前の記事 では、生成AI活用を単なる作業効率化で終わらせず、業務成果につながる仕組みに進化させるには、「判断」と「実行」を分けて設計することが重要であるとお伝えしました。

生成AIやAIエージェントは、情報整理や文書作成、定型処理の支援には力を発揮します。一方で、どの案件を優先すべきか、どれくらいの需要を見込むべきかといった、データに基づく判断には別の仕組みが必要です。

本記事では、その実装アプローチの一例として、Databricks AutoML と Dify の連携を取り上げながら、予測AIと生成AIを組み合わせた業務自動化の進め方を具体的に解説します。

なぜ「予測AI×AIエージェント」が必要なのか

既に多くの企業が生成AI・AIエージェント活用に取り組んでおり、社内チャットでの問い合わせ対応、文書の要約や作成、ナレッジ検索など、日常業務の生産性向上においては一定の成果を感じています。

しかし一方で、現場からは以下のような課題も聞こえてきます。

• 生成AIを導入したが、便利ツールの域を出ていない
• 一部の定型業務は効率化できたが、業務全体の進め方は変わっていない
• 売上拡大や収益改善のような、ビジネス成果に直結する業務にはつながっていない

その理由は、企業の重要業務には必ず「何を優先するか」「どれくらい見込むか」「どう判断するか」というプロセスが含まれているからです。

営業であればどの商談に注力すべきか、発注業務であればどの程度の需要を見込み、どれだけ発注すべきか。こうした判断は、文章を生成するだけでは不十分であり、過去データや複数の条件を踏まえた見立てが必要になります。そこで有効になるのが、予測AIが「判断」を担い、生成AIやAIエージェントが「実行」を担うという役割分担です。

実装で最初にぶつかる壁 ── 「考え方は分かったが、どう作るのか」

とはいえ、ここで多くの企業が次の壁に直面します。

「その考え方は理解できるが、実際にどう実装すればいいのか分からない」
「予測AIを作るには、高度なデータサイエンス人材が必要なのではないか」
「生成AIやAIエージェントと連携するところまで、自社で設計・運用できるのか不安だ」

予測AIと生成AIを組み合わせた業務自動化は、単に2つの技術を並べれば成立するものではありません。実際には、以下のような高度な論点が存在します。

• ・予測AIに使えるデータが、そもそも整っているか
• ・業務成果に効く説明変数や特徴量をどう設計するか
• ・予測結果を、どの業務フローのどこで使うか
• ・AIエージェントが誤ったタイミングや条件で動かないよう、運用ルールをどう設計するか
• ・PoCで終わらせず、継続運用できる形にどう落とし込むか

課題は「モデルを作れるかどうか」だけではありません。予測と実行を、現場で使える一つの業務プロセスとして成立させられるかが、本当のハードルなのです。

自社の業務課題に対して、どのようなAI構成が最適かお悩みの方はこちらからご相談ください。

---

予測AI構築のハードルを下げる現実的な選択肢「AutoML」

従来のAI開発では、データの前処理、特徴量の設計、モデル選択、パラメータ調整、評価といった工程に、専門的なデータサイエンスの知識が不可欠でした。

ここで有力な選択肢となるのが、AutoML（自動機械学習）です。AutoMLは、予測AI構築の工程を自動化し、モデル構築のハードルを下げる技術です。専門家の手作業に依存していた部分を効率化することで、ビジネスに近い立場の担当者でも予測AIを具体化しやすくなります。

もちろん、どのデータを使うかといった業務判断は引き続き重要ですが、ゼロからフルスクラッチで設計する場合に比べて、「まず試してみる」「業務適用の可能性を見極める」段階へ迅速に進めるのが大きな利点です。

実現アプローチの一例 ── Databricks AutoML × Dify

実際に「判断」と「実行」をつなぐ分かりやすい実装パターンが、Databricks AutoML と Dify を組み合わせるアプローチです。

Databricks AutoML が担う役割

Databricksは、データ分析基盤とAI開発基盤を統合したプラットフォームです。選定理由には主に3つのポイントがあります。

• 1. データを安全かつ一元的に活用しやすい：エンタープライズ企業でもガバナンスを効かせたデータ連携が可能です。
• 2. 予測結果を業務に組み込みやすい：作成した予測AIをAPIとして公開しやすく、AIエージェントとの連携がスムーズです。
• 3. 運用まで見据えやすい：精度の変化を監視し、継続的に改善していく運用基盤が整っています。

Dify が担う役割

Difyは、生成AIを用いたアプリケーションやワークフローを柔軟に組み立てるプラットフォームです。予測AIの「判断」結果を受けて、以下の処理を行う“実行側”を担います。

• ・関連情報の検索
• ・文書の生成
• ・担当者への通知・連携
• ・外部業務システムとの接続

この2つを組み合わせることで、「Databricks AutoML ＝ 判断」、「Dify ＝ 実行」という明確な役割分担が成立します。

まとめ：最適な構成で、実装・運用まで伴走

生成AIやAIエージェントを業務改革につなげるには、ツール導入そのものよりも、「どの判断をデータで支え、どの実行を自動化するか」を設計することが重要です。

本記事で紹介した構成は一例に過ぎません。TDSEでは、お客様の環境・データ・セキュリティ要件を踏まえ、最適な構成の検討から実装、本番運用まで一気通貫で伴走いたします。

自社業務への適用可能性や、具体的な構成案の策定でお困りでしたら、まずは専門スタッフへお気軽にお問い合わせください。