投稿者 投稿日: カテゴリー AIニュース
AIエージェントの内製とは、社員自身が業務用エージェントを作り運用することです。
米国の法務書類送達企業 ABC Legal が、エンジニアではない社員を含む全部門でAIエージェントを内製し、2026年7月時点で本番稼働50体以上、一部エージェントが担う人手作業のコストを最大で約50%削減したことを、Anthropic が公式ブログで公開しました。1,100人の従業員のうち約310人が日常業務でClaudeを使っています。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。EC事業者にとっての論点は、AIエージェントを誰が作り、誰が承認し、いくらで回すかという設計にあります。
ABC Legalで何が起きたか、3つの数字で見る事実関係
結論として、ABC Legal は1か月で50体以上のAIエージェントを本番投入しました。Claude by Anthropic の公式ブログによると、CTOのBrandon Fuller は今年に入って Claude Enterprise を1,100人の全社員に展開したところ、送達業務や電子申立の現場だけでなくマーケティング、コンプライアンス、財務まで、指示していないのに社員が自発的に業務自動化を作り始めたといいます。
問題は置き場所でした。初期のエージェントは作った本人のパソコン上のスケジュールタスクとして動いており、何が作られ、いくらかかり、昨夜ちゃんと動いたのかを誰も把握できていませんでした。そこで導入したのが Claude Managed Agents です。実行ループやセッション、メモリ、モデルそのものは Anthropic 側の管理基盤が持ち、ABC Legal 側はプロンプト、ツール一覧、起動条件、監査証跡、成果のフィードバックだけを持つという責任分界にしました。
決定的だったのは、エージェントをすべてコードとして扱った点です。プロンプトも設定もスケジュールも認証情報もすべて設定ファイルとして git リポジトリに置き、変更は必ずプルリクエストの承認を通します。これによりバージョン履歴、レビュー、切り戻し、監査証跡が自動的に手に入りました。Fuller は財務・マーケ・オペレーション・開発から集めた15人の推進委員会に、開発経験のないメンバーも含めて自分でエージェントを作らせ、1週間で全員が動くものを完成させています。約1時間でエージェントを作った担当者もいました。自動化の経験がまったくないアカウントマネージャーが、顧客向けの日次PDF配信を自作した例です。
日本のEC事業者にとっての論点は、内製の主語をどこに置くか
結論から言えば、この事例が日本のEC事業者に突きつけているのは、AIエージェントの内製を情報システム部門だけの仕事にしない、という論点です。楽天市場やAmazon、Shopify、Yahoo!ショッピングを運営する現場には、受注データの突合、レビューの巡回チェック、広告レポートの週次まとめ、問い合わせの一次仕分けといった、毎日必ず発生する定型作業が積み上がっています。これらは仕様が固まっている分だけエージェント化しやすい一方で、開発チームに全部通そうとすると、そこが渋滞して会社全体の速度が決まってしまいます。
ABC Legal が実際に動かしているエージェントを見ると、EC運営に置き換えやすいものが並びます。裁判所が申立を却下した瞬間に起動し、案件情報と裁判所ごとのルールを読んで約1分で診断結果を Slack に投稿するエージェントは、以前は担当者の数時間を消費していた作業でした。完了した送達業務をチェックする Charvis という審査エージェントは、コンプライアンス部門の判断と約98%一致するところまで来ています。受注保留の理由判定、返品可否の一次判断、モール側の商品審査差し戻しの原因特定など、EC側にも同じ構造の仕事は確実にあります。
もうひとつ重要なのが、精度を上げる仕組みを人の手作業に頼っていない点です。ABC Legal は3役構成を採っています。実務を担う初期エージェントが結果を Slack に投稿し、ハーベスターが1時間ないし1日ごとにスレッド返信や絵文字リアクションを集めてラベル付きデータに変換し、チューナーが週次でプロンプトや設定の変更案をプルリクエストとして起案します。モデルの再学習ではなく、プロンプトと設定の改善で回すため、EC事業者の規模でも現実的に真似できます。
明日から動かすなら、初動でやるべき4つのこと
第一に、人を挟んだ状態から始めることです。ABC Legal のエージェントは原則としてまず推奨を出すだけで、担当者が承認するまで実行しません。人の判断と一致し続けることを証明して初めて自動実行に昇格します。EC運営で言えば、価格改定や在庫の自動発注、レビューへの自動返信は、いきなり自動実行にしてはいけない領域です。
第二に、承認の器をプルリクエストに統一することです。Fuller は、エージェントに判断させたいなら、その判断をプルリクエストの形にせよと述べています。行単位のコメント、承認フロー、改ざんできない履歴が最初から付いてくるからです。楽天RMSやAmazonの設定変更を伴う自動化ほど、この承認導線を先に決めておく価値があります。
第三に、モデルの使い分けをコスト設計に組み込むことです。ABC Legal は既定を Claude Sonnet に置き、大量かつ高速な処理は Claude Haiku、深い推論が費用に見合う場面だけ Claude Opus という配分にしています。切り替えは1行の変更です。同社のAI支出は春に立ち上がりのピークを迎えたあと、利用は増え続けたまま7月には減少に転じました。
第四に、すべての作業をエージェントにしないことです。同社は、エージェントが生む価値を運用コストで割った効率比を計測し、価値がコストを下回る案件は素直に見送っています。導入初期は大きなモデルを使うため赤字から始まり、評価軸を整えて軽いモデルに移し、トークンを削ることで黒字に転じるJカーブを描くと説明しています。なお日本国内のEC事業者における同種の削減率は公表事例が乏しく、要確認です。
まとめ
ABC Legal の事例が示すのは、AIエージェントの成否がモデル性能ではなく運用設計で決まるという事実です。作る人を現場に広げ、承認をプルリクエストに集約し、フィードバックを自動で回収し、価値とコストを毎回測る。この4点を先に決めておけば、日本のEC事業者でも同じ構造は再現できます。まずは自社で最も反復回数が多い定型判断をひとつ選び、人が承認する前提のエージェントとして小さく立ち上げることをおすすめします。
参考文献
- Claude by Anthropic – How ABC Legal turned every employee into a builder with Claude Managed Agents
- Anthropic – Claude Managed Agents 公式ドキュメント
- Anthropic – Claude Enterprise
- Anthropic – AI agents ソリューション概要
あわせて、社内でのAI活用と監査の設計はAI監査ログとClaude Cowork・Claude Codeの3論点、複数エージェントを同時に動かすときの注意点はマルチエージェントの縄張り争いとEC自動化3原則、運用コストの考え方はAIトークンコスト削減6手法もご覧ください。
※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: Claude by Anthropic
【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
