WEBCONの承認にAIは中か外か|最終判断を人に残す線

「稟議の申請にAIの下書きを付けたいが、承認者がそれを読まずに承認ボタンを押すようになったら困る」「社員が使っている Copilot から申請を出せるようにしたいと言われたが、誰が出した申請なのか後で分からなくなりそうだ」——社内の申請・承認フローを預かる情報システム部門と、販促費や制作発注の申請を毎月抱えるマーケティング部門の両方から、2026年に入って聞こえてくる声です。承認フローへのAI導入は、どのAIを使うかの選択だと思われがちです。けれども先に決めるべきなのは、AIをフローの「中」に置くのか、フローの「外」から呼ばせるのか、そしてどちらの場合も最後の判断をどこで人に戻すのかです。この記事では、ポーランド発のローコード業務アプリ基盤 WEBCON が2026年に揃えたフロー内のAIエージェントと MCP サーバーを手がかりに、二つの組み込み方の違い、承認者がAIを鵜呑みにする問題、AIが起こした申請の記録、管理者が使うモデルを選ぶ意味、費用と止め方を整理します。画面の操作手順や料金表の説明は扱いません。
カメ先生承認フローにAIを入れるというと、AIが承認まで済ませてくれる姿を想像されがちなんだ。でも WEBCON の公式の説明を読むと、AIは下書き・要約・振り分けの補助をする側で、最後の判断は利用者が持つと書いてある。問題は、その線が運用で崩れることなんだよ。
カメ子仕組みとしては人が判断する形になっていても、実際には人がAIの言う通りに押してしまう、ということですか。
カメ先生そう。それに入口が二つある。フローの中で働くAIと、社員の手元の汎用AIから MCP でフローを起こすAI。前者は承認者の目を曇らせやすく、後者は申請の出どころを曖昧にしやすい。崩れ方が違うから、守り方も分ける必要があるんだ。
カメ子中のAIと外のAIでは、気をつける場所がそもそも違うんですね。
- WEBCON は2026年4月に MCP サーバー、6月の 2026.2 で機能ごとに使うモデルを管理者が選ぶ仕組みを加え、製品名を WEBCON に改めた
- フローの中のAIは承認者の鵜呑みを、外から呼ぶAIは申請の出どころの曖昧さを生みやすい。崩れ方が違うので、守る線も分けて引く
- どちらの場合も、承認・差し戻し・金額の確定はAIに判断させず、AIには根拠を添えた下書きまでを任せ、記録と止め方を先に決めておく
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。
WEBCONとは:ポーランド発のローコード業務アプリ基盤
WEBCON は、ポーランドのクラクフに所在地を置く WEBCON S.A. が提供する、ローコードで業務アプリを組み立てる基盤です。申請・承認・回覧・契約管理といった、帳票と手順と承認者が決まっている社内業務を、画面と処理の流れとして組み上げ、組織全体で運用するために使われます。公式サイトでは、1,000社を超える企業顧客、40万人を超える利用者、70を超える国での利用を公表しており、欧州を拠点とするローコード基盤の提供者と自らを位置づけています。
2026年には、調査会社の Gartner が出した業務プロセス自動化ツールの市場ガイドで代表的な事業者の一つに挙げられたと告知しています。もっとも、市場ガイドは製品の優劣を順位づけるものではないため、選定の根拠としては自社業務との相性を確かめる材料の一つにとどめるのが妥当です。国内では Microsoft の SharePoint と組み合わせて使われてきた経緯から、名前を知っている情報システム部門はあっても、日本語の紹介記事はほとんど見当たりません。
この記事で扱うのは、WEBCON 自体の良し悪しではなく、この基盤が2026年に揃えたAI機能を前提に、社内の承認フローへAIをどう組み込むかの判断です。ローコードでAIエージェントを作る人・承認する人・止める人を分ける話や、AIワークフローを設計するときの項目の一般論は、別の記事で整理されているため繰り返しません。ここでは、同じ基盤の上に「中のAI」と「外のAI」の二つの入口ができたとき、それぞれをどう使い分けるかに絞ります。
2026年の更新:4月のMCPサーバーと、6月の 2026.2
2026年4月22日付で公開された 2026.1.6 では、二つの変更が入りました。一つは AI Concierge と呼ばれる案内役のAIをポータル全体に広げ、アプリ・報告・ダッシュボード・申請の開始ボタンなどへ利用者を案内できるようにしたこと。もう一つが、アプリの設定から MCP サーバーを起動できるようにしたことです。MCP は、社外の汎用AIが社内の仕組みを道具として呼び出すための共通の約束事で、これにより Copilot や ChatGPT のようなAIの側から WEBCON の申請や案件を扱えるようになりました。
続いて2026年6月17日に公開された 2026.2 では、AI Concierge、文字起こし、AI Agents、翻訳のそれぞれで、どの大規模言語モデルを使うかを管理者が機能ごとに選べるようになりました。同じ版で、AI Agents・MCP サーバー・AI Concierge をまとめたエージェント活用の構成要素を含めれば、所定の利用者ライセンスでも AI Concierge と MCP サーバーを使えると案内しています。さらに、製品名から BPS を外して単に WEBCON と呼ぶことにし、認証の方式として SAML 2.0 にも対応しました。
公式のAI活用ページでは、AI Agents を「ワークフローの中で複数の段階にわたって推論するもの」、AIアシスタントを「フォームの自動入力と案件の要約」、MCP サーバーを「統制された外部AIからの接続」と説明しています。つまり WEBCON のAIは、フローの内側で働くものと、フローの外側から入ってくるものの二系統に整理されています。この二系統の分け方が、この記事の比較の軸になります。
比べる二つのやり方:フローの中のAIと、外から呼ぶAI
一つ目のやり方は、承認フローの中にAIを置くことです。申請が出されると、フローの途中でAIが申請内容を要約し、添付の見積書と申請額の食い違いを指摘し、過去の似た申請を引き、承認者に下書きの所見を添える。公式が例に挙げる文書の分類、滞留の予測、回付先の推奨も、この内側の使い方に当たります。入口は従来どおり人が作った申請で、AIはその途中に挟まる補助役です。
二つ目のやり方は、フローの外にいる汎用AIから MCP 経由でフローを操作させることです。社員が手元の Copilot に「先月と同じ条件で展示会の出展費を申請して」と頼むと、AIが WEBCON の道具を呼び出して申請を起こし、項目を埋め、場合によっては次の段階へ進める。ここでは入口そのものがAIになり、人は依頼文を書くだけで申請の形を見ないまま進むこともありえます。
どちらが優れているかではなく、崩れる場所が違うという点が大事です。中のAIは承認者の側で判断を弱め、外のAIは申請者の側で出どころを弱めます。前者は承認者の教育と画面の見せ方で守り、後者は権限と記録で守る。守り方の道具が別物なので、二つを同時に入れるなら、それぞれに責任者と確認の場所を置く必要があります。
中に置く場合:下書き・要約・振り分けをさせる範囲
フローの中のAIに任せやすいのは、判断の材料を揃える作業です。たとえば、申請文と添付の見積書を読んで金額・数量・納期の食い違いを指摘する、社内規程の該当条文を引く、過去一年の似た申請とその結論を並べる、長いやり取りの経緯を三行に縮める、といった作業です。どれも人がやれば時間がかかり、しかも間違えても承認者が原文を見れば気づける種類の仕事です。
反対に、中のAIに任せないほうがよいのは、承認・却下・差し戻しの結論そのもの、金額の確定、例外扱いの判断です。WEBCON の説明でも、AIの役割は推奨と補助として書かれており、承認の結論はフローの規則と人の操作で決まる構造は変わりません。設定でAIに承認の段階を通過させることが技術的にできたとしても、それをやると承認フローを持つ意味そのものが失われます。
もう一つの線は、AIに根拠を書かせることです。「問題なし」とだけ書いた所見は、承認者にとって判断を省く口実にしかなりません。指摘には、どの添付のどの箇所と、規程のどの条文を照らしたのかを必ず添えさせる。根拠が書けない所見は表示しない、という設定上の約束を先に決めておくと、AIの下書きが承認者の確認を置き換えるのではなく、確認の道案内になります。
中に置く場合の落とし穴:承認者がAIの補助を鵜呑みにする
フローの中にAIを入れた組織でまず起きるのは、承認者がAIの所見だけを読んで承認するようになることです。最初の数週間は原文と見比べていた承認者も、AIの指摘が十回続けて妥当だと、十一回目からは所見の欄しか見なくなります。AIの精度が高いほど、人の確認は速く形だけになるという逆説があり、これは製品の設定では防げません。
- AIの所見に「問題なし」と出た申請を、添付を開かずに承認する運用が常態になる
- AIが見落とした種類の不備(相見積もりの欠落、社内規程の改定前の条文での照合など)が、誰にも気づかれないまま通る
- 差し戻しの理由がAIの所見の写しになり、承認者自身の判断がどこにも残らない
- AIの所見の欄が空欄でも、承認者がそれを「異常なし」と読み替えてしまう
対策は三つあります。一つは、AIの所見を承認画面の一番上に置かず、申請の原文と添付の後に並べることです。二つ目は、一定の金額を超える申請や、AIが「確信度が低い」と書いた申請では、承認者に添付を開いた記録を残させることです。三つ目は、月に一度、AIが「問題なし」とした申請から無作為に数件を抜き出し、人が最初から見直して、AIの見落としの種類を数えることです。見落としが出た種類は、AIの指示文を直すか、その種類をAIの対象から外します。
外から呼ぶ場合:汎用AIからフローを起こし、進める仕組み
WEBCON の MCP サーバーには二つの動かし方があると、公式のコミュニティ記事は説明しています。一つは設定なしで使える汎用の動かし方で、自分の情報、自分に割り当てられたタスク、案件の項目やコメントや担当、添付の中身と詳細、関連する案件、検索の七つの道具が用意されています。記事では、これを読み取りと探索の用途と位置づけています。
もう一つは、アプリごとの動かし方です。業務プロセスの中で有効にしてあるAPI定義が、そのまま MCP の道具として公開されます。道具の名前はAPI定義から、入出力の形は自動で、道具の説明はAPIの説明文から作られます。読み取りだけでなく書き込みもでき、どこまでできるかは設定次第です。記事の例では、苦情対応のアプリで、AIが項目に「はい・いいえ」の値を入れ、案件を次の段階へ進め、分析を求める様子が示されています。
つまり外から呼ぶ場合、AIにできることは管理者がどのAPI定義を有効にし、どう説明を書いたかでほぼ決まります。API定義の説明文はAIが道具を選ぶときの手がかりになるため、曖昧な説明のAPIを出すと、AIは意図しない場面でそれを呼びます。承認フローに関わるAPIを出すときは、申請の作成、項目の更新、段階の移動を別々の道具に分け、承認・却下に当たる段階の移動は道具として出さない、という線を最初に引くのが安全です。
外から呼ぶ場合の落とし穴:誰が起こした申請かが曖昧になる
公式の説明では、MCP 経由の操作はログインした利用者の権限で実行され、既存の役割と権限がそのまま適用され、認証には OAuth2 を使うとされています。さらに「MCP はワークフローの論理と検証規則を迂回しない」「最終判断は利用者が持つ」「どのAPIを公開するかは管理者が決める」と明記しています。設計の考え方としては、AIを人の代わりに置くのではなく、人の手足として動かすものです。
ただ、利用者の権限で動くということは、記録の上では人が操作したのか、その人のAIが操作したのかが同じに見えかねないということでもあります。社員が依頼文を一行書いただけで、AIが項目を推測で埋めた申請と、本人が一つずつ入力した申請は、承認者から見ると区別がつきません。公式のコミュニティ記事は、上限の設定や監査の記録については触れていません。AI活用ページでは、AIの動作を時刻付きの計測できる出来事として記録すると説明していますが、MCP 経由の操作がどの粒度で残るかは、導入前に自社の環境で確かめる必要があります。
対策としては、MCP 経由で作られた申請に印を付ける項目を設け、承認画面に「AI経由で作成」と表示すること、AI経由の申請は本人が内容を確認した印を付けるまで提出の段階へ進めないこと、が考えられます。AIが起こした申請を、人が出した申請と同じ扱いで流さないという一点を守るだけで、後から「誰が決めたのか」を問われたときの答えが残ります。
比較表で見る:二つのやり方の違い
ここまでの内容を、承認フローの持ち主が判断しやすい形に並べます。どちらか一方を選ぶというより、業務ごとにどちらの入口を開けるかを決めるための表です。
| 比べる点 | フローの中のAI(AI Agents・アシスタント) | 外から呼ぶAI(MCP サーバー) |
|---|---|---|
| 入口 | 人が作った申請 | 社員の汎用AIへの依頼文 |
| 主な役割 | 要約・食い違いの指摘・規程の照合・振り分けの推奨 | 申請の作成・項目の更新・検索・段階の移動 |
| 崩れやすい場所 | 承認者が所見だけを読んで判断する | 申請の出どころと中身の確認が曖昧になる |
| 守り方の中心 | 画面の見せ方・根拠の添付・抜き取りの見直し | 公開するAPIの絞り込み・AI経由の印・本人確認 |
| 使うモデルの決め方 | 管理者が機能ごとに選ぶ | 社員が使う汎用AIの側で決まる |
| データの行き先 | 管理者が選んだモデルの提供元 | 社員が使う汎用AIの提供元 |
| 向いている業務 | 件数が多く、添付の確認に時間がかかる申請 | 定型で、条件が前回とほぼ同じ繰り返しの申請 |
表の中で見落とされやすいのが、使うモデルとデータの行き先の行です。中のAIは会社が選んだモデルに、外のAIは社員が使っている汎用AIにデータが流れます。MCP 経由で添付の中身を読ませれば、その中身は汎用AIの提供元へ送られます。中と外でデータの行き先が二つに分かれる、という前提で、出してよい案件の種類を決める必要があります。
承認の最終判断を人に残すための段取り
中と外のどちらを使う場合も、承認の最終判断を人に残すには、導入の前に決めておくことがあります。次の順で進めると、後から線を引き直す手間が減ります。
申請の種類ごとに、要約・照合・下書きなどAIに任せる作業と、承認・却下・金額の確定など人が確定する判断を一覧にします。この一覧が、後の設定と教育の土台になります。
フロー内のAIには、指摘ごとに添付の箇所と規程の条文を添えさせます。MCP では、承認・却下に当たる段階の移動を道具として公開しないことを決めます。
AIの所見、AI経由で作成された申請、本人の確認の印が、案件の履歴にどう残るかを検証環境で確かめます。残らない項目があれば、項目を追加して記録させます。
件数の多い一つの申請種類で試し、AIが「問題なし」とした申請の抜き取り見直しで、見落としの種類と件数を数えます。
見落としが許容範囲に収まった業務だけを広げ、範囲を超えたらAIの対象から外す条件を、責任者の名前とともに文書にしておきます。
この段取りで大事なのは、二段目の線です。AIに承認・却下の結論を出させないという線は、設定と教育の両方で引く必要があります。設定で道具を絞っても、承認者が所見を鵜呑みにすれば、実質的にはAIが判断しているのと変わらないからです。
マーケの申請業務で考える:販促費・制作発注の例
マーケティング部門は、社内の承認フローを最もよく使う部門の一つです。展示会の出展費、ウェビナーの集客広告費、動画や記事の制作発注、ノベルティの購買など、金額は中程度で件数が多く、似た申請が毎月繰り返されるのが特徴です。AIを入れる効果が出やすい一方で、慣れによる鵜呑みも起きやすい領域です。
中のAIが役立つのは、制作発注の申請で、見積書の項目と発注内容の食い違い、過去の同じ制作会社への発注額との差、相見積もりの有無を指摘する場面です。外のAIが役立つのは、毎月ほぼ同じ条件で出す広告費の申請を、前月の申請を複製して金額と期間だけ変えて起こす場面です。どちらも、最終的な発注先と金額を決めるのはマーケの責任者と承認者で、AIはその判断の材料を揃える役にとどめます。
気をつけたいのは、制作発注の申請には、未公開のキャンペーン内容や取引先との条件が添付されることが多い点です。外のAIに添付の中身を読ませると、その内容が社員の使う汎用AIの提供元へ送られます。未公開の施策や取引条件を含む申請は、外のAIからは検索と一覧の閲覧までに限るなど、案件の種類ごとに外へ開く範囲を分けておくと、マーケの現場でも使い分けが判断しやすくなります。
管理者がLLMを選ぶ意味:データの行き先を決めること
2026.2 で、AI Concierge・文字起こし・AI Agents・翻訳のそれぞれに使うモデルを管理者が選べるようになったことは、機能の追加というより、データの行き先を会社が決められるようになったことを意味します。公式のAI活用ページは、選べる先として OpenAI、Azure、Anthropic、自社設置のモデルを挙げ、情シスが使えるモデル・触れるデータ・動く場所を決めると説明しています。
機能ごとに選べるということは、たとえば、会議の文字起こしと契約書を含む申請の要約は自社の契約下のクラウドに置き、ポータルの案内役は別のモデルにするといった分け方ができるということです。申請の中身の機密度は業務によって違うため、一つのモデルに全部を流すより、業務ごとにデータの行き先を選べるほうが判断はしやすくなります。
ただし、この選択が効くのは中のAIまでです。MCP で外から呼ぶ場合、WEBCON から取り出されたデータは、社員が使っている汎用AIの側へ渡ります。管理者がモデルを選べるからデータは社内にとどまる、と考えるのは誤りです。外のAIの利用は、社員が使ってよい汎用AIの種類と契約形態、学習への利用の有無を、全社のAI利用規程の側で決めておく必要があります。
情シスと業務部門の持ち分
承認フローにAIを入れると、誰が何を持つかが曖昧になりがちです。WEBCON の説明に沿って整理すると、モデルの選択、MCP サーバーの起動、公開するAPI定義の範囲、認証の設定は情シスが持つのが自然です。これらは全社のデータの行き先と権限に関わるため、部門ごとに決めると統制が崩れます。
一方で、AIに任せる作業と人が確定する判断の一覧、AIの所見の指示文、抜き取り見直しの実施と結果の判断は、その承認フローを持つ業務部門が持つべきです。マーケの販促費の申請なら、マーケの責任者と経理の承認者が、どの所見が役に立ち、どの見落としが許容できないかを最もよく知っています。
両者の間で決めておきたいのは、業務部門が「この申請種類でAIを止めたい」と判断したときに、情シスが何日以内に設定を戻すかという約束です。止める判断は業務部門、止める操作は情シスと分けておき、その間の連絡の経路を決めておくと、問題が見つかったときに対応が遅れません。
費用の増え方:ライセンスの型と、利用の広がり
WEBCON は具体的な価格を公式サイトで公表していないため、ここでは費用の増え方の構造だけを整理します。公式の案内によれば、MCP サーバーは2026.1.4で導入された新しいライセンスの型でのみ動き、2026年より前のライセンスの型では使えないとされています。AI Agents も2026年の最初の版から旧ライセンスでは動かないと案内されています。既存の利用者は、AIを使うためにライセンスの切り替えが前提になる可能性があります。
費用が増える要素は三つ考えられます。一つ目は、AI機能を使える利用者ライセンスとエージェント活用の構成要素の費用。二つ目は、管理者が選んだモデルの利用料で、これは WEBCON ではなくモデルの提供元との契約で決まります。三つ目は、外から呼ぶAIの利用が広がるにつれて増える、社員ごとの汎用AIの契約です。三つ目は WEBCON の請求書には現れないため、見落とされやすい費用です。
- 価格と契約条件は販売代理店・契約形態で変わるため、見積もりの段階でAI機能の範囲を明示して確認する
- モデルの利用料は申請の件数と添付の量で増えるため、試行の一か月で件数あたりの利用量を測っておく
- 旧ライセンスからの切り替えが必要な場合、AI以外の機能の費用も変わるかを併せて確かめる
止め方とやめ方:入口ごとに戻せるようにする
AIを入れた承認フローは、問題が見つかったときにすぐ止められることが前提です。WEBCON の MCP サーバーは、公式の説明ではアプリの設定から起動し、汎用の動かし方とアプリごとの動かし方をそれぞれ有効にする仕組みです。外のAIを止めるときは、アプリ単位で MCP サーバーを止める、あるいは承認フローに関わるAPI定義だけを無効にする、という二段の止め方を用意しておけます。
中のAIを止めるときは、AIの所見がなくても承認フローが回ることを確かめておく必要があります。AIの所見を前提に承認者の確認の手順を簡略化していると、AIを止めた瞬間に承認者の確認の手順が足りなくなるからです。AIを入れた後も、AIなしの確認の手順を文書として残し、年に一度はAIを止めた状態で回してみるのが安全です。
基盤そのものをやめる場合は、ローコードで組んだ業務アプリは他の製品へそのまま持ち出せない点を前提にします。申請の履歴と添付、AIの所見の記録を、他の仕組みでも読める形で書き出せるかを、導入前に確かめておきます。AIの所見が監査の根拠になっている場合、それが読めなくなると過去の判断を説明できなくなるからです。
導入前に確かめる項目と、ミニ用語解説
ここまでの内容を、導入を判断する会議で使える確認項目にまとめます。すべてに答えが出ていなくても構いませんが、答えが出ていない項目は導入後の宿題として責任者の名前を付けておきます。
- 申請の種類ごとに、AIに任せる作業と人が確定する判断を一覧にしたか
- AIの所見に、添付の箇所と規程の条文の根拠を添えさせる設定にしたか
- 承認・却下に当たる段階の移動を、MCP の道具として公開しない線を引いたか
- AI経由で作成された申請を、承認者が見分けられる印を付けたか
- MCP 経由の操作が、案件の履歴にどの粒度で残るかを検証環境で確かめたか
- 中のAIで使うモデルを、業務の機密度ごとに選んだか
- 外のAIで使ってよい汎用AIの種類と契約形態を、全社の規程で決めたか
- AIを止める判断をする人と、止める操作をする人を決めたか
ローコード:画面と処理の流れを、少ないプログラムで組み立てる作り方。WEBCON は業務アプリをこの方法で作る基盤です。
MCP:社外の汎用AIが社内の仕組みを道具として呼び出すための共通の約束事。WEBCON では MCP サーバーとして提供されます。
API定義:WEBCON の業務プロセスの中で、外部から呼べる操作を定めたもの。アプリごとの MCP サーバーでは、これがそのまま道具になります。
まとめ
WEBCON が2026年に揃えたのは、承認フローの中で働くAIと、フローの外から MCP で呼ばれるAIの二つの入口です。中のAIは承認者の確認を弱めやすく、外のAIは申請の出どころを曖昧にしやすい。どちらを使うにしても、承認・却下・金額の確定はAIに判断させず、AIには根拠を添えた下書きまでを任せるという線は変わりません。そのうえで、中のAIには根拠の添付と抜き取りの見直しを、外のAIには公開する道具の絞り込みとAI経由の印を、それぞれ組み合わせます。管理者がモデルを選べるようになっても、外のAIに渡ったデータの行き先までは選べない点を忘れず、止める判断と止める操作の持ち分を先に決めてから、件数の多い一つの申請種類から試す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。
