請理由が規程の何条に当たるか」「添付の見積書の合計と申請金額が一致しているか」を、経路の途中で判定材料として作れます。逆に言えば、入力が項目化されていて条件分岐で足りる業務にAIを足しても、処理は増えません。

Anthropicが示した5つのパターンと業務フローでの使いどころの対応

Anthropicは同記事で、ワークフローの代表的な組み方を5つ挙げています。業務フローに当てはめると次の対応になります。

パターン 中身 業務フローでの例
プロンプトチェーン 前の出力を次の入力に渡す 請求書から項目抽出→規程照合
ルーティング 入力を分類して経路を振る 問い合わせを経理・人事へ振り分け
並列化 分割処理や複数回の判定を並べる 同じ申請を2回判定し結果を比較
オーケストレーター・ワーカー 中心のLLMが作業を分けて配る 複数部署の調査を分担して集約
エバリュエーター・オプティマイザー 生成と評価を繰り返す 回答文案を基準で採点して直す

承認フローで実際に使うのは、ほとんどがプロンプトチェーンとルーティングです。オーケストレーター・ワーカーは処理の流れがLLM次第になり、監査で経路を説明しにくくなるため、申請・承認の本線には置きません。

AIワークフローの構築手段:Dify・n8n・Power Automateの承認機能の違い

3つのツールはいずれもAIを経路に入れられますが、人の承認を挟む機能の作りが違います。承認フローに使うなら、この機能の違いが選定の分かれ目です。ツール全体の向き不向きはn8nとDifyの選び分けとAPI併用の構成で詳しく扱っています。

DifyのHuman Inputノードで人の判断を挟むときの仕様と3日の期限

Difyは、LLMを中心にしたアプリをノードで組むツールです。公式ドキュメントのHuman Input(人間の入力)ノードを置くと、ワークフローがそこで止まり、担当者にフォームを提示します。配信はWebアプリかメールで、メールのリンクを受け取った人はDifyのアカウントなしで応答できます。

押されたボタンごとに後続の分岐を変えられるため、「承認」「差し戻し」で経路を分ける設計は組めます。期限の既定値は3日です。応答がなければタイムアウトの分岐に進み、その分岐をつないでいなければワークフローは終了します。ノードの組み方そのものはDifyワークフローの作り方と使い方にまとめています。

n8nのHuman-in-the-loopでツール呼び出し単位に承認を掛ける構成

n8nはSaaS同士の連携が中心のツールで、AI Agentノードに接続したツールの実行前に人の承認を掛けられます。公式ドキュメントのHuman-in-the-loop for toolsによると、承認はエージェントに接続した全ツールにも、選んだツールだけにも適用できます。

承認依頼はSlack、Microsoft Teams、Gmail、Outlookなど9種類のチャネルに送れます。拒否された場合はツールが実行されず、AIにも拒否が伝わる仕組みです。「会計システムへの仕訳登録」「取引先へのメール送信」のように、取り消しの難しい操作だけに承認を掛ける使い方に向いています。

Power Automateの承認アクションとAI Builderを組み合わせる構成

Microsoft 365を使っている会社なら、Power Automateの承認コネクタが候補になります。Power Automateの承認の公式ガイドでは、全員の承認が必要な型、最初の応答で決まる型、カスタム応答、順次承認が用意され、承認の記録はDataverseに保存されます。

AI側はAI Builderの事前構築済みモデルやカスタムモデルを同じフローに入れ、書類の読み取り結果を承認依頼に載せる構成です。クレジットの消費と見積もりの考え方はPower AutomateのCopilotとAI Builderの解説を参照してください。

観点 Dify n8n Power Automate
人の承認を挟む機能 Human Inputノード ツール単位のHITL 承認コネクタ
複数人の承認 最初の応答で閉じる チャネル側の運用次第 全員承認・順次承認あり
期限切れの扱い 既定3日で分岐 フローで別途設計 フローで別途設計
向く使い方 LLM中心の判定処理 SaaS連携と実行前確認 M365内の申請承認

表のとおり、多段の承認経路を持てるのはPower Automateだけです。Difyとn8nは「AIの出力を人が確認する1回の関門」として使い、正式な決裁は別に持たせるのが前提になります。

承認・申請フローへのAI組み込み:AIに任せる工程と人が決裁する工程の線引き

ここが本記事の判断の中心です。結論として、AIは決裁の前段で「承認者が読む材料」を作る位置に置き、承認・却下の判断と記録は人とワークフローシステムに残します。

AIに任せてよい工程は不備チェック・規程照合・要約・振り分けの4種

承認フローの中でAIに任せて事故が起きにくいのは、間違えても人が次の工程で気づける作業です。実務ではまず不備チェックから始めれば十分です。

  1. 不備チェック:必須の添付漏れ、見積書の合計と申請金額の不一致、日付の矛盾を指摘する
  2. 規程照合:申請理由を経費規程や職務権限規程の条文と突き合わせ、該当しそうな条を示す
  3. 要約:長い稟議書や添付資料を承認者向けに3〜5行へ縮める
  4. 振り分け:申請区分の誤りを検知し、正しい経路の候補を提示する

4つとも、AIの出力は「指摘」や「候補」であり、経路を確定させません。振り分けも、AIが選んだ経路へ自動で回すのではなく、申請者か事務局が確定させる設計にします。

AIに決裁させない理由は最初の応答で閉じる仕様と承認権限の記録

決裁をAIに渡さない理由は、精度ではなく責任の所在です。社内規程の職務権限は「誰が承認したか」を人の名前で記録することを前提にしており、AIの出力を承認として扱うと、誰の権限で決裁したのかを説明できなくなります。

ツールの仕様もこの線引きを後押しします。DifyのHuman Inputノードは配信方法にかかわらず最初の応答でリクエストを閉じるため、複数人による応答を想定していません。部長と経理の合議、金額に応じた多段承認は、稟議システムやPower Automateの順次承認のような、承認者ごとの記録を残せる仕組みに持たせます。

差し戻し・拒否・期限切れの3つの分岐を先に設計する失敗回避策

AIワークフローで最も多い失敗は、承認された場合の経路だけを作り、ほかの分岐を後回しにすることです。Difyではタイムアウトの分岐をつながないと、期限切れでワークフローが黙って終わります。申請者には何も届かず、申請が消えたように見えます。

設計の段階で、差し戻しは申請者への修正依頼と再申請の受け口、拒否は理由の通知と記録、期限切れは催促かエスカレーション、という3つの行き先を決めておきます。n8nでツール実行が拒否された場合も、AIが拒否後にどう応答するかをシステムプロンプトに書くよう公式ドキュメントが勧めています。

AIの判定結果を承認者に見せる画面の設計と監査ログに残す5項目

AIの指摘は、承認者が判断の前に必ず目にする場所に出します。メール本文の末尾に添えるだけでは読み飛ばされやすいためです。承認画面の申請内容の直上に「AIの指摘」欄を置き、どの項目に対する指摘かを明示します。

監査に備えて残す項目は、AIへの入力、AIの出力、使ったモデルとプロンプトの版、出力を見た承認者、承認者の最終判断の5つです。AIの指摘と異なる判断をした件数を月ごとに数えると、プロンプトを直すべき箇所が見えてきます。承認履歴の保存年限と記録項目の決め方はワークフローシステムの操作ログ取得、承認段階ごとに誰が何を編集できるかは承認段階別の入力制御機能で扱っています。

AIワークフロー導入の判断基準:採用する業務と見送る業務の条件

AIワークフローを入れるかどうかは、ツールの機能より業務側の条件で決まります。次の2つの条件で判断します。

採用する業務の条件は月数百件の定型申請と文書化された差し戻し理由

採用するのは、同じ種類の申請が月に数百件あり、差し戻し理由が「添付漏れ」「勘定科目の誤り」のように文書で説明できる業務です。差し戻し理由の一覧がそのままAIへの指示文の材料になり、効果も「一次差し戻し件数」で測れます。

経費精算、購買申請、契約書の事前確認がこの条件に当てはまりやすい業務です。AIエージェントを含めた自動化の候補業務の洗い出し方は、AIエージェントで業務効率化できる領域と効果の測り方も参考になります。

導入を見送る場面は件数が少ない業務と判断根拠を説明できない業務

月数十件以下の申請には入れません。プロンプトの調整と分岐の保守にかかる工数が、削減できる確認時間を上回ります。

差し戻しの理由が承認者の経験や取引先との関係で決まり、文書にできない業務も見送ります。AIに与える基準が無いため、AIの指摘は外れ続け、承認者は指摘欄を読まなくなります。この場合は先に判断基準を規程やチェックリストに起こす作業が必要で、AIはその後の話です。人事評価や懲戒のように、判定材料をAIが作ること自体に説明責任が生じる申請も、本線には入れません。

既存のワークフローシステムに足すか別の基盤を立てるかの分岐点

すでにワークフローシステムがあり、APIで申請データを取り出せるなら、承認の本線は既存のシステムに残し、AIの判定だけを外部の処理として呼ぶ構成を勧めます。承認履歴と権限の管理を二重に持たずに済むためです。

既存システムにAPIが無い、あるいは紙とメールで申請を回している場合は、承認の仕組みごと作り直すことになります。その場合も、AIの判定部分と承認の記録部分を分ける設計が前提です。RPAで画面から申請データを取り出してAIに渡す構成や、AIエージェントと既存の業務システムをつなぐ設計は、RPA×AIエージェント連携(インテリジェントオートメーション)でご相談いただけます。RPA・iPaaS・開発のどれで自動化するかの選び分けは業務自動化の進め方で整理しています。

よくある質問

AIワークフローを検討するときによく出る質問に答えます。

AIワークフローとAIエージェントはどちらを先に導入すべきですか?

手順が決まっている業務ならAIワークフローを先に入れる順番です。経路が固定されているので、どこでAIを呼び、どの出力を誰が確認したかを後から追えます。AIエージェントを使う対象は、問い合わせ対応のように必要な手順の数が事前に読めない業務です。Anthropicも、まず単純な構成で始め、必要なときだけ複雑さを増すよう勧めています。最初の1本はワークフローで作り、足りない部分が具体的に見えてからエージェントを検討する順番が無理のない進め方です。

AIワークフローはノーコードツールだけで作れますか?

DifyやPower Automateなら、AIの呼び出しと人の確認を挟む流れまではノーコードで組めます。ただし、既存の会計システムや人事システムの承認データと連携する部分、社内規程の文書を検索させる部分、監査ログを規定の形式で残す部分は、APIの開発や設定が必要になることが多い部分です。試作をノーコードで行い、本番運用に入る段階で連携とログの部分だけを開発で補う進め方なら、作り直しが少なく済みます。

AIが誤った指摘をした場合の責任は誰が負いますか?

AIの出力を判定材料に留め、承認・却下の判断を人が行う設計なら、責任は通常どおり承認者と申請者にあります。AIの指摘を承認として自動で扱う設計では、誰の権限で決裁したのかを説明できない状態になるためです。誤った指摘への対策としては、AIの入力・出力・使ったモデルの版を記録し、承認者がAIと異なる判断をした件数を月ごとに見直す運用を組みます。指摘の外れ方に傾向があれば、プロンプトか規程の側を直します。

稟議の承認フローにAIを入れると承認の期間は短くなりますか?

短くなるのは、差し戻しが繰り返されて期間が延びている申請です。AIが提出前に添付漏れや金額の不一致を指摘すれば、一次差し戻しの往復が減ります。一方、承認者が多忙で承認待ちが長引いている場合、AIを入れても待ち時間は変わりません。その場合は通知の催促や期限の設定、代理承認の仕組みのほうが効きます。導入前に、期間の内訳が「差し戻しの往復」と「承認待ち」のどちらに偏っているかを測っておくと、効果を見誤りません。

AIワークフローに社内の申請データを渡しても安全ですか?

使うAIサービスの利用規約で、入力データが学習に使われるかどうか、保存期間とデータの保存地域がどうなっているかを確認してから渡します。法人向けのAPIやMicrosoft 365の環境内で完結する構成を選べば、入力が学習に使われない契約にできるサービスが多い状況です。マイナンバーや健康情報のように取り扱いの制限が厳しい項目は、AIに渡す前に項目ごと除く設計にします。誰がどのデータをAIに渡せるかは、ワークフローの入力制御と同じ権限表で管理すると漏れが出にくくなります。

関連記事

お気に入りに入れた記事の一覧

一創の公式 SNS

X では毎朝の新着記事と IT ニュースの速報を、YouTube・TikTok・Instagram・LinkedIn・Facebook では記事の解説動画を配信しています。

資料請求

今日のトレンド記事 直近 24 時間で、いつもより多く読まれている記事

  1. 2026.11.13 テックブログ 宝くじ公式サイト不正アクセス:4,436名の対象確認とパスワード再設定、変更された仕組み
  2. 2026.11.14 テックブログ Gitの脆弱性6件:CVE-2026-111760の再帰クローン対策と2.56.1への更新手順
  3. 2025.04.09 コラム ダブルバーレル質問(二重質問)とは?例文と直し方、多重質問・誘導質問との違い
  4. 2026.11.14 テックブログ ImageMagickの脆弱性VU#580079:policy.xmlの許可リスト設定と影響判定の手順
  5. 2026.11.13 テックブログ KARTEの不正アクセス:メールアドレス79,249件と連携認証情報の漏えい、利用企業の対応手順【11月16日時点】

RELATED POSTS 関連記事

目次