Kanaのエージェントをつなぐ4段階|分析を任せる範囲

Kanaのエージェントをつなぐ4段階|分析を任せる範囲

「広告もCRMも分析ツールもそろっているのに、どの施策が受注に効いたのか、結局は担当者が手で表を突き合わせている」「エージェントを入れろと言われるが、自分たちで組むのか、既製のものを買うのか、決め方が分からない」——分析・効果測定の担当から、2026年に入って特に多く聞く声です。米国の Kana が7月に公表した調査では、米国の大企業の幹部225人のうち約7割が、すでに実際のマーケ業務でエージェントを動かしていると答えた一方、誰がそのエージェントの持ち主なのかははっきりしていませんでした。つなげる道具が増えたことではなく、つないだ後の数字を誰が検算し、誰が承認するかが決まっていないことが、いまの分析担当の本当の課題です。この記事では、公式の資料と発表で確かめられる範囲で、Kana のような既製のマーケ向けエージェントを既存のツールにつなぐときの4つの段階と、分析を任せてよい範囲、人が確かめる範囲、社外に出るもの、費用と止め方を整理します。画面の操作や料金の一覧は扱いません。


カメ先生カメ先生

既製のエージェントを既存のツールにつなげば、分析の担当者が要らなくなる、と思われがちなんだ。でも本当は、分析の答えが合っているかを確かめる仕事は残るし、むしろ増える。速く出てくる答えほど、根拠を確かめる手順が要るからね。


カメ子カメ子

答えを出す作業と、その答えが正しいかを確かめる作業は別だということですか。


カメ先生カメ先生

そう。しかも Kana のような製品は、広告やCRMに書き込む力も持てる。だから、読むだけの接続から始めて、検算の仕組み、承認の段階、自動に任せる範囲と、順番に広げるのが筋なんだ。


カメ子カメ子

最初から全部をつなぐのではなく、読むところから段階を踏むんですね。


この記事のポイント
  • Kana は既存の広告・CRM・データ基盤の上に載り、分析・オーディエンス設計・キャンペーン運用・合成データの生成を複数のエージェントが分担する米国の製品。2026年2月に公開し、9月には米誌タイムでの導入を発表した
  • 最初は読み取りだけでつなぎ、分析の答えには元の記録への根拠を出させて人が検算する。合成データは実データと混ぜず、計画や試験の材料にとどめる
  • 予算・配信・成果の結論は人が決める。何が社外に出るか、費用の持ち主、止める手順と残るデータを、接続の前に決めておく

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

Kanaとは:既存のマーケツールの上に載る、分担型のエージェント

Kana は、米国サンフランシスコの会社が提供するマーケ向けのエージェント製品です。公式の説明では、メール・広告・CRM といったばらばらのツールの上に「マーケの運用層」として載り、エージェントがツールをまたいでデータと作業をまとめるとしています。新しい分析ツールを1つ足すのではなく、既にあるツールの間をつなぐ層として売られている点が、この製品を判断するときの出発点です。

用途ごとにアプリが分かれています。公式サイトでは、自然な言葉で成果の問いに答え、異常を見つけて次の打ち手を提案する分析のアプリ、配信の進み具合を監視して遅れを予測し調整するキャンペーン運用のアプリ、データ担当を介さずに配信先の層を作るアプリ、個人向けの出し分け、媒体社向けの提案書作成や営業支援のアプリなどを並べています。よくある質問のページでは、分析、オーディエンス作成、媒体の買い付けなどを専門のエージェントが分担し、目標とデータを共有して動く構成だと説明しています。

対象は大企業と中堅のブランド、媒体社で、小売・外食・旅行・日用品などの業界別の構成も用意されています。同社は企業向けと消費者向けの両方に対応するとしていますが、公開されている導入例は消費者向けの事業と媒体社が中心です。日本のBtoB企業が検討するなら、自社の業務に近い事例が公開されていない点を前提に、試験の範囲を狭く取るのが現実的です。

2026年の動き:公開、提携、媒体社での稼働

Kana が表に出たのは2026年2月です。マイクロソフトとセールスフォースにそれぞれ買収された会社を共同で創業した2人が、起業を支援する組織の中で約9か月かけて準備し、Mayfield が主導するシードで1,500万ドルを調達して公開しました。公開時の報道では、分析、オーディエンスの設計、キャンペーンの運用、顧客との接点づくり、媒体の計画を担うエージェントと、第三者のデータを補う合成データの生成が紹介されています。

3月には、大企業のマーケ基盤の整備を支援する米国のコンサルティング会社と提携しました。発表では、コンサル側がデータの整備と組織の準備を受け持ち、Kana は Snowflake などのデータ基盤に対して、データを複製せずにその場で問い合わせると説明しています。広告媒体との直接の接続は、顧客に代わって Kana が管理するともしています。7月には前述の調査を公表し、9月には米誌タイムが、キャンペーンの進み具合の監視と、広告の引き合いから提案書を作る2つのアプリを導入したと発表しました。

タイムの発表で注目したいのは、どちらのアプリも、予算の上限、ブランドと価格の指針、承認のしきい値という、タイム側が決めた枠の内側で動くと明記している点です。エージェントが自分で動く範囲と、人に上げる範囲を、導入する側が線引きしている。公式ブログは11月にも更新されており、終了や買収の報道は見当たりません。

誤解:つなげば、分析の担当が要らなくなる

エージェントの売り文句には、手作業の書き出しや集計を待たずに、すぐ答えが出るという表現が並びます。Kana も、分析のアプリについて、気づきから打ち手までの時間を数週間から数時間に縮めると説明しています。ただし、答えが速く出ることと、その答えが自社の数字の定義に合っていることは別の問題です。広告媒体の成果の数え方、分析ツールのセッションの区切り、CRM の受注の計上日は、最初から一致していません。

同社の調査にも、この食い違いが表れています。回答者の76%が、監督付きのAIの判断に統制の仕組みは備わっていると答え、86%がデータ基盤は準備できていると答えました。一方で、同じ回答者が、前に進めない理由の2位と3位にデータの統制の準備とデータの品質を挙げています。準備はできていると答えながら、つまずく理由はデータの側にあるという結果は、分析担当にとっては見慣れた景色のはずです。

つまり、既製のエージェントを入れても、どの数字を正とするか、どの差なら許すかを決める仕事は社内に残ります。残るどころか、答えが速く大量に出てくる分だけ、検算の手順を先に決めておかないと、誰も確かめていない数字が会議資料に入り込みます。分析担当の仕事は、表を作ることから、エージェントの答えを検収することへ移ると考えたほうが実態に近いでしょう。

既製か自前か:同社の「一緒に作る」方式と、自社で組む場合

分析担当が最初に迷うのは、既製のエージェントを入れるか、汎用のAIと連携の仕組みで自社で組むかです。Kana はこの問いに正面から答えており、比較のページで、自社で組む、既製品を買う、代理店に頼む、各ツールに付いているAIを使う、の4つを並べています。同社は自らを「一緒に作る」方式と呼び、顧客の業務に合わせた仕立てを同社が作り、保守まで受け持つと説明しています。汎用のAIと Claude のような対話型AIを MCP でつなげば足りる、という考えに反論する資料も公開しています。

ただ、これはあくまで売り手の整理です。同社の説明にも、自社で組めば思いどおりに動き、自社が持つデータで完結するという利点が書かれています。判断の軸は、組んだ後の保守と検算を、誰が持ち続けられるかです。エージェントの組み立て自体は難しくなくなりましたが、つないだツールの仕様変更、AIモデルの入れ替え、答えの品質の監視は終わりのない仕事です。

観点既製(Kana のような製品)自前で組む
つなぐ作業製品側の接続を使う。媒体との接続は製品側が管理すると説明自社で接続を作り、仕様変更に追随する
答えの根拠元の記録への参照を出す仕組みがあると公表根拠の出し方から自社で設計する
AIモデルの入れ替え製品側が評価して切り替える。自社では選べない自社で選べるが、評価も自社の仕事
データの置き場所製品の環境(米国のクラウド)を経由する自社の環境に閉じられる
業務への合わせ方製品側が仕立てる。仕立ての範囲は契約で決まる自由だが、作った分だけ保守が増える
やめるとき仕立てた部分が手元に残らない可能性作ったものは残るが、担い手が要る

どちらを選んでも、検算と承認の線は自社で引く必要があります。以下の4段階は、既製を選んだ場合の順番として書いていますが、自前で組む場合もほぼ同じ順番で進めることになります。

4段階の全体像:読む、確かめる、承認して使う、一部を任せる

既存のツールにエージェントをつなぐときは、書き込む力を最後に渡すのが基本です。Kana 自身も、分析や報告の作業は利用者に条件を確かめてから始め、生成した結果は人が確認・編集・承認するまで動かさず、影響の小さい作業だけを顧客と相談して自動にする、と説明しています。この既定の姿勢に沿って、4つの段階に分けます。

STEP1
読み取りだけでつなぐ

つなぐツールと権限を棚卸しし、分析に要る範囲の読み取りから始める。書き込みの権限はまだ渡さない。

STEP2
答えに根拠を出させて検算する

分析の答えごとに元の記録を示させ、分析担当が自社の数字の定義で突き合わせる。食い違いの検収役を決める。

STEP3
承認を挟んで使う

オーディエンスの定義、試験の計画、合成データを使った見立てを、人の承認を経て施策に使う。

STEP4
一部だけ任せる

影響の小さい調整を、予算の上限と承認のしきい値の内側で自動にする。止める手順を試してから広げる。

段階を進める条件も決めておきます。たとえば、段階2で検算した答えのうち、自社の数字と合わないものが一定の割合を下回ったら段階3へ進む、といった形です。割合の目安は自社で決めるものですが、決めずに進むと、便利だから使い続けるという理由だけで書き込みの権限が広がっていきます。

段階1:どのツールに、どの権限でつなぐか

最初の作業は、つなぐ先の一覧づくりです。広告媒体のアカウント、CRM、分析ツール、データ基盤、メール配信のツールのうち、どれをつなぐのか。それぞれに、読み取りだけか、書き込みも渡すのか。Kana は、データをなるべく元の場所に置いたまま必要なときだけ取りに行く方式で、データの複製と移動を減らしていると説明しています。それでも、読みに行ける範囲は、渡した権限で決まるので、権限の絞り込みは社内の仕事です。

確かめたいのは、誰の資格でつながっているかです。担当者個人のアカウントで広告媒体やCRMに接続すると、その人の異動や退職で接続が切れ、しかも個人の権限の広さのまま製品に読ませることになります。接続専用のアカウントを用意し、分析に要る項目と期間に絞った読み取りの権限を付けるのが基本です。前述の提携の発表では、広告媒体との接続を Kana が顧客に代わって管理するとしているため、その接続がどのアカウントの、どの権限で動くのかを契約前に確かめます。

製品の内側の権限も見ます。公式の説明では、利用者の役割(管理者・編集者・閲覧者など)で使える機能やデータの問い合わせを絞れ、権限の判定は製品の側で行うとしています。エージェントは決められた処理だけを呼び出し、任意の問い合わせや外部への操作はできない作りだとも説明しています。社内では、分析担当・媒体担当・情シスのそれぞれに、どの役割を割り当てるかを先に決めておきます。

  • 接続専用のアカウントは、担当者の個人アカウントと分け、権限の持ち主(部署)を決めておく
  • 顧客の氏名・連絡先など個人を特定できる項目は、分析に要らなければ読み取りの範囲から外す
  • 書き込みの権限は段階4まで渡さない。渡すときも、対象の媒体と操作の種類を限る

段階2:分析の答えに根拠を出させ、検算する

分析のエージェントに、たとえば「先四半期、どのメールの施策が購入につながったか」と尋ねると、答えと推奨が返ってきます。ここで必ず求めたいのが、答えの根拠です。Kana は、生成した答えを元のデータの記録にひもづけ、答えの一部を選ぶと、どの記録から導かれたかを確かめられると公表しています。根拠をたどれない答えは、会議資料に載せないという線を、段階2の入口で決めておきます。

同社は、答えの品質を別のAIが採点し、基準を満たさなければ作り直させる仕組みや、元データに基づかない記述を不合格にする採点基準も持つと説明しています。これは誤りを減らす工夫ですが、AIの採点はAIの仕組みの内側の確認であり、自社の数字の定義に合っているかは保証しない点に注意が要ります。たとえば、受注の計上日を契約日とするか入金日とするかは、AIの採点では判定できません。

検算の手順は単純で構いません。答えのうち施策の判断に使うものだけを選び、根拠の記録を開き、同じ期間・同じ条件で自社の集計と突き合わせる。合わなければ、どの定義の差かを書き残す。最初の1か月は、エージェントの答えと、従来の手作業の集計を並べて出し、差の出方を把握するのがおすすめです。差の出方が分かれば、どの種類の問いなら任せられ、どの種類は人が集計し直すべきかが見えてきます。

数字の食い違いを、誰が検収するか

広告媒体、分析ツール、CRM をまたいで答えを出すエージェントは、それぞれの数字の差をそのまま抱え込みます。媒体の管理画面のコンバージョン数と、分析ツールの数、CRM の商談数が合わないのは、計測の仕組みが違うからで、AIが入っても解消しません。食い違いを見つけたときに、どのシステムの値を正とするかを、項目ごとに決めておきます。

決めたいのは三つです。第一に、項目ごとの正のシステム(費用は媒体、商談と受注はCRM、サイト内の行動は分析ツール、など)。第二に、許容する差の幅と、それを超えたときの扱い。第三に、検収する人です。検収役は、分析担当の中で1人決めるのが現実的です。エージェントの答えを配る前に目を通す人がいないと、部署ごとに別の数字が会議に出てくることになり、エージェントを入れる前より混乱が増えます。

  • エージェントの答えを、検収を経ずに経営会議の資料へそのまま貼る
  • 媒体の数字とCRMの数字が合わない理由を、エージェントに尋ねて終わりにする
  • 正のシステムを決めないまま、部署ごとに別の問いを投げて別の答えを使う
  • 答えが速いことを理由に、従来の手作業の集計を初月から止める

食い違いの原因の説明をエージェントに求めるのは構いません。ただし、その説明も一つの仮説として扱い、計測の設定や定義の資料と照らして人が確かめます。原因の判定までAIに任せると、もっともらしい説明が事実として残ってしまいます。

段階3:合成データを、判断の材料にする線

Kana の特徴の一つが合成データです。公式の説明では、質の高い自社のデータを種にして、同じ統計的な性質を持つデータをAIが作り、出し分け、配信先の設計、試験に使うとしています。個人を特定する危険を下げ、効果の低い第三者のデータへの支出を減らせる、という位置づけです。合成データは、データが少ない層の見立てや、試験の計画を立てる段階では役に立ちます。

一方で、合成データは、種にした実データの偏りをそのまま受け継ぎ、実際の顧客の反応そのものではないという限界があります。分析担当として決めたい線は次のとおりです。合成データで出した見立ては、試験の計画や仮説づくりに使う。成果の報告、予算の配分の根拠、経営への説明には、実データの結果だけを使う。合成データと実データを同じ表に混ぜないことは、後から数字の出どころを説明するためにも欠かせません。

運用面では、合成データから作った層やレポートに、それと分かる印を付けて保存することを求めます。また、種にした実データの期間と範囲も記録しておきます。種のデータに古い顧客や特定の業種が偏っていれば、合成データもその偏りを広げます。BtoBのように顧客数が少ない事業では、種の偏りが結果に効きやすいため、合成データで得た見立ては小さな実地の試験で確かめてから使います。

段階3の続き:オーディエンス設計と、承認の置き方

オーディエンスの設計は、エージェントが最も手間を減らしやすい作業です。Kana は、データ担当を介さずに配信先の層を作れるアプリを用意し、層の定義や施策の推奨、作った中身はすべて人に示し、編集・承認を経てから動かすと説明しています。重い処理の前には、会話の形で条件を確かめ、利用者が明示的に確認するまで先へ進まない作りだともしています。

社内で決めるのは、承認を誰が、どの粒度で出すかです。層の定義を承認するのは分析担当、その層への配信を承認するのは媒体の担当、個人データの扱いに触れる層は法務や個人情報の担当も確かめる、といった分担です。承認者が1人に集まると、数が増えたときに中身を見ずに通す形骸化が起きます。

承認のときに確かめたいのは三点です。層の条件が、自社が同意を得た利用目的の範囲に収まっているか。除外すべき顧客(取引停止、競合、既存の大口顧客など)が外れているか。層の大きさと想定の費用が、予算の枠に収まっているか。承認の画面に何が表示されるかは製品ごとに違うため、試験の段階で実物を見て確かめるのが確実です。

段階4:自動で動かす範囲を、一部だけ広げる

最後の段階で、初めて書き込みを任せます。Kana のキャンペーン運用のアプリは、配信の進み具合を監視し、目標に届かない恐れを予測して、配信を自動で調整すると説明しています。よくある質問のページでは、予算の上限、ブランドの表現の指針、承認の条件を利用者が決め、エージェントはその範囲の内側で動き、外れる判断は人に上げるとしています。タイムの導入も、この形で運用されていると発表されています。

広げるときの順番は、影響が小さく、戻しやすく、頻度が高い作業からです。たとえば、配信の進み具合の調整、成果の悪い広告の配信を弱める提案の実行などです。逆に、新しい層への配信の開始、予算の増額、顧客へのメールの送信は、自動の対象にせず、人の承認を残すほうが安全です。同社も、配信の開始や連絡の送信といった重い操作を、人の許可なしに実行することはないと説明しています。

自動に任せる前に、止める手順を試しておきます。公式の説明では、時間のかかるエージェントの処理は利用者が画面からいつでも取り消せるとしていますが、すでに媒体に反映された調整を元に戻せるかは別の話です。試験の環境か小さな予算のキャンペーンで、止める、元に戻す、手動の運用に切り替える、の3つを実際にやってみてから、対象を広げます。

何が社外に出るか:データの置き場所とAIモデル

Kana の公式の説明では、サービスは同社が Google のクラウド上で運用し、データはなるべく元の場所に置いたまま必要な分だけ取りに行くとしています。答えを作るAIは、Anthropic・OpenAI・Google の大規模言語モデルを API 経由で使い、どのモデルを使うかは同社が評価して切り替えるとしています。つまり、自社のデータの一部は、Kana の環境と、その先のAIモデルの提供会社を通ることになります。

同社は、顧客の入力と出力をAIモデルの学習や調整に使わないこと、AIモデルの提供会社とは暗号化した通信で接続し、契約上データを保存させないこと、他の顧客のデータと分けて扱うこと、SOC2 の審査を終えたことを公表しています。プライバシーポリシーでは、サービスで集めた個人データは米国に移されて保管されるとしています。一方で、製品の利用状況は改善のために使うとも書かれています。

日本の企業として確かめたいのは、顧客の個人データを読ませる場合の扱いです。外国にある事業者へのデータの提供や委託に当たるかどうか、本人への説明や同意の取り方をどうするかは、法務と個人情報の担当が、契約書とデータ処理の条件を見て判断する事項です。分析担当は、どの項目を読ませるか、個人を特定する項目を外せるかを整理して渡します。

契約前に書面で確かめたいこと
  • 顧客のデータと出力を、AIモデルの学習に使わないことが契約書に書かれているか
  • データの保管場所と、AIモデルの提供会社を含む再委託先の一覧
  • 解約時のデータの返却・削除の方法と期限
  • 製品の利用状況として集める情報の範囲
  • 事故が起きたときの通知の期限と窓口

AIに判断させないこと:予算・配信・成果の結論

エージェントを入れても、AIに判断させない領域は残します。第一に予算です。媒体間の配分の変更や増額は、推奨までをエージェントに任せ、決定は人が行います。第二に、顧客への配信と連絡です。新しい層への配信の開始やメールの送信は、人が承認します。第三に、施策が効いたかどうかの結論です。エージェントは差を見つけて仮説を出せますが、それが施策の効果か、季節や景気の影響かを切り分ける判断は、人が試験の設計と照らして行います。

AIに根拠を書かせることも徹底します。推奨を出すときは、どの期間の、どの記録に基づくかを必ず示させ、根拠が示せない推奨は採らない。推奨と根拠と、それを採った人の名前を一緒に残すと、後で結果がよくなかったときに、どこで判断を誤ったのかを振り返れます。

同社の売り文句には、導入から30日以内に配信先の精度が上がり獲得単価が下がった顧客が多い、という表現もあります。これは同社の主張で、条件や比較の方法は公開されていません。自社で成果を判定するときは、導入前の同じ時期の数字、あるいはエージェントを使わない対照の施策と比べ、差を分析担当が自分で計算します。

費用の増え方と、止め方

Kana の料金は公開されていません。キャンペーン運用のアプリには、問い合わせなしで始められる段階別の簡易プランが用意されていると案内されていますが、金額は問い合わせ後の案内です。業務に合わせた仕立てを伴う導入は、個別の契約になると考えるのが自然です。費用を見積もるときは、アプリの数、つなぐツールの数、仕立ての範囲のどれで費用が増えるのかを確かめます。

同社は、3年間の費用の見通しとして、1つの製品群・1つの契約・1回の更新にまとまる点を利点に挙げています。裏を返せば、業務の仕立てを同社に任せるほど、やめるときに手元に残るものが少なくなる可能性があります。仕立てた業務の手順や設定を、自社で読める形で受け取れるかは、費用と同じくらい重要な確認事項です。

止め方は、接続の順番の逆です。まず自動で動かしていた作業を止め、手動の運用に戻す。次に、書き込みの権限、読み取りの権限の順に取り消し、接続専用のアカウントを無効にする。最後に、契約に沿ってデータの返却と削除を求め、完了の通知を受け取ります。やめる判断の目安も、試験の段階で決めておきます。検算で合わない答えの割合が下がらない、承認で差し戻す推奨が減らない、手作業の集計を止められない、といった状態が続くなら、範囲を戻すか、やめる判断をします。

導入前の確認リストと、ミニ用語解説

ここまでの内容を、接続の前に確かめる項目としてまとめます。分析担当だけでなく、情シス、法務、媒体の担当と一緒に確認してください。

  • つなぐツールの一覧と、それぞれの読み取り・書き込みの権限が決まっているか
  • 接続専用のアカウントを用意し、権限の持ち主の部署が決まっているか
  • 答えに元の記録への根拠を出させ、根拠のない答えは使わないと決めたか
  • 項目ごとに正とするシステムと、許容する差の幅、検収役が決まっているか
  • 合成データを使う範囲(計画・仮説づくり)と、使わない範囲(報告・予算の根拠)を決めたか
  • 承認者と承認の粒度、承認の画面の中身を試験で確かめたか
  • 自動に任せる作業と、止める・戻す手順を試したか
  • 個人データの扱いと契約の条件を、法務・個人情報の担当が確認したか
  • やめる条件と、やめたときに受け取るデータ・設定を決めたか

記事の中で使った言葉のうち、混同しやすいものを短く整理します。

  • マーケの運用層:広告・CRM・メールなどのツールの上に載り、ツールをまたいでデータと作業をまとめる層。Kana が自らの位置づけに使う言葉
  • 合成データ:実データを種にしてAIが作る、統計的な性質の近いデータ。実際の顧客の反応ではない
  • 根拠の追跡:答えの一部が、どの元の記録から導かれたかをたどれる仕組み
  • 承認のしきい値:エージェントが自分で動いてよい範囲と、人に上げる範囲を分ける条件
  • 正のシステム:数字が食い違ったときに、どの値を採るかを項目ごとに決めた元のシステム

まとめ

Kana は、既存の広告・CRM・データ基盤の上に載り、分析、オーディエンスの設計、キャンペーンの運用、合成データの生成を複数のエージェントが分担する米国の製品です。2026年2月の公開以降、コンサルティング会社との提携、大企業の幹部への調査、米誌タイムでの導入と、動きが続いています。ただ、既製のエージェントを入れても、分析の答えを検算し、承認し、成果の結論を出す仕事は社内に残ります。読み取りだけの接続から始め、答えには根拠を出させて人が検算し、合成データは計画の材料にとどめ、承認を挟んで使い、影響の小さい作業だけを止める手順を試してから任せる。この4段階で、何が社外に出るか、費用の持ち主、やめ方まで決めてからつなぐのが、分析・効果測定の担当が既製のエージェントを社内に入れるときの順番です。

※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