WorkdayがAIエージェントを業務に展開、監視の必要性が増大

Workdayは日常的な管理業務を処理する新しいAIエージェントを業務向けに展開した。この動きは大企業内の財務および人事チームを対象としている。また、あらゆる出力をレビューしなければならないマネージャーに対して新たな要求を生み出している。

同社は既存のプラットフォーム上にエージェントを構築した。これらは従業員記録、経費ログ、タイムシートからデータを取得する。初期テストでは、数秒でレポートの下書き作成や簡単なポリシー違反のフラグ付けが可能であることが示された。

Workdayはこれらのエージェントを時間節約ツールとして位置づけている。 目標はデータ入力や基本的な承認に費やす時間を減らすことだ。しかし、各エージェントは最終的なアクションを実行する前に人間のレビューアーが承認する必要がある。同様のパターンはより広範なエンタープライズAIナレッジ戦略にも見られる。

エージェントが日常業務を処理

最初のエージェントは経費審査とタイムシートチェックに焦点を当てている。レシートを読み、明細を照合し、会社ルールを適用する。2番目のセットは過去の採用パターンを用いて人員予測の下書きを作成する。

チームはポリシードキュメントを一度エージェントに提供する。その後、ツールはWorkdayメインシステムからの自動更新により最新の状態を保つ。追加のボットが会議に参加したり外部メールを送信したりすることはない。

初期ユーザーからはスプレッドシートのエラーが減少したとの報告がある。 ある財務グループは初月に手動レビュー時間を約半分に削減した。同グループは現在、毎日エージェントログを確認するのに余分な時間を費やしている。

実際には、経費審査エージェントは法人カードや従業員提出のデジタルレシートを取り込み、旅費、食事、ソフトウェアサブスクリプションなどの事前定義カテゴリに対して明細を照合することで動作する。レシートにクライアント接待として分類された47ドルの食事代が記載され、添付メモに社内参加者のみと記載されている場合、エージェントはその項目を再分類の提案とともにフラグ付けし、マネージャーの承認を待つ。このレベルの詳細さは、以前アナリストが各経費明細をスプレッドシートで開き、手動でポリシー適合性を確認し、不足レシートを提出者に問い合わせるという、週に4〜6時間を routinely消費していたプロセスに取って代わる。

タイムシートエージェントも同様のパターンに従うが、労働コンプライアンスに焦点を当てる。コアWorkday設定に埋め込まれたプロジェクトコードや残業閾値と出勤データを比較する。従業員が通常40時間上限のプロジェクトコードに42時間記録した場合、エージェントはその例外を表面化し、増分人件費への影響を計算してからレビューに回す。この機能を利用する財務チームは、フラグ付けの速さにより、月次監査で表面化するのではなく、同じ給与サイクル内で修正が可能になると指摘している。

人員予測エージェントはより長期的な視点を持つ。過去36か月の採用履歴データを取り込み、季節パターンや自主的離職率を考慮し、部門・役割別に分類されたドラフト求人計画を作成する。1,800人の従業員を抱えるサービス企業は、このドラフトにより四半期計画資料の準備時間が3日から半日へと短縮されたと報告した。ただし、ワークフォースプランニングリーダーは買収を控えた仮定の調整に90分を費やした。

これらの日常的な機能はWorkdayテナント内に留まる。エージェントは外部コミュニケーションを開始したり会議をスケジュールしたりせず、企業がすでに設定済みの既存承認ワークフロー内に提案アクションを表面化するのみである。この境界によりデータ漏洩のリスクを低減しつつ、反復的なチェックにおける測定可能な時間節約を実現している。

エージェントを導入した財務リーダーは、真の効率向上は利用開始後30日以降に現れると指摘する。初期実行ではポリシー明確化を必要とするエッジケースが数十件表面化するが、エージェントが受け入れられたパターンを学習すると件数は着実に減少する。あるグローバル小売企業は、3回の連続給与サイクル処理後に recurring exceptionsが40%減少したと記録した。

監視要件の増大

すべてのエージェント決定は新しいダッシュボードに記録される。マネージャーは毎日これを開き、フォローアップが必要な項目を判断しなければならない。追加された画面はシンプルだが、すでに多忙なカレンダーに数分の負担を加える。

Workdayはダッシュボードがサプライズを防ぐと述べている。エージェントが行ったすべての変更を一覧表示し、使用されたソースデータを示す。それでも複数の顧客は、初週以降にリストが長くなることに気づいている。

トレードオフは明確だ。 反復的なクリックは減る一方で、レビュー時間は増加する。レビュー工程を省略する企業は、時間の経過とともに蓄積する小さなポリシーの逸脱リスクを抱えることになる。

ダッシュボードは優先順位順に項目を表示し、高額または高リスクの取引を最初にグループ化する。企業定義の閾値を超える経費項目は、エージェントの根拠、ソースレシート画像、ポリシー抜粋とともに表示される。マネージャーはワンクリックで承認、却下、または詳細確認を要求でき、アクションは自動的に監査証跡に記録される。3,200人規模の製造業での初月導入では、ダッシュボードの平日平均項目数は47件で、財務コントローラーが集中して約12分を要した。

時間の経過とともに、チームはより迅速にスキャンするためのヒューリスティックを開発する。ある医療システムはレビュー担当者に「ポリシー逸脱スコア」列のみを確認するよう訓練した。これはエージェントが0〜100のスケールで算出する。15未満のスコアの項目は500ドルを超えない限り、詳細検査なしで routinely承認される。この階層的アプローチにより、6週間以内に1日あたりのレビュー時間が18分から7分に短縮され、サンプリング監査でのポリシー遵守率98%を維持した。

監視業務量の増加は役割設計にも影響する。複数の組織でパートタイムの「AIエージェントコーディネーター」責任を新設し始めている。通常、上級アナリストに割り当てられ、1日の20%をダッシュボードのトリアージとエッジケースのエスカレーションに費やす。このマイクロ役割がフルタイム職になることは稀だが、他の分析プロジェクトからキャパシティをシフトさせることになる。Workdayは、受け入れられた修正から学習するにつれ、ほとんどの項目が最初の60日後に安定状態に達すると主張しているが、初期キャリブレーション期間は依然として一貫したマネジメントの存在を必要とする。

他ツールとの比較

業務向けAIエージェントは基本的な自動化と完全なカスタム構築の中間に位置する。

• Workdayエージェント: 会社データのみを読み、1つのプラットフォーム内に留まり、日常的な人間の承認を必要とする。

• 汎用エージェント: 複数のソースからデータを取得し、各セッションで新しいコンテキストを必要とし、軽めの監視で動作する。

• カスタム内部ボット: 開発者時間を要し、別途セキュリティレビューを必要とし、組み込みダッシュボードなしで動作する。

Workday顧客はすでにコアシステムの利用料を支払っている。エージェントの追加にかかるコストはレビュー作業以外ほとんどない。この価格体系は、ユーザー単位またはタスク単位で課金するツールとは異なる。

Workdayのエージェントは、OpenAIやAnthropicなどの汎用製品とは対照的である。後者は複数のSaaSプラットフォームを横断してオーケストレーション可能だが、新規セッションごとに明示的なコンテキストを必要とする。汎用エージェントを利用する調達マネージャーは、最新のベンダー契約書と現在の予算ファイルを毎回再アップロードしなければならない。一方、Workdayエージェントはすでにテナント内にこれらのデータを保持し、財務チームがすでに信頼している同一のポリシーエンジンを適用する。Bloombergの業界分析は、プラットフォームネイティブソリューションの同様の統合優位性を強調している。

UiPathやMicrosoft Power Automateなどのローコードプラットフォーム上に構築されたカスタム内部ボットは柔軟性が高いが、別途IDおよびアクセス管理レビューを導入する。Workdayの経費エージェントを社内で再現しようとした製造企業は、6週間のセキュリティ評価とオーケストレーション層の追加年間ライセンスを必要としたことが判明した。同社は後に、内部構築に1.4人分の継続メンテナンス要員が必要になると試算した結果、Workdayのネイティブエージェントを採用した。

価格の透明性もWorkdayのアプローチを差別化している。エージェントは既存サブスクリプション内に存在するため、レビュー業務量が増大して新規人員を正当化する場合にのみユーザー<|eos|>

エージェントは新しいポリシーを作成しません。マネージャーがメインシステムで設定したルールに従います。ポリシーにエージェントが見たことのない例外が含まれている場合、アイテムをレビュー対象としてフラグを立てます。

メインのWorkday接続が切断されると、エージェントはオフラインのままになります。ローカルバックアップにより記録は安全に保たれますが、リンクが復旧するまで新しい作業は進みません。

これらの制限によりリスクを低く抑えています。 また、エージェントがグレーゾーンで独自に判断することを防ぎます。より自由度を求めるチームは、そうしたケースでは依然として外部ツールに頼っています。

その他のリスクとして、基盤となる会社ポリシーがリリースサイクルよりも速く変更された場合のモデルドリフトが挙げられます。たとえば、2つの異なる経費ポリシーを統合する合併では、マージされたルールセットが明示的に読み込まれるまで、矛盾するシグナルが生じる可能性があります。Workdayは、主要なポリシー更新後には少なくとも1回の完全な報告サイクルにわたって並行テストを実施するよう顧客に推奨しています。

規制産業ではデータ所在地の懸念も生じます。エージェントは完全に顧客のテナント内で動作しますが、監査人はプロンプトや推論結果が境界外に出ないことを明示的に文書化することを求める場合があります。Workdayはこの目的で証明書を提供していますが、顧客はこれらの文言を自社のコンプライアンス資料に組み込む必要があります。

チームからの初期反応

大規模なユーザーの多くは、経費業務における時間短縮を歓迎しました。HRチームはヘッドカウントの下書きレポートが迅速になった点を評価しています。両グループが指摘した次のステップは、新しいダッシュボードを監視する担当者を割り当てる必要があるという点でした。

一部のアナリストは、監視レイヤーが拡大する可能性を懸念しています。彼らは、過去の自動化プロジェクトでレビューキューが恒常的な業務になった事例を指摘しています。Workdayは、ほとんどのエージェントアクションに変更が不要なため、ダッシュボードは軽量に保たれると回答しています。

ある顧客は月次監査を計画しています。 エージェントの判断をサンプリングし、元のルールと照合します。監査には2時間かかり、従来の1日5分のスキャンより長くなります。

ワークフォースの役割とスキル要件への影響

エージェントの導入により、多くの組織でアナリストの職務記述書の再定義が進んでいます。手動での照合作業に週の大部分を費やすのではなく、アナリストは例外のトリアージ、ポリシーの調整、Workday設定レイヤー内でのプロンプトエンジニアリングに関するトレーニングを受けるようになっています。いくつかの大学では、こうした進化する役割に備えるため、会計およびHR情報システムのカリキュラムにWorkdayエージェント監視モジュールを組み込み始めています。

今後の展開

Workdayは今年後半にエージェントを調達および収益業務へ拡大する計画です。同じ監視ダッシュボードが引き続き使用されます。顧客は追加のレビュー時間が引き続き価値があるかどうかを判断します。

アナリストは次回の決算説明会で採用数を注視します。また、Workdayアカウントで新たに生まれる監視役割の数も追跡します。この2つのシグナルにより、管理業務の削減という約束が最初の利用波の後に維持されるかどうかが明らかになります。

すでにエージェントを利用しているチームは、自身のアカウント内で最新のルールをテストできます。更新は通常のWorkdayリリースサイクルを通じて配信されます。レビュー手順に関する別途のトレーニングは不要です。

Workdayは、プラットフォーム内にすでに存在する業務に合わせてエージェントを構築しました。その結果、クリック数は減りますが、短い日次レビューが追加されます。この新しい手順を受け入れる企業は着実に時間を回収できます。一方、レビュー手順に抵抗する企業は、数か月かけて小さなポリシーの逸脱が生じるリスクを負います。この選択は、明日ダッシュボードを開く各ファイナンスおよびHRのリーダーに委ねられています。

FAQ

初月以降、日次レビューの所要時間は通常どの程度ですか？

初期調整が完了した後、ほとんどのチームは平日1回あたり8〜12分と報告しています。

エージェントは複数のWorkdayテナントを横断して動作できますか？

いいえ。各エージェントはデータ分離のため、単一のテナントにスコープされています。

エージェントはどのようなトレーニングデータを使用しますか？

顧客の既存のトランザクション履歴と設定済みのポリシーのみに依存します。外部データは一切取り込まれません。