AI活用事例読了 5 分

Amazonの意思決定理論を応用、Claudeに任せる作業・任せない作業を分けた大阪のAI勉強会の基準

Shiritomo編集部 @shiritomoAI_jp 2026年10月20日更新

カンファレンスの参加費請求と入金管理。
この地味な事務作業を、どこまでAIに任せてよいのか。
10月19日の夜、大阪のグランフロント大阪で開かれたClaudeコミュニティのミートアップで、実際にその線引きを試した事例が共有されました。
Claudeを業務に導入したものの「思ったほど成果が出ていない」という段階の人に向けた、成功談だけでなく失敗談も持ち寄る会だったといいます。
AI活用を社内で広げたいと考えている人には、そのまま使える判断基準になりそうです。

先に結論をまとめると：
– 判断基準は「後戻りできる作業かどうか」。
Amazonの意思決定理論を応用し、下書きや調べ物はAIに任せ、最終確定と送信は人間が担当する運用にしたそうです
– Claude側にStripe連携を追加し、請求書作成や決済リンク生成を項目ごとの権限設定で自動化していました
– AIによる集計では7,393円のズレが発生し、以後はお金が絡む集計には決定論的な手法（通常のプログラムやスプレッドシート関数）を優先するようになったといいます

何が起きたのか

主催したのは、Claude Community Ambassadorを務める岡本秀高氏です。
会場はグランフロント大阪タワーC16階にあるアールスリーインスティテュート。
参加費は無料、定員40名の承認制で、19時から21時まで開かれました。
プログラムは、岡本氏によるカンファレンス参加費請求・入金管理での活用事例の共有から始まりました。
続いて別の参加者によるRPA導入経験とClaude利用経験の共有があり、後半はAI導入の成功・失敗事例についてのオープンディスカッションという構成だったようです。

岡本氏が発表したのは、「AIに何を任せ、何を任せないか」というテーマの事例でした。
カンファレンスのスポンサー企業への請求書作成や、参加者からの決済リンク生成といった、お金が絡む事務作業にClaudeをどこまで関わらせるかを、具体的な運用ルールとともに紹介したといいます。

調べて分かったこと

なぜ「後戻りできるかどうか」で分けるのか

岡本氏が判断基準に使ったのは、Amazonの経営哲学として知られる「One-way and Two-way Door Decisions(一方通行の意思決定と、引き戻せる意思決定)」という考え方です。
やり直しが効く領域、つまり下書き作成や情報収集のような「Two-way Door」寄りの作業はAIに委ねます。
一方、一度実行すると取り消せない最終確定・送信のような「One-way Door」の操作は人間が担うという切り分けです。
この承認ゲートを設けることで、AIの判断ミスがそのまま確定してしまう事態を防ぐ仕組みにしていたことになります。

Stripe連携はどこまで自動化されていたのか

具体的には、claude.aiの設定からStripeのコネクタを追加し、項目ごとに読み取り権限・書き込み権限を分けて設定していたそうです。
これにより、スポンサー企業への請求書は下書きまでClaudeが作成し、人間がレビューしてから送信する流れに。
決済リンクの生成についても、支払い先情報の確認を先に人間が行ってから、リンク作成自体はAIに任せる形にしていました。

7,393円のズレから見えた、AIに向かない作業

一方で、うまくいかなかった事例として共有されたのが決算集計です。
AIに集計を任せた結果、7,393円のズレが発生したといいます。
この経験から、お金の集計のようにわずかな誤差も許されない作業には、AIの自然言語処理ではなく、通常のプログラムやスプレッドシートの関数のような決定論的な手法を優先する方針に切り替えたそうです。
AIは「だいたい正しそうな答え」を出すのは得意でも、1円単位の正確性を保証する作業には向いていない、という実例になっています。

継続する困りごと: 何から任せればいいか迷ったときの目安

AI活用を始めたばかりの現場でよく出る疑問が、「結局どこまで任せていいのか分からない」というものです。
今回の事例から目安を抜き出すと、①やり直しが効く(下書き・調べ物・ドラフト作成)→任せる、②確定・送信・公開のように後戻りできない操作→人間が担当、③金額や数値のように誤差が許されない集計→決定論的な手法を優先、という3段階で考えると整理しやすそうです。
業種や作業内容が違っても、この「後戻りできるか」という問いそのものは使い回せる基準になります。

Shiritomo編集部の考察：失敗事例を共有する場の価値

今回のミートアップで印象的なのは、成功事例だけでなく「7,393円のズレ」のような失敗も包み隠さず共有されていた点です。
AIツールの活用事例は、うまくいった話ばかりが目立ちやすいものですが、どこで誤差が出たか・どこを人間の確認に戻したかという失敗の記録のほうが、実際に導入を検討している人にとっては再現性の高い情報になります。
社内でAI活用を広げる立場の人ほど、成功体験の自慢大会ではなく、こうした「任せてみて駄目だった境界線」を共有する場を意識的に作る価値がありそうです。