はじめに
生成AIの活用が、次の段階に入り始めています。
これまで企業での生成AI活用といえば、ChatGPTやMicrosoft Copilotを使って「質問する」「文章を作る」「情報を調べる」使い方が中心でした。「全社にCopilotを配ったが、業務のやり方はほとんど変わっていない」という声も、よく耳にします。
AIエージェントの登場によって、ここが変わりつつあります。AIは答えを返す存在から、実際の業務を実行する存在へ移り始めているのです。
その中で存在感を増しているのが、Microsoftの業務自動化ツール「Power Automate」です。Copilot StudioなどでつくったAIエージェントとPower Automateを組み合わせると、次のような業務をAIから動かせるようになります。
- CRMから顧客情報を取得する
- メールやTeamsでメッセージを送る
- 承認フローを回す
- SharePointへ情報を登録する
- 基幹システムを更新する
さらに2026年には、Claude Codeのようなコーディングエージェントから、Power Automateのワークフローそのものを自然言語でつくることも現実的になりました。MicrosoftはClaude Code向けのPower Automateプラグインを公式に提供しています。
本稿では、AIエージェントとPower Automateを組み合わせると何ができるのかを整理し、海外企業の事例から成果を出している企業の共通点を読み解きます。そのうえで、日本企業がどこから始めるべきかを考えます。
Power Automateとは?
Power Automateは、Microsoftが提供する業務自動化・ワークフロー構築のツールです。たとえば次のような一連の作業を、人の手を介さずに回せます。
- 問い合わせフォームに回答があったら、Teamsへ通知する
- メールで請求書が届いたら、SharePointへ保存する
- 申請が来たら上司に承認を依頼し、承認されたら基幹システムを更新する
Outlook、Teams、Excel、SharePoint、Dynamics 365といったMicrosoft 365の製品とつながりやすく、外部のサービスとも接続できます。Microsoft 365をすでに使っている企業にとっては、新しい基盤を入れずに始められる点が大きいと言えるでしょう。
ただし従来のPower Automateは、人があらかじめ「Aが起きたらBをする」とルールを設計し、それを自動で実行する仕組みでした。ルールに当てはまらないもの、つまり例外は人が拾うしかありません。AIエージェントと組み合わせることで変わるのは、まさにこの部分です。
AIエージェント×Power Automateで何ができるのか?
AIエージェントとPower Automateの役割をひとことで分けると、次のようになります。
- AIエージェント=考える・判断する
- Power Automate=業務を実行する
たとえば営業担当者が、AIエージェントにこう頼んだとします。
「この顧客の状況を確認して、失注リスクが高ければ担当者に知らせて」
AIエージェントは依頼の意図を読み取り、Power Automateを通じてCRMから商談情報を取得します。内容を分析してリスクが高いと判断すれば、Power Automateを使ってTeamsで担当者に通知します。

生成AIが「こうした方がいいですよ」と助言するだけでなく、実際に業務を動かせるようになる。ここが最も大きな変化です。
Copilot StudioとPower Automateは何が違うのか?
Microsoftの環境でAIエージェントをつくる場合、中心になるのが「Microsoft Copilot Studio」です。Copilot Studioでは、自社の業務に合わせたAIエージェントを構築できます。一方のPower Automateは、実際の業務処理を自動化します。
| Copilot Studio | Power Automate | |
|---|---|---|
| 役割 | 頭脳・窓口 | 手足・実行基盤 |
| 得意なこと | 依頼を理解する、判断する、対話する | 決まった手順を確実に実行する、システムをつなぐ |
| 例 | 「取引先から届いた請求書を確認して」という依頼を受ける | 請求書の取得 → データ抽出 → マスタとの照合 → エラー確認 → 基幹システムへの登録 |
ここで見落とされがちなのが、関係が「AIエージェントがPower Automateを呼ぶ」一方向とは限らないことです。次に紹介する事例では、逆に既存のPower AutomateのフローがAIエージェントを呼び出しています。
海外事例① Asurion:既存の請求書処理にAIエージェントを組み込む
代表例の一つが、米国でデバイスの保証・修理サービスを提供するAsurionです。
Microsoftの顧客事例(Asurion Insurance Services)によれば、同社は年間約3万件の発注書にもとづく請求書を処理しており、その約9割に何らかの例外がありました。取引先ごとに品番や注文番号の書き方が違うためです。Dynamics 365 FinanceとPower Automateで自動化を進めていたものの、人の手を介さずに処理できる請求書は20%未満にとどまっていました。
そこで同社は、Copilot Studioでつくった請求書の補正用エージェントを、既存の処理の流れにそのまま差し込みました。

出典:上記Microsoftの顧客事例より筆者作成(数字は北米・南米)
結果、人の手を介さずに処理できる請求書の割合は、北米・南米で20%未満から70%超まで上がりました。Asurion(2026)では今後、仕訳の自動化や仕訳のレビュー、月末の勘定照合へ広げていくとしています。
注目したいのは、読み取りのツールも基幹システムも入れ替えていない点です。AIエージェントを単体で導入したのではなく、既存の業務プロセスの「例外が詰まる場所」にだけAIを組み込んでいます。
実践ポイント:AIエージェントは、業務の入口に置くより、例外がたまって人が止まっている場所に置くほうが効きます。
海外事例② Chancerygate:Power Automate×Claudeで業務エージェントを構築
AIエージェントの選択肢は、Microsoft Copilotだけではありません。
英国ロンドンに本社を置く物流施設の開発・資産運用会社Chancerygateは、Power AutomateとAnthropicのClaudeを組み合わせてAIエージェントを構築しています。
Artefactの事例紹介(How Chancerygate built four Claude-powered agents in two weeks)によれば、構成はシンプルです。Power Automateがメールや監視用のメールボックス、SharePointのフォルダから書類を拾い、必要な情報と社内ルールを添えてClaude Sonnetに送ります。Claudeが内容を分析し、結果は整理された形で担当者のもとに戻ります。次の工程に進む前に、必ず人が確認する設計です。
たとえばNDA(秘密保持契約)のレビューは、次の流れで進みます。
- NDAをSharePointに保存する
- Power Automateのフローが起動する
- Claudeが社内のガイドラインに照らしてレビューする
- 責任範囲や解約条件などのリスク条項の要約が担当者に返る
同社は2週間の集中プロジェクトで、議事録作成、請求書処理、投資モデルへのデータ投入、NDAレビューの4つのエージェントを構築しました。請求書処理では1件あたりの処理時間が80%減り、NDAの返答までの期間は約3日から2時間未満に縮んでいます。その後、社内のチームが自分たちで20以上のエージェントをつくり、1本あたりの構築とテストは半日かからなくなりました。
この事例から分かるのは、Power AutomateはMicrosoft Copilot専用ではないということです。Power Automateを実行の基盤として使い、判断の部分にはClaudeなど他社のAIモデルを組み合わせることもできます。そしてもう一つ、最初の4本を外部と一緒につくったあと、残りの20本は社内で増やしている点も見逃せません。
Claude CodeはPower Automateのフローそのものをつくる
ここまでは「AIエージェントがPower Automateを使って業務を実行する」関係を見てきました。もう一つ、大きな変化が起きています。Claude Codeが、Power Automateのフローそのものをつくれるようになったのです。
Microsoftの公式ドキュメント(Get started with the Power Automate plugin for GitHub Copilot CLI and Claude Code)によれば、このプラグインを使うと、ターミナルからPower Automateのクラウドフローを作成・編集・実行・デバッグ・管理できます。
たとえばClaude Codeに、次のように自然言語で頼みます。
「SharePointのProject Tasksリストに新しい項目が追加されたら、Teamsへ通知するフローをつくって」
Claude CodeはPower Automateの環境に接続し、必要なトリガー(起点となる出来事)やアクション、接続情報を設定してフローを組み立てます。既存フローの編集、実行エラーの調査、接続の管理もClaude Codeから行えます。
プラグインにはPower Automate用のMCPサーバーも含まれています。MCP(Model Context Protocol)とは、AIが外部のツールやデータにつながるための共通の取り決めです。ここまで来ると、AIは業務を実行するだけでなく、業務を自動化する仕組みそのものを組み立てる段階に入ったと言えるでしょう。
日本企業の現在地:検証は進み、本番への組み込みはこれから
国内でも、動きは始まっています。
Claude CodeとMicrosoft公式のPower Platform向けプラグインを使い、日本語の指示だけで申請画面、承認フロー、Teamsへの通知までを組み上げる検証が公開されています。画面の作成からSharePointへの登録、承認、通知までの一連の業務プロセスが、会話を中心に動くところまで来ています。ただし、データの接続設定など一部は人が画面で操作する必要があり、すべてが自動になったわけではありません。
大手企業でも、Copilot Studioで業務エージェントの試作品を開発し、その知見をもとに現場の業務をエージェント化する支援を社内で始める動きが出ています。社員一人ひとりがAIとチャットして生産性を上げる段階から、AIエージェントが業務そのものを処理する段階へ。活用の焦点が移りつつあることがうかがえます。
一方で、海外事例と比べると違いも見えてきます。国内の多くの取り組みは、まだ「つくれることを確かめる」段階にあります。Asurionのように既存の業務プロセスの詰まりに組み込み、処理率という業務の数字で成果を測るところまで進んだ例は、まだ多くありません。公開されている情報を見る限り、差はAIの性能やツールの選択より、どの業務のどこに組み込むかの設計にあると見ています。
「AIが働く」と「AIが業務をつくる」が同時に進んでいる
ここまでの事例を整理すると、二つの変化が同時に起きています。
一つ目は、AIが業務を実行することです。Copilot StudioやClaudeなどのAIエージェントが、Power Automateを通じてCRM、Teams、SharePoint、ERPを操作します。
二つ目は、AIが業務プロセスそのものを構築することです。Claude Codeなどのコーディングエージェントが、Power AutomateのフローやPower Appsを自然言語から組み立てます。
| 段階 | 流れ | 例 |
|---|---|---|
| これまで | 人 → AI → 回答 | ChatGPTやCopilotに質問する |
| AIが働く | 人 → AI → 業務の実行 | Asurion、Chancerygate |
| AIが業務をつくる | 人 → AI → 業務システムの構築 | Claude Code × Power Automateプラグイン |
何から始めるべきか:全部をAIエージェントにしない
では、日本企業はどこから手を付けるべきでしょうか。
まず押さえたいのは、すべての業務をAIエージェント化すればよいわけではないことです。処理の中身が完全に決まっている業務なら、従来のPower Automateだけで十分です。AIの判断を挟むほど、コストも確認の手間も増えます。
AIエージェントが力を発揮するのは、ルールでは書き切れなかった次のような領域です。
- 文章の中身を読んで判断する
- 複数の情報から次の行動を決める
- 例外に対応する
- 人から自然言語で指示を受ける
そのうえで、次の4つの順で進めることをおすすめします。
| 順番 | やること | 事例から言えること |
|---|---|---|
| 1. 詰まりを探す | 既存の業務フローのうち、例外や判断待ちで人が止まっている場所を一つ選ぶ | Asurionは請求書の約9割にあった例外に絞った |
| 2. データを整える | AIが読むデータの重複や表記の揺れ、入力漏れを先に直す | Asurionが解いたのも、取引先ごとの品番・注文番号の表記揺れだった |
| 3. 人の確認を先に決める | AIが触れるデータ、実行してよい操作、人の承認が要る処理、ログの残し方を先に決める | Chancerygateは次の工程の前に必ず人が確認する |
| 4. 社内でつくれる形にする | 最初の数本は外部と組んでも、型を残して社内で増やせるようにする | Chancerygateは4本のあと、社内で20本以上をつくった |
三つ目の「人の確認」は、AIにフローをつくらせる場合も同じです。Microsoft(2026)は、AIが生成したフローの定義や変更は不正確な場合があるとして、公開や展開の前にすべての変更を人が確認し、テストし、検証するよう求めています。フローは停止した状態でつくり、確認してから有効にする運用が推奨されています。
AIにすべてを任せるのではなく、人とAIの役割分担を設計し直すことが欠かせません。
経理・法務の次は、売上に近い業務へ
今回の事例は請求書処理やNDAレビューなど、管理部門の業務が中心でした。成果を測りやすく、失敗しても売上に直接響かないため、最初の一本としては理にかなっています。
ただ、事業責任者にとって本当に効くのは、売上に近い業務に同じ型を広げたときです。たとえば次のような業務は、どれも「例外や判断で人が止まる場所」を持っています。
- 問い合わせの中身を読んで、営業・サポート・対象外に振り分ける
- 商談のメモや議事録から、CRMの項目と次のアクションを更新する
- 更新の近い既存顧客の利用状況を見て、解約の兆しがあれば担当者に知らせる
冒頭で触れた「失注リスクが高ければ担当者に知らせる」仕組みも、CRMの商談データが揃っていなければ正しく判断できません。売上に近い業務ほど、二つ目の「データを整える」が成否を分けると言えるでしょう。
まとめ:AI活用は「使う」から「働かせる」へ
企業の生成AI活用は、大きな転換点を迎えています。
これまでは、人がAIを使うことが中心でした。Copilot StudioやClaudeなどのAIエージェントとPower Automateを組み合わせることで、AIが業務を実行できるようになっています。さらにClaude Codeのようなコーディングエージェントによって、AIが業務プロセスそのものを組み立てることまで始まりました。
これから問われるのは、生成AIのツールを導入したかどうかではありません。既存の業務を棚卸しし、次の三つを考え、業務プロセスそのものを組み直せるかどうかです。
- 人がやるべき仕事は何か
- AIに任せられる仕事は何か
- AIとシステムをどうつなぐのか
ギアソリューションズは、事業の成長を止めているのは戦略や気持ちではなく、実行の詰まりであることが多いと考えています。どの業務のどこで実行が止まっているかを見極め、AIとシステムで外していく。AIエージェントとPower Automateの組み合わせは、そのための有力な選択肢の一つと言えるでしょう。