Emergent Wingmanが生成AIで業務自動化をどう変える

非エンジニアが業務アプリを使いこなす現場で起きる変化

朝の時点で、受信トレイには50件以上の依頼が積み上がり、営業、経理、総務の確認が同時に走る。あなたの会社でも、こうした「細かいが止められない仕事」を人手でさばいている場面はないだろうか。Emergentが公開したWingmanは、まさにその穴を埋めるAIエージェントです。Wingmanは、日常業務で使うアプリを読み取り、必要に応じて操作し、自律的にタスクを進めます。市民開発者、つまりプログラマーではない現場担当者が自分で業務アプリを作る流れは、ここで「作る」だけでなく「動かす」局面に入りました。

私がこのニュースを重要だと見るのは、vibe-codingの次に来る論点が、コード生成ではなく業務実行だからです。コードを書けるかどうかより、現場が毎日使うアプリ群を1つの流れにまとめ、繰り返し作業をAIへ委ねられるかが勝負になります。Emergentの発表では、同社製品を190カ国の800万人の創業者が使ってきたとしています。800万人という数字は利用者規模の大きさを示し、もはや実験段階ではなく運用段階に近いことを意味します。日本でも、ノーコードやローコードを使ってきた担当者が、次に何を求めるかという問いに直結します。

Wingmanの機能設計と「trust boundaries」の意味

Wingmanの特徴は、単に「AIが操作する」だけではありません。Emergentは、人間の承認が必要な操作と、承認なしで進めてよい操作を分けています。この境界線を同社は「trust boundaries」と呼びます。データの修正や削除、複数人へのメッセージ送信のようなリスクの高い処理は、AIが勝手に進めず、オペレーターの許可を待ちます。この設計は、便利さを優先して暴走を許す方式とは正反対です。私はここに、実務向けAIエージェントの本質が出ていると受け止めました。

対応アプリも具体的です。WingmanはWhatsApp、Telegram、iMessageを読み取りながら動作し、メール、カレンダー、CRM、GitHubと標準接続できます。外部連携の追加はintegration hubから行えますが、API呼び出しや鍵交換のような手作業を前面に出さずに済む点が強みです。つまり、非技術者でも「どのアプリをどうつなぐか」を細かく覚えなくてよい設計です。さらに、短期的な文脈を保持する「window of persistence」があるため、同じ依頼を毎回言い直さずに済みます。短期文脈保持は、前回の指示を次回へ持ち越す仕組みで、現場にとっては入力コストの削減を意味します。

料金は月額20ドルと200ドルの2段階で、上位プランほど本格利用を意識した構成です。20ドルは試用の入り口、200ドルは業務利用の初期投資と読むべき価格帯です。さらに、ChatGPTとAnthropicの最新モデルを選べるほか、コストを抑えるためにEmergent独自のAIインスタンスも選択できます。モデル選択の自由度は、単なる機能差ではありません。推論品質、応答速度、費用の3要素を案件ごとに切り替えられることを意味します。EmergentのMukund Jha CEOは「誰でもバックグラウンドで働くチームを持てる」と述べていますが、この言葉は誇張ではなく、業務分担の再設計そのものです。

ただし、同時に見落としてはいけない点もあります。元記事は、こうした自動生成ソフトウェアの安全性や保守性には疑問が残ると指摘しています。私はこの指摘を軽く扱うべきではないと考えます。AIが作ったアプリは、見た目が整っていても、保守、再現性、監査の面で弱さを抱えます。読者が実務で導入するなら、動くかどうかだけでなく、誰が止めるのか、誰が責任を持つのかまで先に決める必要があります。

日本企業が明日から見直すべき業務自動化の順序

日本企業にとっての示唆は明確です。まず、AIエージェントを「便利な自動返信ツール」として小さく使う段階から、「承認付きで業務を進める実務担当」として設計し直す必要があります。特に、営業の一次対応、日程調整、問い合わせ整理、軽微なCRM更新のような業務は、Wingman型の仕組みと相性が高い領域です。これらは1件ずつは小さいのに、全体では大きな工数を食います。そこを削れるかどうかで、現場の体感は一変します。

一方で、社内導入ではアプリ連携の「速さ」よりも、権限設計の「厳しさ」が重要になります。たとえば、メッセージ送信とデータ削除を同じ権限で持たせれば、事故の入口になります。そこで必要なのが、業務フローごとに承認段階を分ける運用です。日本の情報システム部門は、これまでRPAやiPaaSで個別連携を積み上げてきましたが、WingmanのようなAIエージェントはその延長線上に置くだけでは足りません。会話で依頼し、AIが複数アプリをまたいで動く以上、ログ、承認、ロールバックの仕組みを最初から組み込む必要があります。現場担当者の中には「そこまで厳しくすると使いにくい」と感じる人も多いはずです。しかし、ここを緩くすると、導入後に一気に信頼を失います。

また、GeminiやGPT-5、ClaudeのようなLLMを業務に載せる際も、モデル性能だけで比較してはいけません。どのモデルを使うか以上に、どの操作をAIに許可し、どの操作を人手に残すかが成果を分けます。私は、日本企業の勝ち筋は「全部を自動化する」ことではなく、「事故が起きない範囲で自律化する」ことにあると見ます。

市民開発は次に「実行責任」を問われる局面へ

Wingmanの登場で、市民開発は完成形に近づいたわけではありません。むしろ、ここからが本番です。アプリを作れる人が増えるほど、実行時の責任設計が問われます。短期的には、現場部門が小さな業務アシスタントを自前で持つ動きが広がりますが、同時に、情報管理部門は権限統制と監査の標準化を迫られます。便利さと統制の両立を実装できた企業だけが、この波を業務改善として定着させます。