タスク分解と判定

4象限モデル

自動化レベル設計

レベルダウンのトリガー

• データ取得: 取得データの欠損率が1%以上 → L3に戻す
• 定型コメント: 不適切な表現の指摘が発生 → L2に戻す（全件レビュー）
• 異常値検出: 見落としが発生 → L2に戻す（人間が全件確認）

コラボレーションフロー

[月末トリガー]
    |
    v
[AI自動処理]（Level 4-5）
    +-- データ取得（API自動連携）
    +-- フォーマット変換（自動）
    +-- データクレンジング（自動 + 異常値フラグ付与）
    +-- データ統合（自動）
    +-- 定型集計（自動）
    +-- グラフ・チャート生成（自動）
    |
    v 所要時間: 2時間（現状: 2.5日）
    |
[AIモニター型]
    +-- 異常値検出 → <異常値あり?>
         +-- なし → 次へ
         +-- あり → [AIアシスタント型: 原因仮説を提示]
                       +-- データアナリストが分析・確認（0.5日）
    |
    v
[AIドラフト型]
    +-- 定型コメント自動生成
    +-- 考察・インサイトのドラフト生成
    |
    v 所要時間: 30分（AIドラフト生成）
    |
[データアナリスト]
    +-- AIドラフトのレビュー・編集
    +-- アクションプランの記述
    +-- 全体の整合性チェック
    |
    v 所要時間: 0.5日（現状: 1.5日）
    |
[AIゲートキーパー型]
    +-- レポート品質チェック
         +-- データ整合性OK + フォーマットOK → 部門レビューへ自動回送
         +-- 問題あり → データアナリストに差し戻し
    |
    v
[部門レビュー]（AIアシスタント型: 過去レポートとの差異ハイライト表示）
    |
    v 所要時間: 0.5日（現状: 1日）
    |
[マネージャー承認]（AIアシスタント型: エグゼクティブサマリー自動生成）
    |
    v 所要時間: 2時間（現状: 0.5日）
    |
[自動配信]

所要時間の比較

フィードバックループ

• データアナリストがAIドラフトを修正した内容を蓄積し、翌月のドラフト品質を向上
• 部門レビューの指摘事項を定型コメント生成ルールに反映
• 異常値の原因分析結果を異常検知モデルの精度向上に活用
• 月次で「AI精度レポート」を自動生成し、改善状況を可視化