Slackが週97分短縮｜AI前提の社内知識設計とEC3つの論点

齋藤竹紘2026年8月20日2026年8月20日AIニュース

Slackは、Claudeを基盤にしたAI機能で平均ユーザーの作業時間を週97分削減しました。

チャットに流れていった会話を、あとから使える知識に変える。その一点にAIを投じた結果が、平均ユーザーあたり週97分という数字で出ました。Claude by Anthropicが公開した導入事例によると、Salesforce傘下のSlackは自社のAI検索・要約・リキャップ機能をClaude Platform上で構築し、要約とリキャップだけで平均ユーザーの時間を週97分節約しているとしています。EC事業者にとっても他人事ではありません。楽天RMSの運用ルールも、Amazonの在庫トラブル対応も、たいていはチャットの中にしか残っていないからです。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。

Slackが週97分を生んだAI機能の中身

結論から言えば、Slackが削減した週97分は「検索」ではなく「要約とリキャップ」から生まれています。同社が公開した事例では、AI機能の柱として4つが挙げられています。自然言語で会話・スレッド・ファイルを横断して探すAI検索、チャンネルやスレッドの決定事項とアクションアイテムを抜き出す要約、未読メンションと重要メッセージを優先順に並べ直すリキャップ、そしてワークフロー構築やハドルの議事録作成を助けるアシスタント機能です。

技術面の選定理由として挙げられているのは、長い議論をそのまま処理できる広いコンテキストウィンドウと、大企業の要求水準に耐えるセキュリティ・コンプライアンス対応の2点です。加えて、AIが返す内容はチャンネルとコンテンツの権限設定を尊重する設計になっているとされています。Slackの検索とAIを統括するSamuel Messingは「Anthropicとの緊密な協業が、エンジニアリングとプロダクトのチームのプロトタイピングとモデル検証を加速させた」と述べています（Claude by Anthropic）。

社内の開発現場では、Staff Site Reliability EngineerのRobert AnselがClaude Codeをバグ修正に使っていることも紹介されています。プロダクトにAIを載せる会社が、社内の開発運用でも同じAIを使っている構図です。

日本のEC事業者にとっての論点は「書かれていない知識」

ここが本題です。EC運営の現場でAI活用が伸び悩む最大の理由は、モデルの性能ではなく、社内の知識がAIの読める場所に置かれていないことにあります。楽天のRMS操作手順、Amazonのアカウント健全性が下がったときの初動、Shopifyのアプリ設定の勘所。こうした判断のほとんどは、担当者の頭の中か、数か月前のチャットの流れの中にしか残っていません。

Slackの事例が示しているのは、会話が検索可能な形で1か所に溜まっていれば、AIはそれを知識として取り出せるという事実です。逆に言えば、口頭とスクリーンショットと個人LINEに散っている運営ノウハウは、AIから見ると存在しないのと同じです。うるチカラでも以前、Anthropic自身がSlack上でClaudeにデータ分析を任せている事例を取り上げましたが、あの構図が成り立つ前提も「聞けば答えが出る場所にデータと会話がある」ことでした。

日本のEC事業者に置き換えると、論点は3つに整理できます。1つ目は保存場所の一元化で、店舗運営の会話をチャットツールに集約し、電話と口頭の決定事項も必ず文字で残すこと。2つ目は権限設計で、Slackが権限を尊重する設計を強調していたように、外注先や業務委託が混在するEC現場ではチャンネル権限とAIの参照範囲を先に決めておく必要があります。3つ目は要約の運用で、繁忙期に流れた大量のやり取りを週次で要約し、判断の履歴として残す習慣です。

明日から動かすための初動アクション

まず着手すべきは、AI導入ではなく置き場所の統一です。楽天・Amazon・Yahoo!ショッピングと複数モールを運営していると、モールごとに担当者が分かれ、会話も分断されがちです。モール別チャンネルを作り、価格改定・在庫調整・広告予算の変更といった判断は必ずそのチャンネルに書く運用へ寄せます。ここが揃っていないと、どんなAIを入れても答えの精度は上がりません。

次に、要約の対象を決めます。全チャンネルを要約させても読みません。セール前後の2週間、クレーム対応、広告運用の3領域に絞って週次要約を回すと、引き継ぎとレビューの負荷が目に見えて下がります。Slackの週97分という数字は要約とリキャップから生まれたものであり、EC現場でも効きどころは同じ構造だと考えられます。

3つ目に、参照範囲の線引きです。原価や仕入れ条件、モール担当者とのやり取りなど、社内でも共有範囲を絞るべき情報は別チャンネルに隔離し、AIに読ませる範囲を明示します。外注比率が高い店舗ほど、この設計を後回しにすると事故につながります。

最後に、効果測定の指標を決めておきます。削減時間を測るなら、引き継ぎ資料の作成時間、月次の問い合わせ一次回答までの時間、新任スタッフが独り立ちするまでの日数あたりが現実的です。全社員がAIエージェントを作る体制に移行した企業の事例でも、効果が数字で見えた領域から拡張が進んでいました。なお、日本のEC事業者における同種の時短効果を示す公開統計は現時点で確認できていないため、自社での実測が前提になります（要確認）。

まとめ

Slackの週97分は、優れたAIを買った結果ではなく、会話を知識として取り出せる状態を作った結果です。日本のEC事業者がまず取り組むべきは、モール別の運営判断を文字で1か所に残し、参照範囲を決め、繁忙期の会話を週次で要約すること。AIエージェントに任せる話は、その土台ができてからで十分間に合います。複数のAIエージェントを同時に動かしたときの落とし穴も、結局は前提情報の整理不足から生じていました。

参考文献

※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）

齋藤竹紘

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。

投稿者: 齋藤竹紘

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。齋藤竹紘のすべての投稿を表示