Camundaで業務フローにAIを入れる方法|任せる区間の入口と出口

Camundaで業務フローにAIを入れる方法|任せる区間の入口と出口

「AIエージェントを試したら賢かった。でも、値引きの承認や契約の手続きにそのまま入れてよいのか分からない」「つないだ後で何かあったとき、誰が何を判断したのかを後から説明できる気がしない」——AI導入の担当者と、業務の流れを預かる情報システム部門の双方から聞く声です。ドイツの Camunda は2026年4月14日、業務フローの中でAIエージェント・人・システムを束ねる機能を広げた Camunda 8.9 の一般提供を始めました。問題はAIの賢さではなく、流れのどこからどこまでをAIに渡し、どこで人と決まった手順に戻すかが決まっていないことです。この記事では、見積の値引き承認から契約手続きまでの一つの業務を例に、Camunda でAIに任せる区間の入口と出口、失敗したときに人へ戻す経路、監査できる記録、既存のRPAや基幹システムとのつなぎ方、無料で使える範囲と有償契約の線、費用とやめ方を整理します。


カメ先生カメ先生

AIエージェントを業務に入れるというと、AIに仕事を丸ごと渡すことだと思われがちなんだけど、Camunda の考え方は逆でね。流れ図の上で、AIが自分で道具を選んでよい区間を囲って、その外側は決まった手順と人の承認で固めるんだ。


カメ子カメ子

AIが動く場所を、流れの中に枠として描いておくということですか。


カメ先生カメ先生

そう。枠の入口で何を渡すか、出口でどんな形の答えを受け取って次の分岐に回すかを決めておけば、AIが迷っても流れ全体は止まらないし、後から誰が何をしたかも追える。


カメ子カメ子

AIを信じるかどうかより、枠の描き方で安全さが決まるんですね。


この記事のポイント
  • Camunda はドイツ発の業務プロセス実行基盤。2026年4月の 8.9 で、標準のMCPサーバー、他のエージェントと連携するA2Aの接続部品、AIの出力を別のAIで判定する試験の仕組み、操作の監査ログが加わった
  • 一つの業務を「決まった手順」「人の承認」「AIの判断」に塗り分け、AIに任せる区間には入口・出口・呼べる道具・戻し先を必ず描く
  • 自社運用版は開発と本番以外の用途なら無料、本番はエンタープライズ契約で価格は非公開。試験・監査・移行の手間まで含めて費用を見積もる

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

Camunda は、業務の流れ図をそのまま動かすエンジンの会社

Camunda はドイツで生まれた企業で、業務プロセスを図に描くための国際標準の記法で書いた流れ図を、そのまま実行するエンジンを提供してきました。受注、審査、請求、入社手続きのように、複数の部署やシステムをまたいで順番に進む仕事を、図のとおりに動かし、どこで止まっているかを見える化するのが本業です。金融や保険、製造など、手続きの正確さが求められる業界で使われてきました。

最近の Camunda は、自社の役割を「エージェント型のオーケストレーション」と説明しています。公式ブログでは、端から端までの業務の中で人・システム・AIエージェントを一つの流れとして調整する層と位置づけています。AIエージェントを単独で動かす道具ではなく、AIを流れの一部品として置き、前後の手順と人の確認を同じ図の上で管理する、という立ち位置です。

日本語で読める製品の解説は、開発者向けの技術記事を除くとまだ多くありません。この記事では画面の操作や設定方法には触れず、AI導入の担当者と情報システム部門が「この基盤に業務のAI化を載せてよいか」を判断するための論点に絞ります。

2026年4月の 8.9 で何が増えたか

2026年4月14日に一般提供が始まった Camunda 8.9 では、AIまわりで四つの変化がありました。一つ目は、基盤そのものが標準のMCPサーバーを持ったことです。公式の説明では、MCPに対応した外部のAI、たとえば Claude Code や GitHub Copilot、Cursor などから、稼働状況、障害、流れの定義や進行中の案件、人の作業、変数を参照できます。

二つ目は、他社や他部署のエージェントと決まった形でやり取りするA2Aの接続部品です。依頼を出す部品、結果を定期的に見に行く部品、相手からの通知を受け取る部品の三つで、リリースノートではアルファ版と扱われています。三つ目は、AIエージェントを含む流れの試験で、設定したLLMが、AIの出力が自然な言葉で書いた期待どおりかを判定する仕組みが入りました。四つ目は、誰が・いつ・どの対象に操作したかを残す監査ログです。

このほか、人の作業に対する通知や期限・優先度の決まりを全体に一括でかける仕組み、作業ごとのきめ細かな権限、進行中の案件を新しい版の流れへ移す機能の拡張、AIの呼び出しに時間の上限を設定する機能なども加わっています。どれも「AIを賢くする」機能ではなく、AIを業務に置いたときの管理を補う機能だという点が、この版の性格をよく表しています。

前提:流れの「決まった部分」と「AIが選ぶ部分」を分けて扱う

Camunda の公式文書は、AIエージェントを「LLMが次に何をするか、どの道具を呼ぶか、いつ止めるかを決める繰り返しの処理」と定義しています。1回だけLLMを呼んで答えを受け取る処理はエージェントではない、という線の引き方です。そのうえで、どの道具をどの順で呼ぶかはLLMが決め、選ばれた処理の実行・変数の保存・再試行・障害の扱い・人への振り分けは Camunda が受け持つと役割を分けています。

AIが選んでよい道具は、流れ図の中の「順番を決めない区間」に並べた処理だけです。この区間の中では、処理を何度でも、どの順でも、並行しても、飛ばしてもよいとされ、AIはその中から選びます。区間を出た後は、条件で分かれる通常の分岐に戻ります。公式の例では、輸出の審査でAIが自由記述のメモから必要な情報を抜き出し、問い合わせ用の処理を呼んで点数を付けた後、問題なしは自動通知、引っかかったものは人の作業へ、という決まった分岐で振り分けています。

つまり、AIの判断がどれだけ揺れても、その揺れは囲った区間の中に閉じ込められます。外部のエージェント実行基盤でAIを動かして結果だけを受け取る形も選べますが、その場合 Camunda から見えるのは相手が報告してきた内容だけです。監査を重く見る業務ほど、AIの繰り返しを Camunda の中で回すかどうかが判断の分かれ目になります。

シナリオ:見積の値引き承認から契約手続きまで

ここからは、BtoBのソフトウェアを売る会社を想定して、一つの業務で考えます。営業が見積を作り、標準を超える値引きがあれば営業責任者が承認し、受注が決まれば契約書を準備して法務が確認し、顧客の署名後に基幹システムへ登録する、という流れです。今は表計算と社内チャットと電子メールで回っていて、承認の待ちがどこで発生しているかを誰も説明できない状態だとします。

この会社がやりたいことは三つです。顧客からの要件メールや商談メモを読んで見積の前提を整理する作業をAIに任せたい。過去の類似案件の値引き率と条件を調べ、承認者の判断材料をそろえる作業もAIに任せたい。契約書の準備では、標準のひな形から外れる条項がないかをAIに先に指摘させたい。一方で、値引きを認めるかどうか、契約条項を受け入れるかどうかは、人が決めることにします。

この線引き自体は、AI導入の一般論としてはありふれています。違いが出るのは、その線を、流れ図の上で動く仕組みとして描けるかどうかです。会議資料に「最終判断は人」と書くだけなら簡単ですが、実際の流れでは、AIの出力がそのまま次の工程に流れてしまう抜け道が残りがちです。Camunda に載せるかどうかは、この抜け道を図で塞げるかで判断します。

流れを三色に塗り分ける:決まった手順・人の承認・AIの判断

最初の作業は、シナリオの全工程を三つに塗り分けることです。価格表からの金額計算、契約書ひな形の差し込み、基幹システムへの登録のように、毎回同じ手順で結果が決まる工程は「決まった手順」です。値引きの承認、条項の受け入れ判断、顧客への最終送付は「人の承認」です。要件の整理、類似案件の調査、条項の差分の指摘は「AIの判断」に当たります。

工程色分けCamunda での置き方人が確認する点
要件メール・商談メモの読み取りAIの判断AIに任せる区間(入力は原文と顧客の識別番号)抜き出した前提が原文と合っているか
価格表からの金額計算決まった手順通常の処理として固定価格表の版が最新か
類似案件の値引き率の調査AIの判断区間内で過去案件の検索処理だけを呼べる根拠に挙げた案件が実在し条件が近いか
標準を超える値引きの承認人の承認承認者の作業として置き、期限と上申先を設定承認の理由を記録したか
契約条項の差分の指摘AIの判断区間内でひな形との比較処理を呼べる指摘の漏れがないか(法務が全文を読む)
基幹システムへの登録決まった手順既存の連携処理を呼ぶだけ登録結果の件数と金額の突き合わせ

塗り分けで大事なのは、AIの判断の直後に、必ず決まった手順か人の承認を置くことです。AIの出力が次のAIの入力にそのままつながる工程が続くと、どこで誤りが入ったのかを後から切り分けられません。表の右端の列は、承認者が見る項目であると同時に、流れ図の中で人の作業として描く中身でもあります。

AIに任せる区間の入口:何を渡して始めるか

AIに任せる区間の入口では、渡す情報を最小限に絞ります。要件の整理なら、顧客のメール本文と顧客の識別番号だけを渡し、過去の契約金額や担当者の評価のように整理に要らない情報は渡しません。必要な情報は、AIが区間の中で検索処理を呼んで取りに行く形にしておくと、何を見て判断したかが処理の記録に残ります。最初から全部を渡すと、どの情報が答えに効いたのかが追えなくなります。

入口ではもう一つ、AIへの指示文を誰が管理するかを決めます。Camunda では指示文や使うモデルは流れの定義の一部として設定するため、指示文を書き換えることは流れの改版と同じ重みを持ちます。営業部門が思いつきで指示文を変えられる状態にせず、指示文の変更も、流れの変更と同じ承認と試験を通す運用にしておくと、ある日から答えの傾向が変わった原因を追えます。

対応するLLMは、公式文書では Anthropic、Amazon Bedrock、Google Gemini、OpenAI などが挙げられています。どのLLMを使うかで、データの行き先と契約が変わります。社外のLLMに顧客のメール本文を送ってよいかは、Camunda の問題ではなく、自社が契約しているLLMの利用条件とデータ保存の扱いで決まるため、入口の設計と同時に情報システム部門と法務で確認しておきます。

AIに任せる区間の出口:答えの形と、次の分岐

出口では、AIの答えを自由な文章で受け取らず、決まった項目に分けて受け取ります。類似案件の調査であれば、「参照した案件の識別番号」「その案件の値引き率」「今回との違い」「推奨か否かではなく、判断に影響しそうな事実」の四つ、といった具合です。項目に分けておけば、次の分岐を条件式で書け、承認者の画面にも同じ形で並べられます。

出口で避けたいのは、AIに「承認してよいか」を答えさせ、その答えで分岐することです。AIが「問題なし」と返したら自動承認、という流れを描くと、人の承認を置いたつもりで実際にはAIが決めていることになります。分岐の条件には、AIの意見ではなく、値引き率や契約金額のような事実の値を使うのが原則です。AIの出力は、承認者が読む判断材料の欄に入れ、分岐の条件には使いません。

もう一つの出口の決まりは、根拠の欄が空なら先へ進めないことです。AIが類似案件を挙げずに結論だけを返した場合は、区間をやり直すか、人の作業に回す分岐を用意します。根拠を書かせること自体を流れの条件にしてしまうと、承認者が「AIがそう言っているから」で通してしまう事態を減らせます。

道具箱を絞る:AIが呼べる処理を決める

AIに任せる区間に並べる処理は、そのまま「AIが呼べる道具の一覧」になります。ここに並べなかった処理を、AIが勝手に呼ぶことはできません。したがって、区間を描く作業はAIに与える権限を決める作業そのものです。類似案件の調査区間には、過去案件を読む検索処理だけを置き、基幹システムへ書き込む処理や、顧客にメールを送る処理は置きません。

道具を置くときは、読むだけの処理と書き込む処理を分けて考えます。読むだけの処理は、誤って呼ばれても被害が小さい一方、書き込む処理は一度呼ばれると取り消しに手間がかかります。書き込みが必要な場面では、AIの区間の外に出し、決まった手順か人の承認の後ろに置くのが安全です。

  • 便利だからと、区間に全部の処理を並べる:AIが想定外の順で書き込み処理を呼び、取り消しに追われる
  • AIの「承認してよい」で自動承認に分岐させる:人の承認を描いたつもりで、実際はAIが決めている
  • 指示文を担当者が自由に書き換えられる:答えの傾向が変わった原因を後から追えない
  • 呼び出しの回数や時間に上限を設けない:AIが同じ検索を繰り返し、費用と待ち時間がふくらむ

8.9 では、モデルの呼び出しに時間の上限を設定できるようになりました。回数についても、区間をやり直す回数を流れの側で数え、上限を超えたら人の作業に回すように描いておくと、AIが堂々巡りをしたときにも案件が止まりません。

失敗したとき人へ戻す経路

AIの区間は、必ずどこかで失敗します。LLMの応答が時間内に返らない、根拠の欄が空のまま返ってくる、検索処理が該当なしを返す、といった場面です。Camunda では処理の失敗を「障害」として扱い、再試行の回数を決めたり、運用監視の画面に表示したりできます。大事なのは、技術的な失敗と、答えの中身の失敗を分けて戻し先を決めることです。

STEP1
技術的な失敗は再試行し、上限で運用担当へ

応答の遅れや接続の失敗は、回数を決めて自動で再試行します。上限を超えたら障害として運用担当に通知し、案件は止めたまま待たせます。

STEP2
中身の失敗は、担当の営業へ人の作業として戻す

根拠が空、抜き出した金額が原文と合わない、といった中身の問題は、再試行で直るとは限りません。案件の担当者に、AIの出力と原文を並べた作業として戻します。

STEP3
期限を過ぎた承認は上申する

人の承認が期限内に終わらなければ、上位の承認者に回します。期限と上申先は、人の作業すべてに一括でかける決まりとして設定できます。

STEP4
戻した件数を週ごとに数える

人に戻った件数と理由を数え、多い理由から指示文や区間の道具を見直します。戻りがゼロなら、確認が形だけになっていないかを疑います。

人へ戻す作業には、誰が受け取れるかの権限も付けます。8.9 では作業ごとに、担当者・候補のグループ・候補の利用者を基準に、見られる人と処理できる人を絞れるようになりました。値引きの承認を営業本人が自分で処理できてしまう、といった抜けをこの段階で塞ぎます。

8.9 では、条件が満たされたときに流れを始めたり、途中で割り込んで向きを変えたりする仕組みも使えるようになりました。公式ブログは、エージェントの評価や判断が出た時点で、流れを中断・振り向け・上申できると説明しています。たとえば、契約条項の差分にAIが「責任の上限の削除」を見つけたら、通常の法務確認を待たずに法務責任者の作業へ割り込ませる、といった描き方です。ここでも割り込みの条件は、AIの意見ではなく、見つかった条項の種類という事実で書きます。

監査できる記録:誰が・いつ・何を、とAIの理由

業務にAIを入れたとき、後から一番困るのは「なぜこの値引きが通ったのか」に答えられないことです。8.9 で加わった監査ログは、利用者やシステムの重要な操作について、誰が・いつ・どの対象に操作したかを一か所に集めて残すものだと公式に説明されています。役割に応じた閲覧の制限や、記録する範囲の設定もできるとされています。

ただし、監査ログが残すのは操作の記録です。AIがなぜその案件を類似案件として選んだのか、という理由は、出口で項目として受け取って変数に残さない限り、後からは分かりません。AIの理由は、仕組みが自動で残してくれるものではなく、出口の設計で残すものと考えておきます。参照した案件の識別番号、使った指示文の版、使ったモデルを、案件ごとの変数として残しておくと、監査の場面で説明がつきます。

記録の保存期間と保存先も決めておきます。8.9 では進行中・完了済みの案件の情報を、主要なリレーショナルデータベースに保存する選択肢が加わりました。社内の監査規程が求める保存期間と、顧客の個人情報を消す必要が出たときの消し方を、情報システム部門と先に詰めておくと、運用開始後に保存先を作り直さずに済みます。

既存のRPA・基幹システムとのつなぎ方

すでにRPAで動いている処理や、基幹システムとの連携がある会社では、それらを Camunda に置き換えるのではなく、流れの中の一つの処理として呼び出す形から始めるのが現実的です。基幹への登録はこれまでどおりの連携処理に任せ、Camunda はその前後の順番と承認、AIの区間を受け持つ、という分担です。

RPAとAIエージェントの使い分けそのものは別の論点ですが、Camunda に載せると、両者を同じ流れ図の上に並べて管理できるのが特徴です。画面を操作するロボットが失敗したときも、AIの区間が失敗したときも、同じ運用監視の画面で止まっている場所が分かります。自動化の部品が増えるほど、止まった場所を一か所で見られる価値が上がるという点が、導入の判断材料になります。

一方で、つなぐ相手が多いほど、認証情報の管理が重くなります。基幹システムの書き込み権限を持つ接続情報を Camunda 側に預けることになるため、その権限が必要最小限か、誰が更新するか、漏れたときにどう止めるかを、情報システム部門の管理対象として登録しておきます。

MCPとA2Aで外とつながるときの権限

8.9 の標準のMCPサーバーは、外部のAIから Camunda の中身を参照する入口です。公式の説明では、手元で試す開発用の実行環境では最初から有効、本番の自社運用環境では明示的に有効にする必要があり、クラウド版では管理画面の設定で有効にします。認証と権限は、基盤の通常の外部接続と同じ仕組みで扱われるとされています。

つまり、開発者が自分のコード支援AIから本番の案件の変数を読めるかどうかは、その開発者に与えている権限で決まります。案件の変数には顧客名や金額が入るため、本番環境でMCPを有効にする前に、誰の権限でどこまで読めるかを一覧にすることが欠かせません。開発用の環境で既定で有効になっている点も、試験用のデータに本物の顧客情報を入れない運用とセットで考えます。

A2Aの接続部品は、他部署や取引先のエージェントに仕事を頼み、結果を受け取るためのものです。公式の例には、融資審査での不正の点数確認や、入社手続きでの権限確認が挙がっています。外のエージェントに頼んだ時点で、そのエージェントが何を見て、どこにデータを残すかは自社の管理外になります。リリースノートでアルファ版と扱われている段階では、本番の重要な業務に組み込むより、社内の部署間で試すところから始めるのが無難です。

公開前の試験:AIの答えを別のAIで判定する仕組みの使い方と限界

AIの区間を含む流れは、同じ入力でも毎回同じ道筋を通るとは限りません。8.9 で強化された試験の仕組みでは、流れの状態の変化を見ながら、現れた作業を順に片付けていく試験を書けるようになり、道筋が固定されていない流れでも試験が書けるようになりました。AIの出力については、設定したLLMが「期待どおりか」を自然な言葉の基準で判定する方法が加わっています。

この判定は便利ですが、判定するのもAIです。判定役のAIが甘ければ、誤った出力も合格になります。判定役のAIの結果を、そのまま公開の合否にしないことが大切です。値引きの調査であれば、過去の実案件から正解の分かっている事例を数十件用意し、人が付けた正解と、AIの出力、判定役の判定の三つを突き合わせて、判定役がどの程度人と一致するかを先に確かめます。

  • 判定役のLLMと、区間で使うLLMを同じにすると、同じ思い込みで両方が誤ることがある。可能なら別のモデルで判定する
  • 指示文やモデルを変えたときは、正解の分かっている事例で試験をやり直してから本番の流れを改版する
  • 試験用の事例に本物の顧客の名前や金額を使う場合は、社内の情報の扱いの決まりに沿って伏せる

無料の範囲と有償契約の線、費用の増え方とやめ方

Camunda の以前の世代には、無償で使えるコミュニティ版が広く使われていたため、「無料で始められる」と考える人が少なくありません。現行の公式料金ページでは、自社の環境で動かす版について、手元での開発と本番以外の用途なら無料、本番で使うにはエンタープライズ契約が必要と説明しています。クラウド版には30日の試用があり、試用後も流れ図を描くだけなら無料のアカウントで続けられるとされています。

価格は公開されておらず、本番の契約はすべて営業との見積になります。費用は基盤の契約だけでは終わりません。AIの区間を動かすたびに、別途契約しているLLMの利用料がかかります。区間のやり直しや道具の呼び出しが多い設計ほど、LLMの費用が増えます。加えて、流れ図を描いて試験を書く人の工数、本番環境を自社で運用する場合のサーバーとデータベースの費用も見込みます。

やめ方は、流れ図の資産と、進行中の案件と、記録の三つに分けて考えます。流れ図は国際標準の記法で書かれているため、他の基盤に読み込める可能性はありますが、AIの区間や接続部品の設定はそのまま移るとは限りません。進行中の案件は、新規の受付を止めてから完了を待つ期間を見込み、監査のための記録は自社のデータベースに書き出して保存期間を満たせるかを確認します。契約前に、書き出せるデータの形と期間を営業に確かめておくのが安全です。

クラウド版を選ぶ場合は、データの置き場所も確認します。公式の料金ページでは、流れ図を描く画面と管理画面は欧州で運用され、業務を動かす本体は他の地域にも作れると説明しています。顧客の情報が入る案件の変数がどの地域に置かれるかは、作る本体の地域で決まるため、社内の越境移転の決まりと照らし合わせておきます。以前の世代から移る会社には、8.9 で過去の監査の記録や権限の設定を新しい世代へ移す道具も用意されましたが、移行そのものの工数は別に見積もる必要があります。

よくある質問

Camunda を入れれば、AIエージェントの判断は安全になりますか

なりません。Camunda が支えるのは、AIが動く範囲を囲い、前後に決まった手順と人の承認を置き、記録を残すことです。AIの答えそのものの正しさは、指示文、渡す情報、使うモデルで決まります。囲いの描き方を誤れば、AIの出力がそのまま次工程に流れます。

今使っているRPAやワークフロー製品は捨てる必要がありますか

最初から捨てる必要はありません。既存のロボットや連携処理を、流れの中の一つの処理として呼び出す形で始められます。複数の自動化の部品をまたぐ業務で、止まった場所が見えないことに困っている場合に、上位で束ねる層として検討する価値があります。

どの規模の会社から検討すべきですか

目安は人数ではなく、部署やシステムをまたぐ承認の多い業務があるかどうかです。一部署で完結する業務なら、表計算や軽量の自動化で十分なことが多く、流れ図を描いて試験を書く工数のほうが重くなります。

まとめ

Camunda の 8.9 は、AIエージェントを賢くする版ではなく、AIを業務の流れに置いたときの管理を補う版です。AIに任せる区間を流れ図の上で囲い、入口では渡す情報を絞り、出口では答えを項目で受け取って事実の値で分岐し、失敗したら人に戻し、AIの理由を変数として残す。この描き方ができる業務なら、Camunda に載せる意味があります。値引きの承認や条項の受け入れのような判断は人に残し、AIには根拠をそろえる仕事を任せる。MCPの有効化、外部エージェントとの連携、無料の範囲と有償契約の線、やめるときのデータの持ち出しまでを契約前に確かめてから、一つの業務で小さく始めるのが現実的な進め方です。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次