Edraで過去のチケットから手順書を作る方法|承認と差し戻しの線

「サポートのAIを入れたが、社内の決まりを知らないので結局ほとんど人に回ってくる」「過去のチケットには答えが山ほどあるのに、誰も手順書に書き起こしていない」——ITの窓口や顧客サポートを預かる責任者から、2026年に入ってとくによく届く声です。米国の Edra は、こうした過去のチケット・メール・記録を読み込み、業務の規則を推定してAIエージェントの手順書にする会社で、2026年3月に Sequoia 主導で3,000万ドルを調達し、11月にはその運用の考え方を「ContextOps」と名付けて公表しました。ただし、チケットに残っているのは「規則」ではなく「前例」で、その中には誤りも例外も混ざっています。この記事では、過去の対応記録からAIが推定した規則を、エージェントの手順書として配る前に何を決めておくかを、作業の順に整理します。
カメ先生過去のチケットから手順書を自動で作れると聞くと、書く手間がなくなるぶん全部任せてよいように思われがちなんだ。でも本当は、記録から読み取れるのは「これまでどう対応したか」であって、「どう対応すべきか」ではないんだよ。
カメ子前例をまとめることと、規則を決めることは別の仕事、ということですか。
カメ先生そう。だからAIには前例を束ねて下書きを作らせ、根拠になったチケットを示させる。規則として認めるかどうかは、その業務の持ち主が判断する。この線を先に引いておくのが大事なんだ。
カメ子下書きを作る速さと、承認する人の責任は、分けて考えるんですね。
- Edra はチケット・メール・記録から業務の規則を推定し、人が読める手順書としてエージェントに配る。11月の「ContextOps」は、その手順書に持ち主・版・試験・差し戻しを付けて運用する考え方
- 記録にあるのは前例であって規則ではない。誤った対応・例外対応・古い決まりを規則にしないよう、根拠の件数と矛盾を見て人が仕分ける
- はい/いいえの承認は業務の持ち主が持つ。読ませる範囲と個人情報、試験と差し戻し、費用と止め方を配る前に決める
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。
Edraとは:対応の記録から「業務の規則」を推定する会社
Edra は、ニューヨークとロンドンに拠点を置く米国の新興企業です。創業者の二人は、大手のデータ分析企業で、顧客企業に入り込んでAIを実装する部門を立ち上げた技術者だと、出資元の Sequoia と報道が伝えています。大企業の中で、AIが社内の決まりを知らないために使い物にならない場面を何度も見てきたことが、起業の動機だと説明されています。
公式サイトの説明はこうです。チケット、記録、メッセージを読み込み、業務が実際にどう回っているかを逆算して、実行できる知識の一覧にまとめる。その知識は人が読める手順書の形をとり、利用者がレビューし、編集し、自分のものとして持ったうえで、既存の業務システムの中で動くエージェントに配ります。対応する元のシステムとして、ServiceNow、Jira、Zendesk、Salesforce、Outlook が挙げられています。
用途は、まずITの窓口(ITSM)と、顧客向けの技術サポートです。報道によれば、通話の記録から営業の前例集を作る使い方にも広がりつつあります。社員が手順書を書くのではなく、すでにある対応の記録から手順書を作るという発想が、従来のナレッジ管理の道具との違いです。国内では紹介記事がほとんど見当たらない会社ですが、扱っている問題は、窓口業務を持つ多くの日本企業にそのまま当てはまります。
2026年の動き:3月の資金調達と、11月の「ContextOps」
Edra は2026年3月18日に表舞台に出ました。Sequoia と、もう一つの出資元である投資会社がそれぞれ出資を発表し、報道では、Sequoia 主導のシリーズAで3,000万ドルを調達したと伝えられています。その前に600万ドルのシード資金を得ていたと、出資元は書いています。会社としてはまだ若く、公開されている事例の数も限られる段階です。
11月5日には、創業者が公式ブログで「ContextOps」という考え方を発表しました。ブログの定義では、現場の記録と専門家の判断を、試験と承認を経た指示に変え、業務の変化に合わせて保ち続ける規律のことです。ソフトウェアの開発と運用を一体で回す考え方になぞらえ、会社の知識も「作って終わり」ではなく、継続して運用するものだと位置づけています。
ここで押さえておきたいのは、ContextOps が新しい機能の名前ではなく、運用の考え方の名前だという点です。ブログは、記録を検索するだけの方式、文書化の一斉プロジェクト、モデルの追加学習という三つのやり方を挙げ、いずれも「すぐ古くなる」「規則として明文化されない」「古い癖を焼き付け、変更のたびに学習し直しになる」と退けています。書かれた指示なら、すぐ直せるというのが同社の主張の芯です。その前の9月29日の記事では、企業がAIに業務を教えるために技術者を現場へ送り込む動きが広がっていることを取り上げ、長続きする解決は、業務を回している人自身が知識を持つことだと書いています。
公表されている数字の読み方
同社と周辺が公表している数字を、出どころ別に並べておきます。導入の検討では、数字そのものより、何を分母にした数字なのかを確かめることが大切です。
| 数字 | 出どころ | 読み方の注意 |
|---|---|---|
| IT知識の網羅率が30%から90%(ASOS) | 公式サイトの事例 | 網羅率の定義と、どの範囲の問い合わせかは公表されていない |
| HubSpot の支援AIは Edra が管理する知識で動く | 公式サイトの事例 | 15万件の会話を分析し600件超の更新、人への引き継ぎ12%減は報道の数字 |
| 網羅率6%から45%、不足の90%を専門家が承認 | 無料診断のページ(社員5万人規模の会社) | AI・機械学習の話題に限った数字 |
| 問い合わせの25%を自動処理 | 出資元の発表(スペインの税務支援会社) | 4週間の試行で96件の修正と130件の新規記事を経た後の数字 |
この表で見てほしいのは、どの事例も「数字の前に人の手が入っている」ことです。90%が承認されたという数字は、裏を返せば1割は専門家が却下したということです。96件の修正と130件の新規記事も、試行の4週間に人がレビューした量を示しています。AIが推定した規則は、そのまま使える完成品ではなく、人が直す前提の下書きだと読むのが妥当です。
出資元の発表にある事例も、同じ読み方ができます。スペインの付加価値税の申告を支援する会社では、7万通のメールと1,500件を超える知識ベースの記事を読み込み、7日で手順書の土台を作ったとされます。大手のアパレル小売では、知識ベースの記事400件と会話2万件から、直すべき記事・廃止すべき記事・新しく書くべき記事を洗い出し、レビューの負担が半分になったと書かれています。減ったのは人の確認の手間であって、確認そのものが無くなったわけではありません。
前提の訂正:チケットに残っているのは規則ではなく前例
ここが、この記事でいちばん伝えたい点です。過去のチケットには、担当者が実際にどう対応したかが残っています。けれども、その対応がすべて正しかったとは限りません。忙しい時期の場当たりの対応、特定の顧客にだけ認めた特例、すでに廃止された古い決まりに沿った対応、担当者の思い込みによる誤った案内も、同じ重みで記録に残っています。
記録から規則を推定する仕組みは、件数の多い対応を「よくある規則」として拾い上げます。すると、長く続いてきた誤りほど、規則らしく見えてしまうという逆転が起こりえます。公式ブログも、過去の事例の間にある矛盾を指摘する機能に触れていますが、矛盾していない誤り、つまり全員が同じように間違えてきた対応は、矛盾としては浮かび上がりません。
もう一つは例外です。上長の判断で一度だけ認めた返金や、障害の最中だけ使った回避策は、件数が少なければ規則から外れますが、ある時期に集中していれば規則に入り込みます。例外の判断を、エージェントが毎回自動で適用する規則にしてしまうのは、窓口業務でいちばん避けたい事故です。
- 推定された規則を、件数が多いからという理由だけで承認する
- 特例や障害時の回避策を、注記なしで通常の手順に含める
- 廃止された決まりに沿った古いチケットを、読ませる範囲から外さない
- 矛盾の指摘が無いことを、規則が正しいことの証拠と受け取る
どこにAIが入り、どこはAIに判断させないか
Edra の流れは、公式ブログの言葉を借りると、観察・統合・統制・配布の四つの段階を回し続ける循環です。AIが受け持つのは主に前半の二つで、記録を読み、多くの事例を束ねて、一般的な規則、例外、そして人の判断がまだ必要な場面を含む指示の下書きを作ります。
後半の統制では、持ち主が指示をレビューし、試してから公開します。ブログの例では、サポートの責任者が一つの例外付きの規則を承認し、その後の更新には短い「はい」か「いいえ」で答えています。つまり、規則を認める判断は人に残る設計です。AIには根拠になったチケットを示させ、規則として認めるかは業務の持ち主が決めるという分担を、自社の運用でもそのまま守るのが基本です。
| 段階 | AIに任せてよいこと | 人が決めること |
|---|---|---|
| 観察 | チケット・メール・記録を読み、対応の型を拾う | 読ませる範囲、期間、除外する記録 |
| 統合 | 事例を束ねて規則と例外の下書きを作り、矛盾を指摘する | 下書きの言い回しが社内の決まりと合っているか |
| 統制 | 根拠の事例を添えて承認を求める | 規則として認めるか、例外として残すか、却下するか |
| 配布と再観察 | 差し戻しや人の修正を次の下書きに反映する | どのエージェントに配るか、自律で動かす幅 |
公式ブログには、もう一つ分かりやすい物差しが出てきます。社内でいちばん経験のある社員でも、あらゆる例外の扱いを書き出せないのなら、AIにそれを期待すべきではない、という考え方です。同じ記事は、AIに文脈を届ける仕組みを「配送の手段」とし、ContextOps は届ける中身が正しいことを保証する営みだと区別しています。中身の正しさを保証するのが人の承認である以上、承認の設計がこの製品の導入の成否を決めます。
工程1:読ませる範囲を決める——窓口・期間・除外する記録
ここから、導入する側の作業に入ります。最初に決めるのは、どのチケットを読ませるかです。無料診断のページでは、対象を月1,000件以上のチケットを扱うITの窓口か顧客サポートに限り、解決済みのチケット約3万件と既存の知識ベースがあれば足りると説明しています。全部の記録を渡す必要はない、ということです。
範囲は、窓口の種類と期間で切ります。社内のIT窓口と顧客サポートを一度に読ませると、別々の決まりが混ざります。期間は、社内の決まりや製品の仕様が大きく変わった時点より後に限るのが安全です。それより前の記録を入れると、廃止された手順が前例として拾われます。人事や法務、役員対応のような機微な窓口は、最初から対象外にしておきます。
範囲を決めたら、文書にして、窓口の責任者と情報システムの担当が合意します。同社の診断では、始める前の短い打ち合わせで対象の窓口と用途、データの受け渡し方を決める手順になっています。受け渡しは、一度だけの書き出しを渡す方法と、システムを接続する方法から選べます。最初は一度だけの書き出しで始め、常時接続は判断が固まってからにすると、後から範囲を絞り直しやすくなります。
無料診断の流れも、範囲を決める練習として参考になります。公式の説明では、申し込みの後に同社の標準の利用条件をオンラインで受け入れ、始める前の打ち合わせで範囲を決め、初日に書き出しを渡すか接続します。1〜2日目に解決済みのチケットと知識ベースを読み、3〜4日目に網羅率と自動化の見込みを計算し、5日目に結果を説明する段取りです。返ってくるのは、今の知識ベースで答えられる問い合わせの割合、チケットの件数順に並んだ知識の不足の一覧、不足を埋めた後にエージェントが解決できそうな割合の三つです。知識ベースの置き場所としては SharePoint、Confluence、Google Drive、Notion などが挙げられています。
工程2:推定された規則を、根拠の件数と矛盾で読む
Edra が返してくる下書きには、根拠が付きます。無料診断の説明では、知識の不足を一覧にした結果の一件ごとに、それを導いたチケットが引用されるとしています。公式ブログでも、提案される指示には裏付けの事例が添えられると書かれています。承認する人は、この根拠を読むことが仕事の中心になります。
読むときは三つの観点で見ます。一つ目は根拠の件数で、数件しか無い規則は、特例を拾っている可能性があります。二つ目は時期の偏りで、根拠が特定の月に集中していれば、障害対応や一時的な運用を拾っている疑いがあります。三つ目は担当者の偏りで、一人の担当者の対応だけで成り立っている規則は、その人の癖かもしれません。
矛盾の指摘は、承認の優先順位を決める材料になります。過去の事例どうしが食い違っている規則は、社内でも決まりがあいまいなまま運用されてきた場所です。こうした箇所はAIに「多いほう」を選ばせず、業務の持ち主がどちらを正とするか決め、その理由を手順書に残すようにします。ここをAIに任せると、多数派の誤りがそのまま規則になります。
工程3:はい/いいえを押す人を、規則ごとに決める
ContextOps の記事は、すべての指示に持ち主、版の履歴、公開前のレビューと試験を付けると書いています。持ち主の決め方を誤ると、この仕組みは形だけになります。よくある失敗は、窓口の責任者一人にすべての承認を集めることです。承認が数秒で済むと言われても、数百件が一人に集まれば、中身を読まずに「はい」を押す承認疲れが起きます。
持ち主は、規則が扱う業務ごとに分けます。アカウントの再発行やアクセス権の付与はIT窓口の責任者、返金や契約の変更は顧客サポートの責任者と経理、個人情報の開示に関わる手続きは法務か個人情報の担当、といった具合です。規則を作る人と、規則を認める人を分けることも大切で、下書きの修正を担当した人が、同じ規則の承認者を兼ねないようにします。
承認の基準も文書にしておきます。根拠が何件以上あれば候補にするか、矛盾がある規則は誰が裁くか、特例はどう注記するか。「はい」は規則として認める、「いいえ」は却下、迷うものは保留にして人が対応を続けるという三択を、運用の決まりとして明文化します。保留を選べない運用にすると、迷いが「はい」に流れます。
工程4:例外対応を規則にしないための仕分け
承認の前に、推定された規則を仕分けます。全件を同じ深さで読むのは現実的ではないので、エージェントが顧客や社員に直接作用する規則から優先して読みます。案内を返すだけの規則より、アカウントを止める、権限を付ける、返金を約束する規則のほうが、誤ったときの影響が大きいからです。
権限・金銭・個人情報・契約に触れる規則を抜き出し、先に読む一覧を作ります。
件数・時期・担当者の偏りを見て、特例や障害時の対応を拾っていないかを確かめます。
通常の規則として認めるもの、例外として注記するもの、人の判断が必要とするもの、却下するものに分けます。
例外として残す場合は、誰の承認があれば適用できるかを書き、エージェントには自動で適用させない印を付けます。
却下した規則は理由とともに記録し、同じ下書きが次の循環で再び提案されたときに判断が速くなるようにします。
ここで大事なのは、仕分けそのものをAIに判断させないことです。別のAIに「この規則は正しいか」と尋ねても、社内の決まりを知らないAIは、もっともらしい理由を作って答えてしまいます。AIには根拠の所在を示させ、規則の正否は業務の持ち主が決めるという分担を崩さなければ、後から「なぜこの規則を認めたのか」を説明できます。
工程5:配る前の試験と、版・差し戻しの決め方
承認した規則は、すぐに全部のエージェントに配らず、試験を通します。公式ブログは、持ち主が方針を直接編集し、公開の前に試せると説明しています。試験には、過去の実際のチケットを使い、承認済みの手順だけでエージェントが正しく処理できるかを確かめる方法が向いています。正解が分かっている事例で試せるのは、記録から手順書を作る方式の利点です。
版の管理と差し戻しは、ブログが「何かが壊れたら戻せる」と書いている部分です。ただし実装の詳細は公開されていません。導入の前に、デモや試行の場で次の点を確かめておきます。規則ごとに戻せるのか、手順書全体を一つ前の版に戻すのか。差し戻した後、配布先のエージェントに反映されるまでどれだけかかるか。誰が差し戻しの操作をできるのか。
差し戻しの引き金も決めておきます。たとえば、ある規則が配られてから人への引き継ぎが急に増えた、顧客からの苦情が同じ案内に集中した、担当者が同じ下書きを何度も直している、といった兆候です。差し戻しを判断する人と、夜間や休日の連絡先まで決めておけば、誤った規則が週末じゅう案内され続ける事態を避けられます。
工程6:配った後の「網羅率」を、自律の幅の物差しにする
配布の後は、エージェントの動きが次の観察の材料になります。公式ブログは、人への引き継ぎ、人による修正、取りこぼしを追い、それを次の下書きに反映すると書いています。そのうえで、承認済みの手順だけで、人が判断を補わずに正しく処理できた実案件の割合を「網羅率」と呼び、エージェントにどれだけ自律を任せてよいかの先行指標だとしています。
この物差しは、自律の幅を広げる判断に使えます。網羅率が高い業務は、下書きを人が確認する形から、エージェントが自動で処理する形へ段階的に移す候補になります。反対に、網羅率が低い業務は、自動化の前に知識の不足を埋めるのが先です。自律の幅は網羅率を見て人が決め、エージェント自身に広げさせないのが原則です。
注意したいのは、取りこぼしのすべてが手順書の問題ではないことです。ブログ自身が、言葉づかい、権限の不足、顧客の好みといった、指示では直せない取りこぼしがあると書いています。網羅率が伸びないときに手順書ばかり書き足すと、規則が増えすぎて読めなくなります。取りこぼしの原因を分けて記録する担当を決めておくと、直すべき場所を見誤りません。
記録に含まれる個人情報と、社外に出るもの
チケットやメールには、顧客や社員の氏名、連絡先、契約の内容、ときには障害の詳細やパスワード再発行のやり取りまで含まれます。Edra に読ませるということは、これらが社外の事業者の環境に渡るということです。無料診断のページでは、データは同社の環境にある AWS の専用ネットワーク内で処理され、ほかの顧客と論理的に分けられていると説明しています。
同じページで、同社は顧客のデータでAIモデルを学習させず、第三者にもさせないこと、診断の後に継続しなければデータを削除すること、SOC 2 の第二種の管理を維持していることを述べています。プライバシーポリシーでは、顧客がサービスを使うときの個人情報について、同社は処理を受託する立場で、管理者は顧客企業だと整理されています。つまり、個人情報の取り扱いの責任は、読ませる側の会社にあります。
社内の手続きとしては、委託先としての審査、個人情報の第三者提供や越境移転の整理、保存期間と削除の確認が必要です。データの処理地域は確認できた資料に記載がなかったため、契約前に確かめます。氏名や連絡先を伏せた書き出しで始められるかも、最初の打ち合わせで聞いておくべき点です。規則の推定に必要なのは対応の中身であって、顧客の氏名ではないからです。
- 生成された手順書に、特定の顧客や社員の情報が例として紛れ込んでいないかも、承認の確認項目に加える
- 配布先が ChatGPT との連携など外部のAIの場合、手順書の中身がその提供元にも渡る。配布先ごとの契約条件を確認する
費用の増え方と、止め方・やめ方
料金は公開されていません。入り口として、知識の不足を洗い出す無料の診断があり、1週間で結果が出て、社内の手間は合計約2時間と説明されています。不足を埋める価値があれば試行の範囲を一緒に決める流れで、公式トップでも、データの一部を使って1週間で業務の流れを見せる試行を案内しています。本契約の費用の決まり方は、商談で確かめるしかないのが現状です。
費用の見積もりでは、利用料だけでなく、承認する人の時間を必ず入れます。出資元の発表にある税務支援会社の事例では、4週間の試行で96件の修正と130件の新規記事が生まれています。これは、承認と修正に相当の人手がかかることを示す数字でもあります。窓口の責任者が本来の業務の合間に承認を担う前提だと、承認が溜まり、手順書が古いまま配られ続けます。
止め方は、配布と知識の二つに分けて考えます。配布を止めれば、エージェントは新しい手順書を受け取らなくなりますが、すでに配った内容がどう扱われるかは配布先の仕組みによります。公式ブログは、指示はモデルを替えても会社に残ると書いていますが、手順書を自社の形式で書き出して持ち出せるかは、契約前に確認が必要です。やめた後も、承認済みの手順書が社内の知識ベースとして残せれば、投じた承認の手間は無駄になりません。
よくある質問
社内に手順書がほとんど無くても使えますか
公式の説明では、既存の文書ではなく解決済みのチケットから学ぶ設計です。ただし無料診断の条件として、月1,000件以上のチケットと、学習のもとになる解決済みの履歴があることが挙げられています。件数の少ない窓口や、履歴の無い新しい業務には向きません。
推定された規則を、確認せずに配ることはできますか
仕組みの上で可能かどうかにかかわらず、勧めません。公式ブログも、持ち主がレビューと試験をしてから公開する流れを前提にしています。少なくとも、権限・金銭・個人情報に触れる規則は、業務の持ち主が根拠を読んで承認してから配るべきです。
どのAIエージェントに手順書を渡せますか
公式ブログは、サポート用のエージェント、Slack の質問応答、メールの下書き支援、ChatGPT との連携などを例に挙げ、モデルを替えたりエージェントを増やしたりしても指示は会社に残ると説明しています。具体的な接続方式は確認できた資料に記載がなかったため、自社の配布先に対応するかは商談で確かめてください。
日本語のチケットでも使えますか
確認できた公式の資料には、対応言語の記載がありませんでした。日本語の対応記録で規則が正しく推定されるかは、無料診断や試行で、自社の記録を使って確かめるのが確実です。
承認の判断を、別のAIに手伝わせてもよいですか
根拠のチケットを探したり、似た規則を並べたりする補助には使えます。ただ、規則として認めるかどうかの判断は、社内の決まりに責任を持つ人が行うべきです。AIの判断で承認すると、誤った規則が配られたときに理由を説明できません。
まとめ
Edra は、過去のチケット・メール・記録から業務の規則を推定し、人が読める手順書としてAIエージェントに配る会社です。11月の「ContextOps」は、その手順書に持ち主・版・試験・差し戻しを付けて運用し続ける考え方として示されました。書き起こされないまま記録に埋もれていた対応を手順書にできる点は、窓口業務を抱える会社にとって確かに魅力です。一方で、記録にあるのは前例であって規則ではなく、誤りや例外も同じ重みで残っていることを忘れてはいけません。読ませる範囲と期間を決め、根拠の件数と偏りを読み、規則ごとに承認者を分け、例外を自動で適用させず、試験と差し戻しの手順と個人情報の扱いを先に決める。下書きを作る仕事はAIに任せても、規則として認める判断は業務の持ち主が持つ。この線を引いてから配れば、過去のチケットはエージェントを支える資産として使えます。
※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。
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。
