本ガイドは永続更新します。最終更新: 2026-04-28。本書はblog の team / ai-ops カテゴリ の親文書として機能します。
1. このガイドが解く問題
EC・SaaS 事業者が、AI エージェントを業務に組み込んで 「人を増やさず生産性を 2 倍」 にするための設計書です。
- 役割設計を AI 前提で組み直す方法(4-3-2-1モデル)
- AI協働者という新職種の責務と採用 JD
- 業務 → プロンプト → 評価 → 改善のサイクル
- AI に任せてはいけない業務の見極め
- オンボーディング 90 日プラン
- 稟議突破
2. なぜ役割設計が必要か
「AI で業務が半分になる」 と何年も言われ続けてきましたが、実際に半分にできているチームは少数です。理由は単純で、
10 年前の役割設計に AI を後付けしている
から。AI は人と並列で動く前提で職務を再設計しないと、生産性が出ません。むしろ「AI レビューに人手が取られる」逆転現象すら起きます。
3. 4-3-2-1 モデル
合計 10 単位(または役割比率)の編成を、機能ではなく AI の介入度 で 4 階層に分けます。
1 — 北極星設計者(CMO相当)
2 — 体験設計者(MD/CRO/CXのフロー責任)
3 — AI協働者(AIに業務を渡す/取り戻す)
4 — AIエージェント(MAXsuite他のAI)
人間 4 人 + AI 4 本 で、10 年前なら 15-20 名分のアウトプットが出ます。
4. 各層の責務
4.1 北極星設計者(1 名)
- 北極星指標の定義と更新
- 経営会議とのインターフェース
- 投資判断(MAXsuite 含むツール選定)
KPI: 北極星指標の年成長率 / 試算 ROI vs 実測 ROI の精度
4.2 体験設計者(2 名)
- MD(品揃え)、CRO(動線)、CX(顧客対応)のフロー全体責任
- AIアウトプットの最終承認権限
KPI: 主要フロー上の CVR / NPS / LTV / 1 施策あたりのリードタイム
4.3 AI協働者(3 名)
新しい職種。これがいない組織は AI 導入が進みません。
- AI エージェントへのタスク委譲(プロンプト・設定・評価)
- AI の誤動作と回復(リカバリープロトコル)
- AI 出力の品質監視と再学習サイクル
KPI: AI 出力の人間チェック工数(下げる) / AI 出力の品質スコア(上げる) / 業務委譲率(増やす)
4.4 AIエージェント(4 本)
CROMAX / AIOMAX / VOCMAX / LTVMAX 等の MAXsuite 製品が、この層に位置します。SaaS というより、業務を担う"非人間スタッフ" として組織図に組み込みます。
5. AI協働者という新職種
5.1 役割の本質
AI協働者は単なるプロンプト書きではありません。AI の上司です。具体的には:
- AI に業務を渡す(委譲設計)
- AI の出力を評価(評価設計)
- AI を改善する(再学習・プロンプト更新)
- AI から業務を取り戻す(範囲縮小判断)
5.2 採用 JD
募集職種: AI協働ディレクター(EC)
業務:
- AI エージェントへの業務委譲設計と監督
- 業務 → プロンプト → 評価 → 改善サイクルの運用
- AI 出力の品質基準策定と監視
必須:
- LLM(Claude/GPT)を業務で運用した経験
- SQL 読解、Spreadsheet/Notion 中級
- 「業務を文章化する」能力
- 人間と AI の判断を切り替える判断力
歓迎:
- EC 事業/D2C での就業経験
- 評価指標(eval)設計の経験
- データ分析・統計の素養
評価:
- 業務委譲率(上げる)
- AI 出力の品質スコア(維持/向上)
- 月次の改善提案件数
5.3 採用が難しいときの代替案
社内の中堅 EC 担当 + 外部AIコンサル(月8時間)の組み合わせも有効です。完全外注は避けてください(ノウハウが残らないため)。
6. AI に任せる業務 / 任せない業務
6.1 任せていい業務(高リターン)
- 商品原稿の下書き(AIOMAX)
- AI ペルソナ診断(CROMAX)
- 自由記述のクラスタリング(VOCMAX)
- コホート分析の自動集計(LTVMAX)
- 検索クエリの regex 抽出
- 競合価格の取得・比較
- メール文面の下書き
6.2 任せてはいけない業務(高リスク)
- 最終承認(承認は必ず人間)
- 法務的判断(薬機法・景品表示法など)
- 顧客との直接対話(クレーム対応など)
- 価格・在庫の最終決定
- ブランドガイドラインの設計
- 採用判断
- 戦略意思決定
6.3 段階的に任せる業務(検証必要)
- レビュー返信(高評価のみAI、低評価は人間)
- 営業初回対応(FAQ的なやりとりはAI、深い質問は人間)
- 内部問い合わせ対応(社内Wiki検索はAI、未文書化は人間)
7. 業務委譲のサイクル
[1. 業務を文章化]
・業務名 / 入力 / 出力 / 失敗パターン / 評価基準
↓
[2. プロンプト作成]
・Few-shot で 5-10 件の良い例を組み込む
↓
[3. テスト]
・100件を人間が事前作成、AIが処理、一致率を測る
↓
[4. パイロット]
・本番の 5-10% を AI に流し、人間が全件レビュー
↓
[5. 拡大]
・品質スコアが安定したら 50% → 80% → 100% へ拡大
↓
[6. 監視]
・週次で品質スコアと逸脱率を監視
↓
[7. 改善 or 撤退]
・改善 = プロンプト・例の更新 / 撤退 = 人間に戻す
8. 評価サイクル
人間 4 人と AI 4 本の組み合わせは、以下の評価サイクルで回します。
| 周期 | 何をやるか |
|---|---|
| 日次 | AI協働者が AI 出力をレビュー、誤りを記録 |
| 週次 | 体験設計者が AI 出力の最終承認・公開判断 |
| 月次 | 北極星設計者が経営会議で ROI 報告 |
| 四半期 | チーム全体で職務と AI 委譲範囲を見直し |
9. オンボーディング 90 日プラン
30 日(Foundation)
- 環境構築・SSO 設定・権限付与
- 既存ツール棚卸し(何を捨てて何を残すか)
- AI 委譲する業務を 1 領域選定(例: 商品原稿)
- 業務マニュアル → プロンプト変換のパイロット
60 日(First Cycle)
- 第 1 回 AI 出力レビュー(全件)
- 品質スコア 80% 達成を目標
- 月次レビュー会議の枠を確立
- 失敗事例ログを蓄積
90 日(Decision Point)
- AI 出力の人間レビュー率を 50% → 20% に削減
- 次の AI 委譲領域を選定(例: VOC自由記述分析)
- 経営層へ業務効率化レポート(1 枚要約)
/approval-kit/30-60-90 に運用ロードマップのテンプレがあります。
10. 失敗パターンと回避策
10.1 AI出力が承認されないまま積もる
症状: AI生成原稿・改善提案が承認待ちのまま 100 件以上溜まる 回避: 承認フローの簡素化。週次バッチ承認・差分のみレビュー。
10.2 AI協働者の不在
症状: AI を入れたが、誰も改善しない 回避: AI協働者を必ず 1 名以上専任でアサイン。兼任不可。
10.3 過剰な期待
症状: 「AI で生産性 5 倍」 を経営層が期待し、3 ヶ月で失望 回避: 試算で 2 倍が標準を提示。3 ヶ月では失敗の蓄積期間で 1.2-1.5 倍が現実値。
10.4 AI 出力の品質劣化(逆エントロピー)
症状: 半年経つと AI 出力が「だんだんおかしくなった」と感じる 回避: プロンプト更新サイクル(月次)。新しい良い例を Few-shot に追加。
11. 既存組織からの移行
新規ではなく既存の EC 組織を 4-3-2-1 に移行する場合:
Step 1: 既存メンバーの再分類
- 現在のマネージャー → 体験設計者(2 名)
- 現在の中堅 → AI協働者候補(3 名)
- 現在の作業者 → AI協働者候補 or 削減
Step 2: 業務委譲のパイロット
- 1 領域(原稿 / 翻訳 / 分析 / 集計)を AI に渡す
- 1 ヶ月で品質スコアと工数を計測
Step 3: 拡大 or 撤退
- 成功 → 次領域へ
- 失敗 → 業務マニュアル不足が原因のことが多い、文章化に戻る
12. 稟議の通し方
AI 組織化の稟議は最も通しにくい部類です。経営層が:
- 「いまのチームが要らなくなる」 と聞こえる
- 「AI で業務」 が抽象的
- 「効果」 が事前見積もりしにくい
を恐れます。差別化:
- 削減ではなく拡張 を強調(同じ予算で 2 倍のアウトプット)
- 既存メンバーの役割再定義 を明示(削減ではなく登用)
- 90 日マイルストーンで早期に効果測定
/approval-kit の稟議書テンプレに AI 組織化用の節があります。
13. よくある質問
Q. 既存チームとの摩擦は?
「AI で人を減らす」ではなく「同じ人で 2 倍の仕事」 と説明することで多くは緩和されます。それでも一部メンバーには変化への抵抗が出るため、月次1on1 と AI協働者ロールへの自薦機会 を用意します。
Q. AI協働者の評価はどうする?
3 つの軸: 業務委譲率(増やす)/ 品質スコア(維持) / 改善提案件数(月3件以上)。年俸テーブルでは中間管理職以上の評価が現実的です。
Q. 完全リモートでも回りますか?
回ります。AI協働者の業務は文章化が中心なので、リモート相性が良い。MAXsuite 自身もリモート分散運用です。
Q. 50 人以上のEC組織でも適用できますか?
できます。50 人組織なら 4-3-2-1 を部門ごとに展開します(例: マーケ部に 1 セット、CS 部に 1 セット)。
14. 採用の現実
AI協働者の人材は 2026 年時点で圧倒的に不足しています。次の3つで採用を回します。
- 社内登用: 中堅メンバーをAI協働者にロール変更(最速)
- 業務委託: 月 4-8 時間の外部AI 専門家(立ち上げ期に有効)
- 新規採用: JD は上記 5.2 を参考に。年収 600-1,000 万円帯が相場
15. 関連リソース
- /blog/ec-team-4321 — 4-3-2-1 モデル詳細
- /approval-kit/30-60-90 — 90 日ロードマップ
- /approval-kit/failure-cases — 失敗事例
- /blog/category/ai-ops — AI 運用カテゴリ
- /products — AI エージェントとしての MAXsuite 各製品
本ガイドへのご意見・追記要望は /contact よりお願いします。MAXsuite 編集部が四半期ごとに更新します。