投稿者 投稿日: カテゴリー AIニュース
Anthropicは社内Slackのデータ質問の75%超をAIが回答していると公開しました。
Anthropicが2026年8月13日、自社のデータチームがSlack上でAIエージェントを運用した1年間の学びを公開しました。あるデータ用チャンネルでは直近1カ月、投稿された質問の75%以上をAIが回答し、応答は通常1〜2分だったといいます。売上や受注の数字を担当者に聞いて回る時間が、EC運営でも毎日発生していることを考えると、この事例は他人事ではありません。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が解説します。
Claude Tagとは何か、Anthropicが公開した5つの学び
Claude Tagとは、SlackのスレッドでAIをメンションして呼び出せる仕組みのことです。現在はパブリックベータとして提供されています。Anthropicの解説記事によると、同社は前回の投稿で開発者向けのClaude Code上で約95%の精度を出す土台を作り、今回はその土台を全社員が使うSlackへ展開した経緯をまとめています。
公開された学びは5点です。第一に、AIに読ませる手順書ファイル（スキルファイル）を配信物として扱い、常に更新し続けること。データの定義は1日に何度も変わるため、AIが先週の定義を読めば、先週の誤答を自信満々に返してしまうという指摘です。第二に、どのテーブルを見るかを教えるだけでは足りず、予測・コホート分析・ファネル分析・グラフ表現・分析文章の書き方まで手順書にすること。第三に、倉庫のデータだけでなく社内のインシデント記録や告知も参照させること。同社は「サインアップが火曜に12%減、当日9〜11時に決済サービス障害が発生していた」といった因果まで含む回答例を挙げています。
第四が権限設計、第五が計測です。この2つは、日本のEC事業者がそのまま持ち帰るべき論点なので次章で扱います。
日本のEC事業者が注意すべき3つの論点
結論から書くと、EC事業者がこの仕組みを真似するとき、最も事故が起きやすいのは権限設計です。Anthropicは「ボットにメンションできる人は全員、ボットのデータアクセス権を持つ」と明記しています。ユーザーごとの行レベルの出し分けは行われないため、チャンネルに人を1人追加した瞬間、そのチャンネルからAIが読めるデータすべてがその人に開いた状態になります。
第一の論点は、顧客情報の切り離しです。楽天市場やAmazonの受注データには、氏名・住所・電話番号・メールアドレスが含まれます。同社は列単位で個人情報を分類し、サービスアカウントにその権限を与えないことで、テーブルは参照できても該当列は読めない状態を作っています。日本のEC事業者の場合、個人情報保護法上の安全管理措置とも直結する部分ですので、受注CSVをそのままAIに読ませる運用は避け、集計済みのテーブルだけを見せる設計が現実的です。
第二の論点は、指標の定義を先に揃えることです。EC運営では「売上」ひとつでも、流通総額なのか、キャンセルと返品を差し引いた確定額なのか、送料込みかで数字が変わります。定義が揃っていない状態でAIに聞くと、もっともらしい数字が返ってきて、そのまま社内会議で使われてしまいます。Anthropicが言う「ガバナンスされた定義」を先に文書化することが、AI導入より前の作業になります。
第三の論点は、手順書の鮮度です。楽天RMSの項目改定、商品管理番号の付け替え、Amazonのレポート仕様変更は日常的に起こります。AIに読ませる手順書が古いままだと、誤った集計軸で回答が返ります。Anthropicは手順書の置き場所を会話のたびに読み直す構成にしていますが、これは中小規模の運営でも「手順書はGoogleドライブの1フォルダに集約し、変更時に必ず更新する」という運用ルールで代替できます。
今すぐ着手できる初動アクション
Anthropicは導入の順序として、権限、配布、計測、社内ナレッジ連携、分析スキルの5段階を挙げ、権限を最初に決めることを勧めています。アクセスは後から広げるほうが、絞り直すよりずっと簡単だという理由です。
EC事業者の初動としては、まず自社の数値定義を1枚のドキュメントに書き出すところから始めるのが現実的です。売上・受注件数・客単価・広告費・粗利の5項目について、どのデータをどう集計したものかを明文化します。次に、AIに見せてよいデータの範囲を決めます。個人情報を含む列を除いた集計テーブルを1つ用意し、そこだけを参照させる形にします。
3つ目に、チャンネル参加者の管理責任者を決めます。Anthropicはデータチームがチャンネル一覧を保有する形にしていますが、中小規模なら店長かEC責任者が兼務すれば十分です。4つ目に、回答に対する評価を残す運用を作ります。同社は絵文字のリアクションと訂正返信を集計し、正答率の代替指標にしています。5つ目に、クエリにラベルを付けて誰の質問が重い処理を走らせたか後から追える状態にしています。処理量に応じて課金される仕組みを使う場合、この記録がコスト管理の要になります。
まとめ
Slackでのデータ質問をAIに任せる取り組みは、精度を上げる工程と、非分析職に届ける工程がまったく別だという点が今回の要点です。EC事業者が着手するなら、AIの選定よりも先に、数値定義の統一と個人情報を含まない集計テーブルの用意、そしてチャンネル権限の管理者を決めることから始めるのが安全です。
参考文献
- Self-service data analytics in Slack: how Anthropic deploys Claude Tag for ad-hoc questions（Anthropic公式ブログ、2026年8月13日）
- How Anthropic enables self-service data analytics with Claude（Anthropic公式ブログ）
- Claude Tag 製品ページ（Anthropic公式）
- エージェントのアイデンティティとアクセスモデル（Anthropic公式ブログ）
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
引用元: Anthropic公式ブログ
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
