DAY57｜AI社員に仕事を任せる
AI Agentが仕事を理解し、分解する
DAY56では、AI社員が会社のKnowledge Baseを利用できるところまで進みました。
これまでの流れは、
Knowledge Base
↓
RAG
↓
AI Core
↓
AI社員
↓
仕事です。
会社の知識をAI社員が利用できるようになりました。
しかし、ここで次の問題が出てきます。
「AI社員に仕事を任せたら、どうやって仕事を進めるのか？」
今回は、この部分に取り組みます。
1．AI社員に仕事を任せる
今回、HiroからAI社員に仕事を依頼します。
「このプロジェクトについて、過去の資料を調べて報告書を作ってくれる？」
一見すると、簡単な依頼に見えます。
しかし、この一文の中には複数の作業が含まれています。
過去の資料を調べる
↓
関連情報を集める
↓
情報を整理する
↓
分析する
↓
報告書を作るAI社員が本当に仕事をするためには、この依頼を理解して、具体的な作業へ変換する必要があります。
2．仕事をそのまま実行しない
AI社員は、依頼を受けたからといって、いきなり報告書を書き始めません。
まず、
「この仕事は何を求めているのか？」
を確認します。
今回の依頼なら、
依頼内容
↓
プロジェクトの過去資料を調べる
↓
必要な情報を整理する
↓
報告書を作成するという目的を理解する必要があります。
さらに、
どんな情報が必要なのか
どの資料を調べるのか
どのような結果を作るのか
といった内容も整理します。
3．Taskを理解する
ここでAI Agentの最初の役割が出てきます。
AI Agentは、単純に回答するだけではありません。
依頼された仕事について、
目的
必要な情報
必要な作業
期待される成果を整理します。
今回なら、
目的
プロジェクトの過去と現在を整理する。
必要な情報
過去のプロジェクト資料
技術資料
開発記録
関連情報
成果物
プロジェクトの報告書。
このように、曖昧な依頼を具体的なTaskとして理解します。
4．大きな仕事を小さく分ける
次のステップが、
Task Breakdown
です。
大きな仕事を、そのままAIに実行させるのではなく、小さなTaskに分解します。
今回の例では、
Task
「プロジェクトの過去資料を調べて報告書を作る」
↓
Task 01
過去資料を検索する
Task 02
関連情報を収集する
Task 03
情報を整理・分析する
Task 04
報告書の構成を作る
Task 05
報告書を作成するとなります。
ここで重要なのは、
AIが仕事を「作業単位」に変換している
ということです。
5．Taskの実行順序を決める
Taskを分解しただけでは、まだ仕事は完成しません。
Taskには実行する順番があります。
例えば、
Task 01
過去資料を検索
↓
Task 02
関連情報を収集
↓
Task 03
情報を整理・分析
↓
Task 04
報告書の構成
↓
Task 05
報告書を作成という順番です。
Task 03を実行する前には、Task 01とTask 02の結果が必要です。
Task 05を実行するには、Task 04の構成が必要です。
つまりTaskには依存関係があります。
この依存関係を整理して、実行する順番を決めます。
6．実行するTaskを作る
次に、実際に実行できるTaskとして整理します。
例えば、
Task 01
担当：調査AI
入力：Knowledge Base
処理：過去資料を検索
Task 02
担当：調査AI
入力：Task 01の結果
処理：関連情報を収集
Task 03
担当：分析AI
入力：Task 01・02の結果
処理：情報を整理・分析
Task 04
担当：企画AI
入力：分析結果
処理：報告書の構成を作成
Task 05
担当：企画AI
入力：報告書構成
処理：報告書を作成という形にできます。
ここまで来ると、単なる「AIへのお願い」ではありません。
実行可能な仕事の計画
になっています。
7．AI Agentが仕事を設計する
今回のDAY57で重要なのは、AI Agentの役割です。
全体を整理すると、
依頼
↓
AI Agent
↓
仕事を理解する
↓
Taskを分解する
↓
依存関係を整理する
↓
実行順序を決める
↓
実行Taskを作るとなります。
つまりAI Agentは、
「答えを出すAI」から「仕事を設計するAI」
へ、一歩進んだことになります。
ここで、DAY55のRAGとは役割が違うことも分かります。
RAGは会社の知識を取得する仕組み。
AI Agentは、その知識も利用しながら、仕事をどう進めるかを設計する仕組みです。
8．次はWorkflowへ
DAY57では、まだTaskを実際に実行していません。
今回は、
仕事を理解して、分解して、実行計画を作る
ところまでです。
次の段階では、
Task
↓
Task 01
↓
実行
↓
Task 02
↓
実行
↓
Task 03
↓
実行
↓
Task 04
↓
実行
↓
Task 05という流れを、Workflowとして動かしていきます。
ここで初めて、
「作った計画を実際に動かす」
段階に入ります。
DAY53〜DAY57
ここまでの進化を並べてみます。
DAY53
Knowledge Base
会社の知識を検索できる形にする
↓
DAY54
RAG Search
会社の知識を検索する
↓
DAY55
RAG Answer
検索した知識を使って回答する
↓
DAY56
AI Employee × RAG
AI社員が会社の知識を仕事に利用する
↓
DAY57
AI Agent
AI社員が仕事を理解し、分解し、
実行計画を作るかなり大きな変化です。
これまで作ってきた、
Knowledge Base
RAG
AI Core
が、少しずつAI社員の仕事の仕組みへつながってきました。
まとめ
DAY57で作ったのは、AI社員が仕事を実行するための「頭の中の整理」にあたる部分です。
ただし、今回は「脳」のような抽象的な表現ではなく、システムとして、
Task
↓
Analyze
↓
Breakdown
↓
Plan
↓
Executeという処理にしています。
そして次は、
AI Agent
↓
Workflow
↓
Taskを実行へ進みます。
仕事を理解する。
仕事を分解する。
実行する順番を決める。
実行Taskを作る。
ここまでできれば、AI社員が仕事をするための「設計図」ができます。
次の段階では、この設計図をWorkflow Engineで実際に動かしていきます。
DAY57の開発記録
テーマ：AI社員に仕事を任せる
今回のキーワード：
AI Employee
AI Agent
Task
Task Breakdown
Task Dependency
Execution Plan
WorkflowDAY56までの「RAGで会社の知識を使う」から、
DAY57では「仕事そのものを設計する」
ところへ進みました。
Company AI OSは、少しずつ「AIに質問するシステム」から「AIに仕事を任せるシステム」へ変わってきています。
次回
DAY58｜Workflowで仕事を動かす
DAY57で作ったTaskを、実際にWorkflow Engineで実行します。
ここから、AI社員が計画した仕事を実際に動かす段階へ入ります。
GitHubでDAY57の実装内容とコードを公開しています。
https://github.com/hoshino122-alt/Company-AI-OS/blob/main/README.md
#CompanyAIOS #AI社員 #AIAgent #RAG #KnowledgeBase #Workflow #生成AI #ローカルLLM #Ollama #Python #RenPy #AI開発 #100日開発
