AIエージェントで経営相談の準備はどう変わる？｜AI-Agent研究会 第3回

AI-Agent研究会 第3回 AIエージェントで 経営相談の準備はどう変わる？ 企業理解・課題仮説・追加質問をつなぐ 1 5つの資料 2 財務・非財務を整理 3 課題仮説 4 面談質問 5 追加情報で更新 2026年10月14日 西村行雄 AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 01 / 28

AI-Agent研究会 第3回 今日のゴールと60分の流れ 相談前の情報を整理し、AIの出力を確かめ、追加情報で更新する60分です 理解する 相談前に集める情報と AIエージェントの役割 確認する みらい食品の入力資料と 実物レポート 話し合う 出力の確認点と 実務での使いどころ START 7分 14分 17分 14分 8分 FINISH 導入 本日の目的・ゴールや 進め方、ルールを ご説明します 背景・設計 相談前に集める情報や みらい食品の仕組み・ プロセス設計を解説します デモ 基準レポートは保存版/ 追加情報の再分析だけ ライブ実演します 検証・討議 出力の内容を確認し、 追加情報による更新結果や 実務での使いどころを グループで検討します まとめ・質疑 本日のまとめと 今後の活用に向けた 質疑応答を行います AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 02 / 28

本日の目次 研究会の前提をそろえ、設計、デモ、検証、持ち帰りの順で進みます 01 研究会の 進め方 02 経営相談準備の 課題と設計 03 みらい食品で 実演 04 出力を確かめ、 実務へつなぐ 05 まとめ・案内 知見を持ち寄る 集める情報と役割を決める 入力→出力→再分析を見る 根拠と使いどころを考える 役割分担と次の一歩 AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 03 / 28

01 研究会の進め方 実務の知見を持ち寄り、小さく試して改善します 事例共有 試行 意見交換 改善 記録 AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 04 / 28

AI-Agent研究会とは 診断士業務の事例を持ち寄り、 AIエージェントの活用方法を 一緒に試し、改善する研究会です 実務の課題を、 参加者全体の研究テーマへ 01 事例共有 具体的な業務課題 02 試行 同じ課題で試す 03 意見交換 違い・良い点・課題 04 改善 次の試し方へ 05 記録 共通知見として残す AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 05 / 28

知見を持ち寄り、教え合う 情報を受け取るだけでなく、 それぞれが持つ経験やノウハウを 共有することを大切にします GIVE | 自分が試した方法・工夫・気づきを共有 TAKE | 他の参加者の経験や知見から学ぶ 分からない点や迷った点も、 次の検討に役立つ材料 共有知 INSIGHT KNOW-HOW PRACTICE テーマ担当は持ち回り AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 06 / 28

AI-Agent研究会 年間テーマ案 年間テーマは診断士業務の流れに沿って研究します フェーズ1 | 情報収集・分析 外部と内部の情報を集め、 現状を正しく把握する フェーズ2 | 診断・仮説構築 課題を構造化し、 原因と打ち手の仮説を立てる フェーズ3 | 施策設計・提案 実効性の高い施策と計画をつくり、 提案・申請を支援する フェーズ4 | 継続支援・改善 実行・検証・改善を支援し、 成果の最大化につなげる 2026年 8月 進め方と年間テーマ 2026年 9月 情報収集・外部環境調査 2026年 10月 第3回・今回 企業の実態把握と経営課題の整理 2026年 11月 分析と仮説づくり 2026年 12月 品質・安全性と判断 2027年 1月 前半成果の振り返り 2027年 2月 事業計画・施策づくり 2027年 3月 申請支援・提案資料 2027年 4月 継続支援の効率化 2027年 5月 年間成果の発表 2027年 6月 外部成見で改善 2027年 7月 年間総括・次年度 テーマ案は随時募集中 会員はAAL投稿・投票サイトから提案できます AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 07 / 28

02 経営相談準備の課題と設計 何を集め、どう整理し、どこを人が確かめるかを先に決めます 資料 計算 統合 仮説 質問 対話 AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 09 / 28

相談前に、何を集めて整理するのか 初回面談の質は、企業像と未確認事項を結びつけられるかで変わります 1 会社・経営者 沿革/理念/経営意欲/後継者/相談目的 2 事業・顧客価値 商品/顧客/選ばれる理由/競合/今後の方針 3 商流・業務フロー 仕入先/販売先/工程/差別化/取引依存 4 組織・人材・内部管理 組織図/役割/人員/採用・育成/会議/品質管理 5 財務・計画 3期決算/資金/有利子負債/計画/経営者の問題意識 ! 資料がなければ、社員個人の能力・評価・性格は推測しない 参考:経済産業省ローカルベンチマーク/日本政策金融公庫 AI 資料を横断整理し、 根拠と未確認をそろえる Python CSVを検証し、 財務数値を確定計算する 診断士 経営者との対話で 事実・背景・優先順位を 確かめる 負担は検索だけでなく、選別・照合・根拠確認・質問設計にある AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 10 / 28

AIエージェントとは 相談相手から、仕事を進める相棒へ チャットAI:質問に答える 役割 | 質問に答える相談相手 得意なこと | 情報の検索・要約・説明・アイデア出し 進め方 | 人が指示を出すたびに対応 ゴール | 答えることが目的 AIエージェント:目的に向けて進める 役割 | 目的達成まで伴走する仕事の相棒 得意なこと | 計画・調査・実行・分析・改善提案 進め方 | 自ら計画し、必要な作業を進める。状況に応じて判断・改善する ゴール | 目的の達成にコミットする AIエージェントの仕事の進め方(ループ) 1 目的 ゴールを明確にする 2 計画 必要なタスクを整理し計画する 3 実行 調査・作業を進める 4 確認 結果を確認し評価する 5 修正 改善点を見つけ計画を見直す 人の確認・判断 最終確認・意思決定は人が行う 聞いて終わり -> 任せて進む AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 11 / 28

今回操作するSkillと処理フロー 1 Skill呼出し 2 5資料確認 3 Python計算 4 Codex分析 5 自動検査 6 レポート出力 7 追加情報で再分析 $internal-environment-consultation-agent 専用Skillが手順と品質条件を統一し、CodexとPythonが役割を分けて相談準備を進めます AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 12 / 28

ローカルベンチマークを相談準備の骨格にする 財務6指標と非財務情報を同じ画面で見て、経営者との対話を深める 1 財務6指標 売上増加率/営業利益率/労働生産性 EBITDA有利子負債倍率/営業運転資本回転期間/自己資本比率 2 商流・業務フロー 誰から仕入れ、何をつくり、誰に届けるか 3 4つの視点 経営者・事業・環境と関係者・内部管理体制 経済産業省 公式資料の実シート シート1 製品・商品・サービスを提供する流れを整理 シート2 業務フロー・商流 経営全体を様々な視点から流れを整理 シート3 財務分析 決算書情報を入力して財務状況を分析 本デモは相談準備メモです。公式ロカベンシート・公式評価点・診断結果の自動作成ではありません AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 13 / 28

診断士が知りたいこととロカベンの対応 1 診断士が知りたいこと 2 ロカベンの対応(整理の枠組み) 3 面談準備での使い方 会社・組織・人材 -> 非財務4視点 -> 経営者と内部管理を確認 商品・顧客・仕入・工程 -> 商流・業務フロー -> 価値と利益の生まれ方を確認 決算3期 -> 財務6指標 -> 収益性・生産性・安全性を確認 相談メモ -> 横断して照合 -> 発言・事実・未確認を分ける 課題仮説 最大3件 -> 面談質問 5件 入力を整理枠へ置き、最後は横断的な問いにつなげる AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 14 / 28

03 みらい食品で実演 同じ架空企業の入力、出力、仮説、質問、更新を一続きで見ます 5つの入力資料 相談準備メモ 課題仮説 面談質問 再分析 AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 15 / 28

入力情報 相談準備AI 株式会社みらい食品 食品製造業 創業30年 従業員35名 売上8.0億円 1 会社概要 2 組織・人材 3 決算データ3期 4 事業構造 5 経営者相談メモ すべて研修用の架空情報 AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 16 / 28

Skillの実出力で会社を1枚にまとめる 実行Skill: $internal-environment-consultation-agent 出力先: demo_agent/output_skill_baseline Skillが作った実レポートでは、企業像、財務、強み、仮説、質問を根拠IDから確認できます 1 企業像を6観点でつかむ AIによる自動診断ではない すべて研修用の架空情報 2 Python計算の3期推移を見る 3 根拠IDから元資料へ戻る AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 17 / 28

財務と非財務から課題仮説を作る 売上は増えても、営業利益率は低下 H1 商品構成・製造負荷 根拠:新チルド惣菜の構成拡大、段取り替え・品質確認の増加 未確認:商品別・顧客別粗利、工数、廃棄、残業 H2 価格転嫁・取引条件 根拠:原材料上昇、粗利率低下、主要顧客A社42% 未確認:商品別の原価・値上げ率、顧客別物流・返品条件 H3 判断の集中 根拠:社長の価格交渉、製造リーダーへの変更判断集中 未確認:権限、代替担当、停止時間、育成計画 一つの指標だけで原因を断定しない 別の説明:一時費用・物流条件・設備制約など AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 18 / 28

AIエージェント出力 AIエージェントの仮説を面談質問へ変える AIが出した仮説は結論ではなく、経営者との対話で確かめる質問の出発点 課題仮説 H1 商品構成・製造負荷 H2 価格転嫁・取引条件 H3 判断集中 1 新チルド惣菜を含む商品別・顧客別粗利はどう変化したか? 2 主要原材料の仕入単価と販売価格はいつ、何%変わったか? 3 段取り替え時間、廃棄、残業、再作業はどう変化したか? 4 最大顧客A社の価格・物流・返品条件と粗利は他社とどう違うか? 5 価格交渉と製造変更判断の代替者・基準・育成計画はあるか? 各質問に、意図・関連仮説・優先順位・出典を付ける AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 19 / 28

同じSkillへ追加情報を渡し再分析する Use $internal-environment-consultation-agent 基準: output_skill_baseline 再分析: output_skill_reanalysis ・主力商品は2025年4月に平均6%値上げ済み ・低粗利の新チルド惣菜構成が7% -> 15% 基準版は残す 変更前(基準版の分析結果) 追加情報を渡して再分析 変更後(再分析結果) H1 商品構成・製造負荷 優先度:1 H2 価格転嫁 優先度:2 質問 製造負荷を聞く 優先度:3 追加メモ ・主力商品は2025年4月に平均6%値上げ済み ・低粗利の新チルド惣菜構成が7% -> 15% 低粗利商品の構成が大幅に増加 7% -> 15% 基準版の分析結果(変更なし) ・仮説一覧 ・質問一覧 ・分析結果 H1 商品構成・製造負荷 優先1のまま 追加情報により根拠が強まる H2 価格転嫁 優先2 -> 優先3 値上げの十分性確認 質問 製造負荷を聞く 優先3 -> 優先2 商品別・顧客別粗利・製造負荷・値上げ十分性 同じSkillへ追加メモを渡すと、基準版を残したまま仮説と質問の優先順位を再評価できます 再分析差分.md AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 20 / 28

04 出力を確かめ、実務へつなぐ 速さより、根拠へ戻れることと対話で更新できることを評価します 01 出力 02 根拠確認 03 対話 04 更新 05 記録 AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 21 / 28

どれだけ手間が減るか 従来 人の作業 90分 AI利用 人の作業 25分 AI待機 5分 経過時間 30分 人の作業 約72%減 90分 -> 25分 経過時間 約67%減 90分 -> 30分 測るもの 資料確認 計算と転記 AI待機 根拠レビュー 面談後の修正 説明用の仮定です。実績や一般効果ではありません 効果は、人の作業・AI待機・レビューを分けて測る AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 22 / 28

SkillとAIの出力をどう確かめるか 1 出典 元資料と箇所へ戻れるか 2 区分 事実・経営者発言・AI仮説・未確認が分かれているか 3 計算 CSVとPython計算結果に一致するか 4 別解 単一指標だけで原因を断定していないか 5 運用 守秘・匿名化・保存場所・承認者を決めたか Skillの自動検査 基準 20 根拠 再分析 22 根拠 仮説 3 件 質問 5 件 面談 60 分 診断士が確認 因果関係 本当の要因は何かを確かめる 優先順位 取り組む順番は妥当かを判断する 相談者への伝え方 専門用語を避け分かりやすく伝える 討議1 最初に何を確かめる? 討議2 追加情報で何を変える? 討議3 どの場面を任せる? Skillは手順をそろえる。実務判断は診断士が確かめる。 AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 23 / 28

この相談準備メモを、どの場面で使えるか 討議 5分 利用場面ごとに、誰が確認し、どこへ保存し、何を共有しないかを考える 1 個人で考える 初回面談前/訪問前/追加資料受領後 2 関係者と共有する 複数専門家/支援機関/金融機関との連携 3 改善材料として記録する 共有前に、匿名化・出典・閲覧範囲を確認 あなたの実務で使えそうな1場面と、不安な点は? AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 24 / 28

05 まとめ・案内 AIに任せる範囲を絞り、人が価値を出す時間を増やします AIの準備 診断士の対話 経営者の意思決定 AIの準備 -> 診断士の対話 -> 経営者の意思決定 AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 25 / 28

Skillが準備し、診断士が対話して判断する 相談前の準備 | AIが材料をそろえ、確認できる状態にする 面談での対話と判断 | 人が対話し、意思決定につなげる 1 Skill ・手順の統一 ・出力契約の設定 ・禁止事項の明確化 ・再分析手法の統一 2 Codex ・資料横断 ・根拠整理 ・仮説と質問 ・差分更新 3 Python ・CSV検証 ・財務計算 ・件数と整合性検査 ・レポート出力 4 診断士 ・対話 ・事実確認 ・因果関係 ・優先順位・助言 5 経営者 ・実態・背景 ・意思・制約 ・目標 ・意思決定 同じSkillを別業種・別企業へ応用できる AIに診断を任せるのではない。準備をそろえ、対話に時間を使う。 AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 26 / 28

基礎から自分で作りたい方へ 自分の業務をAIエージェントへ任せる方法を、基礎から実践形式で学ぶ任意講座です 士業のためのAI-Agent実務スタート講座 Claude Code x Obsidian 5つのステップで、実務で使える力を身につける 1 任せる AIエージェントの基本概念と仕組みを理解する 2 使いこなす 自分の業務に合わせてAIエージェントを使いこなす 3 蓄える 業務知識や資料を蓄積し自分のナレッジを育てる 4 仕組みにする 繰り返し使える仕組みを作り安全に運用する 5 発表する 自分の事例を整理し成果を発表する 全5回・各90分 隔週土曜 10:00〜11:30 Zoomオンライン 2026年11月21日開講 定員 15名 申込締切 11月11日 受講料 85,800円(税込) 含まれるもの ・講義録画 ・雛形Vault ・スキルサンプル ・安全運用チェックリスト ・開催期間中のメール質問対応 必要環境 WindowsまたはMac/ Claude有料プラン/ Obsidian/Git/Zoom 詳細・申込サイト pwmc.jp/tech-school/ AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 27 / 28

質疑応答 疑問点を確認し、 今回の仕組みをそれぞれの 実務へどう生かすかを考えます 1 目的と問いを先に決める 何を判断したいかから資料を集める 2 事実・仮説・未確認を分ける 根拠へ戻り、対話で更新する 3 AIと診断士の役割を分ける AIは準備、診断士は対話と判断 ご質問・ご意見をお聞かせください AI-AGENT LABO | 企業理解・経営相談準備AIエージェント 28 / 28