AIエージェントを社員にしてみた【第4部】Slackから指示が飛ぶ — 集合知の仕組み
「特定の人だけが使えるAI」の問題
AIツールの導入でよくある失敗パターンがある。
導入を推進した担当者だけが使いこなしていて、他のメンバーはほとんど触っていない。理由はいくつかある。使い方がわからない、プロンプトの書き方を知らない、そもそもログインの仕方がわからない。
結果、「AIを使える人」と「使えない人」の間に情報格差が生まれる。AIが持っている知識や分析結果が、特定の個人に閉じてしまう。
これでは組織としてのAI活用とは言えない。
我々が目指したのは、チームの誰もが自然にAI に仕事を振れる状態だ。
---
@メンションが「すべて」のインターフェース
操作方法は極めてシンプルだ。
Slackで `@Atsumellくん` とメンションして、やってほしいことを書く。それだけ。
「今月の営業データをまとめて」
「来週のミーティングの議題を整理して」
「このサービスについて競合調査して」
「ブログ記事を書いて」
特別なコマンド体系はない。プロンプトエンジニアリングの知識も不要だ。普段の会話と同じ言葉で指示を出せる。
ここがSlackをインターフェースにした最大の利点だ。新しいツールの使い方を覚える必要がない。Slackでメッセージを送れる人なら、誰でもAIエージェントに仕事を振れる。
入社初日の新メンバーでも、5分で使い始められる。
---
チャンネルが「コンテキスト」になる
Slackにはチャンネルという概念がある。営業チャンネル、開発チャンネル、全社チャンネル。この構造がAIエージェントにと って天然のコンテキスト管理になる。
営業チャンネルでAIに質問すれば、営業の文脈で回答が返ってくる。開発チャンネルで同じ「進捗を教えて」と聞けば、開発プロジェクトの進捗が返ってくる。
人間が「今は営業の話をしているんだけど」と前置きする必要がない。チャンネルがそのまま文脈のフィルターになる。
さらに、スレッド（返信の連鎖）が会話の文脈を保持する。長い議論の途中でAIに質問しても、スレッド内の会話を踏まえた回答が返ってくる。
---
「○○を自動化して」で定期タスクが生まれる
面白い機能の一つが、自然言語での自動化指示だ。
「毎朝8時にブログ記事を1本書いて」
「毎週月曜にアクセスレポートをまとめて」
「毎日、検索エンジンのインデックス状況をチェックして」
こう指示すると、AIエージェントは定期タスクとして自動登録する。翌日からは人間が何も言わなくても、指定した時間に自動で実行される。
通常、業務の自動化にはエンジニアが自動化スクリプトを書き、cronやスケジューラーを設定し、エラーハンドリングを実装する必要があ る。我々の場合、Slackで一言伝えるだけで自動化が完了する。
もちろん、「やっぱりやめて」と言えば解除できるし、「頻度を週1に変えて」と言えば変更される。
---
複数エージェントの「チームワーク」
第2部でも触れたが、我々は複数のAIエージェントを同時に稼働させている。
なぜか。人間のチームと同じ理由だ。1人に全部やらせるより、専門分化した方がパフォーマンスが出る。
現在の構成：
- 汎用エージェント — コンテンツ作成、リサーチ、社内業務全般を担当
- 営業特化エージェント — 顧客データの管理、フォローアップ、案件整理を担当
それぞれが独立した記憶（MEMORY.md）と目標（GOALS.md）を持っている。専門領域に特化することで、応答の精度が上がる。
面白いのは、エージェント間の連携もSlack上で行われることだ。
汎用エージェントが営業データに関する質問を受けると、「これは営業特化エージェントの方が詳しい」と判断して、Slack上で営業エージェントにメンションを飛ばす。人間のチームで「これ、営業の担当者に聞い た方がいいよ」と振るのと同じ構図だ。
連携は人間から見ると完全に透明だ。誰に聞いたかは見えるが、特別な操作は必要ない。
---
OODAループ：指示がなくても動くAI
第2部で紹介したOODAループ（Observe → Orient → Decide → Act）を、もう少し実運用の観点から掘り下げる。
このループは数時間おきに自動で回る。人間が寝ている間も、ミーティング中も、休暇中も。
典型的な1サイクルの例：
AIが自動でGOALS.mdを読み込む。「サイトのオーガニック流入を増やす」というKPIがある。現在値をアクセス解析ツールから取得する。目標値との差を計算する。
「ブログ記事の作成」がKPIに紐づくToDoとして登録されている。優先度が高く、承認不要のタスクだ。AIは自律的に記事のテーマを選定し、執筆し、レビュー用のPRを作成する。
完了したら、GOALS.mdのToDoにチェックをつけ、進捗率を更新し、GitHubにプッシュする。Slackに「記事を1本作成しました」と報告する。
このサイクルが繰り返されることで、人間が介入しなくても、KPIに向かって少しずつ前進し続ける。
ここで重要なのは「報告」だ。
AIが勝手に動くだけでは、人間は不安になる。「何をしているかわからない」は信頼を損なう。
我々のAIエージェントは、OODAループの結果を毎回Slackに報告する。何を観察し、何を判断し、何を実行したか。人間はSlackを見るだけで、AIの行動を把握できる。
---
承認フローの実際
第2部で承認フローの概念を紹介したが、実際にどう動くかを具体的に書いておく。
AIエージェントがメールを送信しようとする場面を想像してほしい。
- AIが「このフォローメールを送るべきだ」と判断する
- メール送信は「承認必要」に分類されている
- AIはSlackで「承認お願いします：○○宛にフォローメールを送信してもいいですか？」と投稿する
- メールの下書き内容も添付される
- 人間が内容を確認し、OKを出す
- AIがメールを送信する
承認しなければ、AIは実行しない。修正指示を出せば、AIは下書きを修正して再度承認を求める。
この仕組みにより、「AIが勝手にクライアントに変なメールを送ってしまった」という事故を防げる。
逆に、情報の検索やレポート作成など「承認不要」のタスクは、AIが自律的に完了してSlackに結果を投稿する。人間は結果だけ見ればいい。
この「自律」と「承認」のバランスが、AI社員の信頼性を決める。
全部自律にすると暴走リスクがある。全部承認にすると指示待ちAIに戻る。業務の性質に応じて線引きをすることが重要だ。
---
集合知としてのAI
ここまで読んで気づいた方もいるかもしれないが、このシステムの本質は「AIが賢い」ことではない。
チームの全員がAIに情報を与え、AIがそれを統合して活用する。 これが「集合知」の意味だ。
営業メンバーが「この案件、こういう経緯で進んでいる」とAIに伝える。開発メンバーが「このツールはこういう制約がある」とAIに伝える。代表が「来月からこの方針で行く」とAIに伝える。
AIはこれらの情報をMEMORY.mdに蓄積し、GOALS.mdで目標と紐づけ、SOUL.mdの判断基準に沿って行動する。
結果、AIは「チーム全体の知識を持った存在」になる。個人の知識の枠を超えて、組織横断的な判断ができるようになる。
「先月営業が聞いた競合の話」と「 開発チームが検証した技術的な知見」を組み合わせて、より良い提案書を作れる。人間の誰か1人では持っていない、チーム全体の知識を活用できる。
---
「会話」がそのまま「ナレッジ」になる
もう一つの副次的な効果がある。
通常、ナレッジマネジメントは「ドキュメントを書く」という追加作業が必要だ。Confluenceにまとめる、Notionに書く、Wikiを更新する。面倒なので、みんなやらない。結果、ナレッジは個人の頭の中に閉じる。
我々のシステムでは、Slackでの日常会話がそのままナレッジになる。AIがチャンネルの会話を観察し、重要な情報を自動でMEMORY.mdに記録するからだ。
「このクライアントはこういう技術スタックを使っている」と誰かがSlackで言えば、AIが記録する。次にそのクライアントの話題が出たとき、AIはその知識を前提に応答する。
ドキュメントを書く手間ゼロで、組織のナレッジが蓄積されていく。
---
第4部のまとめ：AIは「個人のツール」から「組織のインフラ」になる
この第4部で伝えたかったのは、AIエージェントの価値は「個人の生産性向上」だけではないということだ。
- @メンションで誰でもAIに指示を出せる → 使う人が限定されない
- チャンネルが自然にコンテキストを管理する → 文脈の切り替えが不要
- 定期タスクを一言で自動化できる → エンジニアリング不要の自動化
- 複数エージェントが専門分化して連携する → 人間の組織と同じスケーリング
- OODAループで自律的に動く → 指示がなくても進捗する
- 承認フローで暴走を防ぐ → 信頼できる自律性
AIが「チームの一員」として機能するためには、特定の個人に閉じず、組織全体がアクセスできるインフラとして設計する必要がある。
次の第5部では、話題のOpenClawなど汎用AIエージェントフレームワークとの違いを整理する。「すでに契約しているサブスクリプションを使い回せる」という我々のアプローチの、具体的なメリットとデメリットを正直に書く。
---
*この記事は「AIエージェントを"社員"にしてみた」シリーズの第4部です。*
- 第1部: なぜ社内にAIを"常駐"させたのか
- 第2部: Slack × Claude × GitHub — アーキテクチャ概要
- 第3部: AIが会社を"理解する"仕組み
- 第4部: Slackから指示 → AIが自律実行 — 集合知の作り方（本記事）
- 第5部: OpenClawとどう違うのか
- 第6部: 実際に何が自動化できたか — 導入のインパクト
- 第7部: 中小企業がAIエージェントを導入するためのロードマップ
---
*株式会社Atsumellは「つくりたいものがある人の、AI開発パートナー」として、要件定義から設計・開発まで、AIネイティブな体験で伴走します。AIエージェントの構築についてのご相談は、お問い合わせフォームからお気軽にどうぞ。*
