NetSuite内のガバナンス下のAIワーカー：すべての書き込みに人による承認ゲート

課題

財務・オペレーション部門のリーダーはすでに生成AIを試しており、チャットボットのプロトタイプも手元にありましたが、いずれも本番稼働には至りませんでした。その理由は十分に知られています。言語モデルに勘定残高、税コード、在庫評価額を推測させることは許されません。数千件の取引明細をコンテキストウィンドウに送り込めば、予算を使い果たし、精度もぶれます。そして、ガバナンスのないエージェントに総勘定元帳への書き込み権限を与える監査委員会はありません。必要だったのはより賢いモデルではなく、どのモデルでも統制のもとで作業できる仕組みでした。

実施内容

DataOngoingのエージェント型ERPフレームワークであるAissistorを、既存のNetSuiteロールに対して2週間のスプリントで導入しました。中央のルーターが、AP照合、GLのマージン流出検出、保存済み検索の監査、契約の検査という専門ワーカーに作業を振り分けます。各ワーカーは、正式なModel Context Protocolツールを通じてのみ動作します。パラメータ化された読み取り専用クエリにはexecute_suiteql、構造の取得にはget_record_schema、元帳を変更しうる処理にはpropose_transaction_draftを使います。読み取りはNetSuiteに直接行われます。書き込みはステージングされたレビューで止まり、買掛金の責任者がハイライトされた差異を確認して承認をクリックした後に、レコードが確定されます。

この図はワークフロー設計の一つであり、統制ポイントと関連するエビデンスを含みます。

仕組みの概要

1. 自由記述ではなくツール呼び出し

   顧客残高を確認する際、ワーカーはパラメータ化したクエリで execute_suiteql を呼び出し、NetSuite のテーブルから構造化された行を受け取ります。モデルは、自らが生成していないデータを要約し、異常を指摘します。回答に含まれるすべての数値は、いずれかの行にさかのぼって確認できます。

2. 人が介在する財務ガードレール

   ワーカーは、5,000件の発注書を監査して14件の重複ベンダー請求書を見つけたり、OCRスキャンからベンダー請求書案を作成したりできますが、いずれも確定はできません。下書きは差異を強調表示した確認用モーダルに表示されます。承認者が承認すると、NetSuite はその承認者のロールでレコードを書き込みます。

3. サブエージェントへの分解

   1つのプロンプトでERPの課題は解決しません。リサーチエージェントが取引メモ、ベンダー契約、支払履歴を収集し、フォレンジックエージェントがGL配賦とマージン率を分析し、ドキュメント作成エージェントがレコードへの監査リンク付きで取締役会向けサマリーをまとめます。

結果

この事例から得られる示唆

1. ガバナンスのあるツールを持たないAIは負債になります

   スクレイパーや権限のないデータベースドライバーを通じて、モデルを ERP に接続させてはいけません。ロールベースのトークンと、監査可能な読み取り/書き込みの境界を備えた、正式な MCP インターフェースを必須としてください。

2. 目的は人ではなく、管理上の負担を取り除くことです

   経験豊富な会計担当者が取り組むべきは資金戦略の分析であり、スキャンしたPDFから12桁の請求書番号を入力することではありません。入力はワーカーが行い、判断は人が行います。

3. 決定論的なアーキテクチャはモデルの大きさに勝ります

   的確なSuiteQLツールを備えた規律あるモデルは、推測で動くはるかに大規模な汎用モデルを上回ります。ガバナンスこそが機能です。

複合的な振り返りです。クライアントは典型例として示しており、数値は仕組みを説明するためのものです。関連: 現場から元帳へのデバイス・ドキュメント自動化