リコーとアジアクエスト、AIと基幹システムの連携を実証

ニュースの要点

アジアクエストは2026年10月19日、リコーと共同で、AIエージェントと企業の基幹システムを連携する実証実験を始めたと発表しました。

アジアクエストのAIアクセス基盤「GAIA」、リコーが社内運用するAIプラットフォーム、自己改善型AIエージェントを組み合わせます。まず接続を確認し、活用する業務を探した後、特定の基幹システムにつないで有効性を検証する計画です。対象業務や導入効果、商用提供時期は未公表です。

社内の重要データを扱うAIの活用を進めるため、アクセス制御や操作の管理を備えた環境を検証します。アジアクエストは、実証で得た知見を企業向け支援サービスへ体系化する方針です。

ニュース出典：アジアクエスト、リコーとAIエージェント×基幹システム連携の共同実証実験開始（発表主体の公式発表、2026年10月19日）。ニュース部分は原文の転載ではなく、内容に基づく要約です。

イノベーション総研の考察

チャットで答えるAIと、社内システムを動かすAIの違い

文章を作るAIと、顧客情報や案件情報を扱って業務を実行するAIでは、失敗した時の影響が違います。基幹システムには事業に重要な情報があるため、便利さだけを理由に広い操作権限を渡すことはできません。

AIが何をできるかに加え、誰の権限で、どの情報を使い、どこまで操作してよいかが実用化の前提になります。

今回、GAIAがアクセス状況の監視や権限管理を担い、リコーの基盤が認証や言語モデルの利用管理を支えると説明されています。生成機能と管理機能を組み合わせ、社内業務に接続するための課題を扱っている点が重要です。

接続してから用途を探す実証で、決めておきたいこと

発表では、3要素の動作確認、具体的な活用シーンの探索、特定業務での検証という段階が示されています。現時点で、どの業務で何時間削減できたという成果を発表したものではありません。

システムがつながった時点と、業務として任せられる時点を分けることが、実証の出口を見失わないために必要です。

用途を広く探す初期段階では、候補業務を増やすだけでなく、操作の誤りが許される範囲、承認者、手作業へ戻す方法を決める必要があります。これはイノベーション総研の検討視点です。今回、これらの運用条件がすべて決定済みとは公表されていません。

手順を覚えるAIでは、改善の速さと変更管理を両立する

リコーがカスタマイズしたエージェントは、実行した作業手順を蓄積・再利用すると説明されています。同じ仕事を繰り返す際の効率向上が期待される一方、誤った手順を繰り返さない仕組みも必要になります。

手順を再利用する仕組みは、誰が変更を確認し、問題時にどの版へ戻すかと一緒に評価すべきです。

AIが学んだように見えても、その手順が別の部署や例外処理に適用できるとは限りません。判断に使った情報、実行内容、承認履歴を追えるか、正常な作業と例外を分けられるかが、継続利用の条件になります。今回の詳細な評価方法は未公表です。

自社の第一歩は、効果が測れ、失敗を戻せる業務を選ぶこと

AIの全社展開を目標にすると、最初から多くのデータやシステムをつなぎたくなります。しかし、何を改善したいかが曖昧なままでは、接続の成功しか測れません。まずは開始と終了が明確な一つの業務を選ぶ方法が考えられます。

作業時間の短縮だけでなく、人の確認や修正にかかる時間まで含めて、任せる価値を比べます。

次に確認したいのは、実証対象の業務、権限の範囲、エラーや人への引き継ぎの扱いです。アジアクエストは知見を支援サービスへ体系化する方針も示しています。個社の試行を、別の企業でも使える手順と費用にできるかが事業上の観測点になります。

担当者の方が実証の判断基準を定める際には、処理の速さに加えて、権限外の操作を止められたか、必要な承認を飛ばさなかったかを含めるとよいでしょう。単に作業が完了しても、社内のルールを守れていなければ、その業務を任せ続けることはできません。

また、成功した定型作業だけでなく、入力が不足した場面や、途中で依頼内容が変わる場面も用意する必要があります。どの時点で人へ引き継ぐかが決まっていれば、AIに任せる範囲を限定しながら実用化できます。広い業務を一度に自動化するより、権限と結果を追える範囲を確実に増やす方法が考えられます。

まとめ

両社の実証は、AIを基幹システムへ接続し、管理された範囲で業務を任せるための取り組みです。導入効果はまだ未公表です。新規事業の担当者は、AIの機能一覧より、操作権限と例外対応を含む一つの業務で価値を確かめる考え方を参考にできます。