AIエージェントを「使う」ことと「作る」ことは、思っていたより違った
樋門AIエージェントを開発し、社員と使う中で、指示書、止める場所、確認の経緯を整える手間が見えてきました。既存の道具を使う場合との違いを、根拠が足りないときの扱いや、人による照査との関係から整理します。
CodexやClaude Codeなど、AIエージェントと呼ばれる道具を仕事で使うようになりました。一方で当社では、既存のAIモデルを使いながら、樋門の設計業務に合わせたAIエージェントを作ってきました。
同じ「エージェント」という言葉でも、用意された仕組みを使うときと、自分たちの業務に合わせて働き方を組み立てるときでは、考えることがかなり違いました。
以前の記事では、AIを動かす道具や役割の分け方を整理しました。今回は、実際に開発し、社員とも使い始める中で見えてきた、作る側の仕事を記録します。
同じ「エージェント」でも、決める範囲が違う
ニュースやSNSでは、「エージェントを作った」「AI社員を増やした」という話を見かけます。私自身が使う側と作る側の両方にいるせいか、同じ言葉で語られていても、中身がかなり違う話が混ざっている気がしていました。
もちろん、使うことと作ることの間に、はっきりした境界があるわけではありません。既存の道具でも、指示書を整えたり、使える道具や権限を設定したりすれば、自分たちの業務に合わせた仕組みに近づいていきます。
ここで目を向けたいのは、どこまで自分たちで仕事の進め方を決めているか、という点です。
CodexやClaude Codeは、プログラムやファイルを扱い、作業を進める開発支援のAIツールです。利用できる機能や設定に応じて、ファイルを読み、コマンドを実行し、結果を確認して次の作業へ進みます。一度の応答で終わらず、必要な作業を繰り返す土台が用意されています。
使う側は、その土台を毎回作る必要がありません。何を頼むか、どの資料を渡すか、どこまで任せるか、結果をどう確かめるかを考えて、作業を始められます。
ただし、実務では頼み方の工夫だけでは足りません。入力した条件が正しいか、必要な資料がそろっているか、結果を採用してよいかという確認は、既存のエージェントを使う場合にも残ります。
自分たちで作る場合には、その都度行っている段取りや確認を、繰り返し使える手順として組み立てる仕事が加わります。
樋門AIエージェントで作っているもの
では、樋門AIエージェントを「作る」ときに、何を作っているのでしょうか。
AIのモデル自体は、既にあるものを使っています。当社でモデルそのものを開発しているわけではありません。
作っているのは、その周りです。元請会社から預かった資料をどう扱うか、どの基準を確認するか、計算書と図面と数量の関係をどうたどるか。そうした手順と、守るべきことを、指示書として言葉にしていく作業が中心でした。
技術者なら自然に立ち止まるところでも、AIに同じ扱いを期待するなら、その条件を明確にしておく必要があります。資料が不足しているとき、条件が食い違っているとき、判断の根拠を示せないときに、どう扱うかまで考えます。
この「どう働くか」を具体的にしていく部分に、作る側の手間がありました。
私の手元では説明を補いながら進められても、社員が使うと、その説明が共有内容へ入っていないこともありました。以前記録した、共有版で判断の細部が不足していた経験も、この作業の難しさにつながっています。
指示書と、止める場所と、確認の残し方
作る側の作業を分けると、おおよそ三つになります。
一つは、指示書を作ることです。何をしてよいかだけでなく、何をしてはいけないか、迷ったときにどうするかを書きます。普段は無意識に使っている判断を言葉にする作業です。
ただ、指示書に書けば、毎回そのとおりに動くと保証されるわけではありません。実際の資料を使い、意図した手順で確認できているかを確かめ、指示書を直す必要があります。文章で示す方針と、利用環境の権限や設定によって制限される範囲も、区別して考えます。
二つ目は、止める場所を決めることです。どこまで自動で進めてよいか、どこから人の確認を挟むかを決めます。当社では、成果物として使える形にする前には、人が確認する前提にしています。
例えば、計算書と図面で条件が一致しないとき、AIがどちらかを推測して先へ進めると、誤った前提のまま結果が整ってしまうおそれがあります。食い違っている箇所を示し、人へ確認を戻す扱いを考えておく必要があります。
三つ目は、確認の経緯を残すことです。何を根拠に、どこまで確かめたのかが後から追えないと、実務では扱いにくくなります。
参照した資料とその版、確認した箇所、判断の根拠、確認できなかった点。そうした内容が、後から見る人の手掛かりになります。資料を読み取れなかった場合も、「確認したが問題はなかった」という結果と混ざらないようにする必要があります。
こうした記録を、人が確認に使える形へ整えることも、仕組みを作る仕事の一部です。
根拠が足りなければ、次の確認点として返す
樋門AIエージェントでは、根拠が足りないときに、無理に答えを作らせない方針にしています。分からないことは「分からない」とし、確認すべき点として返す形を選びました。
設計実務では、もっともらしい答えが埋まっているよりも、「この条件は資料から確認できない」と分かる方が、次の作業につながる場面があります。
ただし、「要確認」と書いてあれば十分というわけでもありません。何が不足しているのか、どの資料のどこに食い違いがあるのか、何を確認すれば先へ進めるのか。そこまで示されていないと、人が最初から調べ直すことになります。
この線引きは、まだ試行錯誤の途中です。確認点が多すぎれば人の負担が増えますし、少なすぎれば見落としにつながります。確認点の数だけでは、よく働いているかどうかは判断できません。
必要なところで止まり、その理由が分かる形で返ってくるかを、使いながら確かめているところです。
「AI社員を何人作った」では、中身は分からない
役割に名前を付けること自体は、仕事を分ける考え方として分かりやすいと思います。当社でも、役割の違うAIを分けて考える試しをしました。
ただ、人数だけでは中身は分かりません。名前と指示を与えたものもあれば、道具を使って資料を読み、結果を記録するところまで動くものもあります。同じ「一人」でも、任されている仕事の範囲はかなり違います。
役割を分けただけで、確認の独立性が得られるわけでもありません。同じ資料や前提に頼っていれば、複数のAIが同じ誤りを引き継ぐ可能性があります。「設計担当」「照査担当」と名前を分けるだけで、見落としを防げるとは限りません。
数と合わせて、何を任せているのか、どの資料を根拠にしているのか、どこで人が確認しているのかが見えると、実務での使い方を考えやすくなると思います。
作る側の仕事は、土木の照査に近かった
作る側に回って意外だったのは、中心の仕事が「AIを賢くすること」ではなかったことです。指示書を直し、止める場所を決め、確認の経緯を残す。やっていることの多くは、仕組みと確認の設計でした。
これは、土木の設計実務でいう照査の考え方に近いと感じています。根拠がたどれるか、条件と合っているか、計算書と図面と数量が整合しているかを確かめる。その確かめ方を先に決めておくところが、似ている気がします。
もちろん、AIが資料を確認したことをもって、技術者の照査が完了したとは扱いません。AIの確認結果も含めて、人が根拠を確かめ、成果物へ採用してよいかを判断します。
AIの性能が上がれば、この確認の設計が不要になるわけでもなさそうです。処理が速くなるほど、誤った前提のまま先へ進める量も増えます。どこで止め、誰が何を確かめるかを決めておく意味は、むしろ大きくなるのかもしれません。
今回は、確認精度や作業時間の短縮について評価結果を示したものではありません。実務に役立っているかを確かめるには、見落としだけでなく、不要な指摘や、人が確認し直す手間にも目を向ける必要があります。
作る側にかかる手間やコストをどう考えるか、社員が使う中で指示書をどう育てていくか。このあたりも、まだ整理しきれていません。
それでも開発を通して、自分たちが普段どこを見て、何を根拠に判断し、どこで立ち止まっているのかを言葉にする機会になりました。自分たちの仕事に合わせてAIエージェントを作ることは、その業務の進め方と確かめ方を見直すことでもあるのだと思います。