IFS Loopsで自律処理を任せる4段階|例外を人に戻す線

「デジタルワーカーを入れれば、発注確認や在庫の補充みたいな定型業務は丸ごと手から離れるはずだ」「人が承認するなら、結局いまの手作業と変わらないのでは」——基幹業務にAIエージェントを入れる検討が始まった製造・保守の現場や情シスで、同じ会議の中から両方出てくる声です。けれども、自律で動く仕組みの成否を分けるのは、任せる量の多さではありません。本当に設計すべきなのは、どの条件で処理を止め、誰に、いつまでに戻すかという「例外の線」です。この記事では、スウェーデン発祥の基幹業務ソフト会社 IFS が展開する IFS Loops と、2026年4月に加わった Agent Studio を手がかりに、基幹業務の監視から処理の実行まで自ら回るデジタルワーカーを、4つの段階で社内に入れる考え方を整理します。画面の操作手順や料金の一覧は扱いません。
カメ先生デジタルワーカーって、入れたら人の手がほとんど要らなくなる仕組みだと思われがちなんだ。でも実際の設計の中心は、任せた処理のうち、どれを人に戻すかのほうなんだよ。
カメ子全部を任せるための道具ではなく、戻す仕組みのほうが本体ということですか。
カメ先生そう。複数のシステムに自分で書き込む以上、間違えたときの影響は人の手作業より広がりやすい。だから任せる範囲と戻す条件を段階で決めていくんだ。
カメ子いきなり全部ではなく、段階を踏んで広げていくんですね。
- IFS Loops は業務データを見張り、承認済みのルールに沿って複数のシステムにまたがる定型処理を実行し、例外を人に上げるデジタルワーカーの基盤。2026年4月の Agent Studio で業務側が作り・試し・見張れるようになった
- 入れ方は4段階:任せる処理とルールを決める→コネクタごとに書き込む権限と資格を決める→例外の戻し先と期限を決める→既製ワーカーから始めて広げる
- 実行記録と取り消しの手順、費用の上限、止める判断者を先に決める。公表された効果の数字はベンダーの値として読み、自社で測り直す
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。
IFS Loopsとは:基幹業務の中で動くデジタルワーカーの基盤
IFS は、製造・保守・エネルギー・建設などの産業向けに、基幹業務(ERP)、資産管理、フィールドサービス管理のソフトを提供している会社です。近年は自らを産業向けAIのソフト会社と位置づけ、AIを基幹業務の中に組み込む方向を強めています。その中心にあるのが IFS Loops で、IFS が2025年6月に自律エージェントの基盤を持つザ・ループスを買収し、それを土台に同年10月に発表したものです。
IFS Loops で動くAIエージェントを、IFS はデジタルワーカーと呼んでいます。公式の説明を要約すると、業務データを見張り、承認済みのルールに沿って、複数のシステムにまたがる定型処理を自ら実行し、判断が要る例外は人に上げる、という働き方をします。IFS の基幹業務ソフトだけでなく、他社の業務システムやデータ基盤、連絡の道具ともつなげる前提で、公式の連携ページでは65以上の既製のコネクタがあると説明されています。
ここで押さえておきたいのは、IFS Loops が「質問に答えるAI」ではなく「処理を実行するAI」だという点です。社内文書を検索して答えるAIなら、誤りは読み手が気づけば止まります。デジタルワーカーは発注の確認や在庫の補充といった処理を、他のシステムに書き込んで完了させるので、誤りは記録として残り、次の工程へ流れていきます。導入の判断も、この性質を前提に組み立てる必要があります。
2026年4月の Agent Studio:作る・試す・見張るを業務側へ
2026年4月23日、IFS は IFS Loops Agent Studio を発表しました。発表によれば、デジタルワーカーの設定・統制・改善・拡張を、プログラムを書かずに行える環境で、技術者ではない業務部門の担当者が使うことを想定しています。流れとしては、業務の文脈を設定し、処理を定義し、動作を設計し、本番に出す前に安全な環境で試す、という順番が示されています。
本番に出した後は、成果・例外・性能の指標を見張り、歯止めを強制し、監査できる状態を保ちながら、能力を少しずつ広げていくとされています。既製のデジタルワーカーには、業界の文脈と実証済みの手順、セキュリティ・権限・統制の歯止めが最初から組み込まれていると説明されています。IFS Loops の最高経営責任者ソミヤ・カプール氏は、エージェントを作るのは簡単で、それがどう動くかを統制するのが難しいという趣旨を述べ、5月の豪州での発表では、デジタルワーカーは一度入れて忘れるものではないとも語っています。
同時に、フィールドサービス向けの既製ワーカーが3種加わりました。サービスの需要と技術者の空き状況、運用上の制約から予定を組む補助をする「サービス計画の補助役」、作業の待ち行列を見張って予定の衝突を指摘し配車の判断を提案する「配車の補助役」、資産データや保守の履歴、文書から作業中の技術者に案内を出す「ナレッジ管理役」です。配車の補助役については、人の判断が必要なときにだけ例外を監督者に上げると説明されています。
よくある誤解:自律で動くなら人の仕事は残らない
デジタルワーカーという呼び名から、人の代わりに一人分の仕事を丸ごと持っていくものだと受け取られがちです。人数に換算して要員計画に載せる議論は別の論点として、ここで正しておきたいのは、自律で動く仕組みほど、人が持つ仕事の中身が「処理」から「例外の判断と見張り」に移るという点です。仕事が消えるのではなく、種類が変わります。
IFS 自身の数字もそれを示しています。2026年7月の上期決算の発表で、IFS は IFS Loops で扱うエージェントの処理のうち60%が完全に自動で完了していると公表しました。裏を返せば、残りの処理には何らかの形で人が関わっているということです。この比率は会社全体の公表値で、どの業務のどんな処理を数えたかは示されていませんが、少なくとも「入れれば人が要らない」という読み方は、提供元の数字とも合いません。
導入例として紹介されたエペンディオンの最高情報責任者も、重要な判断の地点すべてに人を置くのが企業のAIのあるべき姿だという趣旨を述べています。任せる処理を増やすことと、人が見る地点を決めることは、同時に進める作業です。以下の4段階は、この二つを一緒に決めていくための順番です。
4段階の全体像:任せる処理から広げ方まで
デジタルワーカーを基幹業務に入れるときは、次の4段階で決めていきます。段階を飛ばして既製ワーカーをいきなり本番に出すと、権限や例外の戻し先が決まらないまま処理が流れ始め、問題が起きたときに誰が止めるのかが分からなくなります。
量が多く、型が決まっていて、間違えても取り消せる処理を選ぶ。処理の条件を文章のルールに起こし、ルールの持ち主を決める。
どのシステムを読むだけにし、どこに書き込ませるかを接続ごとに決める。誰の資格で動くかを、個人ではなく専用の資格に寄せる。
どの条件で処理を止め、誰に、どの道具で、いつまでに戻すか。期限を過ぎたら何が起きるかまで決める。
試験環境で確かめ、一つの業務の一部から本番に出す。指標を見て、任せる範囲を一段ずつ広げる。
この順番は、Agent Studio で示されている「文脈を設定し、処理を定義し、動作を設計し、試してから本番に出す」という流れとも重なります。違いは、道具の設定の順番ではなく、社内で誰が何を決めるかの順番として並べている点です。道具の画面は業務部門が触れても、権限と例外の線は業務・情シス・内部統制の三者で決める必要があります。
第1段階:任せる処理を選ぶ三つの条件
最初に任せる処理は、量・型・取り消しやすさの三つで選びます。量が多い処理は、手作業の負担が大きく、効果も測りやすくなります。型が決まっている処理は、承認済みのルールに書き起こしやすく、例外の条件もはっきりします。そして最も重要なのが、間違えたときに取り消せるかです。仕入先への発注確認の照合や、在庫の補充の提案と起票は取り消しが利きますが、支払いの実行や顧客への納期回答は、一度外に出ると戻せません。
公表された導入例を見ても、最初の対象はこの条件に合っています。エペンディオンは、週に150件を超える発注確認を手作業でさばいていた業務に、仕入先の発注を扱うデジタルワーカーを入れました。キトロンは、在庫の補充と仕入先との調整に使い、発注確認の自動化や欠品の早期予測に充てていると紹介されています。いずれも、量が多く、照合の型が決まっていて、誤りがあっても社内で気づいて直せる処理です。
逆に、最初の対象に向かないのは、判断の根拠が人の頭の中にしかない処理、取引先との関係で毎回の事情が変わる処理、一件の誤りが大きな金額や安全に直結する処理です。自律で回せるかどうかは、AIの賢さより、処理の条件を文章に書き起こせるかで決まります。書き起こせない処理は、まず人の手順を整えるところから始めます。
承認済みルールの書き方と、ルールの持ち主
デジタルワーカーは、承認済みのルールに沿って処理を実行します。ここでいうルールは、システムの設定値だけではなく、「仕入先の回答納期が要求納期から何日以上ずれたら人に戻す」「単価が前回発注から何割以上変わっていたら処理しない」といった、業務の判断基準そのものです。ルールが曖昧なまま任せると、AIが曖昧な部分を自分の推測で埋めます。
ルールを書くときは、処理してよい条件・処理しない条件・人に戻す条件の三つを、必ず対にして書きます。処理してよい条件だけを書くと、想定していない状況でAIがどう振る舞うかが決まりません。数値で書ける条件は数値で書き、書けない条件は「判断が要る」として人に戻す側に入れます。AIには判断させず、根拠を書かせる。つまり、処理した場合も戻した場合も、どのルールのどの条件に当てはまったかを記録に残させます。
ルールには持ち主を置きます。発注確認のルールなら購買の責任者、補充のルールなら生産管理や資材の責任者というように、業務の持ち主がルールの中身に責任を持ちます。情シスが持つのは、そのルールを動かす権限と接続の設定です。仕入先の変更、品目の入れ替え、社内規程の改定があったときにルールを誰が直すのかを決めておかないと、古いルールのまま正確に処理し続けるという、気づきにくい誤りが起きます。
第2段階:コネクタごとに書き込む権限を決める
デジタルワーカーが複数のシステムをまたいで処理できるのは、コネクタで各システムにつながっているからです。ここで決めるべきは、接続ごとに「読むだけ」か「書き込む」かを分け、書き込むならどの処理に限るかです。基幹業務のシステムは読んで照合し、書き込むのは発注確認の欄だけ、連絡はチャットへの通知だけ、というように、接続ごとの役割を一行で言えるようにしておきます。
2026年4月30日付のコネクタのリリースノートを見ると、同じ IFS Loops の中でも、接続先によって認証の方式がかなり違うことが分かります。旧版の基幹業務ソフトへの接続は利用者のIDとパスワードで代理認証する方式、ヘルプデスクへの接続はアプリとしての資格を使い利用者単位の認証は不要とされる方式、障害・要求管理の製品への接続は基本認証、というように分かれています。認証の方式が違えば、その接続で何ができるかの決まり方も違います。
リリースノートには、一部の取り込みでは設定後に接続の権限や範囲を手で確かめる必要がある、という既知の問題も書かれています。つまり、接続を作っただけでは、意図した範囲に収まっているとは限らないということです。接続ごとに、実際に読める範囲と書き込める処理を試験環境で確かめ、その結果を記録してから本番に出します。
| 接続先の例 | 決めること | 確かめる人 |
|---|---|---|
| 基幹業務(発注・在庫) | 読む範囲、書き込む欄、金額の上限 | 購買・資材の責任者と情シス |
| 保守・サービス管理 | 作業指示の起票を許すか、予定の変更を許すか | サービス部門の責任者 |
| ヘルプデスク | 起票と更新の範囲、顧客への返信の可否 | サポートの責任者 |
| チャット・メール | 通知だけか、社外への送信を許すか | 情シスと内部統制 |
| 自社管理の MCP サーバー | 公開する道具の範囲と資格 | その道具の持ち主 |
誰の資格で動くか:個人の資格を使わない
権限と並んで決めるべきなのが、デジタルワーカーが誰の資格で他のシステムに入るかです。利用者のIDとパスワードで認証する接続の場合、登録したアカウントの権限が、そのままデジタルワーカーの権限になります。設定を担当した人が自分のアカウントで接続を作ると、その人が持つ広い権限をAIが丸ごと使える状態になり、その人が異動や退職をした日に処理が止まります。
原則は、デジタルワーカーごとに専用の資格を用意し、任せる処理に必要な権限だけを与えることです。基幹業務の記録に「誰が書き込んだか」が残るとき、それが人の名前ではなくデジタルワーカーの資格として残れば、後から記録を見た人が、人の処理とAIの処理を見分けられます。これは監査の場面で効いてきます。
メールの接続については、管理者の同意が必要で、共有の受信箱を特定の利用者に割り当てられるとリリースノートに書かれています。共有の受信箱には、仕入先や顧客とのやり取りが集まります。AIに読ませる受信箱と、AIから送信してよい宛先は分けて決めることを勧めます。社外への送信を許すかどうかは、第1段階の「取り消せるか」の基準にそのまま当てはまる判断です。
第3段階:例外の戻し先と期限を決める
例外の設計は、この記事の中心です。配車の補助役について公式が「人の判断が必要なときにだけ」監督者に上げると説明しているように、提供元の既製の設定は、人に戻す回数をできるだけ減らす方向で作られていると考えておくべきです。自社にとっての「人の判断が必要なとき」は、自社で定義し直す必要があります。
戻す条件は、ルールの外れ・金額や数量の閾値・初めて出てくる相手・データの欠けや矛盾・同じ処理の繰り返しの失敗、の五つに分けて考えると漏れが減ります。戻し先は、条件ごとに一人ではなく役割で決め、不在のときの代わりも決めておきます。そして、戻した例外に期限を付けます。期限を過ぎたら上の役割に上げるのか、処理を保留のまま止めるのか、期限切れのときにAIが既定の処理で進めることだけは許さない、という線を先に引いておきます。
戻し先の道具として、IFS Loops は Teams との連携を強めています。2026年4月30日のリリースノートでは、人の入力を待っているやり取りを一覧できるデジタルワーカーのホーム画面と、ボタンで応答できるカードが追加されました。人が普段使う道具の中で例外に答えられるのは便利ですが、ボタン一つで承認できるほど、中身を見ずに押す危険も増えます。戻すときには、当てはまったルールと根拠のデータを必ず一緒に示させます。
- 期限内に人の応答がなければ、AIが既定の値で処理を進める設定にしている
- 例外の戻し先が特定の個人一人で、休暇中は例外が誰にも届かない
- ボタンで承認できるが、何のルールに当たったのかが表示されない
- 例外の件数が多すぎて、担当者が中身を見ずに一括で承認している
- 人が却下した例外を、AIが条件を少し変えて再び処理しようとする
実行記録と取り消し:誰が何を元に戻すか
Agent Studio の説明では、本番に出した後も監査できる状態を保つとされていますが、記録の具体的な項目や保存期間は、確認できた公開資料には書かれていませんでした。社内で必要になる記録は、いつ・どのデジタルワーカーが・どのルールに当てはめて・どのシステムに・何を書き込んだか、そして人に戻した例外と、それに誰がどう答えたかです。契約前に、この粒度で記録が残り、自社の側に持ち出せるかを確かめます。
取り消しの手順も、処理ごとに先に決めておきます。デジタルワーカーが書き込んだ発注確認を取り消すとき、基幹業務の側で人が手で直すのか、逆の処理をAIにさせるのか。複数のシステムをまたぐ処理では、片方だけ取り消されて記録が食い違うことがあります。取り消しは、AIではなく人が責任を持って行うことを原則にし、どのシステムから順に戻すかを処理ごとに書いておきます。
記録は、問題が起きたときのためだけではありません。毎週の見直しで、例外の件数と内訳、人が却下した割合、取り消しの件数を見ると、ルールのどこが粗いかが分かります。例外が多すぎるならルールを細かくし、却下が多いならAIの処理の質を疑い、取り消しが出たら任せる範囲を一段戻す。記録を見て範囲を動かす習慣が、次の段階の前提になります。
第4段階:既製ワーカーから始めて広げる
最後の段階は、本番への出し方と広げ方です。ここで既製のデジタルワーカーから始める意味は、手間の削減より、提供元が想定している処理の型と歯止めを、自社の業務と突き合わせられることにあります。既製のワーカーには業界の文脈と実証済みの手順、権限や統制の歯止めが組み込まれていると説明されているので、そこから自社の条件との差を洗い出せば、自作するより早く論点が揃います。
フィールドサービスの3種でいえば、最初に向くのは、技術者に案内を出すナレッジ管理役や、予定の衝突を指摘する配車の補助役のように、提案や指摘までで処理を完了させないものです。予定の確定や作業指示の書き換えまで任せるのは、指摘の質を数週間見てからでも遅くありません。在庫や発注を扱うワーカーも同じで、まずは照合と起票の提案、次に限られた品目と金額での確定、という順に広げます。
広げる判断には、事前に決めた指標を使います。例外の比率、人の却下率、取り消しの件数、処理にかかった時間です。指標が基準を満たした業務だけ一段広げ、満たさなければ一段戻すと決めておけば、担当者の印象や提供元の事例に引きずられずに済みます。Agent Studio で業務部門が自らワーカーを足せるようになった分、本番に出す前の確認の関門は、業務部門の外にも置いておきます。
公表された導入効果の数字を読むときの注意
Agent Studio の発表には、導入例の数字が並んでいます。米国で約800人の現場技術者を抱えるコディアック・ガス・サービシズは、技術者が会話で部品を探して注文できる資材補充のワーカーを入れ、年300万ドル相当の効果と9万時間を人に返したと紹介されています。エペンディオンは、運用効率の60%向上と週20時間の削減を見込み、すでに2体目のワーカーを加えたとされています。
これらはいずれも提供元の発表に載った値で、算出の前提は示されていません。エペンディオンの数字は見込みであり、実績ではありません。転載した記事によって同じ9万時間が会社全体の数字として書かれているものもあり、数字の帰属にも揺れがあります。自社の検討資料に引用するなら、出典と「ベンダー公表」を明記し、自社の試行で同じ指標を測り直すのが筋です。
もう一つ注意したいのは、導入例がいずれも製造・エネルギーの現場業務で、量が多く型が決まった処理だという点です。間接部門や営業の業務に同じ比率がそのまま当てはまるとは限りません。数字を見るときは、どの処理を、どの条件で数えたかを確かめ、自社の対象業務と型が近いかを先に判断します。
- 上期決算の「60%が完全自動」は会社全体の公表値で、対象の業務や処理の数え方は示されていない
- 導入例の効果は、手作業の時間をどう見積もったかで大きく変わる。自社の試行では、導入前の手作業の時間を先に測っておく
何が社外に出るか:データの流れと確かめること
デジタルワーカーは、接続したシステムのデータを読んで処理します。発注・在庫・保守の履歴・仕入先とのやり取りといった基幹業務のデータが、どこで処理され、どのAIのモデルに渡るのかは、確認できた公開資料には具体的に書かれていませんでした。顧客のデータがモデルの学習に使われるか、どの地域に保管されるかも同様です。契約前に、接続ごとのデータの送り先と保管地域、学習への利用の有無、削除の方法を一覧で出してもらいます。
自社で管理する MCP サーバーにつなげる機能も、2026年4月のリリースノートで加わりました。自社の道具をデジタルワーカーから呼べるのは便利ですが、MCP サーバーで公開した道具は、その資格を持つデジタルワーカーから自由に呼ばれます。公開する道具は処理に必要なものに絞り、道具ごとに持ち主を決めておきます。
日本での提供状況、日本語の画面や日本語の文書を扱うときの品質、国内での支援体制も、今回確認した公開資料からは分かりませんでした。国内の拠点で使うなら、自社の実際の発注確認や作業指示の日本語データで、ルールの当てはめと例外の戻しを試すことが判断の前提になります。
費用の増え方と、止め方・やめ方
IFS Loops の料金は公開されておらず、第三者の製品一覧でも問い合わせ扱いになっています。費用が増える軸として考えられるのは、デジタルワーカーの数、処理の件数、接続するシステムの数、AIのモデルの利用量です。契約前に、何の量に比例して費用が増えるのか、上限を設定できるのかを確かめます。処理の件数で増えるなら、例外の再処理や失敗の繰り返しも費用に乗ることになります。
止め方は、三つの粒度で用意します。一つの処理だけを止める、一体のデジタルワーカーを止める、IFS Loops からの書き込みを全部止める、の三つです。止める判断ができる人を、作った人や業務部門とは別に置き、取り消しが出た、例外の比率が急に上がった、接続先のシステムが改修された、といった止める条件を先に書いておきます。止めた後は、保留になった処理を人が引き取る手順も必要です。
やめるときの備えも欠かせません。Agent Studio で業務部門が作ったワーカーの設定、承認済みルール、実行記録と例外の応答履歴を、どの形式で持ち出せるかを確かめておきます。IFS は2026年3月に倉庫管理ソフトのソフテオンの買収を完了し、倉庫の受注や在庫を常時処理する構想も示しています。対象が広がるほど抜けにくくなるので、ルールの正本は自社の文書として持ち、道具の設定はその写しとして扱う形にしておくと、道具を替えても業務の判断基準は手元に残ります。
よくある質問
IFS の基幹業務ソフトを使っていなくても使えますか
公式の説明では、65以上の既製のコネクタで他社の業務システムやデータ基盤、連絡の道具にもつなげるとされています。ただし、既製のデジタルワーカーは IFS の業務領域を前提に作られているものが多いと考えられます。自社の基幹業務ソフトとの接続でどこまで書き込めるか、既製ワーカーがそのまま動くかは、試験環境で確かめる必要があります。
業務部門が勝手にワーカーを作って本番に出す心配はありませんか
Agent Studio は業務部門の担当者が使うことを想定した道具なので、その心配は現実的です。作る人と本番に出すことを許す人を分け、本番に出す前に権限と例外の線を情シスと内部統制が確認する関門を、道具の外の手続きとして置いておきます。
人に戻す例外が多すぎて、かえって手間が増えたらどうしますか
最初の数週間は例外が多いのが普通です。例外の内訳を見て、ルールが粗いのか、データが欠けているのか、AIの処理が不安定なのかを分けて直します。例外を減らすために戻す条件そのものを緩めるのは、最後の手段にします。
まとめ
IFS Loops は、業務データを見張り、承認済みのルールに沿って複数のシステムにまたがる定型処理を自ら実行し、例外を人に上げるデジタルワーカーの基盤です。2026年4月の Agent Studio で、業務部門が作り・試し・見張ることができるようになり、フィールドサービス向けの既製ワーカーも加わりました。入れるときは、量が多く型が決まり取り消せる処理を選んでルールと持ち主を決め、コネクタごとに書き込む権限と専用の資格を決め、例外の戻し先と期限を決めてから、既製ワーカーの提案や指摘の範囲で本番に出し、指標を見て一段ずつ広げます。公表された効果の数字はベンダーの値として読み、データの送り先・保管地域・料金の体系・日本での提供状況は契約前に確かめます。任せる範囲を広げるほど、人に戻す線と止める手順を先に固めておく。この順番を守れば、デジタルワーカーは人の仕事を見えなくする仕組みではなく、人が判断すべき場面を絞り込む仕組みになります。
※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。
