上海家化がWorkBuddyを「全社の仕事の型」に変えた方法

上海家化のWorkBuddy導入で注目すべきなのは、「平均4.5倍」という数字だけではありません。より重要なのは、AIを汎用的なチャットボットとして配るのではなく、各部門にある定型業務を検証済みのワークフローと再利用可能な「Skills」に変えたことです。個人に属していた業務知識を、組織全体で使える仕組みに置き換えた形です。4

ただし、ここで紹介する効率化の数値は、上海家化などが公表した導入事例に基づくもので、独立した生産性監査によって検証された数字ではありません。

IT・人事の試験導入から9部門へ

WorkBuddyは2026年4月、上海家化のIT部門と人事部門で試験導入されたとされています。その後、サプライチェーン、ブランドマーケティング、研究開発、財務、人事、ITなどを含む9部門で、日常業務に組み込まれるまで拡大しました。会社側は、従業員の平均効率が4.5倍を超えたと報告しています。4

展開の手順は、おおむね次の4段階でした。

1. 繰り返し発生する業務を見つける。 データ収集、照合作業、書式整備、分析、報告など、定期的に発生する仕事を各部門で洗い出す。
2. 業務ルールをワークフローに変換する。 担当者が実際の手順を分解し、WorkBuddyを使ってスクリプトや構造化されたSkillsを作る。
3. 過去の実データで検証する。 出力を確認し、誤りを修正し、テスト中に見つかった例外や追加ルールを反映する。
4. 完成した仕組みを再利用する。 安定したワークフローを繰り返し実行し、他の従業員や部門にも共有する。

つまり、これはソフトウェアを導入して終わる取り組みではありません。業務をどう設計し直すかという、プロセス改革に近いアプローチです。業務を理解する従業員は判断と品質管理を担い、エージェントは反復的な実行作業の多くを引き受けます。

文章作成だけではない利用実態

WorkBuddyの用途は、文章の下書きにとどまりません。直近の1カ月について、利用者の67％が専門的な業務に、63％がデータ処理・分析に、57％が自動化や運用・保守にWorkBuddyを使ったと報告されています。これらは利用者の用途別割合であり、それぞれの作業でどれだけ時間が削減されたかを示す数字ではありません。7

上海家化で報告された利用例には、次のようなものがあります。

• 研究開発： 化粧品原料や関連法規の調査
• 財務： 経費精算の審査ルールを定型化し、投資スクリーニングレポートを自動生成
• 人事： 試用期間の満了が近い従業員や管理職へのリマインダー作成
• サプライチェーン： 複数の作業場にある現場ダッシュボードの自動更新
• ブランドマーケティング： 消費者インサイトの抽出、コンテンツ分析、マーケティング素材の作成

ブランドマーケティング部門では、週次のプレゼンテーション形式のレビューの約70％をHTMLページに置き換えたとも報告されています。ページは社内で共有でき、オンラインで更新できるため、静的なスライド資料を作り直して配布する必要がありません。

6,000万行の物流データをどう処理したのか

導入効果を最も具体的に示すのが、物流費の請求分析です。上海家化のB2C事業では、天猫、京東、抖音など複数の販売プラットフォームを利用しており、倉庫費、作業費、配送費などが7種類の元請求データに分散していました。18カ月分のデータは約6,000万行に達し、従来のExcel中心の月次処理には5～6人日かかっていました。ファイルが大きくなると、開くことや処理すること自体が難しくなる場合もあったとされています。

この業務に取り組んだのは、経済学を学び、コーディング経験がなかったサプライチェーン業務の運営マネージャー、張樱氏です。張氏は月次処理を細かな工程に分解し、WorkBuddyにPythonスクリプトを生成させました。その後、18カ月分の過去データで繰り返しテストし、検証で見つかった例外や新しい業務ルールを再利用可能なSkillsに追加していきました。

報告された改善幅は次の通りです。

• 月次請求分析：2人日から15分
• バタフライチャートの基礎表作成：1人日から2分
• 可視化ダッシュボード作成：1.5人日から3分
• 月次業務全体：5～6人日から20分未満
• 個別タスクで報告された最大の効率化：最大150倍

成果は、単にExcelの処理が速くなったというだけではありません。完成したダッシュボードでは、ブランド、プラットフォーム、費目、平均注文単価などの軸で結果を絞り込めます。管理職も新しいレポートの完成を待つのではなく、リンクを開いて更新済みの結果を確認できるようになりました。

なぜ他部門にも広がったのか

この事例からは、企業向けエージェントの導入が広がりやすい業務には、3つの特徴があると考えられます。

• 繰り返し発生し、自動化する価値がある
• 業務ルールを言語化し、テストできる
• 既存の記録や業務上の期待値と照合して結果を確認できる

物流費の照合は、この条件に合致していました。反復的でデータ量が多い一方、請求の構造を理解し、例外を見つけ、結果が業務上妥当か判断できる担当者は依然として必要です。WorkBuddyが機械的な処理を高速化しても、現場の監督や判断まで消えたわけではありません。

財務、人事、研究開発、マーケティングでも同じ構図が見られます。各チームが業務の文脈と判断を提供し、エージェントが反復可能な部分をワークフローとして整理する。そのワークフローが再実行され、場合によっては部門をまたいで共有されることで、導入効果が個人の試行から組織の資産へ変わっていきます。4

「仕事を奪う」より、専門知識を仕組みにする

Tencentがこの導入事例から示そうとしている主張は、AIがオフィスワーカーを置き換えるという単純なものではありません。報告された成果は、業務の専門家がルールを定義し、結果を検証し、例外を修正し、うまくいった手順を再利用可能な組織資産へ変えたことで生まれています。4

一度きりの回答を返すチャットボットと、検証済みのSkillとして定型業務の進め方を保存するエージェントには違いがあります。複数の部門がワークフローを作り、それを再利用できれば、AI活用は個別の実験ではなく、業務基盤として蓄積されます。

もっとも、上海家化で報告された数字を、あらゆる企業や職種にそのまま当てはめることはできません。確認できるのは、同社の特定ワークフローに関する報告であり、全従業員の生産性が独立機関の調査で4.5倍になったことを示すものではありません。より慎重で再現性のある教訓は、測定可能で反復的な業務から始め、専門家を判断の輪に残し、実データで検証し、うまくいった手順を共有するという運用モデルです。