Media > AI活用ユースケース > 情報システム > 情報システム部が SaaS の割り当てと最終のログインを n8n で毎週集め、AI で退職・異動の記録と利用の決まりに照らして空けてよい席と足りなくなりそうな席を判定し、契約の席数の見直しの一覧を作る

情報システム部が SaaS の割り当てと最終のログインを n8n で毎週集め、AI で退職・異動の記録と利用の決まりに照らして空けてよい席と足りなくなりそうな席を判定し、契約の席数の見直しの一覧を作る

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

SaaS ごとの契約の席数・割り当て・最終のログインを n8n で毎週集め、人事の退職・異動・入社の予定と照らします。AI が利用の決まりの文に照らして1人ずつ席の扱いを判定し、空けてよい席と足りなくなりそうな席の見直しの一覧を作ります。

サマリー
生成AI
Azure OpenAI Service/ChatGPT/Claude
連携・自動化
Make/n8n/Power Automate/Zapier
対象業界
IT・SaaS/広告/製造/金融
対象部門
情報システム/購買
対象業務
内容確認・チェック/台帳・マスタ管理
主な課題
人手が足りない/判断に時間がかかる/期限・対応漏れが起きる
AIで行う処理
判定
主な効果
判断支援/工数削減/機会損失防止
導入難易度
★★★☆☆
実装レベル
半自動化
費用感
API連携(中)
人間の確認
条件付き
現在工数
48h/月
AI導入後
16h/月
想定削減
67%
年間削減
384h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 毎週月曜に、Microsoft 365 の管理センターで製品ごとの席数と割り当ての数を見る
  2. ほかの SaaS の管理画面を1つずつ開き、利用者の一覧を書き出す
  3. 人事の予定の一覧と、SaaS ごとの利用者を見比べる
  4. 退職した人・退職の予定の人の席に印を付ける
  5. 異動した人について、SaaS の台帳の利用の決まりを読み、異動の先で使ってよいかを決める
  6. 今後の入社と異動で、どの SaaS の席が何席要るかを数え、空きと比べる
  7. 足りない SaaS は購買部に追加を頼み、余っている SaaS は更新の前に削減を検討する
導入後(After)
  1. 自動毎週月曜の朝7時に n8n のワークフローが動く
  2. 自動Microsoft Graph から、製品ごとの席数と、利用者ごとの割り当て・最終のサインインを取る
  3. 自動共有のフォルダから、ほかの SaaS の利用者の一覧(CSV)と人事の予定の一覧を読む
  4. 自動Compare Datasets で、SaaS の利用者と人事の予定・在籍者をメールアドレスで突き合わせる
  5. 自動計算で、席数・空き・最終のログインからの日数・今後4週間の入社と異動の人数を出す
  6. 自動AI が、退職・異動・入社と長く使っていない人について、利用の決まりの文に照らして席の扱いを判定し、根拠の文を添える
  7. 自動計算で、SaaS ごとに「空けてよい席」「付け替えられる席」「4週間後の不足」を数え、見直しの一覧を作る
  8. 自動情報システム部と購買部に一覧を送る
  9. 人情報システム部が判定を確かめ、席を外すか、付け替えるか、購買部に追加を頼むかを決める
各工程の詳しい説明を読む
  1. 毎週月曜に、Microsoft 365 の管理センターで製品ごとの席数と割り当ての数を見る
  2. ほかの SaaS の管理画面を1つずつ開き、利用者の一覧を書き出す
  3. 人事の予定の一覧と、SaaS ごとの利用者を見比べる
  4. 退職した人・退職の予定の人の席に印を付ける
  5. 異動した人について、SaaS の台帳の利用の決まりを読み、異動の先で使ってよいかを決める
  6. 今後の入社と異動で、どの SaaS の席が何席要るかを数え、空きと比べる
  7. 足りない SaaS は購買部に追加を頼み、余っている SaaS は更新の前に削減を検討する

(a)管理画面ごとに数えるのに時間がかかる。 16の製品の画面を開き、書き出し、見比べます。1製品45分でも、毎週16製品で月48時間です。 忙しい週は省かれ、月に1回になります。

(b)異動した人の席が残り続ける。 退職の人は人事の一覧で分かりやすいのに対し、異動の人は「異動の先で使ってよいか」を決まりの文で読まないと分かりません。判断を後回しにした席が、そのまま残ります。

(c)入社の日に席が足りない。 4月と10月に入社と異動がまとまると、設計の SaaS の席が数席足りないことが入社の前日に分かります。購入の手続きに日数がかかる SaaS では、新人が最初の数日を待つことになります。

  1. 【自動】 毎週月曜の朝7時に n8n のワークフローが動く
  2. 【自動】 Microsoft Graph から、製品ごとの席数と、利用者ごとの割り当て・最終のサインインを取る
  3. 【自動】 共有のフォルダから、ほかの SaaS の利用者の一覧(CSV)と人事の予定の一覧を読む
  4. 【自動】 Compare Datasets で、SaaS の利用者と人事の予定・在籍者をメールアドレスで突き合わせる
  5. 【自動】 計算で、席数・空き・最終のログインからの日数・今後4週間の入社と異動の人数を出す
  6. 【自動】 AI が、退職・異動・入社と長く使っていない人について、利用の決まりの文に照らして席の扱いを判定し、根拠の文を添える
  7. 【自動】 計算で、SaaS ごとに「空けてよい席」「付け替えられる席」「4週間後の不足」を数え、見直しの一覧を作る
  8. 【自動】 情報システム部と購買部に一覧を送る
  9. 【人】 情報システム部が判定を確かめ、席を外すか、付け替えるか、購買部に追加を頼むかを決める

9番目が、この設計の分かれ目です。 席を外す・アカウントを止めるのは、この構成ではなく、確かめた後の担当の手作業です。 誤って外すと、その人の仕事が翌朝止まります。

02今回想定するシステム構成

構成図
【トリガー】Schedule Trigger(毎週月曜 7:00、タイムゾーン Asia/Tokyo)
   ▼
n8n
   ├──▶ HTTP Request:Microsoft Graph /subscribedSkus(席数)
   ├──▶ HTTP Request:Microsoft Graph /users(割り当て・最終のサインイン)
   ├──▶ Read/Write Files from Disk + Extract from File:ほかの SaaS の CSV、人事の予定の一覧
   ▼
Compare Datasets ── SaaS の利用者 × 人事の予定・在籍者(メールアドレス)
   ▼
Code ── 席数・空き・日数・今後4週間の入社と異動の人数
   ▼
Basic LLM Chain(Anthropic Chat Model + Structured Output Parser)
   │   1人ずつ:利用の決まりに照らして席の扱いを判定
   ▼
Code ── SaaS ごとの空けてよい席・付け替え・不足
   ▼
Microsoft Outlook:情報システム部と購買部へ見直しの一覧
   ▼
【人】判定を確かめ、席の操作と購買の手配
役割想定する製品代替候補
ワークフローn8n(Schedule Trigger、HTTP Request、Read/Write Files from Disk、Extract from File、Compare Datasets、Code)Make、Zapier、Power Automate
生成AIClaude(n8n の Basic LLM Chain と Anthropic Chat Model)OpenAI API、Azure OpenAI
連携Microsoft Graph(subscribedSkus、users)Google Workspace の Admin SDK
通知Microsoft Outlook(n8n の Microsoft Outlook ノード)Slack、Microsoft Teams
保管週ごとの見直しの一覧(社内の表)n8n の実行の履歴

n8n は自社のサーバーで動かします。 人事の予定の一覧を共有のフォルダから読むには、Read/Write Files from Disk のノードを使います。公式のページでは、n8n が動いている機械のファイルを読み書きするノードで、n8n 2.0 から読み書きできる場所の既定(N8N_RESTRICT_FILE_ACCESS_TO)が ~/.n8n-files になり、ほかの場所を使うには明示的に設定するとされています。共有のフォルダをこの場所に置くか、設定で足します。

最終のサインインの日時を取るには、Microsoft Entra ID P1 または P2 が要ります。 公式のページでは、signInActivity の詳細には Microsoft Entra ID P1 または P2 のライセンスと AuditLog.Read.All の権限が要るとされています。

03どうやって実装するのか

Step1

処理の起点を決める

きっかけ中身届き方
Schedule Trigger毎週月曜 7:00週に1回

Schedule Trigger の Weeks の間隔で、月曜の7時に動かします。 公式のページでは、ノードはワークフローのタイムゾーンを使い、設定が無ければインスタンスのタイムゾーンを使うとされ、自前で動かす n8n の既定は America/New York とされています。ワークフローの設定で Asia/Tokyo を必ず指定します。 指定しないと、日本の月曜の夜に動きます。

ワークフローは保存して公開(publish)しておきます。 公式のページでは、Schedule ノードをトリガーにするワークフローは保存して公開する必要があるとされています。

人事の予定の一覧が金曜に届くので、月曜の朝に回します。 一覧が届いていない週は、前の週の一覧のまま判定すると異動を見落とします。ファイルの更新の日時を見て、古ければ止めて知らせます。

Step2

入力データを集める

データ中身取得元
製品ごとの席数skuPartNumber、consumedUnits(割り当て済み)、prepaidUnits.enabled(買った数)Microsoft Graph の subscribedSkus
利用者ごとの割り当てメールアドレス、accountEnabled、assignedLicenses、signInActivityMicrosoft Graph の users
ほかの SaaS の利用者の一覧メールアドレス、割り当ての有無、最終のログイン管理画面から書き出した CSV
人事の予定の一覧社員番号、メールアドレス、区分、発効の日、異動の先の部署と役職人事部が書き出した CSV
SaaS の台帳製品名、契約の席数、更新の日、利用の決まりの文、追加の購入にかかる日数情報システム部の表

AI に渡すのは、判定する1人の区分・発効の日・異動の先の部署と役職、その人に割り当てられた SaaS の利用の決まりの文、最終のログインからの日数だけです。 氏名は渡しません。ほかの人の情報も渡しません。

ほかの SaaS の CSV は、情報システム部が毎週金曜に共有のフォルダへ置きます。 管理画面から書き出す作業は残りますが、見比べる作業がなくなります。 API で利用者の一覧を取れる SaaS は、HTTP Request に置き換えられます(SaaS ごとの API の仕様は個別に確かめます)。

Step3

データの取得方法を決める

取るものどこからどう取るか
席数GET /subscribedSkusHTTP Request(OAuth2 のアプリの資格情報)
割り当てと最終のサインインGET /users?$select=mail,accountEnabled,assignedLicenses,signInActivityHTTP Request。次のページの URL で続きを取る
ほかの SaaS・人事の CSV共有のフォルダRead/Write Files from Disk(パターンで複数のファイル)→ Extract from File(Extract From CSV)

席数は subscribedSkus で取ります。 公式のページでは、組織が契約している製品の一覧を返し、最小の権限は LicenseAssignment.Read.All とされ、応答には consumedUnits と prepaidUnits(enabled など)が入っています。$select だけが使え、$filter は使えないとされています。

利用者の一覧は users で、500件ずつ取ります。 公式のページでは、既定と最大のページの大きさは100と999ですが、signInActivity を $select か $filter に入れると最大が500になるとされています。また signInActivity の $filter は、ほかの絞り込みの項目と一緒には使えないとされています。割り当てで絞らず、全員を取ってから n8n の中で絞ります。

次のページは HTTP Request の Pagination で取ります。 公式のページでは、応答に次のページの URL が含まれる場合の設定があり、$response.body で応答の中身を参照できるとされています。Microsoft Graph の応答の @odata.nextLink を次の URL に指定します。

Read/Write Files from Disk は、パターンで複数のファイルを読めます。 公式のページでは、*、、?、[] が使えるとされています。saas_users_*.csv で10本の SaaS の CSV をまとめて読みます。**

Step4

AIへ渡す前に整形する

  1. 最終のサインインの日時を選ぶ … signInActivity の lastSuccessfulSignInDateTime を使います。公式のページでは、lastSignInDateTime は失敗した試みも含むので実際の利用を正しく表さないことがあり、実際にアクセスした日時には lastSuccessfulSignInDateTime を使うとされています
  2. 日時を日本の日付にする … 公式のページでは、日時は ISO 8601 で常に UTC とされています。日本時間に直してから日数を数えます
  3. 割り当てを製品名に直す … assignedLicenses の skuId を、subscribedSkus の skuPartNumber と SaaS の台帳の製品名に対応させます
  4. メールアドレスをそろえる … 大文字・小文字と、旧ドメインの別名をそろえます
  5. 突き合わせる … Compare Datasets で、SaaS の利用者(入力 A)と人事の在籍者・予定(入力 B)をメールアドレスで突き合わせます

5番目の Compare Datasets は、4つの出口に分けます。 公式のページでは、入力 A だけにあるもの・同じもの・違うもの・入力 B だけにあるものの4つの分かれ道に出るとされています。A だけ(席はあるが在籍者にいない)は、退職済みか外部の人の席です。 同じ・違うの出口は、人事の予定の区分を付けて次へ回します。

lastSuccessfulSignInDateTime は、2023年12月1日から使える項目で、それより前の値は埋め戻されないと公式のページに書かれています。値が空の利用者は「記録なし」として扱い、使っていないとは決めません。

Step5

AIに処理させる

判定にかけるのは、次のどれかに当たる人だけです。 退職の予定・済み、異動の予定・済み、休職、今後4週間の入社、最終のログインから60日以上。全員を判定にかけません。 900名×16製品を毎週 AI に通すと、時間と費用が見合いません。

判定意味次にすること
release決まりに合わなくなった・退職。空けてよい発効の日の後に担当が外す
keep異動の先でも決まりに合う何もしない
reassign_candidate空けてよく、ほかの人に付け替えられる不足の SaaS の数から引く
needs入社・異動の先で、その SaaS が決まりに合う不足の数に足す
unclear決まりの文から決められない担当が上長に聞く

いちばん大事なのは、決まりの文に書かれた条件だけで判定させることです。 「設計部の CAD 担当に限る」の SaaS を持つ人が生産技術部へ異動するとき、生産技術部が決まりの文に書かれていなければ release、書かれていれば keep です。 異動の先の仕事の中身から「たぶん使う」と推し量ると、決まりの文と違う判定が残ります。決まりの文に無い部署なら unclear にさせ、決まりの文を直すきっかけにします。

長く使っていない人は、それだけでは release にさせません。 休職中、季節で使う設計の SaaS、出張の多い人など、理由のある空白があります。人事の区分に休職があれば keep、理由が分からなければ unclear にさせます。

させないこと理由
席数・空き・不足の計算Code で計算する
日数の計算UTC を日本の日付に直してから Code で数える
席を外す・アカウントを止める判断の確定担当が発効の日と本人の状況を確かめる
決まりの文に無い部署・役職の当てはめ決まりの文を直す人が決める
Step6

指示内容を固定する

あなたは情報システム部で、SaaS の席の見直しを補助する立場です。
1人の社員と、その人に関わる SaaS の利用の決まりを読み、席の扱いを
判定してください。席の数は扱いません。

【区分】{event_type}(入社 / 退職 / 異動 / 休職 / 復職 / 変化なし)
【発効の日】{effective_date}
【異動の先の部署と役職(入社なら配属の部署と役職)】{dept} / {title}
【割り当て済みの SaaS】{assigned}
【最終のログインからの日数(記録なしは null)】{idle_days}
【関わる SaaS の利用の決まり】{rules}

【判定】SaaS ごとに release / keep / reassign_candidate / needs / unclear
から1つを選んでください。

【厳守事項】
- 判定の根拠にした利用の決まりの一文を、basis にそのまま写して
  ください。
- 決まりの文に書かれた部署・役職・申請の条件だけで判定してください。
  仕事の中身から使いそうかどうかを推し量らないでください。
- 異動の先の部署が決まりの文に書かれていないときは unclear にして
  ください。
- 最終のログインからの日数が長いことだけで release にしないで
  ください。区分が休職なら keep、それ以外で理由が分からなければ
  unclear にしてください。日数が null のときも unclear にしてください。
- 退職は、発効の日が過ぎていれば release、まだなら release に
  したうえで release_after に発効の日を写してください。
- 席の数、費用、購入や解約の提案を書かないでください。

「仕事の中身から推し量らない」を書かないと、keep に寄ります。 生産技術部へ異動する人に、AI は「設計の知識を使う部署なので CAD を使う可能性が高い」と書きがちです。それが正しくても、決まりの文に無い判断です。 unclear を担当が上長に聞き、決まりの文に生産技術部を足すかどうかを決めれば、翌週から判定できます。

Step7

出力形式を固定する

Structured Output Parser で、SaaS ごとに次の形の JSON を返させます。

{
  "employee_id": "",
  "decisions": [
    {
      "product": "CAD-Design",
      "decision": "release | keep | reassign_candidate | needs | unclear",
      "release_after": "",
      "basis": "",
      "unclear_reason": ""
    }
  ]
}

Structured Output Parser は、公式のページでは JSON の例から型を作るか、JSON Schema で書くかを選べ、$ref は使えないとされています。JSON の例から作ると、すべての欄が必須として扱われるとされているので、release_after と unclear_reason は空の文字列で返させます。

1つ目の理由は、Code がそのまま数えられることです。 SaaS ごとに、次の式で4週間後の見込みを出します。

項目計算
今の空きprepaidUnits.enabled − consumedUnits(ほかの SaaS は台帳の契約の席数 − 割り当ての数)
空けてよい席release と reassign_candidate の数(発効の日が4週間以内)
要る席needs の数(発効の日が4週間以内)
4週間後の見込み今の空き + 空けてよい席 − 要る席

見込みが0を下回る SaaS に「不足」の印を付けます。 台帳の「追加の購入にかかる日数」より発効の日が近ければ、「急ぎ」の印も付けます。

2つ目は、根拠の文を1人ずつ残せることです。 見直しの一覧で、担当は「CAD-Design:release」の隣に「設計部・生産技術部の CAD 担当に限る」の文を見ます。

Step8

システムへ連携する

つなぎ先方式内容
Microsoft GraphHTTP Request(OAuth2)席数、割り当て、最終のサインイン
共有のフォルダRead/Write Files from Disk、Extract from Fileほかの SaaS と人事の CSV
ClaudeBasic LLM Chain + Anthropic Chat Model1人ずつの判定
情報システム部・購買部Microsoft Outlook ノードの Send見直しの一覧

AI は Basic LLM Chain から呼びます。 公式のページでは、モデルが使うプロンプトと、応答の任意のパーサーを設定するノードで、「Require Specific Output Format」を有効にすると Structured Output Parser などをつなげるとされています。モデルは Anthropic Chat Model のノードでつなぎます。サブノードの式は最初の1件だけに解決されると公式のページにあるので、1人ずつの値はプロンプトの本文の側に式で入れます。

Microsoft Graph と SaaS の管理画面には、この構成から書き込みません。 アプリの権限は読み取り(LicenseAssignment.Read.All、User.Read.All、AuditLog.Read.All)だけにします。書き込みの権限を持たせなければ、誤って席を外す経路がありません。

Step9

人が確認する

  1. 情報システム部は、unclear を先に見る … 理由を読み、異動の先の上長に聞きます。決まりの文を直すかを、SaaS の台帳の持ち主と決めます
  2. release は発効の日を確かめる … 退職の前日まで使う人がいるので、外すのは発効の日の後です
  3. 不足の SaaS は、付け替えを先に考える … reassign_candidate があれば付け替え、足りない分だけ購買部に追加を頼みます
  4. 見直しの一覧に結果を書く … 外した日、付け替えた先、頼んだ数を書きます

3番目の順番が、余りと不足を同じ一覧で見る理由です。 付け替えで埋まる不足を購入で埋めると、次の更新までの費用が二重にかかります。

Step10

例外に対処する

起きること対応
人事の予定の一覧が更新されていない判定を止め、情報システム部と人事部に知らせる
Microsoft Graph の応答が失敗する・権限が足りないその週の Microsoft 365 の分を止め、知らせる
最終のサインインが記録なし使っていないと決めず、unclear
ほかの SaaS の CSV の列が変わる列の名前が合わなければ、その SaaS を止めて知らせる
人事の一覧に無いメールアドレス(委託先・共有のアカウント)Compare Datasets の A だけの出口。AI を通さず担当へ
同じ人が2つのメールアドレスを持つ旧ドメインの別名の表でそろえる
AI の応答が JSON の形にならないその人を unclear として一覧に載せる
判定の対象が多すぎる週(4月の異動)判定は全員に通し、一覧の並びを発効の日の順にする
Step11

記録を残す

  • n8n の実行の履歴(取った件数、判定にかけた人数、失敗)
  • 週ごとの見直しの一覧(SaaS ごとの空き・空けてよい席・要る席・4週間後の見込み)
  • 1人ずつの判定と根拠の文、担当が直した判定
  • 席を外した日、付け替えた先、購買部に頼んだ数と届いた日
  • SaaS の台帳の利用の決まりの文を直した日と、直す前の文

3つ目と5つ目は、判定の説明に使います。 「なぜこの人の席が外れたのか」と聞かれたとき、その週の判定が、どの決まりの文に基づいていたかを示せます。

04実装レベルの3段階

最小構成:書き出した一覧と決まりの文を手で AI の画面に貼り、判定させる / 1人ずつの判定
半自動化:上記+n8n で毎週集め、突き合わせ、判定と数え上げをして見直しの一覧を送る / 収集から一覧まで
本格構成:上記+担当の承認の後、Microsoft Graph の書き込みの権限で席の付け替えを行う / 席の操作まで

本記事の想定は半自動化です。 1件45分が15分になるのはこの段階で、管理画面からの書き出しの多くと、見比べ、決まりの当てはめがなくなるからです。 15分の多くは、ほかの SaaS の CSV の書き出しと、unclear の聞き取りに残ります。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
2 名
月間件数
64 件
1件あたり現在時間
45 分
1件あたり導入後時間
15 分
現在  64件 × 45分 ÷ 60 = 48 時間/月
導入後 64件 × 15分 ÷ 60 = 16 時間/月
月間削減時間
32h
削減率
67%
年間削減時間
384h
年間金額換算(時間単価4,500円)
173万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 従業員が数百名から千名規模で、Microsoft 365 の上位のプランや追加の機能、設計・デザイン・営業支援などの人数課金の SaaS を十数本使っている会社の情報システム部。異動と入退社が毎月あり、席が余っている SaaS と、入社の日に席が足りずに追加の購入を急ぐ SaaS が同時に出ている場合。SaaS ごとに「誰が使ってよいか」の決まりが文章で書かれている場合。
向いていない
  1. SaaS が数本で、管理画面を見れば足りる場合。人事の退職・異動・入社の予定を情報システム部が受け取れない場合(先に受け渡しの決まりを作る)。Microsoft Entra ID P1 または P2 が無く、最終のサインインの日時を取れない場合。なお、席の解約・購入とアカウントの停止は、この構成では行いません。

07最小構成で試す方法

  1. 先月の異動・退職・入社の予定の一覧から30人を選ぶ(決まりの文に無い部署への異動、休職、長く使っていない人を入れる)
  2. その人の区分・異動の先・割り当て・最終のログインからの日数と、関わる SaaS の利用の決まりの文を書き出す(氏名を消す)
  3. 手元の AI サービスの画面に貼り、第7章の判定をさせる。「決まりの文の条件だけで判定。無い部署は unclear。日数だけで release にしない」と指示する
  4. 当時の担当の判断と比べる
出てきた内容判断
当時の判断と同じになり、決まりの文に無い異動は unclear になったワークフローの組み立てに進む
仕事の中身から使いそうと推し量って keep にした指示の書き方で直る。構成は有効
決まりの文が「必要な人」ばかりで unclear だらけSaaS の台帳の決まりの文を直すのが先。 AI の問題ではない

08実装時につまずきやすいポイント

問題対策
仕事の中身から使いそうと推し量る決まりの文の条件だけで判定させ、無い部署は unclear
長く使っていないだけで release にする休職は keep、理由が無ければ unclear
lastSignInDateTime で使った日を見る失敗も含む。lastSuccessfulSignInDateTime を使う
UTC のまま日数を数える日本の日付に直してから数える
ワークフローが日本の夜に動くワークフローのタイムゾーンを Asia/Tokyo に
signInActivity と割り当てで同時に絞って失敗する全員を取って n8n の中で絞る
999件ずつ取ろうとして500件で止まるsignInActivity を含むと最大500。次のページの URL で続ける
席を外す権限を持たせてしまう読み取りの権限だけにする

上の2行が、この構成の失敗のほとんどです。 どちらも、AI が「たぶん使う」「たぶん使っていない」と推し量ることから起きます。推し量らせず unclear で人に回し、決まりの文のほうを直すことで、翌週から判定が安定します。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 社員のメールアドレス、部署と役職、退職・異動・休職の予定、SaaS の割り当て、最終のサインインの日時です。公表前の人事の情報を含みます。

  1. AI に氏名を渡さない … 渡すのは社員番号、区分、異動の先、日数だけです。休職の理由などの事情は渡しません
  2. 最終のサインインを人の評価に使わない … この構成は席の見直しのためのもので、ログインの日時を勤怠や働きぶりの材料にしません。 一覧の閲覧も情報システム部と購買部に限ります
  3. 席を自動で外さない … 判定は見直しの一覧までです。退職の前日まで、異動の引き継ぎの期間まで使う人がいます
  4. アプリの権限を読み取りに限る … LicenseAssignment.Read.All、User.Read.All、AuditLog.Read.All の読み取りだけで足ります。資格情報は n8n の資格情報の機能で持ち、ワークフローの中に書きません

誤りが起きた場合のリスクは、使う人の席を外して仕事を止めることと、不足を見落として入社の日に席が無いことの2つです。 前者は自動で外さないことと unclear で、後者は4週間先までの予定を毎週数えることで防ぎます。

10まず何から始めるか

1週目:決まりの文を直す

SaaS の台帳の利用の決まりの文を、部署・役職・申請の要否が読み取れる形に直します。あわせて、追加の購入にかかる日数の列を足します。

2週目:30人で試す

先月の予定の一覧から30人を選び、手元の AI サービスで判定させます。推し量って keep にしていないか、決まりの文に無い異動が unclear になっているかを最優先で見ます。

3週目:Microsoft 365 の分をつなぐ

Microsoft Graph のアプリを読み取りの権限で登録し、n8n で席数と割り当てとサインインを取り、人事の予定と突き合わせて判定と数え上げをするところまで作ります。この時点では一覧を送らず、担当が n8n の実行の結果を見ます。

4週目:ほかの SaaS と一覧の送付を足す

ほかの SaaS の CSV を読み込み、見直しの一覧を Outlook で送ります。席の操作は担当が行う形のままにします。

2か月目: 直した判定を数え、決まりの文を直します。3か月目以降: 1件45分が何分になったかを実測します。入社と異動の日に、どの SaaS の席も足りていた月が続いた時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-11-04/最終更新:2026-11-04
確認した内容情報源確認日
組織が契約している製品の一覧を返し、最小の権限が LicenseAssignment.Read.All であること。$select だけが使え $filter は使えないこと。consumedUnits と prepaidUnitsMicrosoft Learn: List subscribedSkus2026-11-04
既定・最大のページの大きさが100・999で、signInActivity を含むと最大500であること。signInActivity の詳細に Microsoft Entra ID P1 または P2 と AuditLog.Read.All が要ること。signInActivity の $filter をほかの項目と併用できないことMicrosoft Learn: List users2026-11-04
lastSignInDateTime が失敗した試みも含み、実際のアクセスには lastSuccessfulSignInDateTime を使うこと。後者が2023年12月1日から使え埋め戻されないこと。日時が UTC であることMicrosoft Learn: signInActivity2026-11-04
Schedule Trigger がワークフローのタイムゾーン、無ければインスタンスのタイムゾーン(自前の既定 America/New York)を使うこと。保存して公開する必要があることn8n Docs: Schedule Trigger2026-11-04
HTTP Request の資格情報、応答に次のページの URL が含まれる場合のページの送りと $response.bodyn8n Docs: HTTP Request2026-11-04
Read/Write Files from Disk が n8n の動く機械のファイルを読み書きし、n8n 2.0 から既定の場所が ~/.n8n-files であること。パターンで複数のファイルを読めることn8n Docs: Read/Write Files from Disk2026-11-04
Extract from File の Extract From CSVn8n Docs: Extract from File2026-11-04
Compare Datasets が入力 A だけ・同じ・違う・入力 B だけの4つに分けることn8n Docs: Compare Datasets2026-11-04
Basic LLM Chain のプロンプトと Require Specific Output Formatn8n Docs: Basic LLM Chain2026-11-04
Structured Output Parser の JSON の例と JSON Schema、$ref が使えないこと、JSON の例からはすべての欄が必須になることn8n Docs: Structured Output Parser2026-11-04
Anthropic Chat Model のノードと、サブノードの式が最初の1件に解決されることn8n Docs: Anthropic Chat Model2026-11-04
Microsoft Outlook ノードの Message の Sendn8n Docs: Microsoft Outlook2026-11-04

席を外す・アカウントを止める手順と、人事の情報の受け渡しの範囲は、人事部と自社の決まりで確かめてください。 本記事は公開された仕様で確認できた範囲だけを扱っています。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-2765)についてのご相談はこちらから。

AI活用について相談する
目次