AIエージェント時代のPMO｜人と自律型AIの分業・ガバナンス設計

1. AIエージェントとは何か｜「指示待ちAI」との違いと自律性の段階

まず言葉の定義をそろえます。ここが曖昧なまま「エージェントを導入しよう」と走ると、単なる高機能チャットボットの話と、業務を自ら進める自律型AIの話が混ざり、議論が噛み合わなくなるからです。本コラムではAIエージェント（自律型AIシステム）を、特定の目標に向けて環境を捉え、自ら判断して連続的に行動するAIと整理します。ポイントは「自ら感知し、自ら動く」という部分です。政府もAIガバナンスの指針整備を進めており、経済産業省・総務省が公表するAI事業者ガイドラインは「人間中心」「人間による監督」を軸に据えています。なお同ガイドラインは法的拘束力を持つ規制ではなく、事業者が自主的に参照する指針（ソフトロー）である点も、押さえておきたいところです。

1-1. 「指示待ちAI」と自律型AIは、どこが違うのか

両者の差は「一回で終わるか、連続して動くか」にあります。従来の対話型AI（指示待ちAI）は、人が指示を一つ出すと、答えを一つ返して止まります。要約させたい文章を渡せば要約を返す。そこで処理は完結し、次の一手はまた人が指示を出します。いわば一問一答の道具です。

これに対し自律型AIは、与えられた目標をゴールに、途中の手順を自分で組み立てて連続実行します。たとえば「先週分の課題管理表を最新化して」と目標だけ渡すと、課題一覧を読み、更新箇所を特定し、担当者に確認メールの下書きを用意する、といった複数ステップを自分で連ねる。人が逐一「次はこれ」と指示しない点が、決定的に異なります。料理にたとえるなら、指示待ちAIは「材料を渡すと切ってくれる包丁さばきの補助」、自律型AIは「献立を決め、買い出しから盛り付けまで段取りする見習い料理人」に近い存在です。だからこそ、任せる範囲を人が線引きしておかないと、意図しない工程まで勝手に進んでしまう危うさが生まれます。

もっとも、この「自律」は白か黒かではありません。現実の導入では、提案までは自動でやらせるが実行の一歩手前で人が承認する、という半自律の使い方が中心になります。どこまで手を動かさせるかを、工程ごとに決めておく設計思想が問われます。

AIの自律性は段階で捉えると設計しやすくなります。下図は公式の分類ではなく、議論の物差しとして本コラムで整理したものです。左に行くほど人の関与が濃く、右に行くほどAIに委ねる範囲が広がります。自社が今どこにいて、どこまで進めるかを話し合う際の目安に使えます。

1-2. なぜ、いまPMOの役割を再定義するのか

結論から言えば、自律型AIは「速く動く実行者」を組織に一人増やすようなもので、その動きを誰も見張っていないと、間違いも同じ速さで積み上がるからです。PMO（プロジェクトマネジメント・オフィス）は、プロジェクトを横断して標準・可視化・支援を担う組織です。PMBOK Guide 第6版では、その関与の濃さに応じて支援型・管理型・指揮型の3類型が示されています。第7版は原則ベースへ移行し、この類型を中心には据えていませんが、いずれの型でも共通するのは「プロジェクトを回す枠組みを提供する」役回りだという点です。

この役回りは、AIエージェント時代にむしろ重みを増します。人手でやっていた進捗集計やレポート整形をAIが担い始めると、PMOの仕事は「作業そのもの」から「AIの動きを設計し、監督し、証跡を残す」方向へ移っていくからです。ツール活用の延長として自律型AIへどう移行するかは、AIの使いどころを整理した既存の解説も参考になります。

2. 委任してよい領域・してはいけない領域｜判断ゲートを設計する

自律型AIの導入でつまずく典型は、「便利だから」と任せる範囲を決めないまま走らせ、後から「そこまでやらせるつもりはなかった」と慌てる展開です。生成AIを入れたのに業務改善の成果が出ないケースの多くも、任せる範囲と止める基準の設計を飛ばしたことに一因があります。ここでは、委任の線引きを具体的に組み立てます。

2-1. 委任できる領域と、委任してはいけない領域

切り分けの原則はシンプルです。やり直しがきく作業はAIに任せやすく、後戻りできない決定は人が持つ。この一線で大半は仕分けられます。下の表は、その具体化です。表の左列だけを見て「これは任せられる」と即断せず、右列の「なぜそう分けるのか」まで合わせて読むと、自社の作業に当てはめやすくなります。

ここで強調したいのは、右下の「委任しない」領域です。優先順位づけや投資判断は、PMOでもAIでもなく、業務部門のオーナーや経営スポンサーが担う決定です。AIは案を並べ、PMOは論点と判断材料を整えて意思決定を支える。決める人と支える人を混同しない。これが分業設計の土台になります。

2-2. 「どの判断を人間ゲートにするか」を決める4ステップ

委任の線引きを、感覚ではなく手順で決めます。ここで言う分業設計とは、人とAIの役割分担を事前に文章で明文化する設計行為を指します（業界の共通語ではないため、本コラムでの定義です）。人が必ず確認・承認する関門を「人間ゲート」と呼ぶと、設計は次の4ステップで進みます。

• 1

  作業の洗い出し：AIに任せたい業務を、工程の単位まで分解する。「レポート作成」ではなく「データ収集→集計→文章化→送信」と刻む。実務では、現行の作業手順をホワイトボードにフローで書き出し、担当者に所要時間と受け渡し先をその場で確認する短いワークショップの形をとります。

• 2

  影響度の評価：各工程を「やり直しがきくか」「外部に影響するか」「お金や契約が動くか」で採点する。1つでも重ければ人間ゲート候補。採点は、工程一覧に3列のチェック欄を設けた表を用意し、業務オーナーと現場担当が一緒に○×を付けていく作業になります。

• 3

  ゲートの配置：後戻りできない工程の直前に、人の承認を必須とする関門を置く。送信・発注・確定の一歩手前が定位置。運用イメージとしては、AIが下書きした対外メールを「送信待ち」の状態で止め、担当者が内容を確認してから送信ボタンを押す、といった一時停止の設計になります。

• 4

  明文化と合意：誰が何を承認するかを一覧にし、業務オーナー・PMO・現場で合意する。口約束にせず、文書として残す。具体的には「工程・承認者・止める条件」を並べた一枚の表を作り、関係者を集めた場で読み合わせて合意を取り、以後の運用ルールとして共有します。

この4ステップの肝は、ステップ2で「重い工程」を漏れなく拾うことです。軽く見て自動化した工程が、実は取引先へのメール送信だった、という取り違えが事故のもとになります。迷ったら人間ゲートを置く。運用しながら「ここは任せて問題なかった」と分かった工程を、順にゲートから外していく。最初は狭く任せ、実績を見て広げるのが、手戻りの少ない進め方です。

ゲート設計を省くと、失敗はおおむね決まった形で起こります。よくあるのは、承認の関門を置かずにAIへ連絡業務を任せ、意図しない相手や不正確な内容のまま対外メールが送られてしまう場面です。もう一つは、証跡（ログ）を残さない設定のまま運用し、トラブルが起きた後に「AIが何を根拠にそう動いたのか」をたどれず、原因の特定に時間を取られる場面です。いずれも技術の欠陥というより、線引きと記録の設計を飛ばしたことが引き金になります。だからこそ、便利さに引かれて任せる前に、止める条件と残す記録を先に決めておく順序が効いてきます。

2-3. AIに何を入力してよいか｜情報の可否基準を持つ

自律型AIに業務を任せると、AIが社内の情報を読み込む場面が増えます。ここで線引きを持たないと、渡してはいけない情報まで入力してしまう恐れがあります。情報の種類ごとに、入力の可否を事前に決めておきます。下の表は最低限の目安で、実際の運用は自社の情報セキュリティ方針を優先してください。

たとえば顧客名や個人名を原則マスキング（伏せて入力）とするのは、いくつかの理由が重なるためです。契約するAIサービスによっては入力内容が学習や品質改善に使われる場合があり、規約は事前に確認しておきたいところです。加えて、入力データが社外のサーバへ送信される構成もあり得るため、個人情報の取り扱いは慎重にならざるを得ません。固有名を伏せても業務の指示は十分に伝わることが多く、まず伏せる、必要なら最小限だけ渡す、という順で判断すると安全側に倒せます。

※上表はあくまで一般的な目安です。最終的な可否は、自社の情報セキュリティ方針・契約しているAIサービスの規約を優先して判断してください。

3. Human-in-the-loop から Human-on-the-loop へ｜監督の形を設計する

委任の線引きが決まったら、次は「人がどう見張るか」を設計します。ここで押さえたいのが、監督には2つの形があるという事実です。一つひとつの実行を人が承認する形と、AIには連続で動かせつつ人が全体を見張る形。両者を混同すると、任せているのに毎回止まる、あるいは任せきりで誰も見ていない、という両極に振れてしまいます。

3-1. 2つの監督モデル｜承認型と監視型

Human-in-the-loop（ヒューマン・イン・ザ・ループ）は、AIの処理の途中に人を挟み、一つひとつ人が確認・承認してから次へ進める形です。訳すなら「輪の中に人がいる」監督。精度は高い一方、件数が増えると人が承認の渋滞を起こします。導入初期や、影響の大きい工程に向く形です。

一方のHuman-on-the-loop（ヒューマン・オン・ザ・ループ）は、AIには連続で動かせつつ、人は全体を見張り、異常があれば介入・停止する形です。「輪の外から見張る」監督。件数をさばけますが、見張る仕組み（ログ・アラート・停止ボタン）を用意していないと、異常に気づくのが遅れます。飛行機にたとえるなら、in-the-loopは操縦桿を常に握る手動操縦、on-the-loopは自動操縦を計器で監視し、必要時に手を戻す運用に近い関係です。

現実的な進め方は、まず承認型（in-the-loop）で始め、実績を積んだ工程から監視型（on-the-loop）へ移すという段階移行です。いきなり監視型で任せるのではなく、信頼を確かめながら手綱を緩める。皆さまの組織では、どちらの形が今の実力に合っているでしょうか。

3-2. 監督責任・証跡・介入トリガーの3点セット

監視型へ移すほど、「誰が見張り、記録し、どこで止めるか」を仕組みで担保する必要が出てきます。ここで言う監督責任とは、業務の最終的な意思決定責任そのものではなく、AIの動作や判断結果を確認し、誤りを是正する責任を指します。この監督を機能させるのが、次の3点セットです。

• ☐ 監督責任の明確化：どのAIの動きを、誰が確認・是正するかを人単位で決める
• ☐ 証跡（ログ）の保存：AIが何を入力し、どう判断し、何を実行したかを後から追える形で残す
• ☐ 人間介入トリガー：「金額が一定額を超えたら止める」「想定外の相手に送ろうとしたら止める」など、人が必ず介入する条件を事前に定義する

とりわけ証跡は、監視型運用の生命線です。何かあったときに「AIがどう動いたか」を再現できなければ、原因の特定も再発防止もできません。人間介入トリガーは、いわば非常ブレーキです。全部を人が見張るのは無理でも、「ここに触れたら必ず止まる」という条件をあらかじめ決めておけば、重大な事故は原則として人の手前で止める設計にできます。トリガーの設計は、先ほどの人間ゲートと表裏一体の関係にあります。

3-3. AIガバナンスを何で測るか｜評価の軸を持つ

監督の仕組みを入れたら、それが機能しているかを定期的に測ります。ガバナンスとは、方針・慣行・プロセスによって組織を指揮し、管理する枠組みのことです。AIのガバナンスも、感覚ではなく共通の軸で点検します。AI事業者ガイドラインが掲げる「人間中心」「人間による監督」といった原則を、自社の運用に翻訳した評価軸を持っておくと、点検がぶれません。たとえば「証跡が全件残っているか」「介入トリガーが定義され機能したか」「入力可否の基準が守られたか」「監督責任者が特定されているか」を定点で確認する。合否は、証跡の欠落やトリガー未定義といった「あるべき記録・設定が抜けていないか」で見ると判断が揺れにくくなります。

この点検は、新しい会議を増やすより、既存のPMOレビューに組み込むほうが定着します。実務では、月次のステアリング会議（進捗を経営層に報告する定例会議）の定例アジェンダに「AI稼働レポート」を一枠加えるやり方が現実的です。レポートには、AIの実行件数・人による介入回数・証跡の保存状況を並べ、PMOが集計して提示する。レビューの担当はPMO、合否の最終判断は運用を預かる責任者、という分担にしておくと、点検が形骸化しにくくなります。四半期ごとには評価軸そのものを見直し、任せる範囲の拡大に合わせて基準を更新していきます。

4. 組織体制の再設計｜CIO・PMO・現場の三層で権限と責任を分ける

ここまでの分業と監督を、組織の役割に落とし込みます。自律型AIのガバナンスは、特定の誰か一人が背負うものではありません。方針を決める層、仕組みを回す層、実際に使う層。この三層で権限と責任を分けると、抜け漏れなく回り始めます。

4-1. 三層の役割分担｜誰が決め、誰が回し、誰が使うか

三層の関係を整理すると、次のようになります。上から順に、方針・仕組み・実務と、担う抽象度が下りていきます。図の通り、決めるのはCIO、枠組みを提供して監督するのはPMO、日々の運用で異常に最初に気づくのは現場、という役割の重なりを意識すると、責任の空白が生まれにくくなります。

この三層で肝になるのが、真ん中のPMOの位置づけです。PMOは方針を決める層ではなく、CIOが決めた方針を現場で回る仕組みへ翻訳し、その運用を監督する層です。ここでもPMOを「何でも決める司令塔」と描くのは誤りです。決定権はCIOと業務オーナーにあり、PMOは分業設計・ゲート整備・証跡管理という枠組みを提供して推進を支える。役割を過大にも過小にも見積もらないことが、体制を長く機能させます。

4-2. PMO人材の役割はどう変わるか｜新スキルと不変スキル

自律型AIが実務に入ると、PMO人材に求められる力も変わります。ただし、すべてが入れ替わるわけではありません。新たに要る力と、変わらず要る力を分けて捉えるのが実務的です。新たに要るのは、大きく3つ。AI監督力（AIの出力の妥当性を見極め、異常を止める力）、業務再設計力（どの工程をAIに委ね、どこに人間ゲートを置くか設計する力）、意思決定支援力（AIが並べた案を、決裁者が判断できる材料に翻訳する力）です。

一方で、変わらず要る力もあります。関係者の利害を調整するファシリテーション、プロジェクトの状況を読み解く力、そしてPMBOK Guide 第7版が原理原則の一つに掲げるスチュワードシップ（誠実さと責任感をもって組織や資源を預かる受託者としての姿勢）です。AIが手を速めても、関係者の信頼を束ね、最後に責任を持つのは人。この核は揺らぎません。新スキルは、この不変の土台の上に積むもの、と捉えると育成の順序を誤りません。

4-3. 国内の指針との整合をどう取るか

体制づくりの拠り所として、公的な指針も押さえておきます。前述のAI事業者ガイドラインは、AIの活用にあたり「人間中心」「人間による監督（ヒューマン・オーバーサイト）」を原則に掲げています。自社の分業設計とガバナンスが、この原則の方向と食い違っていないかを点検する物差しとして使えます。情報処理推進機構（IPA）もAI活用に関する情報を公開しており、社内ルールを組み立てる際の参照先になります。政府・公的機関はAIガバナンスの指針整備を進めていますが、行政向けに作られた指針をそのまま民間へ当てはめられるとは限りません。自社の業態・規模に合わせた読み替えを前提に、指針は「縛り」ではなく「点検の基準」として活用するのが実務的な向き合い方です。

5. 結論：CIOが今着手すべき、分業とガバナンスのロードマップ

ここまでを、CIO・IT統括責任者の行動計画に落とし込みます。すべてを一度に整える必要はありません。短期・中期・長期に分け、できるところから手をつけるのが現実的です。速く動けるのはAIが叩き台づくりを担える工程に限られ、AI利用環境が整っていれば、そうした工程では短時間で下案を得られます。ただし、その速さを安全に活かせるかどうかは、これから作る監督の仕組み次第です。

表の各段は、もう少し粒度を落とすと動きやすくなります。短期は、全部門へ「どのAIツールを、どの工程で使っているか」を数問のアンケートで尋ね、PMOが集計して一枚の自律化工程マップにまとめるところから始めます。中期は、そのマップ上で委任候補となった工程に人間ゲートと介入トリガーを設計し、承認者と止める条件を文書化したうえで、まず承認型で小さく運用を開始します。長期は、承認型で問題が出なかった工程を監視型へ移し、月次レビューで評価軸に沿って点検しながら、三層の役割とPMO人材の育成を回し続けます。どの段も、担い手はPMOが集計・整備役、決めるのは責任者、という分担で進めます。

ここで見落とせないのが、これは技術の話である前に、組織で合意を取りながら進める話だという点です。委任の線引きは、PMOが単独で決められるものではありません。どの工程を任せ、どこで止めるかは、業務オーナーや経営スポンサー、現場の担当と対話を重ねて合意していくものです。段階承認をどこで区切るか、移行にどれだけの時間とコストをかけるか。こうした論点は一度の会議では決まらず、運用しながら調整が続きます。PMOの役目は、論点と判断材料を整えて合意形成を支え、決まった方針を仕組みに落とすこと。決めるのはあくまで責任者だという線を守ると、体制は長く回ります。皆さまの組織では、この「決める人」と「支える人」の線引きは、はっきりしているでしょうか。

この順序の狙いは、「任せてから考える」ではなく「線を引いてから任せる」を組織に根づかせることです。自律型AIの活用は、技術の導入である以上に、人とAIの分業を設計する組織づくりの話。その設計図の中心に、監督とガバナンスを担う再定義されたPMOを置くことが、AIエージェント時代を安全に前へ進める出発点になります。

とはいえ、自社だけで分業設計と監督の仕組みをゼロから組むのは、決して軽い作業ではありません。どこから線を引き、どの工程にゲートを置くか。実際のプロジェクト現場での進め方に迷う場面も出てきます。実際の支援事例については、PMO支援実績もあわせてご覧ください。