CoBANTO3-AI

創刊準備号 Vol.75 / AIの使い道を25個出して、選んだのは「部品探し」1つ——なぜそれだった?

あなたの会社で、毎日だれかが同僚に訊いている作業は、何ですか。

2026年10月05日 一般公開

Gartnerが、エージェント型AIの導入事例107件を分析し、成果が出た事例の共通点をまとめました。その中に、部品の発注を受け持つエージェントで、技術者に9万時間を戻したという米国の会社があります。この会社のCIOは、AIの使い道を25個出したうえで、一つに絞ったと話しています。

① 事実

米国の調査会社Gartnerは2026年9月、公開されているエージェント型AIの導入事例を比べた分析の要点を公開しました。成果が出た事例として挙げた一つが、米国の産業サービス会社の、部品の発注を受け持つエージェントです。Gartnerは社名を書いていませんが、同じ数字の事例を、業務ソフトの会社IFSが自社の顧客として公表しています。その会社のCIOが、何を選んだかを壇上で話しています。

Gartnerは、エージェント型AIの導入107件を分析しました

Gartnerは2026年9月10日、「Mastering Agentic AI: Multimillion-Dollar ROI Lessons」という記事を公開しました。エージェント型AI(人が逐一指示しなくても、自分で手順を判断して作業を進めるAI)の導入107件を分析した、有料レポートの要点です。

Gartnerは、2028年までに、エージェント型AIで実際に出るROI(投資対効果)の80%が、何でもこなす汎用のエージェントより、特定の業務に絞って作った<strong>特化型</strong>のエージェントから生まれると予測しています。

Gartnerが挙げた成功例の共通点は「実行」でした

Gartnerは、部品の補充、製造の分析、設備の診断などで、エージェントがうまく使われていると書いています。そのうえで、成功例の共通点を「実行に焦点があること」とまとめています。エージェントが社内の業務の流れの中で作業を最後まで終わらせ、測れる成果を出しているという意味です。

同じ記事は、成果を止める落とし穴を6つ挙げています。その一つが、データやシステムの土台の弱さです。

部品の発注を受け持つエージェントで、9万時間を戻した会社があります

Gartnerが挙げた例の一つは、ある産業サービス会社です。部品の発注を自動化したエージェントで、<strong>年300万ドルのROIと、技術者への9万時間</strong>を生んだと書いています。

同じ数字の事例を、IFSが2026年4月の発表で、Kodiak Gas Servicesとして紹介しています。天然ガスをパイプラインで送るための圧縮設備を、米国全土で動かしている会社です。現場の技術者は800人います。技術者が話しかけるだけで部品を探して注文できるエージェントを入れた、と書かれています。

KodiakのCIOは、25個の使い道から部品探しを選んだと話しています

KodiakのCIO(情報システムの最高責任者)、Pedro Buhigas氏は、2025年11月にIFSのイベントに登壇しました。業界誌ERP Todayの報道によると、Kodiakは同年8月にIFSの基幹システムに移り、その8週間後にエージェントを入れています。

Buhigas氏は「できそうなことを出し合ったら、25の用途が出た。私たちは部品探しに絞った」と話しています。

それまで技術者は、部品が要るたびに、システムの部品カタログを検索するか、同僚に電話して在庫を訊いていました。エージェントは、この一往復を少なくとも15分縮めるそうです。

300万ドルは、Buhigas氏の試算です。技術者全員が、同僚に訊く手間を1日1回省けば、300万ドルに相当するという言い方でした。実績として話したのは、導入から2か月足らずで9万時間を省いたという数字です。9万時間がどう数えられたかは、公表されていません。

Kodiak Gas Servicesの部品探し(CIOの登壇とIFSの発表から)。出し合った使い道25個から、選んだのは部品探し1つ。これまでは部品カタログを検索するか、同僚に電話して在庫を訊いていた。エージェントを入れたあとは、技術者が話しかけるだけで部品を探して注文できる。現場の技術者800人(IFSの発表)、1回あたり縮む手間15分以上(CIOの発言)、全員が1日1回同僚に訊く手間を省いた場合の年300万ドル(CIOの試算)、導入から2か月足らずで省いた9万時間(CIOが実績として話した)。800人が1日1回15分を省くと2か月で約8,000時間で、9万時間の数え方は公表されていない(本紙の計算)

出典:

② 構造

Kodiakが25個の候補から選んだ部品探しは、技術者全員に毎日起きる、短くて形の決まった作業でした。探している答え(部品の番号と在庫)は、入れ替えたばかりの基幹システムの中にありました。Gartnerが成功例の共通点に挙げた「実行」は、この条件がそろった作業だから成り立ったと読めます。AIの性能より、どの作業を選んだかが効いた事例だと読めます。

Kodiakが選んだのは、毎日、全員に起きる15分の作業でした

Buhigas氏の話から読むと、部品探しには条件がそろっていました。800人の技術者全員に、毎日起きます。1回は15分ほどです。探すものは部品の番号と在庫で、形が決まっています。終わりは注文が出ることで、はっきりしています。

1回あたりは小さくても、人数と回数を掛けると大きくなる作業です。300万ドルの試算も、この掛け算でできています。

部品探しの答えは、8月に入れ替えた基幹システムの中にありました

技術者が同僚に電話していたのは、カタログを引くより早かったからだと推測できます。Kodiakは8月に基幹システムを入れ替え、その8週間後にエージェントを入れました。エージェントが部品を探して注文まで終えられたのは、部品と在庫の記録が、エージェントの届く場所に入っていたからだと読めます。

Gartnerは落とし穴の一つに、データとシステムの土台の弱さを挙げていました。Kodiakの部品探しは、その逆の状態で始まっています。答えが人の頭の中や、ばらばらの表にあると、エージェントは提案で止まり、注文までは進めません。

残りの24個がどうなったかは、分かりません

本紙はVol.74で、AIをどこに当てるかを見つけることを、研究者が「マッピングの問題」と呼んでいると書きました。同じAIを配られても、当てる場所が見えない会社は成果が出ない、という実験です。Kodiakの25個の候補は、この見つける作業にあたります。

Kodiakは、見つけた25個から一つに絞って始めました。残りの24個がその後どうなったかは、公表された発言からは分かりません。

本紙はVol.73で、外の技術者が作ったエージェントの7割が、2028年までに手放されるというGartnerの予測を取り上げました。今回のGartnerの分析は、その反対側で成果が出た事例を集めたものです。

③ 自分事

当社(株式会社東京ネット工務店)は、Kodiakの部品探しを、作業を抜き出して組み替えた使い方として見ています

海老沢は、Kodiakの部品探しを、AIに置き換えられる作業を抜き出して、業務を組み替えた使い方だと見ています。シンプルで、効果が明快な一手です。

Kodiakは、技術者の仕事をエージェントに任せていません。部品を探し、在庫を確かめ、注文を出す流れのうち、探す・確かめる・注文書を作る部分を抜き出して、エージェントに渡しました。設備を直す仕事は、技術者に残っています。

当社は、作業の置き換えを提案するより先に、AIで片付けています

当社は、お客様に「この作業をAIに置き換えましょう」と持ちかける形を、あまり取っていません。どの作業をどうAIに渡すかの細かいところは、相談をいただいたらお教えしています。

当社の仕事の中では、ところどころでAIが作業を巻き取っています。Vol.40で書いたWebサイトの管理がその一つで、SEO(検索されたときに上位に出るための設定)のメタ情報(検索エンジンにページの中身を伝える情報)は、AIが自動で整えています。

当社は、預かった売上データの分析結果を、頼まれる前にお送りしています

売上や販売のデータをお預かりしているお客様には、その分析結果をAIで作ってお送りしています。分析の軸は、海老沢が考えます。お送りすると、お客様は新しいことに気付き、もっとこうしたいという発想に至ります。

始める前に「こういう分析があったら見ますか」と訊いても、そのときはぴんときません。忙しい人には、要らないと言われます。頼まないと損だと思う人には「ぜひ」と言われますが、送っても見られずに捨てられます。

海老沢は、動機をどう作るかが肝心だと考えています。AIに限らず、コンサルティングの基本です。

Kodiakの部品探しは、技術者が毎日、同僚に電話してまで片付けていた作業でした。動機は、AIを入れる前からありました。

明日できること

社内で一日に何度も同僚に訊いている作業を、一つ思い浮かべてみてください。「あの書類、どこにある?」「在庫、まだある?」のような一往復です。訊かれた人が答えるときに、何を見ているかも一緒に思い浮かべてみてください。

その答えが、社内のシステムか表に入っているのか、それとも誰かの頭の中にしかないのかを、訊かれる側の人に確かめてみてください。


今月のモデル

今号は、新ネタ無しです。


CoBANTO3-AIチャットを無料体験しませんか?

本紙のバックナンバーを記憶し、本紙の読み方(戦略の階層・歴史循環)で、あなたの状況に当てて答えるAIチャットです。記事は「地図」ですが、地図は現地には当たりません。「この号の話、うちの場合はどうなるのか」を訊く場所として用意しました。

調べもの、文章の下書き、ちょっとした雑談にも使えます。 普段づかいのチャットとして、気軽にどうぞ。

2026年10月5日現在で、約20のモデルに対応しています。 新しいモデルも、出たらなるべく早く入れています。モデルの手応えを試す場所としても使えます。

ご利用は事前購入のクレジット制です(1,000円から)。月額の契約ではないので、解約の手続きはありません。使った分だけ減り、無くなれば止まります。

消費は、<strong>基本料金と、答えの長さ(100字ごとに1クレジット)</strong>で決まります。短い答えなら少なく、長い答えほど多くかかります。モデルによって、1,000円で120〜200往復ほど使えます。

読者登録をいただいた方には、無料クレジットを500クレジット、プレゼントします。 登録は、この記事のすぐ下からできます。

CoBANTO3-AIチャットは、こちらから。無料で体験できるので、ぜひこの機会に触ってみてくださいね。

https://www.netkomuten.tokyo/lp/co-banto3-ai


ライトノベル「ようこそ、東京ネット工務店へ」

海老沢が執筆している、IT業界のお仕事小説です。毎号1話ずつご紹介します。

〈第三部 第53章「静かな、いい夜」〉

リナが、削りたかった夜勤に一晩同行します。三十人の入居者を、夜勤職員の今井が一人で見ている夜です。

https://www.netkomuten.tokyo/channels/novel-tnk-part3/articles/ch53

小説を書いている理由

この小説は、もともと、社内の教育のために書き始めました。うちの会社——東京ネット工務店で、新しく入った人間に、この仕事の考え方を伝えるための、いわば教材でした。戦略の階層とか、取捨選択とか、口で言っても、なかなか伝わりません。だったら、物語にして読んでもらったほうが早い。そう思って、書き始めました。

ところが、いろいろあって、その教材が、要らなくなってしまいました。理由は、いろいろあります。ここには、書ききれません。ただ、宙に浮いてしまった原稿を、捨てるのも惜しくて、何度も書き直しながら、今度は、教材ではなく、ただ読んで面白い、お仕事小説として、作り直していきました。

https://www.netkomuten.tokyo/channels/atogaki/articles/atogaki-1


Q&Aコーナー

AI・IT業界に関するご質問を募集しています。CoBANTO3-AIチャットのサポートも、こちらへお願いします。

本紙の通知メール・LINEに、そのまま返信していただけます。

5290文字 ・ 約9分

ほかの読みもの

新しい号から読む

第1号から読む

このチャンネルのポリシー

著作権
チャンネル掲載の記事・小説等の著作権は海老澤敦に帰属します。当該コンテンツの掲載および当サイトの運営・管理は株式会社東京ネット工務店が行っています。その他、当サイトのコンテンツおよびロゴ・商標等の権利は同社に帰属します。
引用
当サイトのコンテンツは、通常の「引用(出典を明記した上で、一部を転載すること)」であれば、事前の連絡なく行っていただいて構いません。ただし、当サイトの文章や画像をAIのトレーニングデータ(生成AIの学習、機械学習、データ解析等)として取り込むこと、およびスクレイピングによる自動収集は固くお断りいたします。 Prohibition of AI Training and Data MiningWhile text quotation under copyright law is permitted with proper credit, the use of any content on this website for AI training, machine learning, text/data mining, or web scraping is strictly prohibited.
リンク
リンクは自由です。事前のご連絡は不要です。