AIエージェントの承認はどの粒度で？承認疲れと自動承認ルール

承認を増やしても、安全にはならない

「AIに記録の書き換えを任せるなら、毎回人が承認すれば安全」
多くの方が、そう考えていると思います。

AIエージェントは、何週間も続く仕事を担い始めています。毎朝入金明細を取り込み、売掛金と照合し、合わないものだけを担当者に回す。営業では、商談メモを読んでSFAの商談ステージを更新する。
AIが書き換えるたびに「実行しますか？」と聞けば、人は一日に何百回もボタンを押すことになります。

でも、それで安全になるとは、私たちは考えていません。
承認を増やすほど、人は中身を見なくなるからです。
かといって聞かなければ、誰も知らないうちに記録が変わります。

では、その間をどう作るか。
私たちの答えは、承認を業務の単位で付け、判断の記録から少しずつ自動承認に移していくことです。

まずは、なぜ毎回の承認が形だけになるのかから考えます。

「確認」が曲者です

自動化が進むと、人に残る仕事は「確認して、承認する」ことになります。
AIが作ったものを見て、問題なければOKを出す。

ただ、この「確認」が曲者です。
承認者は忙しい。確認に時間がかかると、承認が滞ります。
日本企業は特に、承認の階層が深い。確認がボトルネックになれば、いくらAIで作業を自動化しても、業務は結局スタックします。

だから人は、中身を見ずに通すようになります。
確認の依頼が多すぎて形だけになることを、承認疲れと呼びます。システムを必要以上に信じてしまう自動化バイアスも重なります。総務省・経済産業省のAI事業者ガイドライン（第1.2版、2026年3月31日）も、これに注意を促しています。定義は「自動化されたシステムや技術への過度の信頼や依存」です。

一番分かりやすい数字があります。
Anthropicが2026年8月7日に公表した自社検証です。開発者向けツールの許可確認で、有償テスター1,053人の作業に、危険な操作を1回だけ混ぜました。
人が止めた割合は、全体で13.6%。
セッション序盤は約17%。50回以上確認した後は、約5%まで下がりました。

医療では、電子カルテの薬剤安全アラートの49〜96%が無視されていたというレビューがあります。AIの推奨に説明を添えると、正しいかどうかに関係なく受け入れる割合が上がった、という実験もあります。
経理や営業にそのまま移せる数字ではありません。でも、向きは明らかです。

攻撃者も、この性質を狙います。OWASP（国際的なセキュリティ団体）は、2025年12月のAIエージェント向けのリスク一覧に、これを挙げました。AIのもっともらしい説明を信じて、人が承認してしまうことです。例は経理です。細工された請求書を読んだ補助AIが、攻撃者の口座への至急の支払いを勧め、管理者がそれを信じて承認する。
記録上は「人が承認した」ことになります。
承認ボタンがあるだけでは、守りにならないのです。

では、承認もAIに判定させればよいか。
Anthropicは同じ検証で、判定用のAIが危険な操作の89%を止めたとしています。ただ、2026年3月の公開では、実際の「やりすぎ」の操作52件のうち17%を見逃したと明かしています。本番環境への重大な変更は、人が確かめるよう勧めています。
提供する事業者自身が、見逃しを前提にしているわけです。

人に毎回聞いても、AIに任せても、それだけでは足りない。
では、承認をやめてしまえばどうなるでしょうか。

全部を許せば、誤りが記録になる

承認をやめれば、AIのもっともらしい誤りが、そのまま記録になります。
入金消込なら、振込名義が似た別の取引先の請求書に入金を充てる。本来の請求書が未入金のまま残り、督促が出る。
SFAなら、商談メモの読み違いで商談が「受注確度高」に進み、売上見込みの会議資料がずれる。

何週間も動くAIでは、誤りが後工程に伝わります。
しかも、初日に正しかった判断が、3週目には正しくないことがあります。取引先の支払い方の変更。モデルの更新。メールに仕込まれた指示（プロンプトインジェクションとは？防げない前提の対策と確認8項目）。

だから任せる前に、過去の実例から作った例題を解かせます。表記ゆれのある振込名義。分割入金。手数料引きの差額。正解率と、間違いの種類を確かめておきます。モデルや業務操作の定義を変えたときも、同じ例題で確かめ直します（AIで作ったアプリは誰が直す？パッチが追いつかない時代の保守運用）。業務操作は、「入金を消し込む」のような記録を変える操作の単位で、AIエージェントの権限設計で定義しています。

毎回でもなく、全部でもない。
その間を作る1つ目の手は、承認の単位を変えることです。

承認は、業務の言葉で見せる

AIの操作を、汎用のツールの呼び出しで止めたとします。
承認者に届くのは「表の更新を実行しますか？」と、書き込む値だけです。これでは経理の課長でも、正しいか判断できません。

私たちは、企業のAIエージェント導入を支援してきました。その中で分かったのは、一目でファクトチェックできる状態にしないと確認が滞る、ということです。
何を見ればOKと言えるのか。どんな情報がそろえば、安心して承認ボタンを押せるのか。
そこまで画面で用意して、初めて承認は回ります。

下の図は、同じ消し込みを両方の粒度で止めたときの承認画面の例です（金額や取引先は説明のための例です）。

機械で確かめられることは、人に回す前に前提条件で止めます。
実行してよい状態かを、実行のたびにシステムが確かめる条件です。
二重消込。請求額を超える充当。消込済みの請求書への充当。これらは承認の列に並びもしません。SFAなら、見積書が無いのに「見積提示」へ進める更新がこれに当たります。
ただ、AIが入金の取引先を取り違える名寄せの誤りは、前提条件を通ってしまいます。
人の注意は、こうした機械で止められない部分に向けます。

AIの判断根拠は、参考として添えるにとどめます。AI事業者ガイドラインの別添が注意するとおり、AIが出す根拠は、結果と根拠の「もっともらしい組み合わせ」であることがあるからです。ガイドラインは、承認の前に理由や根拠を人が自分で考えることも挙げています。

承認は、業務操作を実行する流れの一段にあたります。

では、どの業務から始め、誰が承認するのか。

最初は、件数が多く戻せる業務から

最初の業務は、3つを満たすものが進めやすいと考えています。件数が多い。判断の基準を言葉にできる。間違えても戻せる。

入金消込なら、前提条件で止めるのは二重消込と、請求額を超える充当です。人が承認するのは、名義が一致しない入金と、差額のある入金。いずれルールに移りうるのは、決まった取引先の、手数料の範囲内の差額です。
商談ステージの更新なら、止めるのは必要な書類が無いままの前進。人が承認するのは受注・失注への変更と、金額の大きい商談。ルールに移りうるのは、書類がそろった初期段階どうしの前進です。

支払いの実行や顧客への送信のように、一度出たら戻せない操作は後に回します。任せる場合も、常に人の承認を通します。

承認者は、新しく決める必要はありません。
今の職務権限規程から決めます。人がその操作をするときの承認者が、AIの操作も承認します。
そのうえで3つだけ決めておきます。AIを使って起票した担当者自身が、その提案を承認しないこと。直して承認するときも、承認者の権限を超える値にはできないこと。休暇中の代理と、期限切れのときの扱い（実行しない、上位者に回す）。

今の稟議や経費精算のワークフローは残してかまいません。記録を書き換える操作にだけ、業務操作の承認を足します。ただし、承認を通らずに記録を書き換えられる道は残さないようにします。統制を置く場所の選び方はAIエージェントの権限設計で整理しています。

ただ、ここで終わりではありません。
業務操作に付けても、全件を人が見るなら、いずれ承認疲れに戻るからです。

承認を「1件ごと」から「条件ごと」へ

そこで、人の判断が安定している範囲から、自動承認ルールに移します。
人が読んで確定した承認の条件です。新人への権限委譲や、職務権限規程の金額基準と同じ発想です。
言葉にするとありきたりに聞こえます。でも、承認疲れを抜け出す道は、これしかないと考えています。ガイドラインの別添も、人の判断が要る事項を重要度に応じて整理するよう挙げています。

入金消込で考えます。取引先Xの振込手数料分の差額を「手数料として処理する」というAIの提案を、担当者が毎月同じように承認しているとします。

まず、判断ログをためます。AIの提案と人の判断を残した記録で、承認・却下とその理由、直した点、実行時点の値が入ります。
次に、ルールの候補を作ります。「取引先Xで、差額が手数料の範囲内なら承認」のような決まった条件です。
そして、過去の判断に当て直します。ルールがあれば自動で承認されていた実行を抜き出し、その中に却下や修正がなかったかを見ます。
問題がなければ、業務の責任者が条件と当て直しの結果を読んで確定し、内部統制の担当など別の人も確認します。
適用したらルールの名前と版を記録し、外れたものは人へ回します。最後に、見直して必要なら撤回します。

何件たまれば候補にしてよいか、決まった数はありません。数十件で候補を作り、過去の却下が1件でも当たれば条件を絞る。それで十分だと思います。
却下の理由も材料になります。「取引先に確認中なので保留」「決算月は差額を個別に確かめる」。これらは、ルールから外すべき条件そのものです。

ルールの候補はAIが下書きしてもかまいません。ただ、実行時の判定はAIにさせず、人が確定した決まった条件だけで行います。そうすれば過去の判断に当て直して結果を再現でき、監査でも示せます。

ただ、人が作るルールも楽な方向へ広がりがちです。
Anthropicの同じ公表によれば、2026年6月時点で、利用者の49.5%が操作の許可ルールを自分で作っていました。5%は、任意の操作を丸ごと許していました。内部統制の基準も限界として挙げるとおり、ルールは想定外の状況や非定型的な取引には対応しません。条件に合わせて作られた不正な入力も、見分けられません。

だから、緩めた範囲は後から見直します。

緩めた範囲は、見続ける

与信枠の定期見直しと同じです。業務操作ごと・期間ごとに、3つの数字を見続けます。
自動承認ルールで完了した割合は、任せた範囲の大きさです。人に回ったもののうち却下された割合は、急に上がれば、AIか業務の状況が変わった合図です。承認者が直してから承認した割合は、AIの提案の質を表します。

自動承認の割合が上がっても、却下率や修正率が変わらない。それなら、緩め方は妥当だと説明できます。
自動承認された分も一部を抜き出して事後に確かめ、異常な件数や金額には上限を設けます。
ルールはいつでも撤回して、人の承認に戻せるようにします。権限を持つ人が、作業の途中でAIを止められるようにもしておきます（AIエージェントの監視と停止）。

ここまでそろえば、監査への答え方も見えてきます。

監査には、今の内部統制の言葉で答える

内部統制の基準はAIを名指ししていないので、扱いは監査人と協議して決めます。
金融庁の企業会計審議会は、2023年4月7日に内部統制の基準と実施基準の改訂を公表しました。2024年4月1日以後に始まる事業年度から適用されています。
入金消込は売掛金に関わるため、内部統制報告制度（いわゆるJ-SOX）の評価範囲に入ることが多い業務です。自動承認を規程上の承認として扱うなら、職務権限規程の改定も必要になります。

ただ、考え方の土台は今の内部統制と同じです。
承認された記録が残っていること。提案・承認・ルールの確定・システムの変更を別の人が担うこと。自動化された仕組みを過信せず、事後にも確かめること。
事後の抽出確認と書き換えられない記録は、自動化された統制の無効化への備えになります。

監査で聞かれることと、示す記録は次のとおりです。

人の仕事は、なくならずに移る

自動承認ルールを広げても、人は要らなくなりません。
判断する場所が移るだけです。

1件ずつ判を押す仕事から、ルールを確定して責任を持つ仕事へ。業務操作ごとに、ルールのオーナーを決めます。
条件から外れたものや、例のない1件を判断する仕事へ。人の時間は、ここに使います。
却下率や修正率の変化を見て、ルールを止めるかどうかを決める仕事へ。

誰が担うかの分け方はAIエージェントの責任は誰が負う？システムと運用の責任分界で整理しています。

導入がスムーズに進みやすいAIの選び方

次の基準を満たすAIの作りなら、情シスや監査への説明が短く済み、導入がスムーズに進みやすくなります。

• 業務の言葉で承認画面が出る：対象・効果・戻し方が見え、課長がその場で判断できる
• 機械で確かめられることは前提条件で止まる：人に回る件数が最初から絞られる
• 判断ログが会話とは別に残る：承認者・理由・ルールの版を後から示せる
• 自動承認ルールは人が確定し、いつでも撤回できる：任せる範囲を実績に合わせて広げられる

情シスに説明するときの要点

• AIの書き込みは業務操作の単位で承認し、承認者は今の職務権限規程のままです
• 二重処理や上限超えなど、機械で確かめられる誤りは承認の前にシステムが止めます
• 自動承認は、過去の判断に当て直したうえで、業務の責任者と別の確認者が確定したルールだけで行います。AIの判定には任せません
• 自動承認の割合・却下率・修正率を定期に見て、異常があればルールを撤回して人の承認に戻せます
• 誰が何を承認したかは判断ログとして残り、監査でそのまま示せます

承認を設計すれば、任せる範囲は広げられる

毎回の承認は、形だけになります。全部を許せば、誤りが記録に積み重なります。
その間は、設計で作れます。

承認は業務操作に付け、業務の言葉で見せる。承認者は今の規程のまま。
判断ログから作った自動承認ルールを人が確定し、見続け、いつでも撤回できるようにする。

始めるのは、入金消込や商談ステージの更新のような、件数が多く戻せる業務からで十分です。
承認が回る形さえ作れば、AIに任せる範囲は、実績に合わせて広げていけます。
私たちは、そう確信しています。

関連記事

• AIエージェントの権限設計：業務操作・判断ログ・承認の定義と、権限を業務操作の単位で切る考え方
• AIエージェントの監視と停止：判断ログを証拠として残し、いざというときに止める
• AIエージェントの責任は誰が負う？システムと運用の責任分界：システムが持つ部分と、運用に残る部分

参考資料

• 金融庁 企業会計審議会「財務報告に係る内部統制の評価及び監査の基準並びに財務報告に係る内部統制の評価及び監査に関する実施基準の改訂について（意見書）」（2023年4月7日）
• 総務省・経済産業省「AI事業者ガイドライン（第1.2版）」本編（2026年3月31日）、別添
• OWASP Top 10 for Agentic Applications for 2026（2025年12月）
• van der Sijs H, et al. Overriding of drug safety alerts in computerized physician order entry. JAMIA 2006;13(2):138-47
• Bansal G, et al. Does the Whole Exceed its Parts? The Effect of AI Explanations on Complementary Team Performance. CHI 2021
• Anthropic「Claude Code auto mode」（2026年3月25日）
• Anthropic「Auto mode is now the default in Claude Code」（2026年8月7日）

Askhubについて

Askhubは、日本の中堅・大企業がAIに業務を任せるための基盤です。業務の型（オントロジー）でAIに許す操作を定め、承認と判断ログで任せる範囲を広げながら、国産の基幹システムまで書き込めるようにします。導入はコンサルタントが伴走します。

承認で問われるのは、誰が何を見て決めたかを後から確かめられるかです。Askhubでは、画面からでもメールのリンクからでも、承認は同じ1つの記録に書き込まれます。決定できるのは、指名された承認者だけです。この記録は会話とは別に保存しているので、利用者が会話を削除しても、承認者が何を見てどう判断したかは消えません。自動承認ルールは、判断ログをもとにAIが候補を示し、人が根拠と例外を見て確定します。確定したルールは、いつでも撤回して人の承認に戻せます。

※Askhubのサービスに関する記載は、2026年11月時点の情報です。

関連する機能：承認、AIエージェント