生成AIオーケストレーションとは？仕組み・実行パターン7種・導入手順を解説

生成AIの活用が「チャットで回答を得る」段階から「一連の業務プロセスを自動実行する」段階へと進化する中、注目を集めているのが「生成AIオーケストレーション」です。

本記事では、生成AIオーケストレーションの基礎知識から、実行パターン、導入手順、導入時の注意点まで、実務に役立つ視点で詳しく解説します。

🤖生成AIオーケストレーションとは

生成AIオーケストレーションとは、AIエージェントや外部ツール、データソースなどを組み合わせ、タスクの分解や処理の振り分け、結果の統合を行いながら、複雑な業務を進める仕組みのことです。

AIを「指揮」して業務を完結させる仕組み

生成AIオーケストレーションは、オーケストラの指揮者のように、全体の目的（タスク）を達成するために「どのエージェントが」「いつ」「どのツールを使って」動くべきかを管理・実行することを指します。

単にプロンプトを入力して出力を得る「単発のやり取り」とは異なり、長期的なプロセスや動的な分岐を含むワークフローの制御が本質です。

指揮者にあたるオーケストレーターの役割

この仕組みにおいて、中心となるのが「オーケストレーター」です。

ユーザーからの依頼を受け取り、それを実行可能な小さなタスクに分解し、専門性を持った各エージェント（演奏者）に割り振ります。

各エージェントが奏でる音（アウトプット）を統合し、一つの完成された楽曲（最終回答）としてまとめ上げる役割を担います。

連携対象の4要素

オーケストレーションでは、必要に応じて以下のような要素を組み合わせます。

• モデル：ChatGPTやClaude、Geminiなど、特性の異なる複数のLLM。
• データ：社内ドキュメント、データベース、Web上の最新情報。
• システム：SaaS（Slack, Salesforceなど）や自社基幹システムなどの外部API。
• 人：最終的な成果物のチェックや、重要な意思決定を行う承認プロセス（必要に応じてワークフローに組み込みます）。

関連用語との比較

混同されやすい用語との違いを整理すると、以下のようになります。

単体エージェントとの違い

単体エージェントでもツールや外部データを使って複数の処理を実行できますが、タスクが複雑になると、指示や処理の管理が難しくなることがあります。

オーケストレーション構造では、タスクを複数のエージェントや処理に分けることで、役割や処理の流れを整理しやすくなります。

📉生成AIオーケストレーションのメリット

なぜ一つの高性能なAIに任せるのではなく、あえて「オーケストレーション」という複雑なアプローチを取るのでしょうか。

［1］業務プロセス全体の自動化

単発のチャット利用では、人間が「AIの回答をコピペして別のツールに貼り付ける」という橋渡し役を担う必要がありました。

オーケストレーションを導入することで、AIが自ら外部ツールを叩き、データを取得・加工して次のステップへ繋げるため、人間を介さないエンドツーエンドの業務自動化が可能になります。

［2］タスクごとのモデル使い分け

全てのタスクを最高性能（かつ高単価）のモデルで実行するのは非効率です。

「翻訳は軽量モデル」「高度な推論は高性能モデル」といったように、タスクの性質にあわせてモデルを使い分けることで、品質とコスト、処理速度のバランスを調整できます。

［3］コストと速度の最適化

オーケストレーターに「このタスクは単純作業か、高度な判断が必要か」を判断させるステップを設けることで、不要な高コストモデルの利用を抑制できます。

スピードが求められる初期スクリーニングには高速な軽量モデルを使い、重要な最終チェックのみ高性能モデルを当てることで、コストを抑えつつ遅延を抑えることが可能です。

［4］ガバナンス・監査性の向上

複数のAIやツールの実行履歴を、オーケストレーターや監視基盤に集約する設計にすることで、「いつ、どのAIが、どのツールを操作したか」を追跡しやすくなります。

これは企業のセキュリティポリシー遵守や、トラブル発生時の原因究明（トレーサビリティ）において重要な要素となります。

［5］人間による承認の組み込み

AIの判断を100%信頼できない場面において、フローの途中に「人間による承認」を必須ステップとして挿入できます。

AIの利便性を享受しつつ、最終的な責任は人間が負うという「Human-in-the-Loop」の設計が、実務への導入を現実的なものにします。

⚙️生成AIオーケストレーションの仕組み

オーケストレーションが実際にどのように動いているのか、その裏側にあるプロセスと構成要素を解明します。

処理の全体像

一連の流れは「因数分解」に似ています。

• 入力：自然言語による依頼。
• 分解（プランニング）：目的達成に必要な小タスクを特定。
• 振り分け：各タスクを最適なエージェントやツールにアサイン。
• 実行：各エージェントが動作。
• 統合・検証：各結果をまとめ、矛盾や不足をチェック。
• 完了：最終結果の出力、または外部システムへの書き込み。

各ステップの詳細

🛠️ プランニング

複雑な依頼を分解するステップ。AI自身が「今何を知っていて、何が足りないか」を判断します。

🛠️ ツール呼び出し

必要な情報を得るために検索やAPI、DBへアクセスします。

🛠️ 結果統合

複数のエージェントからの断片的な情報を、一貫性のある文章やデータにまとめます。

🛠️ エラー処理と再試行

ツール呼び出しの失敗時には、エラー内容に応じて再試行したり、別の処理へ切り替えたりするエラー処理を実装できます。

構成要素

信頼性を支えるのは以下の要素です。

• オーケストレーター：全体の進行役。
• 専門エージェント：特定タスク（リサーチ、ライティングなど）の担当。
• 共有コンテキスト・メモリ：ステップをまたいで情報を保持する共通の記憶。
• ガードレール：不適切な入力・出力や想定外のツール利用を制御し、実行回数や時間の上限を設定する保護機能。
• ログ・観測性：入力、出力、ツール呼び出し、状態遷移、エラーなどを記録し、デバッグや監査を可能にする仕組み。

🔗生成AIオーケストレーションの設計・運用が重い方へ｜Yoomならノーコードで自動化できます

Yoomなら、プログラミングコードを書かずに、直感的な操作でAIワーカーに業務を任せる仕組みを作れます。

毎日のデスクワーク、
Yoomに任せませんか？

例えば、申請内容から承認ルートを自動で判定し、承認依頼の通知や次の承認者への回付、承認履歴の記録まで、一連の手続きをまとめて処理できます。

「これなら自分でもできそう！」と感じた方は、ぜひ以下からYoomを試してみてください。

稟議・承認ナビゲーター

申請内容をもとに承認ルートを自動判定し、承認依頼の通知や次の承認者への回付、否認時の連絡、完了報告と承認履歴の記録まで一連の手続きをまとめて処理するAIワーカーです。経費精算や購買申請の承認フローを手作業で管理しており、対応漏れや回付の煩雑さを解消したい総務・経理担当の方や、複数の承認ステップがある稟議フローの進捗管理の手間を減らしたいマネージャーの方におすすめです。

試してみる

---

■概要

このAIワーカーは、申請内容をもとに設定されたルール通りに適切な承認ルートを自動で判断します。 承認依頼から次の担当者への引き継ぎ、却下された際の申請者への連絡、最終的な保存・記録まで、一連の流れを全て自動化。社内の承認ルール管理の負担をぐっと減らせます。

■事前準備

AIワーカーが自社のルールに沿って承認ルートを判定できるよう、承認ルール（例：「10万円以上は部長承認が必要」など）をまとめたドキュメントをあらかじめ準備しておきましょう。ドキュメントはGoogle ドキュメントやMicrosoft Wordなど、普段お使いのツールで作成できます。作成したドキュメントをAIワーカーの「スキル」に記載するか、チャット上で直接渡すことで、AIワーカーが内容を読み取って処理に活かしてくれます。
また、承認者となる方を「チームメイト」として事前に設定しておくと、AIワーカーが判断した承認者に対して自動で承認依頼を送ることができます。

■AIワーカーの設定方法

チャットで指示を出すだけで自社の運用に合わせて自動で設定・アップデートされていきます。まずは、AIワーカーが処理を正しく実行できるよう「スキル」と「使用ツール」をカスタマイズしましょう。

• 「スキル」とは：
  AIワーカーが処理を行うための手順書です。詳しい設定方法は「【AIワーカー】スキル（旧マニュアル）の作成方法」をご参照ください。
• 「使用ツール」とは：
  AIワーカーが処理を行う際に使用するツールです。自社で普段使っているツールをAIに指示するだけで、データの取得先や出力先を自由に組み替えることができます。

AIワーカーの基本設定については「【AIワーカー】基本的な設定方法」 でもご確認いただけます。

■注意事項

• AIワーカーの同時実行数・作成可能なAIワーカー数・利用可能なAIモデルはご契約中のプランによって異なります。
• AIワーカー内でご利用いただけるアプリやオペレーション等はフローボットの利用制限と同様です。
• AIワーカーは、テスト実行でも本番実行と同様にタスクを消費しますのでご注意ください。詳細は「【AIワーカー】タスク実行数の計算方法」をご参照ください。

詳細を見る このAIワーカーと働く

X-point Cloudで申請が承認されたら、AIワーカーで内容の妥当性を自動判定する

試してみる

---

■概要

X-point Cloudで申請が承認された後、その内容が妥当かどうかを目視で確認する作業に手間を感じていませんか？ 重要なチェック業務でありながら、担当者の負担が大きく、見落としが発生する可能性も拭えません。 このワークフローを活用すれば、X-point Cloudでの承認完了をきっかけに、AIエージェント（AIワーカー）が自動で申請内容の妥当性を判定するため、確認作業の効率化と精度向上に繋がります。

■このテンプレートをおすすめする方

• X-point Cloudでの申請承認後の確認作業を自動化したいと考えている管理部門の方
• 申請内容のダブルチェックを効率化し、人的ミスを減らしたいと考えている担当者の方
• X-point CloudとAIエージェントを連携させ、より高度な業務自動化を実現したい方

■このテンプレートを使うメリット

• X-point Cloudでの承認後、AIが自動で内容を判定するため、これまで手作業で行っていた確認時間を短縮できます。
• 目視による確認作業をなくすことで、確認漏れや判断ミスといったヒューマンエラーのリスク軽減に繋がります。

■フローボットの流れ

1. はじめに、X-point CloudとSlackをYoomと連携します。
2. 次に、トリガーでX-point Cloudを選択し、「書類（申請）の承認が完了したら」というアクションを設定します。
3. 次に、オペレーションでX-point Cloudの「書類（申請）情報を取得」アクションを設定し、承認された書類の情報を取得します。
4. 続いて、オペレーションでX-point Cloudの「書類の添付ファイルを取得」アクションを設定します。
5. 最後に、オペレーションでAIワーカーを使い、取得した情報をもとに「申請内容の妥当性判定・不備判定を行うためのマニュアル（指示）を作成」します。

※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント

• X-point Cloudのトリガー設定では、自動化の対象としたい申請フォームを任意で設定してください。
• AIワーカーに実行させたい判定基準や指示内容は、実際の業務内容に合わせて自由にカスタマイズが可能です。また、Slackの通知先チャンネルなども任意で設定できます。

■注意事項

• X-point Cloud、SlackのそれぞれとYoomを連携してください。AIワーカー内で使用するツール（アプリ）についてもマイアプリ連携が必要です。
• ダウンロード可能なファイル容量は最大300MBまでです。アプリの仕様によっては300MB未満になる可能性があるので、ご注意ください。
• トリガー、各オペレーションでの取り扱い可能なファイル容量の詳細は「ファイルの容量制限について」をご参照ください。
• AIワーカーの基本設定は「【AIワーカー】基本的な設定方法」をご参照ください。
• AIワーカーの同時実行数・作成可能なAIワーカー数・利用可能なAIモデルはご契約中のプランによって異なります。
• AIワーカー内でご利用いただけるアプリやオペレーション等はフローボットの利用制限と同様です。
• AIワーカーは、テスト実行でも本番実行と同様にタスクを消費しますのでご注意ください。詳細は「【AIワーカー】タスク実行数の計算方法」ご参照ください。
• AIワーカーはマニュアルを詳細に設定することで適切な処理を実行しやすくなります。詳細は「【AIワーカー】マニュアルの作成方法」をご参照ください。

詳細を見る 試してみる

🛠️代表的な実行パターン7種

タスクの種類によって、適したエージェントや処理の組み合わせ方は異なります。

☑️ 逐次型 (Sequential）

タスクを順番に実行する最もシンプルな形式です。

前のステップの出力を次のステップの入力として受け渡すため、記事の要約から翻訳といった一方向の流れが明確な定型業務に適しています。

☑️ 並列型 (Parallel）

複数のAIエージェントに同時にタスクを依頼し、最後に結果を統合します。

異なる視点での競合分析や、大量のドキュメントに対する個別チェックを短時間で完了させたい場合に有効なパターンです。

☑️ ルーター型 (Router)

入力内容を分析し、最適なエージェントやツールに処理を振り分けます。

例えば、顧客からの問い合わせを「技術的な質問」か「契約に関する質問」か判断し、それぞれ専門のAIへ転送する仕組みに利用されます。

☑️ 監督者型 (Supervisor / Hierarchical)

司令塔となるAIが、複数の部下エージェントに仕事を割り振り、成果物をチェックします。

複雑なプロジェクト進行や、AI同士が協力して一つのアプリを開発するといった高度な協調作業を管理する際に用いられます。

☑️ 自己評価・ループ型 (Self-Correction)

AIが出力した結果を、別のAI（または自身）が評価し、不十分であれば修正を繰り返します。

コードのバグ修正や、特定のトーンにあわせた文章推敲など、出力の検証と改善を繰り返したいタスクに適しています。

☑️ ハンドオフ型 (Handoff)

エージェントが特定の処理を終えた後、処理の主導権や必要なコンテキストを次のエージェントへ引き継ぎます。

例えば、インサイドセールス担当AIが興味を引いた顧客の情報を、クロージング担当AIへ引き継ぐような営業フローに最適です。

☑️ グループチャット型 (Group Chat)

複数のエージェントが共有コンテキスト上でやり取りし、オーケストレーターが発言者や処理の順序を調整しながら結論をまとめます。

マーケティング企画の壁打ちや、多角的なリスク検証など、エージェント同士の動的な相互作用が必要な場合に活用されます。

選定フロー

どのパターンを選ぶべきかは、以下の基準で判断します。

✅ タスク間の依存関係が明確か？

→ はい：逐次型を基本に検討

✅ 独立したタスクを同時に処理できるか？

→ はい：並列型を検討

✅ 入力内容に応じて担当を切り替える必要があるか？

→ はい：ルーター型またはハンドオフ型を検討

✅ 一つのエージェントが複数の担当を管理し、結果をまとめる必要があるか？

→ はい：監督者型を検討

✅ 出力の評価と改善を繰り返す必要があるか？

→ はい：自己評価・ループ型を検討

👉あわせて読みたい：【AI orchestration】単体AIではできない業務を完全自動化！仕組みと導入4ステップ

🧩業務を自動化する活用シーン4選

実際の現場における、実行パターンと紐づけた活用例です。

カスタマーサポートの問い合わせ回答（ルーター型＋逐次型）

問い合わせを「技術」「料金」などに分類（ルーター）し、各専門DBから情報を取得（逐次）。最後に回答案を作成します。

競合分析〜プレスリリース作成（並列型＋自己評価型）

競合情報を一斉に調査（並列）。分析結果をもとにプレスリリースを書き、内容に誤りがないかAIが自身で再検証（自己評価）します。

申請・承認の判定（監督者型）

AIが申請内容を規程と照らし合わせ、不備があれば本人へ、問題なければ承認者へ、それぞれ適切なメッセージを添えて回付します。

ソフトウェア開発のレビュー（逐次型＋グループチャット型）

設計書からコードを生成（逐次）。その後、セキュリティ担当AI、パフォーマンス担当AI、ロジック担当AIの3者がグループチャットで議論し、最終的な改善案を提示します。

🚀導入手順5ステップ

AIオーケストレーションの導入を成功させるための、具体的な5つのステップを解説します。

STEP1｜業務の棚卸しと優先順位付け

すべての工程を一気に自動化しようとせず、最も工数がかかっている、あるいはAIが効果を発揮しやすい箇所から着手しましょう。

STEP2｜単体ステップのプロンプト検証

いきなり全体のフローを組むのではなく、まずは個別のステップについて、複数の入力パターンで期待した出力が得られるかを検証します。

この段階で期待通りの回答が得られない場合は、オーケストレーション以前にプロンプトの見直しが必要です。

STEP3｜タスク分解とパターン選定

個別の精度が確認できたら、それらをどのように繋ぐか設計します。

逐次型、並列型、ルーター型など、これまでに紹介した実行パターンの中から、タスクの依存関係や複雑さにあわせて最適な構成を選択します。

STEP4｜評価指標の目標設定

運用を開始する前に、成功の基準（精度、コスト、実行速度など）を数値で設定します。

目標が曖昧だと、導入後に「本当に効率化したのか」が分からなくなるため、定量的・定性的なモニタリング指標を定めておくことが重要です。

STEP5｜段階的な運用拡大とHITL適用

最初は「下書き作成」などの補助的な役割からスタートし、人間が内容を最終チェックする承認フローを組み込みます。

運用の安定性が確認できたら、徐々にAIに任せる範囲を広げ、本格的なオーケストレーションへと拡大していきます。
👉あわせて読みたい：AIオーケストレーションサービス比較10選｜選び方と導入手順を解説

⚠️課題・リスクと対策

複雑なシステムゆえの注意点と、その設計指針を整理します。

遅延・コスト・デバッグの困難さ

ステップ数が増えるほどコストと遅延が増大します。

また、AIが「なぜこのパスを通ったか」のデバッグも困難になります。

対策として、各ステップの入力・出力、ツール呼び出し、実行結果、エラーなどを記録する「可観測性」の確保が重要です。

HITLの設計指針

全てのステップに人間を入れると自動化のメリットが失われます。以下の基準で承認箇所を絞り込んでください。

☑️ 不可逆な操作：送金、顧客への最終返信、データの完全削除。

☑️ 判定基準：信頼度スコア、出力検証の結果、入力内容の重要度などが一定の条件に該当した場合に人間へ転送。

☑️ 法的・倫理性：AIでは判断しきれないコンプライアンスに関わる要所。

モニタリング指標

導入後は以下の4軸で継続的に評価します。

✅ 成功率 (Success Rate)：あらかじめ定めた成功条件を満たした実行の割合。

✅ レイテンシ (Latency)：実行完了までの平均秒数。

✅ コスト (Cost per Run)：1実行あたりのAPI利用料や関連サービスの利用コスト。

✅ エスカレーション率：人間の介入が必要になった割合。

⚖️オーケストレーションが不要なケース

オーケストレーションは万能ではありません。以下の場合は、単一エージェントや単純なスクリプトのほうが適しています。

✔️単体エージェント＋ツール連携で十分なケース

タスクが短く、単一のコンテキスト（記憶）内で十分な精度が出る場合は、あえてオーケストレーションを構築する必要はありません。

一つのプロンプトといくつかのツール呼び出しだけで望む結果が得られるなら、そのほうが応答速度も速く、APIコストも抑えられます。

✔️手順が固定され動的判断が不要なケース

「Aというデータが来たら必ずBを実行する」といったように、実行手順がルールベースで100%決まっている業務には、従来のiPaaSやRPA、単純なスクリプトのほうが適しています。

AIによる動的なプランニングを介在させると、かえって処理が不安定になったり、不要な推論コストが発生したりするため、確定的なワークフローには従来手法を優先すべきです。
👉あわせて読みたい：RPAとAIの活用事例5選｜導入企業10社の実績データ付き

✔️分割を検討すべきケース

反対に、オーケストレーションへの移行を検討すべき「サイン」も見極めが必要です。

具体的には、プロンプトが長大になりすぎてAIが指示を混同し始めた時や、一つのステップに異なる専門知識（例：法務とコード生成）が混在し精度が落ちた時です。

また、一連の処理に時間がかかりすぎ、並列化による高速化が求められる場合も、分割の適時といえます。

✅まとめ

生成AIオーケストレーションは、AIを「ツール」から「自律的なチーム」へと変える技術です。

• パターンの選定が成功の鍵。
• HITL（人間による承認）を要所に配置し、リスクを管理。
• Yoomのようなノーコードツールなら、開発コストを抑えて自動化を始めることが可能。

まずは身近な「判断が必要な定型業務」から、AIオーケストレーションを適用してみてください。

💡Yoomでできること

小さく始めたくても、AIの利用状況の把握や判断結果の確認、複数ツールとの連携まで自前で整えるのは、設計・運用ともに負担が大きくなりがちです。

しかし、Yoomなら、ノーコードでAIワーカーを使った自動化をテンプレートから始められます。

毎日のデスクワーク、
Yoomに任せませんか？

例えば、kintoneに登録された情報をAIワーカーで分析し、その結果を別のサービスに記録したり、Microsoft Teamsへ通知したりする業務フローを構築できます。

これらのテンプレートを起点にして、ぜひ次世代の自動化を体験してみてください。

毎週kintoneのAI利用ログを自動監査し、AIワーカーがプロンプト改善案を記録・通知する

試してみる

---

■概要

AIの導入が進む一方で、利用状況の可視化や適切なプロンプトの管理に苦慮していませんか？AIツールやAIエージェントの利用ログを放置しておくと、非効率なプロンプトによる余計なコストが発生したり、社内に優れた活用ノウハウが蓄積されなかったりといった課題が生じます。このワークフローを活用すれば、kintoneに蓄積されたAI利用ログを毎週自動で監査し、改善案を生成して記録したうえでMicrosoft Teamsへ通知できます。AIワーカーが自社ガイドラインに沿ってプロンプトを添削し、最適なモデルを提案するため、コスト最適化とナレッジ共有を同時に実現可能です。

■このテンプレートをおすすめする方

• kintoneで管理しているAI利用ログの監査を効率化し、管理工数を削減したいシステム管理者の方
• 社内のプロンプト品質を向上させ、AIツールやAIエージェント活用による生産性を高めたいDX推進担当者の方
• Microsoft Teamsを活用して、AIの改善レポートやナレッジを迅速にチーム内へ共有したい方

■このテンプレートを使うメリット

• 毎週決まった時刻に自動で監査が行われるため、手作業でログをチェックする手間を省き、継続的な運用が可能になります。
• AIワーカーがプロンプトの改善案や適切なAIモデルを具体的に提案するため、社内のAI活用ノウハウの蓄積とコスト削減を両立できます。

■フローボットの流れ

1. はじめに、kintone、Notion、Microsoft TeamsをYoomと連携します。
2. 次に、トリガーで、スケジュールを選択し、毎週実行したい曜日と時刻を設定します。
3. 次に、オペレーションで、kintoneの「複数のレコードを取得する（最大500件）」アクションを設定し、条件に合致したAI利用ログを取得します。
4. 最後に、オペレーションで、AIの利用ログやプロンプト案を分析し、自社ガイドラインに沿った添削案や最適なAIモデルを記録・通知するためのスキル（指示）を作成し、kintone、Notion、Microsoft Teamsのアクションを使用ツールとして設定します。

※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション

■このワークフローのカスタムポイント

• スケジュールトリガーでは、実行日時を自由にカスタマイズできます。
• kintoneのレコード取得では、監査対象とするログのステータスなどを、自社の運用ルールに合わせて柔軟に変更してください。
• AIワーカーのスキルでは、自社固有のAI利用ガイドラインやコスト削減基準を具体的に指示に含めることで、より精度の高い提案が可能になります。
• Microsoft Teamsの通知先チャネルを、AI推進プロジェクトチームやシステム管理チームなど、用途に合わせて選択してください。

■注意事項

• kintone、Notion、Microsoft TeamsのそれぞれとYoomを連携してください。AIワーカー内で使用するツール（アプリ）についてもマイアプリ連携が必要です。
• Microsoft365（旧Office365）には、家庭向けプランと一般法人向けプラン（Microsoft365 Business）があり、一般法人向けプランに加入していない場合には認証に失敗する可能性があります。
• kintoneはミニプラン以上でご利用いただけるアプリとなっております。フリープラン・パーソナルプランの場合は設定しているフローボットのオペレーションやデータコネクトはエラーとなりますので、ご注意ください。
• パーソナルプラン・ミニプラン・チームプラン・サクセスプランなどの有料プランは、2週間の無料トライアルを行うことが可能です。無料トライアル中には制限対象のアプリを使用することができます。詳しくは、料金プランのページをご参照ください。
• AIワーカーの基本設定は「【AIワーカー】基本的な設定方法」をご参照ください。 
• AIワーカーの同時実行数・作成可能なAIワーカー数・利用可能なAIモデルはご契約中のプランによって異なります。
• AIワーカー内でご利用いただけるアプリやオペレーション等はフローボットの利用制限と同様です。
• AIワーカーは、テスト実行でも本番実行と同様にタスクを消費しますのでご注意ください。詳細は「【AIワーカー】タスク実行数の計算方法」ご参照ください。 
• AIワーカーはスキルを詳細に設定することで適切な処理を実行しやすくなります。詳細は「【AIワーカー】マニュアルの作成方法」をご参照ください。 

詳細を見る 試してみる

フォームで送信されたテーマをもとにAIワーカーで画像生成して商用利用の可否を自律判定する

試してみる

---

■概要

画像生成AIの活用において、プロンプトの考案や生成画像の商用利用可否の確認といった作業に時間を要していませんか？ このワークフローを活用すれば、フォームにテーマを送信するだけで、AIエージェント（AIワーカー）が自律的にプロンプトを生成し、画像を作成、さらに商用利用の可否まで判定して通知します。属人化しがちなクリエイティブ業務を標準化し、手軽に質の高い画像を生成できる体制を構築できます。

■このテンプレートをおすすめする方

• AIエージェントを活用して、WebサイトやSNS投稿用の画像生成を効率化したいマーケティング担当者の方
• チームからの画像生成依頼をフォームで受け付け、制作プロセスを自動化したいと考えている方
• 画像生成AIのプロンプト考案や商用利用の確認作業を自動化し、属人化を解消したい方

■このテンプレートを使うメリット

• フォーム送信を起点に画像生成から商用利用の判定、通知までが自動処理されるため、手作業の時間を短縮できます
•  AIエージェント（AIワーカー） がプロンプト作成などを担うため、担当者のスキルに依存しない標準化された画像生成フローが構築できます

■フローボットの流れ

1. はじめに、OpenAIとDiscordをYoomと連携します
2. 次に、トリガーでフォームトリガーを選択し、画像生成のテーマや要望を受け付けるためのフォームを設定します
3. 最後に、オペレーションでAIワーカーを設定し、フォームで受け取った内容をもとに画像生成用のプロンプトを作成し、商用利用の可否を判定した上で、生成された画像と判定結果をDiscordに通知するための指示を作成します

※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント

• トリガーとして設定するフォームでは、画像生成の依頼で受け付けたい内容に合わせて、質問項目を任意で設定することが可能です
• AIワーカーに与える指示の内容は、生成したい画像のスタイルなどに合わせて変更できます。また、通知先のDiscordアカウントやチャンネルも任意で設定可能です

■注意事項

• OpenAI、DiscordのそれぞれとYoomを連携してください。AIワーカー内で使用するツール（アプリ）についてもマイアプリ連携が必要です。
• OpenAIのアクションを実行するには、OpenAIのAPI有料プランの契約が必要です。（APIが使用されたときに支払いができる状態）
• 詳しくはOpenAIの「API料金」ページをご確認ください。
• OpenAIのAPIはAPI疎通時のトークンにより従量課金される仕組みとなっています。そのため、API使用時にお支払いが行える状況でない場合エラーが発生しますのでご注意ください。
• AIワーカーの基本設定は「【AIワーカー】基本的な設定方法」をご参照ください。
• AIワーカーの同時実行数・作成可能なAIワーカー数・利用可能なAIモデルはご契約中のプランによって異なります。
• AIワーカー内でご利用いただけるアプリやオペレーション等はフローボットの利用制限と同様です。
• AIワーカーは、テスト実行でも本番実行と同様にタスクを消費しますのでご注意ください。詳細は「【AIワーカー】タスク実行数の計算方法」ご参照ください。
• AIワーカーはマニュアルを詳細に設定することで適切な処理を実行しやすくなります。詳細は「【AIワーカー】マニュアルの作成方法」をご参照ください。

詳細を見る 試してみる