なんでもCopilot: Copilot CoWork — AIエージェントを業務プロセスに組み込む設計論
まつにぃ（株式会社エクスプラザ AIリードプロデューサー）が2026年5月20日に公開した SpeakerDeck スライド資料「Design Note」シリーズ。Copilot CoWork / Copilot Studio を「便利な補助ツール」から「業務プロセスの一部」へ移すための設計論を24スライドにわたって体系化している。
全体構成（6セクション）
| セクション | テーマ |
|---|---|
| 1. AI Agents at Work | AIエージェントが実務に入る感覚・実際に処理できる6業務 |
| 2. Copilot CoWork / Studio | 製品概要・ビルトインスキル・実行フロー・Custom Skills |
| 3. Workflow Design | 業務設計の本質・タスク分解・スキル設計7要素 |
| 4. Information State | 社内情報の確定/未確定分類・メタデータ管理 |
| 5. Tool Routing | 4ツールの使い分け基準 |
| 6. Operations | 評価・ログ・コスト管理・Hooks の活用 |
セクション1: AIエージェントの実務
AIが処理できる業務領域として以下の6つが挙げられている：
- メールを確認する
- Slackから依頼事項を抽出する
- 議事録からタスクを整理する
- 商談前に関連資料を集める
- 提案資料の初稿を作る
- 日程調整の下書きを作る
著者自身は Notion AI のカスタムエージェントで4段のエージェント処理パイプラインを運用中：
0１ 抽出 → 02 Inbox → 03 分類 → 04 実行
- 抽出: メール/Slack/社内ドキュメント/PMツールから担当依頼を抽出
- Inbox: 即時実行 / 前提整理 / 関係者調整に振り分け
- 分類: 実行可能なものはタスクリストへ。調整要はタグ付きバックログへ
- 実行: 下書き作成・日程候補・仮予定登録・Slack通知まで進める
セクション2: Copilot CoWork / Studio
Copilot CoWork の概要
「答える Copilot」から「実行する Copilot」へ
| 項目 | 内容 |
|---|---|
| リリース | 2026年3月 Wave 3 発表。Frontier preview で先行提供 |
| モデル | Claude 4.6 / Opus 4.7（Anthropicとの提携）。Auto Mode も選択可 |
| 範囲 | M365全体（Outlook / Teams / Word / Excel / PPT / SharePoint）を横断 |
| 振る舞い | Plan → 実行 → 承認。outcome を伝えると plan を立て、checkpoint で確認を取る |
13個のビルトインスキル
Word / Excel / PowerPoint / PDF / Email / Scheduling / Calendar Management / Meetings / Daily Briefing / Enterprise Search / Communications / Deep Research / Adaptive Cards
各スキルは「依頼を理解 → 必要データ収集 → 出力作成」の1ドメイン完結ワークフロー。会話中にアクティブなスキルがサイドパネルに表示される。
実行フロー（HITL設計）
01 伝える（自然言語で outcome）
→ 02 計画（Work IQ で M365 信号を集約 → plan化）
→ 03 実行（必要スキルをロードしてバックグラウンド実行）
→ 04 確認（リスクレベル付きで承認を求める）
→ 05 完了
不可逆な操作（メール送信・Teams投稿など）の手前で必ず停止し、リスクレベルを提示して承認を求める。
Custom Skills の設計
組織・チーム・個人の標準やプロセスを自然言語（md形式）で記述し、参照アセット（OneDrive/SharePoint上のファイル）に紐付けてカスタムスキルを定義できる。
作成手順：
- 目的を書く（いつ起動し、何を返すか）
- 手順を自然言語で記述する
- 参照する資料・テンプレートを紐づける
- 承認が必要なアクションを指定する
- テスト → 公開（個人 / チーム / 組織）
紐づけるアセット：テンプレート（Word/PPT/Excel）/ 文書（業務手順書・FAQ）/ データ（SharePoint/OneDrive）/ ルール（承認条件・トーン・出力フォーマット）
スキルの作り方（鉄板パターン）
まず一緒にやって、Skillにする
- 並走する — 自分が手を動かしながら、エージェントに横でやらせる
- 型を抜き出す — 会話履歴を素材に「何を見て / どう判断したか」を言語化
- Skillに固定 — 「じゃあこれをSkillにして」で型を固定
スキルによるAIオンボーディング
Skillを実際の業務プロセスに紐づければ、新メンバーの研修と同じ感覚でAIが組織に組み込まれていく。
推奨フォルダ構成（OneDrive / SharePoint）
/AI-Operations/
├─ Skills/
│ ├─ SalesPrep/ ← 商談準備
│ ├─ MailDraft/ ← 返信下書き
│ └─ WeeklyReport/ ← 週次レポート
├─ Templates/ ← Word / PPT / Excel
├─ References/ ← 確定 / 未確定 を分離
├─ Outputs/ ← Inbox / Task / Backlog
└─ Logs/ ← 実行ログ・修正履歴
各スキル直下に skill.md / templates/ / references/ / examples/ を配置。
セクション3: 業務設計の本質
本当の難しさ
AIの性能そのものではない。難しいのは、業務をAIが処理できる単位に分解し、参照すべき情報・判断基準・確認条件・評価方法を設計すること。
タスク分解（6処理分解）
「タスク整理」という大きな指示を以下の6処理に分解する：
| # | 処理 | 内容 |
|---|---|---|
| 01 | 抽出 | メール・Slackから担当者明示の依頼事項を抽出 |
| 02 | 分類 | 返信必要 / 期限あり / 確認のみ等に分類 |
| 03 | 登録 | Inboxに登録、即時実行 vs 前提整理に分岐 |
| 04 | 判定 | 別エージェントがタスクリストを確認・実行条件確認 |
| 05 | 下書き | Gmailの下書き・カレンダー候補日時・仮予定登録 |
| 06 | 通知 | 処理完了後 Slack / Notion に確認依頼を通知 |
スキルが明文化する7つの判断
- 参照 — どの情報を参照するのか
- 信頼 — どの情報を信頼してよいのか
- 仮説 — どの情報は仮説として扱うのか
- 自動 — どの条件なら自動処理してよいのか
- 確認 — どの条件なら人間の確認が必要か
- 成果 — どの形式で成果物を作成するのか
- 評価 — 作成後に何を基準に評価するか
セクション4: 情報の状態管理
確定情報 vs 未確定情報
| 種別 | 例 | 扱い |
|---|---|---|
| 確定情報 | 売上実績・契約情報・請求金額・納期・担当者名 | 事実として参照してよい |
| 未確定情報 | 営業所感・顧客の温度感・検討中の提案・未承認施策案 | 仮説として扱うべき |
メタデータが無いと、AIは古い情報や未承認情報を根拠にしてしまう。
ドキュメントメタデータの8要素
状態 / 時点 / 作成者 / 承認者 / プロジェクト / 使用工程 / 公開範囲 / 有効期限
セクション5: ツールの使い分け
| ツール | 使いどころ |
|---|---|
| Copilot CoWork | 業務フロー未確定。自然言語で試行・検証する段階 |
| Copilot Studio | 処理手順が見えてきた業務をフローとして設計 |
| Power Automate | 条件分岐・通知・登録など実行内容が固定された処理 |
| Script / Rule | 形式チェック・数値検証など判定基準が明確な処理 |
判断基準5ルール：
- 未確定 + 自然言語 → Copilot CoWork
- 手順可視化 → Copilot Studio で設計
- 固定実行 → Power Automate
- 明確な判定 → スクリプト
- 自然言語判断（文脈理解・情報統合・初稿作成） → Copilot CoWork
セクション6: 運用と改善
評価の6観点
- 正しい情報を根拠にしているか
- 古い / 未承認の情報を参照していないか
- 担当者と期限を正しく抽出できているか
- 承認が必要な処理を自動実行していないか
- そのまま確認できる品質になっているか
- コストが削減時間や成果に見合うか
ログの7項目
いつ実行されたか / どのスキルが使われたか / どのファイルを参照したか / どのモデルを使ったか / コスト / 人間がどの箇所を修正したか / エラー内容
コスト最適化
- 毎回同じ修正 → 参照や出力形式を見直す
- 分類誤り → 分類ルール・タグ設計を修正
- 高コスト工程 → 軽量モデルへ置換
- 回帰 → ログから原因工程を特定
処理ごとに必要なモデル性能を階層化：判断/文章生成 → 上位モデル、定型処理/形式チェック → 軽量モデル
Hooks の活用
Claude Code Hooks に着想を得た自動検証パターン：
- AI処理完了をトリガーに、ログ記録・形式チェック・追加検証を自動実行
- プロンプト挿入時Hook例：「該当するSkillがある場合は、それで実行してね」を毎回自動挿入 → Skillsの実行率が向上
PowerPoint生成時の5チェック例：
- 文字のはみ出し
- 必須項目の欠落
- 画像の配置
- スライド枚数
- フォーマット一致
核心メッセージ
AI導入ではなく、業務設計が成果を決める
- 業務を、AIが処理できる単位に分解する
- 社内情報の状態を、メタデータで管理する
- スキルを設計し、判断基準を明文化する
- 評価とログで、改善できる仕組みを持つ
- エージェント / ワークフロー / スクリプトの分担を決める
関連ページ
- まつにぃ（著者）
- Microsoft 365 Copilot（Copilot CoWork が統合する M365 製品群）
- Copilot Studio（業務フロー設計用ツール）
- AIエージェントワークフロー設計（本スライドの核心概念）
- HITL（Human-in-the-Loop）（不可逆操作前の人間承認パターン）
- Claude Code Hooks（本スライドのHooks概念の参照元）
- 生成AI活用（企業・ビジネス）