Rocketlaneに導入作業を任せてよい?|顧客環境に触れる線

Rocketlaneに導入作業を任せてよい?|顧客環境に触れる線

「導入の工数が足りず、受注しても稼働開始が数か月先になってしまう」「顧客のシステムの設定やデータ移行までAIがやってくれるなら任せたいが、事故が起きたら誰の責任になるのか」——ソフトを売るBtoB企業の導入責任者やカスタマーサクセスから、受注後の工程についてよく上がる声です。問われているのは、AIが作業をこなせるかではなく、顧客の環境に触れる操作を誰の承認で動かすかです。この記事では、導入プロジェクト管理の Rocketlane が2026年3月に発表したAIエージェント基盤「Nitro」と公式のMCPを例に、受注後の導入作業そのものをAIに実行させるとき、マーケ・CS・導入責任者が何を決めておくべきかを、場面ごとに整理します。オンボーディングの設計の一般論や、顧客向け画面に置く項目の話は扱いません。


カメ先生カメ先生

導入の作業をAIに任せると聞くと、人の手間がそのまま減るだけだと思われがちなんだ。でも本当に変わるのは、顧客の環境に誰が手を入れたのかという責任の線なんだよ。


カメ子カメ子

作業する人がAIに替わっても、責任は会社に残るということですか。


カメ先生カメ先生

そう。顧客から見れば、設定を変えたのも、データを入れたのも、契約した会社だ。だから、AIが動く前にどこで人が承認するか、間違えたときにどこまで戻せるかを、作業を任せる前に決めておく必要がある。


カメ子カメ子

任せる範囲より先に、止める場所と戻す場所を決めるんですね。


この記事のポイント
  • Rocketlane の Nitro は、顧客環境の設定・データ移行・導入文書づくりを実行するエージェント群で、公式は「承認が要るところで承認」と説明している
  • 承認の場所・顧客との契約の書き方・MCPで社員のAIに開く範囲は、製品ではなく自社が決める
  • データ移行の版は戻せても、顧客の本番環境に入れた後の取り消しは別に設計する必要がある

ウェビナーの集客を、思いつきの告知から「設計」へ

「開催しても人が集まらない」「集まっても商談につながらない」——BtoBウェビナーの集客を設計から見直すための無料ガイドです。

目次

Rocketlaneとは:受注後の導入プロジェクトを動かす基盤

Rocketlane は、ソフトウェア企業やコンサルティング会社の導入部門向けに、顧客ごとの導入プロジェクトを管理する製品です。分類としては、専門サービスの業務を管理する「PSA」と、顧客の利用開始までを支える「顧客オンボーディング」の両方にまたがります。プロジェクトの計画と進捗、作業時間の記録、資料の共同作業、顧客とのやり取りを一か所にまとめる、というのが従来の役割でした。

2026年3月25日、同社は米国の投資会社が主導するシリーズCで6,000万ドルを調達したと報じられました。報道では累計の調達額は1億500万ドルで、顧客として Glean や Notion の名前が挙がり、新しい基盤によって一部の案件で手作業の導入工数が最大で半分になったと説明されています。ただし、これは同社の発表に基づく数字で、どの作業で、どの条件のもとで半分になったのかは公開されていません。自社の導入作業に当てはまるかは、試験導入で確かめるしかありません。

この記事で扱うのは、使い方ではなく「社内に入れてよいか」の判断です。日本語の解説はまだほとんどなく、営業資料の言葉がそのまま流通しやすい製品なので、公式が何を約束していて、何は書いていないのかを分けて読むことを意識します。

2026年3月のNitro:進捗の管理から、作業の実行へ

Nitro は、Rocketlane が「作業を記録するのではなく、作業を実行する」基盤として打ち出したものです。最高経営責任者は報道の中で、専門サービスの管理ソフトは作業を追うために作られてきたが、次の世代は作業を実行するためのものになる、という趣旨を述べています。公式ページに並ぶエージェントは、主に次の三つです。

エージェント公式の説明(要約)触れるもの
設定のエージェント顧客の環境で利用者の項目の作成、役割と権限の更新から、環境一式の構築まで。本番の顧客環境に触れる前に自社の基準で検証すると説明顧客のソフトの設定・権限
移行のエージェント項目の対応付けの提案、変換、検証。本番に入る前にデータを点検し整えると説明顧客の業務データ
文書のエージェント通話やメールから、作業範囲の取り決め(SOW)・要件書(BRD)・設計書・引き継ぎメモを作り、更新し続けると説明顧客との会話の記録
要員配置のエージェント案件に合う担当者の組み合わせを提案すると説明(詳細は公開情報が少ない)社内の人員と稼働

表を見ると分かるとおり、上の三つはどれも顧客の持ち物(環境・データ・会話)に直接触れるエージェントです。社内の作業を効率化する道具とは性質が違い、誤りがそのまま顧客の業務に出ます。公式ページは「承認が要るところで承認」「権限で絞ったデータアクセス」「すべての操作の監査ログ」をうたっていますが、どこが承認の要る場所なのかを決めるのは、使う側の会社です。以下では、導入の現場で実際に起きる場面に沿って、その線を引いていきます。

社員のAIから導入案件を読み書きする公式のMCP

Nitro とは別に、Rocketlane は外部のAIから導入案件のデータを読み書きするための公式のMCPを提供しています。公式の製品ページでは、Rocketlane の利用権を持つ人なら追加料金なしで使え、管理者がワークスペースで接続を有効にした後、各自が自分のAIの側で認証する仕組みだと説明しています。設定手順は Claude、Claude Code、Cursor、ChatGPT、Gemini Enterprise 向けが公開されています。

提供状況については注意が要ります。製品ページは「一般提供」と書いていますが、同社のブログの一部にはベータという表記が残っています。2026年11月時点では製品ページの記述を正としつつ、契約の前に営業担当へ提供段階と保証の範囲を書面で確かめるのが安全です。また、MCP自体は無料でも、Claude や ChatGPT 側の利用料は別にかかると公式も注記しています。

このMCPの意味は、導入の担当者が普段使っている汎用のAIから、案件の状況を尋ねたり、作業を登録したりできるようになることです。便利な反面、Rocketlane の画面の外で、どのAIに、どの顧客の案件の情報が渡るかが見えにくくなります。これは後の場面5で詳しく扱います。

場面1:顧客の環境を設定させる——承認を誰が押すか

最初の場面は、受注した顧客のソフトの初期設定です。利用者の項目を作る、役割と権限を割り当てる、業務に合わせて画面や流れを組む。設定のエージェントは、これを要件から組み上げ、自社の基準で検証してから本番の顧客環境に入れる、と公式は説明しています。ここでまず決めるのは、「検証に通った」と「本番に入れてよい」を分けるかどうかです。

検証は、自社が用意した基準に照らして形式的に正しいかを見るものです。顧客の組織の事情で例外的な権限を持たせる人がいる、退職予定の人がまだ名簿にいる、といった判断は、基準に書かれていない限り検証では拾えません。特に権限の設定は、誤ると顧客の社内で見えてはいけない情報が見えてしまうため、AIの作った案を人が確認してから入れるのが基本です。

実務では、設定の種類ごとに承認者を決めておくと迷いません。表示の項目や並び順のように戻しやすいものは導入担当の確認で足り、権限・連携・自動処理の設定は導入責任者、顧客側の管理者の同意が必要なものは顧客の承認、という三段に分けます。AIには、なぜその設定にしたのかを要件のどの記述に基づいて判断したかを書かせ、承認者がそれを読んで押す形にします。根拠を示せない設定は、承認に回さないと決めておくと、AIの推測で入った設定が紛れ込みません。

場面2:顧客データの移行を任せる——戻せることと、戻せないこと

二つ目の場面は、顧客が以前使っていたシステムからのデータ移行です。2026年4月8日の公式ブログによると、移行のエージェントは、元データの書き出しを受け取り、移行先が求める形を定義すると、項目の対応付け・変換・検証を行い、読み込みの前に欠けている箇所を指摘します。例外の扱いは自然な文章で指示でき、指示のたびにデータの新しい版が作られ、前の版は残るので戻せる、と説明されています。

ここで読み違えやすいのは、戻せるのが「移行前に整えているデータの版」だという点です。顧客の本番環境に読み込んだ後のデータを、同じように取り消せるとは書かれていません。移行先のシステムの種類や、読み込み後の取り消しの方法、データがどこで処理されどれだけ保存されるかも、公開された説明には見当たりませんでした。つまり、戻し方は移行先のシステムの側で別に用意しておく必要があります。

具体的には、読み込みの前に顧客側の現状を書き出して保存する、少量の試験読み込みを顧客と一緒に確かめてから全件に進む、件数と合計値の突き合わせを人が行う、という三つを手順に入れます。AIの検証が全件を通過していても、意味の取り違え(例えば、旧システムの「状態」の値を新システムの別の意味の値に対応付けてしまう)は検証では見つからないことがあります。対応付けの表は、顧客の業務を知る人が一行ずつ読むのが、移行で最も効く確認です。

場面3:作業範囲の取り決めと引き継ぎメモを書かせる

三つ目は文書です。文書のエージェントは、商談や打ち合わせの通話、メールから、作業範囲の取り決め・要件書・設計書・引き継ぎメモを作り、内容が変わるたびに更新すると説明されています。ヘルプセンターには、Gong・Zoom・Google の会議・Teams の録画をつなぐ会議の解析や、メールの取り込みの記事が並んでおり、会話の記録が文書の材料になる設計です。

この場面で気をつけたいのは、文書の種類によって重みがまったく違うことです。引き継ぎメモや議事の要約は社内向けで、誤りがあっても次の打ち合わせで直せます。一方、作業範囲の取り決めは、顧客との約束そのものです。通話の中で担当者が「それもできると思います」と言った一言をAIが拾い、範囲に含めてしまえば、無償の追加作業の根拠になりかねません。

そこで、AIが作った文書は、社内向けの下書きと、顧客に出す文書とで扱いを分けます。顧客に出す文書は、どの通話・どのメールのどの発言を根拠にした記述かをAIに併記させ、営業と導入責任者が根拠を確かめてから送ります。根拠のない記述は、AIに推測で埋めさせず「要確認」として残させるようにすると、確認すべき箇所が一目で分かります。会話を材料にする以上、録音と取り込みについて顧客の同意を得ているかも、事前に確かめておく項目です。

場面4:遅れの兆しを拾わせ、顧客への連絡文を書かせる

四つ目は、導入の遅れとリスクの扱いです。報道では、Nitro のエージェントが人より早くプロジェクトのリスクを見つけ、要員を組み替えられるようにすると説明されています。期限を過ぎた作業や、顧客側の返答待ちで止まっている作業を拾うのは、AIが得意とする部分です。

問題は、その先の顧客への連絡です。遅れを伝える文面は、原因が自社にあるのか顧客にあるのかの書き方ひとつで、関係も契約上の扱いも変わります。AIに下書きさせるのは構いませんが、原因の帰属・新しい期日・追加費用の有無の三点は、AIに決めさせないことを先に決めておきます。AIが作業の記録から「顧客の返答が遅れたため」と書いても、実際には自社が質問を送り忘れていた、ということは珍しくありません。

実務では、遅れの連絡文は導入担当が下書きを確認し、期日の変更や費用に触れる場合は導入責任者か営業の承認を経て送る、と決めておきます。AIには、遅れの判定に使った作業と日付を一覧で添えさせ、送る人がその一覧と文面が合っているかを見ます。顧客に届く言葉は、送った人の名前で届くので、AIが書いた文をそのまま送る運用は避けるべきです。

場面5:社員の Claude・ChatGPT から案件を更新する

五つ目は、MCPを通して社員の汎用AIから導入案件を読み書きする場面です。公式のヘルプ記事では、MCPで使える操作は24種類あり、プロジェクト・作業・段階・作業時間・利用者・顧客企業・コメントの読み取りと、段階や作業の作成と更新、作業時間の記録、プロジェクトの更新、テンプレートの作成、コメントの投稿と編集ができると説明されています。削除の操作はありません。

接続の手順の記事では、前提として「行いたい操作を許す権限」を持っていることを挙げており、AIは接続した本人の利用権で動く作りと読めます。ただし、本人の権限の範囲であれば、AIは本人が普段は触らない案件まで読み、更新できるということでもあります。本人に見えているものは、本人のAIにも見えているという前提で、誰に接続を許すかを考える必要があります。

もう一つの論点は、案件の情報がどのAIに渡るかです。社員が個人契約のAIや、会社が業務データの取り扱いを確かめていないAIから接続すれば、顧客の社名・担当者・進捗・やり取りの内容がそのAIの提供元に送られます。接続してよいAIを、会社が契約し学習への利用や保存の条件を確かめたものに限ることを、管理者が接続を有効にする前に決めておきます。管理者が有効にしない限り使えない作りなので、ここが最初の関門になります。

MCPで書き込めること、書き込めないこと

公式のヘルプ記事には、MCPの操作に関する注意書きがいくつも並んでいます。どれも地味ですが、AIに任せる範囲を決めるうえでは重要な材料です。主なものを、運用への影響と合わせて整理します。

公式の注意書き(要約)運用で起きること決めておくこと
テンプレートは作成と同時に公開され、MCPからは編集できないAIの作った型がそのまま全案件で使える状態になるテンプレートの作成はMCPに許さず、画面で人が作る
プロジェクトの財務情報はMCPで更新しないこと金額や請求に関わる値をAIが触るおそれ財務は画面からのみ、と社内規程に書く
担当者の更新は、今の担当者を置き換える一人を足したつもりで全員が外れる担当者の変更は人が確認してから
非公開の段階の設定は、成功と返っても保存されないことがある顧客に見せないはずの段階が見える公開範囲の設定は画面で確かめる
コメントの公開範囲をMCPから変更できる社内向けの書き込みが顧客に見えるコメントの公開範囲はAIに変えさせない

特に注意したいのは、コメントと段階の公開範囲です。Rocketlane は顧客と同じ案件を共有して進める使い方を前提にした製品で、社内向けのつもりのコメントが顧客の目に触れる事故は、AIがなくても起こり得ます。AIに書かせると量が増える分、確率も上がります。削除の操作がないことは誤操作の歯止めになる一方、誤って公開した書き込みをAIが自分で消すこともできない、という意味でもあります。

顧客との契約に、AIの作業をどう書くか

顧客の環境とデータにAIが触れる以上、それを契約にどう書くかは避けて通れません。導入サービスの契約には、作業範囲・作業の方法・データの取り扱い・委託先の扱いが書かれているのが普通ですが、そこにAIのエージェントが作業することを想定した記述がない会社が多いはずです。

書いておきたいのは、次の四点です。AIを使って行う作業の範囲(設定・移行・文書)と、人が確認する工程があること。作業のために顧客のデータがどの事業者のどの仕組みで処理されるか。AIの処理を委託先として扱うのか、その場合の再委託の範囲。誤りがあったときの責任は、AIの作業か人の作業かを問わず自社が負うこと。「AIがやったので」は顧客に対する言い訳にならないので、責任の書き方は従来と変えないのが筋です。

日本の顧客の場合、個人情報を含む業務データを移行するなら、個人情報保護法上の委託として扱い、委託先の監督の範囲に Rocketlane とその先のAIの提供元を含めて整理する必要があります。Rocketlane の公式サイトには、データ処理契約や信頼性の情報を集めたページへの案内がありますが、AIの処理がどの地域で行われ、どれだけ保存されるかは、契約前に書面で確かめるべき項目です。公開情報からは確認できませんでした。

何が社外に出るか:データの流れを三本に分けて見る

Rocketlane を導入作業に使うとき、データの流れは大きく三本あります。一本目は、Rocketlane 自体に置く案件の情報(計画・進捗・やり取り・文書)。二本目は、Nitro のエージェントが作業のために扱う顧客の環境とデータ、そして会議の録画やメールの取り込み。三本目は、MCPを通して社員の汎用AIに渡る案件の情報です。

一本目は従来のプロジェクト管理と同じで、利用規約と契約で確かめられます。二本目は、顧客から預かったデータが、自社の契約先のさらに先で処理される流れです。顧客の側から見れば、知らない事業者にデータが渡ることになるため、契約と説明が要ります。三本目は、社員一人ひとりのAIの設定次第で行き先が変わるため、最も統制が効きにくい流れです。

情シスがこの三本を一枚の図にまとめ、それぞれに承認者と確認の頻度を書き込んでおくと、営業やCSが顧客から質問を受けたときにも答えやすくなります。顧客のセキュリティ審査票に「AIによるデータ処理の有無」を問う項目が増えている今、答えを用意しないまま導入作業にAIを使い始めると、次の商談で止まることになります。

費用の増え方:席の料金と、AIの利用量

費用は、従来の利用者数に応じた料金に加えて、AIの利用分で増える構造になります。ヘルプセンターには Nitro の「クレジット消費」についての記事があり、エージェントの利用がクレジットで計られる仕組みであることがうかがえます。ただし、どの操作で何クレジット使うか、料金表としての公開はされていません。見積もりは営業担当から取る必要があります。

MCP自体は追加料金なしと公式は説明していますが、社員が使う Claude や ChatGPT の利用料は別です。会社としてAIの契約を持っていれば、その費用の中に吸収されますが、利用量で課金される契約なら、案件の情報を何度も読ませる使い方で費用が膨らむこともあります。

費用の比較で見落としやすいのは、確認にかかる人の時間です。AIが作業を速くしても、承認や対応付けの確認、文書の根拠の確認に人の時間が要ります。試験導入では、AIが短縮した時間だけでなく、確認に使った時間も記録しておくと、本当の効果が見えます。報道の「最大で半分」という数字も、確認の時間を含むかどうかは示されていません。

うまくいかなかったときの止め方・戻し方

任せる前に決めておくべき最後の項目は、止め方と戻し方です。導入作業の事故は、顧客の稼働開始の直前に見つかることが多く、そのときに慌てて手順を考えても間に合いません。最低限、次の順番で手順を用意しておきます。

STEP1
エージェントとMCPを止める

管理者がワークスペースのMCP接続を無効にし、該当案件でのエージェントの実行を止めます。誰が止める権限を持つか、夜間や休日は誰が判断するかを先に決めておきます。

STEP2
何が変わったかを記録で洗い出す

監査ログと、移行のエージェントのデータの版の履歴から、どの設定・どのデータがいつ変わったかを一覧にします。AIの作業と人の作業を区別して記録できているかが、ここで効きます。

STEP3
顧客の環境を戻す

読み込み前に保存した顧客側の書き出しを使って、移行先のシステムの側で戻します。Rocketlane の版の履歴だけで本番の顧客環境が戻るとは限らない点に注意します。

STEP4
顧客に説明し、承認の線を引き直す

何が起きたか、どこまで戻したかを顧客に伝え、同じ種類の作業の承認者や確認の手順を見直します。説明の文面は、場面4と同じくAIに決めさせない部分を人が書きます。

やめるときの扱いも確かめておきます。エージェントの利用をやめても、作られた文書や型、移行の手順の型は残ります。AIが作った型を、人が中身を理解しないまま使い続ける状態が、やめた後に最も残りやすいリスクです。型を引き継ぐ前に、担当者が中身を読み直す時間を取ります。

任せてはいけない作業と、任せる範囲の広げ方

ここまでの場面から、導入作業でAIに任せきりにしてはいけないものを、よくある失敗の形でまとめます。どれも、AIの能力の問題ではなく、承認の線を引かなかったことで起きるものです。

  • 顧客の環境の権限設定を、検証を通ったという理由だけで本番に入れる
  • 移行のデータの版が戻せるからと、本番の読み込み前に顧客側の書き出しを保存しない
  • 通話から作った作業範囲の取り決めを、根拠の確認なしに顧客へ送る
  • 遅れの原因と新しい期日を、AIの書いた連絡文のまま顧客に伝える
  • 個人契約のAIからMCPで顧客の案件に接続させる
  • テンプレートの作成や財務情報の更新をMCPから行わせる

逆に、AIに任せやすいのは、社内向けの下書き、期限切れの作業の洗い出し、対応付けの候補づくり、検証の実行のように、誤っても人の確認で止められ、顧客に届く前に直せる作業です。任せる範囲は、作業の種類ではなく、誤りが顧客に届くまでの距離で決めると判断しやすくなります。

段階的に任せる範囲を広げる進め方

最初から全部の案件で使う必要はありません。試験導入は、顧客との関係が長く、データの量が少なく、元に戻しやすい案件から始めるのが定石です。最初の数件は、AIの作業結果をすべて人が確かめ、どの種類の作業で手直しが多かったかを記録します。

手直しがほとんどなかった作業から順に、確認を抜き取りに切り替えていきます。ただし、権限の設定・本番へのデータの読み込み・顧客に出す文書の三つは、手直しが少なくても全件確認を続けるのが無難です。誤りの頻度は低くても、一度起きたときの影響が大きいからです。

社員のAIからのMCP接続も同じで、最初は導入責任者と一部の担当者に限り、読み取り中心で使ってもらいます。書き込みを使う場合は、作業時間の記録や社内向けのコメントのように、顧客に見えない操作から始めます。広げる判断は、利用の記録を見て月に一度行う、と決めておけば、なし崩しに広がることを防げます。

導入前に埋めておく確認項目

最後に、Rocketlane の Nitro や MCP を導入作業に使う前に、社内で答えを用意しておきたい項目をまとめます。製品の機能を比べる前に、ここが埋まっているかを確かめてください。

導入作業をAIに任せる前の確認項目
  • 設定の種類ごとの承認者(導入担当・導入責任者・顧客の管理者)
  • 本番の顧客環境に入れる前に、人が確認する設定の範囲(権限・連携・自動処理)
  • データ移行で、読み込み前に保存する顧客側の書き出しと、戻す手順
  • 顧客に出す文書で、根拠の併記と確認者を必須にするか
  • 遅れの連絡で、原因・期日・費用をAIに決めさせない運用
  • MCP接続を許す社員と、接続してよいAI(会社の契約のもの)
  • テンプレートの作成・財務情報・公開範囲の変更をMCPに許さない決め
  • 顧客との契約に書くAIの作業範囲・処理事業者・責任の所在
  • AIの処理地域と保存期間の確認(契約前に書面で)
  • クレジットの見積もりと、確認にかかる人の時間の記録
  • Rocketlane・Nitro・MCPの機能、提供状況、注意書きは、2026年11月時点の公式サイト・公式ブログ・ヘルプセンターと報道に基づきます。提供段階や条件は変わる可能性があるため、検討時は最新の公式情報と契約書で確かめてください。
  • 日本の顧客環境・日本語のデータでの動作や、日本での提供条件については、公開資料から確認できませんでした。

まとめ

Rocketlane は、2026年3月の Nitro で、導入プロジェクトを管理する基盤から、顧客環境の設定・データ移行・導入文書づくりを実行する基盤へと踏み出しました。公式のMCPを使えば、社員の Claude や ChatGPT からも導入案件を読み書きできます。ただし、どの作業で人が承認するか、移行の後に何を戻せるか、どのAIに案件の情報を渡すかは、製品が決めてくれるものではありません。承認の場所・戻し方・接続してよいAI・契約の書き方を先に決め、AIには根拠を書かせ、原因・期日・費用・権限といった顧客との約束に関わる判断は人が持つ。そのうえで、誤りが顧客に届くまでの距離が遠い作業から任せていけば、導入の工数を減らしながら、顧客からの信頼を損なわずに済みます。

※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。

ウェビナーの集客を、思いつきの告知から「設計」へ

「開催しても人が集まらない」「集まっても商談につながらない」——BtoBウェビナーの集客を設計から見直すための無料ガイドです。

運営会社:株式会社デボノ

目次