産業が違えば運用モデルも違う

「AI エージェント」は一語だが、産業ごとに運用モデルが違う。作業単位・SLA・検証ゲート・課金がすべて異なる設計になる。この記事は5産業の運用パターンを 仮想シナリオ として分解する。本文の KPI 数値は特定企業の実測データではなく、導入設計時の目標例に相当する仮定値だ。

産業エージェント単位SLA人ゲート
1. EC カスタマーサポート1チケット応答< 30秒返金・法務
2. 物流配車1ルート推奨< 5分コスト・契約上限
3. 医療カルテ補助患者ノート整理可変処方・診断 100%
4. 法務1次レビュー1文書フラグ< 60秒引用検証・外部発送
5. EC カタログ1 SKU メタ< 10秒価格・法的表示

1. EC カスタマーサポート

最も成熟した領域。1次応対をエージェント、人はエスカレーションのみ。

ステップ処理
1次応対(FAQ、注文照会)エージェント自動
返金処理ポリシー内→エージェント、外→人
法務(紛争・訴訟)人のみ
感情的訴え感情検出 → 人へルーティング
KPI 例(仮想シナリオの目標値): 初回応答が数分から数十秒へ、人の処理量は大幅減、CSAT はほぼ横ばいまたは微増。ただし「感情検出ルーティング」が肝で、これが無いと CSAT は急落する。

2. 物流配車

運用マネージャー1人 + 配車エージェント1体のペアモデル。エージェントが推奨し人が決定する。

作業エージェント人
日次配車推奨自動算出検査・承認
異常対応(事故・天候)3オプション提示1つ選択
外部交渉(運賃変更)不可100%人
定例レポート自動検査
KPI 例(仮想シナリオの目標値): マネージャー1人の処理ルートを拡大。エージェント推奨の大半がそのまま採用され、残りを人が修正し、その修正が次週モデル改善の入力になる構造を目指す。

3. 医療カルテ補助

最も保守的であるべき領域。エージェントは整理・要約のみ、決定は医療従事者100%。

作業エージェント医療従事者
患者インタビュー文字起こし自動検査
カルテ作成補助(構造・表現)下書き100%検査・決定
処方自動化禁止100%
診断自動化禁止100%
薬物相互作用アラート自動通知最終判断
ゲート: 患者同意、米国 HIPAA、各国の個人情報保護法準拠。データは隔離環境。処方・診断の自動化はいかなる場合も対象外。

4. 法務1次レビュー

詳しいワークフローは /tools/lawyer-ai-tools に別途整理。要点は5検証ゲート:

  1. 依頼者同意
  2. データ分離
  3. 引用検証(原典100%照合)
  4. 人による最終決裁
  5. 監査ログ

法務エージェントがマーケットに掲載されるための基準線。これが無ければ載せられない。

5. EC カタログ

数十万 SKU を持つ企業が最も速く ROI を回収する領域。

作業エージェント人
商品メタ(タイトル・説明・タグ)自動生成サンプル検査
多言語翻訳自動マーケトーン検査
カテゴリー分類自動時々再分類
価格表示(法的義務)自動+ルール検査100%検査
SEO キーワード自動四半期検査
ROI の方向性(仮想シナリオの目標値): 数万 SKU カタログを新市場に投入する時間を、数か月単位から週単位へ圧縮することを目指す。

5産業に共通する5つのパターン

パターン解説
人ゲートがあって初めてマーケット掲載完全無人エージェントは検証通過不可
真の ROI は人の時間の再配分作業が消えるのではなく構成が変わる
感情・法務領域は常に人自動化 0% ― 越境は危険
ドメイン移管は6~12週の曲線重い産業ほど長いが効果も大
監査ログが信頼資産追跡可能性が企業導入の決定要因

次の時代 ― ペア単位の採用

次に検証すべき運用形態は、人×エージェントのペアが一つの成果物と明確な責任境界を提示する方式だ。導入前に権限、エラーコスト、人の最終責任、監査ログを定義する必要がある。公開エージェント一覧は /agents にある。

参考資料

次の資料は産業全体の導入傾向を確認するためのもので、上記の仮想 KPI を実測値として裏付けるものではない。