AI導入を検討している企業の多くは、「AIをどこまで信用していいのか」という問いで止まっています。ChatGPTに文章を書かせてみたことがある担当者は増えてきましたが、そこから先——定型業務を任せっきりにする、システムを監視させる——という段階に踏み込んでいる会社はまだ少数です。そこに今回、注目に値する事例が出てきました。米国のAI検索サービス企業Perplexityが、本番システムの監視・コード変更・社内コミュニケーションをAIに端から端まで委任し、担当者が確認する頻度が「以前のモデルより大幅に減った」と報告しています。この記事では、その事例が中小企業に何を意味するのか、どこから手をつければ現実的かを整理します。
Perplexityが何をAIに任せたのか
PerplexityはOpenAIのGPT-6 Astra（外部向けの最新APIモデル）を使い、社内の三つの業務領域を自律的に動かしています。一つ目は社内外のコミュニケーション文書の作成、二つ目はソフトウェアのコード変更、三つ目は本番システムの稼働監視です。従来のAI活用との決定的な違いは、担当者がいちいち確認・承認を挟む頻度が著しく下がっている点にあります。「以前のモデルでは毎回チェックが必要だったが、今は任せたまま別の仕事ができる」という状態が実現しているのです。
ここで押さえておきたいのは、GPT-6 AstraはOpenAIが提供するAPIを通じて利用するモデルであり、一般向けのChatGPTとは異なる開発者向けサービスです。現時点では中小企業がそのまま使える汎用ツールというより、システムに組み込んで使う位置づけです。とはいえ、Perplexityの事例が示しているのはモデルの性能より「どの業務をAIに渡すか」という判断の枠組みです。そこは規模を問わず応用できます。
「任せる」と「まかせきり」はどう違うのか
Perplexityのような事例を聞いて、「うちでAIに本番システムを監視させたら怖い」と感じた方は正直な反応です。しかし実際には、Perplexityも全てを放置しているわけではなく、「確認の頻度が下がった」という話です。担当者が監視から外れたのではなく、毎時間確認していたものが一日一回の確認で済むようになった——そういうイメージが近いでしょう。
この違いを理解するために、業務をおおまかに二種類に分けて考えると整理しやすくなります。一方は「判断の余地がほとんどない定型業務」、もう一方は「状況によって対応が変わる判断業務」です。前者はAIが自律的に動いても問題が起きにくく、後者は人の判断が欠かせません。Perplexityが任せているコミュニケーション文書の作成は前者に近く、本番システムの変更は「異常検知はAI、最終判断は人」という役割分担で動いていると考えるのが自然です。
中小企業の現場では、何が壁になっているか
ここで実際の状況を確認しておきます。中小企業のIT担当・総務担当・管理職を対象にした調査（複数のユーザーインタビューと公開アンケートデータを参照）をまとめると、AIに業務を任せることへのためらいは以下の構造で起きていることが分かります。
| ためらいの理由 | 具体的な内容 |
|---|---|
| ①ミスの責任が不明 | AIが間違えたとき、誰が責任を取るのか社内ルールがない |
| ②どこまで任せていいか分からない | 「この業務はAIに向いているか」の判断基準がない |
| ③セキュリティへの不安 | 社内情報をAIに渡すことへの漏洩リスク感 |
| ④導入コストの見えにくさ | 初期設定や運用コストの見積もりが難しい |
| ⑤「失敗した前例」がない | 身近に成功事例がないので踏み出せない |
①と②が最も頻繁に挙がります。技術的な壁というより、「判断のルールがない」という組織的な問題です。これはどんな規模の会社でも共通しており、Perplexityのような先進事例が参考になるのは、まさにこの「判断の設計」の部分です。
どの業務から手をつけるか——自律化しやすい仕事の見分け方
業務をAIに委任しやすいかどうかを判断するうえで、「ミスの影響範囲」と「手順の一定性」の二軸が使えます。
ミスの影響が小さく、手順がほぼ決まっている業務は自律化の第一候補です。たとえば、社内向けの定例報告メールのひな形作成、問い合わせへの初回回答文の下書き、月次レポートのデータ集計と表作成などが該当します。これらは「ミスがあっても送信前に人が確認できる」「手順が毎回同じ」という条件を満たしています。
一方、ミスの影響が大きい業務、または手順が状況によって変わる業務は、AIをあくまでサポート役に留めるほうが安全です。顧客への最終返答、契約関連の判断、採用・評価に関わるコミュニケーションなどがそれにあたります。「任せる業務リスト」と「人が必ず確認する業務リスト」を明文化しておくと、社内の不安を大幅に下げられます。
従業員35人の製造業の会社で、総務担当が一人で対応していた社内FAQ対応（月に60〜80件）をChatGPT（有料版のTeamプラン、月額約4,000円/人）に委任したケースがあります。最初の一ヶ月はAIの回答を全件確認し、問題のないものをテンプレートとして蓄積。二ヶ月目からは全体の70%を担当者のチェックなしで自動返信するようになり、月に10時間以上かかっていたFAQ対応が月3時間程度に縮小しました。重要なのは、最初から全部任せるのではなく、「まず確認する」期間を設けて精度を自分で確認したことです。
システム監視をAIに任せるイメージ——中小企業でどう現実的か
Perplexityの事例で特に注目されているのが「本番システムの監視」への自律AI活用です。「本番システム」と聞くと大企業の話に聞こえますが、中小企業でも同じ構造の課題を抱えている会社は少なくありません。たとえば、自社のECサイトが深夜に落ちていないか、基幹システムのエラーログに異常がないか、サーバーの負荷が急上昇していないかを定期的に確認する業務は、IT担当の貴重な稼働時間を毎日少しずつ削っています。
こうした監視業務は、異常のパターンがある程度決まっているため、AI（正確にはAIと連携した自動化スクリプト）に「異常を検知したら担当者にSlackで通知する」という仕組みを作ることで、常時監視から「通知が来たときだけ確認する」状態に変えられます。この段階では高度なAIモデルではなく、既存の監視ツールとChatGPTのAPI連携で実現できる範囲も多く、月額コストは数千円〜数万円の幅に収まるケースが多いです。自社のシステムをどのツールで管理しているかによって選択肢が変わるため、ChatGPTの使い方ガイドでAPIの基本的な仕組みを確認しておくと、ITベンダーとの会話が進めやすくなります。
AIに任せる業務を書き出すための問いかけ
自社でAI委任の範囲を決めるうえで、IT担当または管理者が社内で共有できる問いを整理しておきます。以下は会議やワークショップで使える問いかけのセットです。
「この業務で、今月何時間かかっているか」という問いから始めます。次に「この業務で、手順が毎回ほぼ同じか、それとも判断が変わるか」を確認します。そして「ミスが起きたとき、送信・実行の前に人が確認できる余地があるか」を問います。この三つに答えられると、自律化の候補業務が絞り込まれます。
上記の製造業の例のように、最初から「自律化」を目標にせず、「確認の回数を半分にする」という小さい目標設定のほうが、現場の抵抗感が下がります。プロンプトの書き方を工夫すると指示の精度が上がり、確認の手間も減ります。プロンプトの書き方ガイドも参照しながら、まず一つの業務で試してみるのが現実的な進め方です。
まとめ
Perplexityの事例が示しているのは、「AIをずっと監視しながら使う」フェーズから「任せて、問題があれば気づく」フェーズへの移行が、技術的には現実になり始めているという変化です。中小企業にとってこれを丸ごと再現するのはまだ難しい部分もありますが、「どの業務なら任せられるか」を書き出すことは今日からできます。自社のIT担当や管理者に「もし確認の頻度を半分にできる業務が一つあるとしたら、どれか」と問いかけてみてください。その答えが、自律型AI活用の入口になります。
具体的にどこから手をつけるべきか迷う場合は、AI導入の相談窓口に業務の洗い出しを持ち込んで判断材料を整理してもらう方法もあります。
