kintoneとAIエージェントをつなぐ業務自動化｜見積データから発注メール下書きまで

発注のたびに、kintoneの見積画面を開き、明細をExcelに書き写し、仕入先ごとにメールを一通ずつ手で書く——。私がAI顧問として通う会社で、実際に続いていた光景です。kintoneには品名も数量も型番も、必要なデータがすべて入っている。それなのに、データを「使う」段階になった瞬間、仕事は全部人の手に戻る。私の見聞きする範囲では、kintoneを導入した中小企業の大半が、この「入力はデジタル、活用は手作業」の状態で止まっています。

もったいない、という話で終わらせたくありません。kintoneに溜まった業務データは、AIエージェントにとって最高の教材です。私は顧問先である熱海の防災点検会社で、kintoneの見積データから仕入先別の発注メール下書きを自動生成する連携を、実際に手を動かして実証しました。結論を先に言うと、鍵になるのはプラグインの買い足しではなく、「kintone REST API×AIエージェント」という組み合わせです。この連携の仕組み、自社でやる手順、私が実際につまずいたポイント、そしてAPIトークンの安全な扱い方まで、現場で得たものを順に書き残していきます。

執筆・監修 AiWiLL株式会社 代表取締役 赤堀亘

日本テレビ・Bitget等でのB2Bマーケティング実務を経て、2023年にSHIFT AI創業へ参画。コミュニティ・スクール責任者として2年で3万人規模へのグロースを主導。2026年、静岡県熱海市でAiWiLL株式会社を創業。生成AI顧問「WiLLAGENT」として、防災設備・不動産管理・旅館・飲食など現場型の中小企業に入り、売り上げ向上に寄与するマーケティングや営業施策をどうAIで質を上げ、数を増やすかを一緒に考え抜き、人手不足のなか報告書・見積・マニュアルづくりといった実務をいかにAIで省くかといった、AIを使った事業づくりを伴走支援している。生成AI研修・Eラーニングの監修も担当。企画したイベント・ウェビナーは累計112件、参加者は1万人超。

AIエージェント・新規事業リサーチ・マーケティングの実践セミナー3本の本編と、WiLLAGENTのサービス説明PDFを、無料の資料セットとして公開しています。→ 無料資料セットを受け取る

kintoneとAIの連携とは——プラグインを買い足す前に知ってほしい選択肢

まず言葉を定義しておきます。kintoneとAIの連携とは、kintoneに蓄積された業務データをAIが読み取り、これまで人がやっていた「判断」と「文書作成」を肩代わりさせることです。ポイントは、対象が入力補助や通知ではなく「判断と作成」だという点にあります。リマインドを飛ばすだけなら標準機能で足ります。人にしかできないと思われていた仕事をAIに渡すからこそ、連携する意味があります。

kintoneの自動化を考えたとき、選択肢は1つではありません。私が顧問先で比較検討するときの整理を表にします。

プラグインやiPaaSを否定する意図はありません。定型で単機能の処理なら、それらのほうが速くて安い。ただ、私が現場で見てきた「本当に時間を食っている仕事」——見積の明細を見て発注先を判断する、報告書の文面を組み立てる、データの矛盾に気づく——は、どれも曖昧さを含む判断で、パッケージ機能では埋まりませんでした。

ここ数年で決定的に変わったのは、この「曖昧さを扱う判断」を、APIとAPIの間に挟めるようになったことです。生成AIは、表記の揺れを吸収し、明細を意味で振り分け、相手に合わせた文面を書けます。つまり、プラグインは「機能を買う」、API×AIエージェントは「自社の業務の形のまま自動化を作る」。業務をツールに合わせるのではなく、AIが業務に合わせてくれる。これがこの方式の本質的な価値です。

しかもkintoneには、標準でREST APIという「正規の窓口」が用意されています（外部連携＝APIが使えるコース契約かどうかだけ、先に確認してください）。裏技でも改造でもなく、メーカーが公式に開けている扉からデータを読むだけなので、始めるための追加開発費は基本的にかかりません。

仕組みの全体像——kintoneのデータがメール下書きになるまで

連携の全体像はシンプルです。登場人物は「kintone」「AIエージェント」「人間」の3者だけで、流れは次の4段階になります。

この4段階を、AIエージェントの仕事として分解すると3つになります。

仕事①：取得——機械的に、正確に

データ取得はAIの出番ではなく、REST APIの出番です。kintoneのAPIは、アプリを指定してレコードを取ってくるだけの素直な仕組みで、イメージとしてはこの1往復です。

# イメージ：自社のkintoneから見積レコードを読み取る（読み取り専用）
GET https://自社サブドメイン.cybozu.com/k/v1/records.json?app=見積アプリのID
X-Cybozu-API-Token: 読み取り専用のAPIトークン

動くコードを長々と載せることはしません。実際の実装はAIエージェント自身に書かせればよく、覚えてほしいのは「正規の窓口が最初から開いている」という一点だけです。

仕事②：判断——生成AIの本領はここ

取得したデータを「どう扱うか」が、これまで人の頭の中にしかなかった部分です。この明細はどの仕入先か。この項目は発注対象か、自社作業か。表記が微妙に違うこの2つは同じものか。こうした判断を、マスタと業務ルールを参照しながらAIが行います。従来の自動化がこの層を越えられなかったからこそ、kintoneのデータが眠っていたのだと私は考えています。

仕事③：生成——ただし「下書き」まで

最後は成果物です。仕入先別の発注メール、集計レポート、帳票。ここで大事な設計思想が1つあります。AIの成果物は「完成品」ではなく「下書き」で止めること。送信や確定という取り返しのつかない操作は、人間の確認を挟みます。自動化の目的は人を外すことではなく、人の確認を「作る作業」から「見る作業」に変えることです。

そしてこの3つの仕事の質を決めるのは、実はAIモデルの賢さよりも、エージェントに渡すコンテキスト（業務ルール・マスタ・文面の見本）です。私の方法論では、優秀なAI社員の仕事の質は「Prompt×Context×Harness（指示×文脈×働く環境）」の掛け算で決まります。kintone連携で圧倒的に効くのはContextで、エージェントの作業フォルダに判断ルールとマスタをテキストで置く——私はこれを「AI社員に仕事をインストールする」と呼んでいます。この設計の考え方は「AI社員」の作り方の記事で詳しく書いています。

実例：防災点検会社で「見積データ→仕入先別の発注メール下書き」をつないだ話

ここからは実話です。静岡・熱海の総合防災点検会社、株式会社WECS。業歴30年以上、消防設備の点検・設計・工事を手がける会社で、私はAI顧問として、社内でAIが働ける環境づくりを一緒に進めています（社名は許可をいただいて書いています）。

kintoneはある。それなのに発注は全部手作業だった

WECSでは、見積がkintoneで一元管理されています。物件名、工事内容、明細の品名・型番・数量まで、データとしては揃っている。ところが、その見積から資材を発注する段になると、こうなっていました。

• 見積の明細を目で追い、「この設備はあのメーカー系」「この器具はあの商社」と、頭の中のルールで仕分ける
• 仕入先ごとに品名・型番・数量を転記して、発注メールを一通ずつ書く
• これを見積1件ごとに繰り返す。転記ミスや仕入先の選び間違いのリスクも常に抱えたまま

入力はkintone、活用は人力。冒頭に書いた「データが眠っている」状態の、まさに典型でした。ただ、私はこの状態を見たとき、問題よりも先に伸びしろを感じました。判断のルールがベテランの頭の中に確かに存在していて、毎回同じように運用されている。つまり、言語化さえできればAIに引き継げる仕事だということです。

実証した連携の形

やったことは、先ほどの全体像そのままです。読み取り専用のAPIトークンを発行し、AIエージェントがkintoneから見積レコードを明細ごと取得する——この接続部分をまず実証しました。そのうえで、明細の設備種別から発注先を判定し、同じ仕入先に行く品目をまとめ直して、仕入先別の発注メール下書きを生成するところまでの設計を固めています。送信ボタンは人が押す設計です。見積を指定すると、確認するだけの状態のメール下書きが仕入先の数だけ並ぶ——目指しているのはこの景色です。

正直に書くと、すんなりは行かなかった

API接続そのものは、拍子抜けするほど素直に通りました。時間を食ったのはその先、「データと現実のずれ」との格闘です。実際に手を動かして直面したのは、たとえばこういうことでした。

• 見積の「宛名」は発注先ではない。見積データの宛名はお客様（受注元）であって、資材の仕入先は別のところで決まる。データを取った直後はどちらも「相手先」に見えるので、ここを混同したまま設計すると誤発注の仕組みが出来上がります。私はこの区別を確かめるために、実際のレコードを何件も見比べることになりました
• 仕入先リストに連絡先が載っていない。会社名の一覧はあるのに、発注に使うメールアドレスや担当者名は一覧に載っておらず、担当者の頭の中にだけあった。メールを自動で作る仕組みなのに、宛先が埋まらない。最大のボトルネックはAPIでもAIでもなく、マスタの欠けでした
• 仕入先の選び方が暗黙知だった。同じ種類の設備でも、仕入先の候補は1社とは限りません。どういうときにどこへ出すのか——そのルールは文書のどこにもなく、担当者の経験の中にだけありました
• 名前が揺れる。同じものを指しているのに、見積側とリスト側で表記が微妙に違う。人間なら一瞬で「同じだ」とわかるものが、機械的な突合では別物になる。ここは生成AIの得意分野ですが、「何と何を同じとみなすか」の辞書は結局人間が確定させる必要がありました

この経験から得た知見を、独自の結論として1行にまとめます。kintone×AI連携の実態は、接続プロジェクトではなく「暗黙知の棚卸しプロジェクト」である——これが、実際にやった人間としての私の答えです。データの隙間には必ずベテランの判断が住んでいて、それを言語化した分だけAIは仕事を引き継げる。逆に言えば、この棚卸しをやり切った会社は、自動化と同時に「業務ルールが文書になった」という副産物まで手に入れます。担当者が急に休んでも、仕事の判断基準が会社に残る。私はこちらの価値のほうが大きいとすら思っています。

ちなみに同じWECSでは、点検報告書の作成もAIで自動化しています（経緯は点検報告書AI化の記事に書きました）。1つ目の連携が動いた会社は、2つ目からが速い。教材（データ）と受け皿（エージェントの環境）がすでにあるからです。

自社でやる手順5ステップ——最初の1業務を安全に通す

ここからは、自社でkintone×AIエージェントの連携を始める手順です。私が顧問先で実際に踏んでいる順番をそのまま5ステップにしました。先に全体を表で示します。

STEP1：対象業務を1つ選ぶ

欲張らず、1つだけ選びます。選定基準は3つ。①判断ルールを口頭で説明できる（「この場合はこう」が言える）、②失敗してもやり直せる（成果物が下書きで済む）、③繰り返し発生する（週1回以上）。発注メール、見積データの集計、案件の進捗レポートあたりが典型です。ここで一度、手を止めて試してほしいことがあります。その業務の判断ルールを、3行で書いてみてください。書けたら、それがそのままAIへの指示書の骨格になります。書けなければ、まだその業務を選ぶのは早い——もっとルールが明快な業務から始めるサインです。

STEP2：APIトークンを発行する——権限は「読み取りのみ」から

kintoneのAPIトークンは、対象アプリの設定画面から数分で発行できます。このとき必ず、権限を「レコード閲覧」だけに絞ってください。書き込み権限は、読み取りの運用が安定して、戻せる仕組みを整えた第2段階まで付けない。読むだけなら、AIがどんな動きをしてもkintoneのデータは1文字も壊れません。最初の安心感がその後の社内の推進力を決めるので、ここはケチらず慎重に設計します。

STEP3：AIエージェント側の受け皿を作る

エージェントに専用の作業フォルダを用意し、そこに3種類のテキストを置きます。①判断ルール（どういうときに何をどう振り分けるか）、②マスタ（仕入先一覧・担当者・連絡先などの対応表）、③成果物の見本（実際のメール文面や帳票の実例）。接続情報（サブドメイン・アプリID・APIトークン）は本文と分けて、.envのような専用ファイルに隔離します。WECSの実証で痛感した通り、ここで一番時間がかかるのはマスタの欠けを埋める作業です。連絡先の抜け、候補が複数あるときの決め方、名前の揺れの対応表——接続の前に、この「現実の穴埋め」を済ませておくと後が一気に楽になります。

STEP4：最初の1件を通し、出力を採点する

実データ1件で下書きを作らせて、業務をいちばん知っている人が採点します。大事なのは、間違いを見つけたときに「直して終わり」にしないこと。なぜ違うのかをルール文書に追記するところまでが1セットです。この往復こそが、AI社員に仕事をインストールする作業の本体で、数件も回すと出力は目に見えて安定していきます。

STEP5：人間の確認ポイントを固定する

最後に、「人が何を確認したらOKなのか」を書面にします。発注メールなら、宛先は正しいか・品目と数量は見積と一致しているか・自社作業分が混ざっていないか、という具合です。確認観点が固定されると、チェックは数分で終わる「見る作業」になり、しかも属人化しません。AIが下書きを作り、人が決まった観点で確認し、人が送信する。この運用が固まったら、最初の1業務は完成です。

先に知っておきたいNGパターン4つ

私自身の試行錯誤と、相談を受ける中で見てきた失敗を、先回りして4つ挙げておきます。

4つに共通するのは、技術の失敗ではなく設計の失敗だという点です。API×AIエージェントの連携は、技術的には既に難しくありません。成否を分けるのは、権限・マスタ・人の確認をどう設計するかです。

セキュリティの勘所——APIトークンは「鍵」そのもの

kintoneのAPIトークンは、自社の業務データを開ける鍵です。連携を始める前に、次の3点だけは必ず守ってください。

• 共有の場所に置かない。社内チャット、共有Excel、手順書の本文、そしてプログラムのコード内への直書き——どれもNGです。トークンは.envのような専用ファイルに隔離し、Gitなどの共有リポジトリに入らないよう除外設定をしておきます。手順書には「トークンは○○にある」とだけ書き、値そのものは書かない
• 権限を最小にする。読み取り専用・対象アプリのみ。私の原則は「見せない、ではなく、必要な分だけ必要なときに見せる」です。全部を渡さないと動かない仕組みは、設計がおかしいと疑ってください
• 漏れたときの手順を先に決めておく。kintone側で古いトークンを削除して新しいものに差し替えれば（アプリ設定の更新まで行えば）、漏れたトークンは無効化できます。つまり「絶対に漏らさない」だけでなく「漏れても止められる」体制が作れる。もう1つの私の原則、「壊されないか、ではなく、壊れても戻せるか」です。読み取り専用トークンなら、そもそもデータを壊す手段がありません

加えて、AIサービス側の設定も確認しておきます。業務データを入力する以上、入力内容がAIの学習に使われないプラン・設定（法人向けプランやAPI利用）を選ぶこと。このあたりの社内ルールの作り方は、AI導入時のセキュリティと情報入力ルールの記事で詳しく書いているので、連携の前に一度目を通してみてください。

よくある質問（FAQ）

Q1. kintoneのどの契約コースでもAI連携はできますか？

REST APIによる外部連携が使えるコースであることが前提です。契約によってはAPIが利用できない場合があるので、着手前に自社の契約内容を確認してください。APIが使えれば、追加のプラグイン購入なしで今回の方式を始められます。

Q2. プログラミングができる社員がいなくても可能ですか？

可能です。実装コードはAIエージェント自身に書かせる時代になっていて、実際、私の顧問先でも専任のエンジニアを置かずに運用しています。ただし「業務の判断ルールを言語化する人」は必ず必要です。技術者よりも、業務をいちばん分かっている人の関与が成否を決めます。社内だけで不安な場合は、伴走してくれる外部の専門家と最初の1業務だけ一緒に作るのが近道です。

Q3. プラグインや連携サービスとどちらを選ぶべきですか？

処理が定型で単機能なら、プラグインやiPaaSのほうが手軽です。一方、「明細を見て振り分ける」「相手に合わせて文面を作る」のような判断を伴う業務、そして自社独自の業務の形を崩したくない場合は、API×AIエージェントを選んでください。判断の有無が分かれ目です。

Q4. kintoneのデータをAIに読ませて、情報漏えいは大丈夫ですか？

対策は3層で考えます。①APIトークンを読み取り専用・対象アプリのみに絞る、②トークンを共有の場所に置かない、③AIサービス側は入力データが学習に使われないプラン・設定を使う。この3つを守れば、リスクは「人がExcelに書き出してメールで送る」従来の運用より小さくできるというのが私の実感です。

Q5. どのくらいの期間で動くようになりますか？

会社の状況次第なので断定はしませんが、構造ははっきりしています。API接続そのものは早く、時間がかかるのはマスタ整備と判断ルールの言語化です。つまり所要期間は「技術力」ではなく「暗黙知がどれだけ文書化されているか」で決まります。マスタが揃っている会社ほど一気に進みます。

Q6. 最初の1業務はどう選べばいいですか？

①判断ルールを口頭で説明できる、②成果物が下書きで済む（失敗しても戻せる）、③週1回以上発生する——の3条件を満たす業務です。発注メールの下書き、定例レポートの集計、案件一覧の整理などが典型です。逆に、例外だらけでベテランでも説明に詰まる業務は、2巡目以降に回してください。

Q7. メール送信まで自動化してはいけませんか？

最初の段階では推奨しません。誤発注・誤送信は金額や信用に直結し、取り返しがつかないからです。まず「下書きまで自動・送信は人」で運用を安定させ、確認観点が固定されて事故ゼロの実績が積み上がってから、送信の自動化を検討する。この順番なら、社内の心理的な抵抗も小さく済みます。

着手前チェックリスト——12項目

この記事の持ち帰りとして、着手前に使えるチェックリストを置いておきます。全部にチェックがつけば、私たちが踏んだつまずきの典型要因はすべて潰せています。

まとめ——kintoneのデータは、AI社員の教材になる日を待っている

社員のみなさんが毎日kintoneに入力しているデータは、御社の業務ルールが染み込んだ、世界に1つしかない教材です。これまで読み手がいなかっただけで、AIエージェントという読み手を得た瞬間、それは判断を教える教科書になり、発注メールの下書きになり、担当者が休んでも回る仕組みになります。

始め方は小さくて構いません。業務を1つ選び、読み取り専用のトークンでつなぎ、下書きまでを任せて、人が確認する。この記事のチェックリスト12項目を埋めていけば、最初の1業務は現実的な射程に入ります。そして1つ動けば、2つ目からは驚くほど速い。それは私が顧問先の現場で、実際に見てきた景色です。

「自社のkintoneで何ができそうか、一度壁打ちしたい」という段階でも歓迎です。私たちAiWiLLは、生成AI顧問として累計約15社、研修・講座を含めると30社以上の中小企業のAI導入を支援してきました（AI顧問という支援の形についてはこちらの記事にまとめています）。まずは無料の資料セットから、自社に引きつけて考えてみてください。