この記事でわかること

• AIエージェントと「生成AIチャット」の違い — なぜ今、中小企業が押さえるべきなのか（Gartner の公式予測つき）
• 導入プロジェクトの 4 割以上が頓挫する理由と、それを避ける「下ごしらえは AI・最終確認は人」の分担設計
• 「最初に任せる 1 業務」を選ぶ 4 象限フレーム — 定型度 × リスクで自社の業務を棚卸しする方法
• 業務別の委任の始め方 5 例 — 何を AI に下ごしらえさせ、どこを人が確認するかの具体的な線引き
• 業務棚卸し → PoC → 本番化の 3 ステップと、Lark を使う場合の 3 層構成・活用できる補助金の考え方

目次

1. 結論 — 成否を分けるのは「最初に任せる 1 業務」の選定
2. AIエージェントとは — 「生成AIチャット」との決定的な違い
3. なぜ今か — Gartner「2026 年 40%」と「4 割が頓挫」の二面性
4. 中小企業の現在地 — 白書2026が示す導入率20.4%と2つの壁
5. 失敗の本質と処方箋 — 「下ごしらえは AI・最終確認は人」
6. 最初に任せる業務の選び方 — 定型度 × リスクの4象限
7. 業務別・委任の始め方 5 例（下ごしらえ／確認の分担表）
8. Lark で実装する場合の 3 層 — Base AI・オートメーション・Claude 連携
9. 導入の3ステップ — 業務棚卸し → PoC → 本番化と補助金
10. 自社EC事例 — 240時間→24時間と「人が確認と判断に寄った」変化
11. よくある質問（FAQ）
12. まとめ — 「1 業務 × 1 工程」から小さく始める

結論 — 成否を分けるのは「最初に任せる 1 業務」の選定

結論を先に述べます。AIエージェント導入で成果を出せるかどうかは、ツールの性能でも設定の巧拙でもなく、「最初にどの業務を、どこまで任せるか」を正しく選べるかで決まります。実際、調査会社 Gartner は「2027 年末までにアジェンティック AI（自律型 AI エージェント）プロジェクトの 4 割以上が中止される」と予測しており、その主因はガバナンスの欠如・コスト過大・投資対効果の不明確さです（出典: Gartner プレスリリース・2025 年 8 月）。つまり多くの頓挫は、技術ではなく「任せる業務の選び方」で起きているのです。

本記事が一貫して勧めるのは、次の 2 つの原則です。

• 最初は「定型的で・失敗しても取り返しがつく」業務を 1 つだけ選ぶ（全社一斉・全業務は避ける）
• 「下ごしらえは AI・最終確認は人」で分担する——AI に集計・下書き・要約という“準備”をさせ、判断と確定は人が握る

この 2 原則を守ると、AIエージェントは「使われずに止まるツール」ではなく「毎日回る仕組み」になります。以下、AIエージェントの基本から、選定フレーム、業務別の始め方、Lark での実装、3 ステップの進め方までを順に解説します。設定そのものの手順は前回記事 Lark Base API × MCP で自社業務を自動化する（Claude Code 連携の実装入門） に譲り、本記事はその前段の「何を任せるか」の判断に集中します。

AIエージェントとは — 「生成AIチャット」との決定的な違い

結論として、AIエージェントとは「指示を受けて、複数のステップを自分で判断しながら実務を最後まで実行する AI」です。ChatGPT のような生成 AI チャットが「聞かれたことに文章で答える」相談相手だとすれば、AIエージェントは「頼まれた仕事を、道具を使いながらやり遂げる働き手」に近い存在です。

観点	生成AIチャット（従来）	AIエージェント（2026 の主役）
できること	質問に答える・文章を作る	データ取得→集計→文章化→登録まで一連の作業を実行
道具の利用	基本は会話のみ	社内データベース・カレンダー・チャット等を自分で呼び出す
人の関わり方	その都度、指示と確認	大枠を指示し、要所で確認（＝下ごしらえと最終確認の分担）

ここで大切なのは、「自律的に実行できる＝丸投げしてよい」ではないという点です。AIエージェントは判断を伴う作業を高速で“下ごしらえ”できますが、その出力が常に正しい保証はありません。だからこそ、中小企業が最初に設計すべきは「どこまで任せ、どこから人が確認するか」の線引きです。Lark を使って社内でこの働き手を組み立てる具体的なパターンは Lark AnyGen で社内 AI エージェントを内製する 7 パターン にまとめています。

なぜ今か — Gartner「2026 年 40%」と「4 割が頓挫」の二面性

結論として、AIエージェントは「試してみる技術」から「業務システムに標準搭載される前提」へと、2026 年に一気に移行します。Gartner は「2026 年末までに企業向けアプリケーションの 40% がタスク特化型の AI エージェントを組み込む（2025 年時点の 5% 未満から約 8 倍）」と予測しています（出典: Gartner プレスリリース・2025 年 8 月）。使っている業務ソフトの側に AI エージェントが「最初から入っている」時代が、目前に来ているということです。

一方で同じ Gartner が、前述のとおり「2027 年末までにアジェンティック AI プロジェクトの 4 割以上が中止される」とも予測しています。普及の波と頓挫の波が同時に来ている——これが 2026 年の実像です。この二面性から中小企業が読み取るべき教訓は明快です。「乗り遅れないために急いで全社導入する」のではなく、「頓挫の 4 割に入らない小さな一歩から、確実に成果を出して広げる」ことが正解だということです。

「急がなくては」という焦りが、かえって“全部いっぺんに任せる”という頓挫パターンを招きます。DX 全般で同じ轍を踏まないための考え方は 中小企業 DX 失敗率 64% から学ぶ — 着手前にやるべき 5 ステップ でも詳しく扱っています。

中小企業の現在地 — 白書2026が示す導入率20.4%と2つの壁

結論として、中小企業の AI 活用はまだ 2 割程度で、しかもその大半が「どこに使えるか分からない」段階で止まっています。ここに、先んじて成果を出す会社と出せない会社の差が生まれます。2026 年版中小企業白書のもとになった中小機構の実態調査（2026 年 3 月）によると、中小企業の AI 導入率は 20.4%。導入済み企業の 82.6% が生成 AI を利用しており、導入効果は「業務効率化・作業時間の短縮」が 83.2% と突出しています（出典: 独立行政法人中小企業基盤整備機構「中小企業の AI 等の利活用に係る実態調査」2026 年 3 月）。

注目すべきは「壁」の中身です。同調査で導入の最大の障壁に挙がったのは、次の 2 つでした。

• 「具体的な活用場面が分からない」——35.6%（＝何に使えばいいか分からない）
• 「導入を推進する人材がいない」——32.0%（＝旗を振る人・回す人がいない）

裏を返せば、この 2 つの壁は「最初に任せる 1 業務」を具体的に決め、小さく回し始めるだけで大きく下げられるということです。高価なツールや専門人材の採用よりも先に、「自社のどの作業を AI に下ごしらえさせるか」を紙 1 枚で棚卸しする——それが 2026 年の中小企業にとって最も費用対効果の高い一手です。参考までに、2026 年版中小企業白書（中小企業庁）も、AI 活用による「労働投入量の最適化」を“稼ぐ力”強化の中核に据えています。

失敗の本質と処方箋 — 「下ごしらえは AI・最終確認は人」

結論として、AIエージェント導入が頓挫する典型は「判断ごと丸投げしようとして、精度に不安が出て使うのをやめる」パターンです。処方箋は 1 つ、作業を「下ごしらえ」と「最終確認」に分け、下ごしらえだけを AI に渡すことです。

料理でたとえると分かりやすくなります。野菜を洗って切る・出汁を取る・下味をつける——この“下ごしらえ”は手間がかかるわりに創造性は低く、AI が最も得意とする領域です。一方、味を決めて盛り付けを確定する“最終判断”は人が握る。この線引きを崩さない限り、「AI が間違えても人の確認で止まる」ため、大事故は起きません。実際、パナソニック コネクトは自社向け生成 AI「ConnectAI」を国内全社員約 1 万 2,400 人に展開し、導入 1 年で 年間 18.6 万時間の労働時間を削減しましたが、その使い方も「AI が下書き・整理し、人が判断する」という補助的な位置づけが中心でした（出典: パナソニック コネクト 公式プレスリリース・2024 年 6 月）。大企業の事例ではありますが、「人の確認工程を残したまま量をこなす」という設計思想は、中小企業がそのまま真似できる部分です。

最初に任せる業務の選び方 — 定型度 × リスクの4象限

結論として、最初の 1 業務は「定型度が高く・失敗しても取り返しがつく（低リスク）」象限から選ぶのが鉄則です。自社の業務を、次の 2 軸で 4 象限に置いてみてください。

• 横軸：定型度（毎回ほぼ同じ手順か／その都度判断が要るか）
• 縦軸：失敗時のリスク（間違えても後から直せるか／取引・お金・信用に直結するか）

象限	特徴	AI委任の判断	業務の例
① 定型 × 低リスク	毎回同じ・直せる	◎ ここから始める	日報・週報の下書き、データ集計、議事録要約
② 非定型 × 低リスク	都度判断・直せる	○ 下ごしらえのみ任せる	企画のたたき台、問い合わせ返信の下書き
③ 定型 × 高リスク	毎回同じ・直せない	△ 人の確認を厚く	請求・発注、契約書の起票
④ 非定型 × 高リスク	都度判断・直せない	✕ 当面は人が担当	価格決定、採用の合否、与信判断

最初の一歩は必ず①（定型 × 低リスク）から。ここで「AI に任せると本当に楽になる」という手応えを社内が共有できると、②③へ委任範囲を広げる合意が自然に得られます。逆に、いきなり③④に手を出すと、たった一度のミスで「やっぱり AI は危ない」という空気が生まれ、プロジェクトごと止まります。これが Gartner の言う「4 割の頓挫」の中小企業版です。

業務別・委任の始め方 5 例（下ごしらえ／確認の分担表）

結論として、「AI が下ごしらえ → 人が最終確認」の線引きを、業務ごとにあらかじめ決めておくと、導入初日から迷いなく回せます。中小企業で効果が出やすい 5 業務について、分担の型を示します。

業務	AI に任せる「下ごしらえ」	人が握る「最終確認」	目安の効果
日報・週報	データから件数・金額・特記事項を文面化	数字の妥当性チェックと送信	週 2〜3 時間削減
会議準備の集計	売上を前月比・商品別・店舗別に再集計	解釈と意思決定	数十分 → 数分
問い合わせ対応	要点を 3 行要約し返信の下書きを作成	言い回しの確認と送信	記録漏れの防止
議事録	録音・メモから決定事項と ToDo を抽出	担当・期日の確定	作成時間ほぼゼロ化
見積・提案の下書き	過去案件から雛形と項目を提案	金額と条件の決定	初稿作成の時短

いずれも共通するのは、「AI が作るのは“提出前の状態”まで、確定は必ず人」という設計です。この型を守れば、AI の出力に多少のブレがあっても、人の確認で吸収されます。なお「そもそも Lark でどんな AI 活用ができるか」の全体像は Lark AI でできること全整理2026 に、Claude を使った具体的なユースケース 10 選は Claude × Lark 連携でできること10選 に整理しています。

Lark で実装する場合の 3 層 — Base AI・オートメーション・Claude 連携

結論として、Lark を使うと、AIエージェント導入に必要な「データ基盤・自動化・AI」を 1 つのプラットフォーム上で段階的に揃えられます。中小企業がゼロから道具を組み合わせる負担が小さいのが利点です。役割で 3 層に整理します。

1. データ基盤の層（Lark Base） — 受注・顧客・タスクなどの業務データを Base に一元化します。AI に任せる前提として「読み書きできる形でデータが揃っている」ことが最重要です。Base の設計思想は Lark Base が中小企業の業務効率を変える3つの理由 をご覧ください。
2. 定型自動化の層（Base オートメーション ＋ Base AI） — 「レコード追加時に通知」「期日が近づいたらステータス変更」といった無人の定型処理はノーコードのオートメーションで、要約・分類などの軽い AI 処理は Base に内蔵された「Base AI」で組めます。Lark 公式料金ページ（2026 年 8 月 1 日確認）でも、Base AI は無料の Starter からトライアル利用でき、Pro 以上で拡張トライアルが付く形で提供されています。
3. 判断・文章化の層（Claude Code などの外部エージェント連携） — 集計・下書き・起票のように“判断を伴う下ごしらえ”は、MCP（共通コネクタ）経由で Claude Code のような外部 AI エージェントに任せます。具体的な接続手順は Lark Base API × MCP 実装入門 の通りです。

プラン別の上限（Base の行数・オートメーション回数）は自動化の設計に直結するため、着手前に必ず確認してください。Lark 公式料金ページ（2026 年 8 月 1 日確認）に基づく現行値は次のとおりです。

プラン	料金（1ユーザー/月・税抜）	ユーザー数上限	Base 行数/1テーブル	オートメーション/月
Starter	¥0（無料）	20 名まで	2,000 行	1,000 回
Pro	¥1,420	500 名まで	2 万行	5 万回
Enterprise	要お問い合わせ（個別見積）	無制限	5 万行	50 万回

出典: Lark 公式料金ページ（2026 年 8 月 1 日確認）。税抜・年払い。オートメーション実行回数は追加購入も可能です。30 名で Pro を使う場合は月 ¥42,600（¥1,420 × 30）が目安です。

まずは無料の Starter で①の 1 業務を試し、増え続けるデータや自動化回数の必要に応じて Pro を検討する——という順番で十分です。料金全体の考え方は Lark 料金 完全ガイド2026、kintone など他ツールとの比較は Lark vs kintone 徹底比較、Microsoft Teams との比較は Lark vs Microsoft Teams 比較 にまとめています。

導入の3ステップ — 業務棚卸し → PoC → 本番化と補助金

結論として、AIエージェント導入は「業務棚卸し → PoC（小さく試す）→ 本番化」の 3 ステップで進めるのが、頓挫を避ける王道です。

ステップ①：業務棚卸し（紙 1 枚でよい）

まず、自社の定型作業を洗い出し、前述の 4 象限に置きます。ここで狙うのは「削減時間 × 定型度が高く・リスクが低い」交点にある業務です。多くの会社で最初の候補になるのは、日報・週報・議事録・集計といった“準備仕事”です。この工程を飛ばして「とりあえず AI ツールを契約」してしまうのが、白書が指摘する「活用場面が分からない（35.6%）」という壁の正体です。

ステップ②：PoC（1 業務 × 1 工程で 2〜4 週間）

選んだ 1 業務について、「AI が下ごしらえ → 人が確認」の形で 2〜4 週間だけ試します。評価軸は「削減できた時間」と「人の確認でどれだけ手直しが要ったか（＝下ごしらえの質）」の 2 点だけで十分です。ここで成果が出れば本番化、出なければ別の①業務へ差し替える——この身軽さが、投資を膨らませずに前進する鍵です。

ステップ③：本番化と横展開

PoC で回った業務を日常業務に組み込み、次の①②業務へ広げます。この段階で「毎回まったく同じ処理」は Lark オートメーションのような無人の定型自動化に切り出し、AI（人の確認つき）とノーコード自動化を役割分担させると、仕組みとして安定します。

費用面では、ソフトウェア導入や専門家活用に使える公的な補助スキームを組み合わせられる場合があります。たとえば中小企業向けの各種デジタル化補助金は、ツール費用や導入支援費が対象になるケースがあります（対象・要件・締切は年度ごとに変わるため、必ず 中小企業庁など公式の最新情報をご確認ください）。当社は補助金スキームの申請を含め、制度に依存しすぎない現実的な進め方をご提案しています。IT 人材を増やさずに内製で回す考え方は IT人材ゼロでも業務システムは内製できる もご参考ください。

自社EC事例 — 240時間→24時間と「人が確認と判断に寄った」変化

結論として、当社が自社 EC 事業で月 240 時間 → 24 時間（90% 削減）を実証できた核心は、「まず Lark にデータを一元化し、その上で定型作業を“下ごしらえ”として段階的に AI へ寄せた」順番にあります。受注・在庫・問い合わせ・週次レポートが別々のツールと Excel に散らばっていた頃は、転記と集計だけで毎月膨大な時間が溶けていました。そこで第一段階として Lark Base への一元化（この時点で大幅削減）、第二段階として本記事の分担設計——AI への集計・下書き・起票の委任と、Lark オートメーションによる定型反応の無人化——を重ねました。

実感として大きいのは、時間の削減そのものより「人がやる仕事が『確認と判断』に寄った」ことです。数字の転記や文章の清書といった、ミスが出やすく達成感の薄い作業が消え、浮いた時間は商品企画と顧客対応に回っています。まさに「下ごしらえは AI・最終確認は人」を自社で実践した結果でした。事例の全体像は 中小 EC 事業者の Lark 活用 — 240h→24h の実証記録 をご覧ください。

同じ業務棚卸しを貴社でも — 無料相談（60 分）で「AI に任せる最初の 1 業務」を一緒に特定します。

よくある質問（FAQ）

Q1. AIエージェントと ChatGPT のような生成AIチャットは何が違うのですか？

生成 AI チャットは「聞かれたことに文章で答える」相談相手で、AIエージェントは「頼まれた仕事を、社内データベースなどの道具を使いながら最後まで実行する」働き手です。中小企業の実務では、集計 → 文章化 → 起票といった複数ステップの下ごしらえを一気通貫でこなせる点が、エージェントの価値になります。ただし出力が常に正しい保証はないため、「最終確認は人」の設計が前提です。

Q2. 最初に任せる業務はどうやって選べばいいですか？

「定型度が高く・失敗しても取り返しがつく（低リスク）」業務から選ぶのが鉄則です。具体的には日報・週報の下書き、データ集計、議事録の要約などが第一候補です。逆に、価格決定・与信・採用合否のように「都度判断が要り・間違えると取り返しがつかない」業務は、当面は人が担当してください。自社の業務を「定型度 × リスク」の 4 象限に並べると、最初の 1 業務が見えてきます。

Q3. AIに任せて品質が下がったり、間違えたりしませんか？

「下ごしらえは AI・最終確認は人」という分担にすれば、AI の出力ミスは人の確認工程で止まるため、大きな事故にはつながりません。むしろ、数字の転記や清書のような人為ミスが出やすい作業を AI に渡すことで、品質が安定するケースも多くあります。重要なのは「AI に判断ごと丸投げしない」線引きを、業務ごとにあらかじめ決めておくことです。

Q4. 中小企業でも本当に効果が出ますか？大企業の話では？

出ます。むしろ人手が限られる中小企業ほど、1 人あたりの削減効果が経営に直結します。2026 年版中小企業白書のもとになった調査では、AI 導入企業の 83.2% が「業務効率化・作業時間の短縮」を効果として挙げています。当社自身も自社 EC 事業で月 240 時間 → 24 時間（90% 削減）を実証しました。ポイントは規模ではなく、「小さな 1 業務から確実に成果を出す」進め方にあります。

Q5. 専門人材がいなくても導入できますか？

できます。中小企業白書の調査でも「推進する人材がいない（32.0%）」が導入の壁に挙がりますが、最初の一歩は高度な専門知識より「どの業務から任せるかを決める判断」です。Lark のようにデータ基盤・自動化・AI が 1 つに揃ったプラットフォームを使えば、ノーコードとコピペ中心で始められます。判断や設計の部分だけ外部の導入支援を活用するのも現実的な選択肢です。

Q6. Lark の無料プランでも AIエージェントの活用は試せますか？

試せます。Lark の Starter プラン（20 名まで無料）でも、Base への データ一元化・オートメーション（月 1,000 回）・Base AI のトライアル利用が可能で、本記事の「最初の 1 業務」は無料枠で検証できます。ただし 1 テーブル 2,000 行の上限があるため、増え続けるデータを扱う本格運用では Pro（¥1,420／ユーザー・月、2 万行・オートメーション月 5 万回）以上が現実的です（2026 年 8 月時点・Lark 公式料金ページ）。

Q7. 導入に補助金は使えますか？

ソフトウェア導入費や導入支援費が、中小企業向けの各種デジタル化補助スキームの対象になる場合があります。ただし対象経費・要件・締切・採択枠は年度ごとに変わるため、必ず中小企業庁など公式の最新情報でご確認ください。当社は補助金スキームの申請を含め、制度に過度に依存しない現実的な導入計画をご提案しています。

まとめ — 「1 業務 × 1 工程」から小さく始める

本記事の要点をまとめます。

• AIエージェント導入の成否は、ツールではなく「最初に任せる 1 業務」の選定で決まる
• Gartner 予測では 2026 年に企業アプリの 40% が AI エージェントを搭載する一方、プロジェクトの 4 割は 2027 年までに頓挫する。乗り遅れ防止より「頓挫回避」を優先する
• 処方箋は「下ごしらえは AI・最終確認は人」。時間はかかるが判断は軽い作業を AI に、判断が重い作業を人に配分する
• 最初の 1 業務は「定型 × 低リスク」象限（日報・集計・議事録など）から選ぶ
• 進め方は業務棚卸し → PoC（2〜4 週間）→ 本番化の 3 ステップ。Lark ならデータ基盤・自動化・AI を 1 つで段階的に揃えられる

大事なのは、全社一斉ではなく「1 業務 × 1 工程」から小さく始めて、成果を確認しながら委任範囲を広げることです。最初の 1 業務が回り始めると、「これも任せられるのでは」が社内から自然に出てきます。その最初の 1 歩を、頓挫の 4 割ではなく成功側で踏み出すことが、2026 年の分かれ道です。

関連記事

• Lark Base API × MCP で自社業務を自動化する — Claude Code 連携の実装入門2026
• Claude × Lark 連携でできること10選 — AIエージェントに業務を任せる中小企業の始め方
• Lark AnyGen で社内 AI エージェントを内製する 7 パターン
• Lark AI でできること全整理2026 — 標準AI機能・AnyGen・AnyCross の使い分け
• Lark Base が中小企業の業務効率を変える3つの理由
• 中小企業 DX 失敗率 64% から学ぶ — 着手前にやるべき 5 ステップ
• Lark vs kintone どっちを選ぶべきか【中小企業向け徹底比較】
• 中小 EC 事業者の Lark 活用 — 業務時間 240h→24h と 90% 削減の実証記録