現場の手順を伺って、
それに合わせて作ります。

実際に整理したルールの例

• 止める止める条件を先に決める必須項目の空欄、申請番号の重複は書き込まずに差し戻す。決裁上限を超える申請は登録はするが「承認待ち」で止め、完了にしない。
• 線を引く載せないものを決めるワークフローを通らない支払いは無理に乗せず、シートへ直接記入する運用として線を引く。全部を自動化しようとすると、例外の処理で誰も触れなくなります。
• 入口で書式の差は入口で吸収する部署ごとに書式の違う一次情報を、統合する側で直すのではなく、申請フォームに入る時点で揃える。白紙から打ち直させない。
• 知らせる失敗を通知するエラーは握りつぶさず、チャットへ通知して人が気づける状態にする。並行運用の期間を置いてから切り替える。

AIに任せたほうが早い処理には、AIを組み込む

書類の読み取りや分類のように、ルールで書き切れない処理にはAIを使います。受発注デモでは、請求書PDFの読み取りを「Google ドライブのOCR（GASの雛形）」と「お客様ご自身の APIキーで Claude が読む方法」から選べるようにしました。どちらも、読み取った内容は人が確かめてから受け付け、照合の規則は変えません。

定時に起動してデータを収集し、AIに渡して構造化した結果を配信する無人の仕組みを、個人のプロジェクトで運用しています。構造化出力のスキーマ設計、プロンプトキャッシュによるAPI費用の最適化、定時実行への統合まで含めて設計した経験があります。複数のエージェントを並列で走らせ、結果を多段で検証させる構成も組んでいます。

すでにAIで作られた仕組みを引き継いで、エラーの原因調査、プロンプトと処理内容の改善、業務の変更に伴う設定変更を行う保守側の作業も対応できます。中身がGASでも、Python でも、ノーコードのツールでも、まず読んで、どこで何が起きているかを把握するところから始めます。

どちらが向いているかは、処理の性質で決まります。「本当にAIが必要な処理かどうか」の切り分けから、ご相談に乗れます。