Workato WOW 2026のDay1を通じて印象に残ったのは、AIの能力を、企業の実際の業務成果へどうつなげるかという問いでした。
生成AIの性能が向上し、企業でもさまざまなAIツールやエージェントが導入されています。しかし、導入が進むことと、業務が改善され、投資に見合う成果が生まれることは同じではありません。
今回のイベントでWorkatoが示したのは、AIに業務の文脈を与え、適切な権限でシステムを操作させ、その結果とコストを管理するという方向性です。その中心にあるのが、業務を動かすExecution、実行を統制するControl Plane、そして構築・運用を支援するAIエージェント「AIRO（エアロ）」です。
AIへの投資を、業務成果につなげるために
基調講演は、AIのインフラ、モデル、ツールへの投資が進む一方で、ビジネス成果が追いついていないという問題提起から始まりました。Workatoは、この隔たりを「IntentからOutcomeへのギャップ」、つまり実現したいことと実際の成果の間にあるギャップとして説明しました。
企業が実現したいのは、顧客対応の迅速化、受注処理の短縮、従業員の生産性向上などです。そのためには、AIが回答を生成するだけでなく、CRMやERPなどの情報を取得し、必要な判断を行い、複数のシステムにまたがる処理を進める必要があります。
例えば、顧客のオンボーディングを改善する場合、必要書類の確認、社内承認、顧客情報の登録、サービスの利用開始といった一連の処理が関係します。AIが次に何をすべきか判断できても、その判断を業務システム上で実行する仕組みがなければ、成果にはつながりません。
ここで重要になるのがExecution（実行）です。Workatoは、長年提供してきたシステム連携やワークフローの仕組みを、AIが実際に業務を遂行するための基盤として位置づけていました。
同時に、自社の業務を理解するためのコンテキストも重視されました。一般的な業務知識に加え、自社ではどのシステムを使い、どのような承認や例外処理があり、現在どこで処理が止まっているかを理解する必要があります。
基調講演で紹介されたEnterprise Process Contextは、文書や業務知識に、プロセスの設計と実行履歴を組み合わせる考え方です。AIを企業の業務に組み込むには、接続先だけでなく、業務の意味と実態を伝えることが重要だと感じました。
Anthropicが語る「優秀な頭脳には、手足が必要」
このExecutionの必要性を分かりやすく説明していたのが、Anthropicの登壇です。
登壇者は、Claudeを非常に優秀な頭脳に例えたうえで、実際に行動するためには「手」が必要だと説明しました。その役割を支えるものとして、Workatoのようなツールによる業務実行や、AIと外部のデータ・ツールを接続する仕組みであるMCPの活用が挙げられました。
LLMが状況を理解し、何をすべきか考える。そしてWorkatoが、必要な情報の取得や、システムを横断する業務処理を支える。この役割分担は、AIを業務で活用する姿を理解するうえで、非常に分かりやすいものでした。
Anthropic自身が、Workatoのパートナーであるとともに顧客でもあることも紹介されました。具体的な社内の利用業務やROIの数値までは説明されませんでしたが、最先端のモデルを提供する企業自身もWorkatoを利用している点は印象的です。
また、すべての処理をLLMに判断させる必要はないという指摘もありました。例えば給与計算のように、決まったルールに従って、一度だけ正確に実行する必要がある処理があります。そうした部分は確実なワークフローに任せ、曖昧な情報の解釈や状況に応じた判断にAIを使うという設計が重要です。
さらに、AIがシステムを操作する際には、利用者に許可された範囲を超えて情報を取得したり、処理を実行したりしない仕組みが必要です。Workatoが提示するControl Planeは、この権限やルール、実行状況を管理する役割を担います。
優秀な頭脳を業務成果につなげるには、手足に相当する実行能力と、その動きを管理する仕組みが必要である。この点が、AnthropicとWorkatoの議論をつなぐメッセージでした。
AIROとは何か――業務のアイデアを形にするAIエージェント
こうした業務の仕組みを、より多くの人が構築・改善できるようにするものとして紹介されたのがAIROです。
AIROは、業務システムをつなぎ自動化するWorkatoで、設計、構築、テスト、運用改善を支援するAIエージェントです。 利用者が実現したいことを自然言語で伝えると、必要な要件を確認し、既存の資産や接続を調べ、具体的な仕組みへ落とし込む作業を支援します。
例えば、「新しいコンテンツを公開したら、チームにSlackで知らせたい」と伝えます。AIROは、どこでコンテンツを管理しているか、どの条件で、どのチャンネルに通知するかを確認しながら、自動化を構築します。通知の見た目に問題があれば、スクリーンショットを渡して修正を依頼することもできます。
利用者は、最初から製品の細かな操作や実装方法をすべて知っている必要がありません。まず業務の目的を伝え、対話と確認を重ねながら形にしていくことができます。
基調講演では、要件書から顧客オンボーディングの設計を作るデモも紹介されました。AIROが不足する条件を質問し、ワークフローやエージェントなどの構成をBlueprintとして提示します。利用者は、その設計を確認・修正したうえで構築へ進みます。
AIROの役割は構築後にも続きます。Builder Keynoteでは、複数の障害を関連づけ、コネクタの変更に伴う不具合を調査し、修正案や再発防止策を提示するデモが行われました。既存の仕組みを理解する、障害を調べる、変更をテストするといった運用の仕事も対象になっています。
また、AIRO Connectにより、Claude Codeなど普段使うAIクライアントからWorkatoの構築・調査を進める体験も紹介されました。
AIROによって見えてくるのは、業務担当者が自分のアイデアを形にし、専門家が設計や品質、セキュリティ、非機能要件に注力する働き方です。CoinbaseやCrusoeの登壇でも、各チームによるセルフサービス化と、専門家の役割の変化が語られていました。
業務をよく知る人が構築に参加できることは、AI活用の裾野を広げます。そのうえで、設計や変更内容をレビューし、組織の基準を適用することが、企業での活用を支えると考えられます。
エンタープライズでAIを使いこなす、統合されたガバナンス
企業がAI活用を広げるには、構築の速さとともに、安心して運用できる「守り」が必要です。
AIエージェントは、複数のシステムや機密情報にアクセスし、短時間で多くの処理を実行します。そのため、誰が利用し、どの権限で何を行い、どれだけ費用を使っているかを把握・制御することが重要になります。
今回のイベントで特徴的だったのは、こうした統制のための機能が、Workatoの実行基盤と統合された形で紹介されたことです。
セキュリティのセッションでは、利用者の権限を業務システムへの操作に引き継ぐVerified User Access、個人情報や機密情報の保護、AIに不正な指示を実行させようとするプロンプトインジェクションへの対策、実行ログの監視などが取り上げられました。
ガードレールでは、標準の個人情報の検出に加え、正規表現を使って会社独自の識別子などのパターンを検出する設定も紹介されました。企業固有のデータに合わせて、保護ルールを具体化できる点は実務上のポイントです。
また、同じ操作を繰り返しても二重登録や二重予約を起こさない処理、実行前の確認、機密情報を含めない出力などを、スキルやワークフローに組み込む考え方も示されました。
コスト面では、AI Gatewayによるモデルの使い分け、キャッシュの活用、トークン量に応じた制限、予算管理、利用状況の可視化が紹介されました。トークンは、LLMが処理する入出力などの量を表し、利用費用に関係する単位です。
トークン単価が下がっても、利用者やエージェントの処理回数が増えれば、総費用は増えます。簡単な処理に高性能なモデルを使い続けることや、不要なデータを何度も送ることを避け、用途に合った使い方を設計する必要があります。
さらに、業務に必要なツールと情報だけを提供するMCPや、既知の手順をまとめたEnterprise Skillsによって、不要な推論そのものを減らすアプローチも説明されました。
こうした仕組みを企業が一から個別開発し、別々の製品を接続して運用するには負担がかかります。Workatoでは、統合された機能を設定・組み合わせることで、業務実行と統制を同じ基盤で扱える点が強みです。業務固有の設計や設定は必要ですが、主要な統制機能を一から作り込む負担を減らせます。
部門ごとにAI活用が増えても、共通の基盤で権限、データ、コスト、実行状況を管理する。この「守り」の強さが、AIに任せられる業務を増やし、本番利用を全社へ広げるための条件になります。
ROIを評価し、成果が出る業務から広げる
最後に重要なのは、構築したAIがどのような成果を生んだかを評価することです。
Anthropicの登壇では、成功している取り組みには、ワークフローを所有し、KPIに責任を持つビジネスオーナーがいると説明されました。AIを導入しても、誰が何を改善したいのか、その成果を何で測るのかが曖昧では、投資の効果を判断できません。
Builder Keynoteでは、Evals（イーバルズ）によってエージェントの品質と効率を測ることも強調されました。EvalsはEvaluationsの略で、AIが期待どおりに仕事をできているかを、あらかじめ用意した課題と評価基準で確かめる取り組みです。
例えば、顧客対応のAIであれば、回答の正確さ、社内ルールの順守、処理時間、利用コストなどを確認します。実際の業務に即したテストケースを用意することで、感覚的な「良さ」ではなく、共通の基準で性能を評価できます。新しいモデルが登場したときも、同じ課題で比較し、自社の業務に適しているかを判断できます。
この品質・効率の評価を、業務KPIと費用の把握につなげることで、ROIを判断する材料がそろいます。例えば、処理時間や手戻りがどれだけ減ったか、対応品質や解決率がどう変わったかを確認し、構築・運用・モデル利用にかかる費用と合わせて評価します。
AIへの信頼も、こうした確認を通じて段階的に築くものとして説明されました。最初は調査や分析など、人が結果を確認してから行動できる用途から始め、実績を見ながら任せる範囲を広げます。
Vodafoneの事例では、既存の業務にAIを追加するだけでなく、達成したい成果から逆算してプロセスを再設計する取り組みが紹介されました。最初から業務の責任者と運用指標を定め、稼働後も観察と改善を続ける点は、ROIを重視した活用に通じます。
Day1から得られたのは、AI活用を「作る、実行する、成果を測る、改善して広げる」という循環で捉える視点でした。
AIROが構築と改善を加速し、Workatoが業務の実行を支え、コントロールプレーンがコストとリスクを管理する。そのうえで、業務成果とROIを評価し、効果が確認できた領域から適用を広げていく。これが、今回のイベントで示された企業のAI活用の方向性だと感じました。
