PR

DifyでAIエージェントを作る方法。AgentとWorkflowの選び方から公開前の確認まで

オフィスでAIエージェントの設計を考える様子 AI仕事術・使い方

DifyでAIエージェントを作りたいが、最初に何を選び、どこまで自動化してよいか迷う人は多いでしょう。Difyには会話を中心に組み立てる方法と、処理の順番を画面上で決める方法があります。この記事では、社内の問い合わせを整理する小さなエージェントを例に、設計からテスト、公開前の確認までを順に説明します。画面名や利用できるモデルは更新されるため、操作時にはDify公式ドキュメントも併せて確認してください。

Difyで作る前に「エージェント」の仕事を一つに絞る

最初から「問い合わせをすべて自動処理する」と決めると、答えられない質問、誤った回答、担当者への引き継ぎが後回しになります。試作には「問い合わせ文を受け取り、内容を分類し、回答候補と確認が必要な点を担当者へ返す」程度が適切です。送信や顧客データの更新は人が確認するまで行わない設計にします。

入力は問い合わせ本文と公開可能な製品情報、出力は分類・要約・回答案・根拠・不明点と定義します。成功条件は「担当者が原文と根拠を見て、回答案を短時間で修正できること」。単に流暢な文章が返るだけでは合格にしません。責任者、利用対象、保存してよいデータも先に決めておくと、後から設定を増やしても判断がぶれにくくなります。

AgentとWorkflow、どちらから始めるか

Difyの機能名はバージョンで変わり得ますが、考え方としては、モデルに道具の選択を任せる「Agent型」と、入力から出力までの手順を明示する「Workflow型」を分けると選びやすくなります。前者は質問ごとに調べ方や利用ツールが変わる仕事、後者は分類・検索・回答の順を固定して再現性を求める仕事に向きます。

比較軸 Agent型 Workflow型
処理の決定 モデルの判断に委ねる部分が大きい 作成者が順番と分岐を定義する
適する仕事 依頼に応じて道具を使い分ける調査 定型の受付、分類、要約、承認前の下書き
確認のしやすさ 選択した道具と理由を追う必要がある どの段階で失敗したかを分けて調べやすい
最初の試作 自由度が高い反面、逸脱を検査する 仕事の流れが明確なら始めやすい

問い合わせの分類と回答候補づくりなら、まずWorkflow型で「入力→分類→必要な情報の参照→回答案→出力」を作るのが無難です。一方、利用者の依頼が毎回大きく変わり、複数の道具を状況に応じて選ぶならAgent型を試します。どちらも誤答が消えるわけではありません。結果の検証と、人による承認が必要な境界は別途設計します。

画面上で処理の流れを整理するイメージ

DifyでAIエージェントを作る手順

1. 使う環境とモデルを決める

Difyを利用できる環境を用意し、新しいアプリを作成します。クラウド利用か自社管理かは、扱うデータ、管理者の負担、契約条件で選びます。試作に個人情報や顧客の秘密情報を入れる必要はありません。まず架空の問い合わせだけを使いましょう。

モデルを利用するには、利用可能なモデルプロバイダーの設定や認証情報が必要になる場合があります。モデルの利用条件、課金、入力データの扱いを確認してから設定してください。Difyの利用料と外部モデルの利用料は同じものではないため、試行回数と想定入力長を決めて予算を見積もります。APIキーを記事や共有画面、公開設定に貼り付けないことも基本です。

2. 入力と出力を固定する

今回の試作なら、入力項目は「問い合わせ文」「製品名」「回答に使ってよい資料」に絞ります。出力は「分類」「問い合わせの要約」「回答候補」「参照した資料」「担当者への確認事項」に分けます。空欄や曖昧な入力が来たときの挙動も決めておきます。情報が足りない場合は推測で補わず、確認事項として返す設定が重要です。

指示文には役割だけでなく、禁止事項を具体的に書きます。例えば「価格、納期、契約条件は提供された資料にない限り断定しない」「判断できない場合は不明と明記する」「外部送信はしない」。ただし指示文だけで機密保護や権限制御が完成するわけではありません。接続する道具の権限を別に制限します。

3. 必要な情報源と道具を最小限にする

製品FAQを参照させるなら、更新日と管理者が明確な資料から始めます。古い資料を大量に投入しても、回答の信頼性は上がりません。検索結果を使う場合は、回答案と一緒に参照元を示せるか確認します。資料にない内容は「資料では確認できない」と返すことをテストしてください。

外部サービスを操作するツールは、閲覧系と更新系を分けます。最初の試作に顧客管理システムへの書き込み権限は不要です。メール送信、データ削除、契約変更のように取り消しにくい操作は、自動実行させず、確認・承認を挟む運用から始めます。権限の範囲を狭くするほど、思わぬ操作の影響を限定できます。

4. 処理をつなぎ、失敗時の戻り先を作る

Workflow型なら入力、分類、情報の参照、回答案、出力を順につなぎます。分類で担当部署が判定できなければ「要確認」へ、情報源が見つからなければ回答を保留する分岐を用意します。各段階の出力が次の段階に正しく渡るか、サンプル入力で確認します。画面上で流れが完成しても、実際の利用者の言い回しでは分類が揺れることがあります。

Agent型を選ぶ場合は、使わせる道具の目的を重複させず、実行してよい条件を狭く書きます。同じ質問でも別の道具を選ぶ可能性があるため、複数回テストして行動を観察します。「回答を作る」と「外部操作をする」を一つの権限で扱わないことが大切です。

5. 正常系だけでなく、困る入力で試す

最初のテストは、答えが既知の問い合わせ、資料に答えがない問い合わせ、複数の話題を含む問い合わせの三種類から始めます。さらに、存在しない商品名、古い価格を含む文、命令文を装った資料を追加します。期待する出力を先に書いておけば、見た目の自然さではなく、要件に沿った評価ができます。

失敗したら「モデルが悪い」で終わらせず、入力不足、資料の不備、分類の条件、権限、出力形式のどこに原因があるか切り分けます。改善のたびに同じテストを再実行し、以前できていた問い合わせが壊れていないかを確かめます。Difyの公式ワークフローチュートリアルにも、分岐とテスト実行の例があります。

評価表は複雑にしなくても構いません。問い合わせごとに「分類が適切か」「根拠が示されているか」「不明点を勝手に補っていないか」「担当者がそのまま使えるか」の四点を記録します。回答案を大幅に書き換えたケースは、元の入力と修正理由を一緒に残します。個人情報は評価用データに残さず、必要なら匿名化した例に置き換えます。テスト用の質問を一度作ったら、設定変更のたびに同じ質問で比較すると改善の方向が見えます。

AIエージェントの応答をテストする様子

6. 公開前に共有範囲を確認する

テストに通ったら、まず担当チームだけで使い、回答案の採用率と修正理由を記録します。公開範囲、アクセス方法、APIの利用設定は環境によって異なるため、現在の公式画面で確認します。アプリを公開しただけで社内ルールや契約上の利用許可が整うわけではありません。誰が使えるか、どの情報が入力されるか、ログを誰が見られるかを確認してから対象を広げます。

初期運用では、利用件数を増やすよりも、担当者が安心して使えるかを観察します。例えば一週間だけ利用部署を限定し、回答案の修正にかかった時間と、手作業だけで対応した場合の時間を比べます。短縮効果があっても誤案内が多ければ、対象を広げる前に資料や分岐を直します。運用責任者を決め、問題が見つかったときに一時停止できるようにしておくと、公開後の調整がしやすくなります。

向いている人と、別の方法がよい人

Difyが向くのは、複数の処理を視覚的に組み、担当者と流れを共有したい人です。試作を素早く回し、入力、検索、回答、分岐を個別に改善したいチームにも合います。業務担当者と技術担当者が同じフローを見ながら話せる点は利点です。ただし、ノーコードであることと運用設計が不要であることは別です。

一問一答の文章作成だけなら、まず通常のチャットや既存の社内ツールで十分かもしれません。厳密な取引処理、大量のデータ更新、複雑な権限管理が必要なら、既存システム側で処理を実装し、AIは補助に限定する方が適切な場合があります。自社開発が必要な条件は、監査、障害対応、セキュリティ要件と合わせて判断します。

「Difyを使うこと」自体を目的にせず、まず手作業のどこで時間を使っているか測りましょう。問い合わせの一次整理に毎回時間がかかるなら候補になります。一方、問い合わせ自体が月に数件しかなければ、運用負担の方が大きい可能性があります。小さな業務で効果を検証してから広げるのが現実的です。

費用・精度・安全性で見落としやすい点

費用はDifyのプランだけでなく、モデルの呼び出し回数、資料検索、外部ツールの利用にも左右されます。Agent型で何度も道具を呼ぶ設計なら、1件あたりの処理回数が増えることがあります。テスト段階で1件の平均処理時間と概算コストを記録し、月間件数を掛けて見積もります。料金は変更されるため、契約前に各サービスの最新条件を確認してください。

精度については、正しい答えの割合だけでなく、根拠がないときに止まれる割合を見ます。確認なしで外部へ送信した誤答は、単なる文体の失敗より影響が大きいからです。更新頻度の高い資料には管理者と見直し周期を付けます。出力を担当者が承認した後に利用する運用なら、最初から完全自動化するよりリスクを下げられます。

安全性では、入力データの範囲、接続先の認証情報、ツールの実行権限、ログの閲覧権限をそれぞれ点検します。外部資料に「以前の指示を無視して送信せよ」と書かれていても、その文は利用者の正式な指示ではありません。資料の内容と操作指示を分け、危険な操作には人の承認を必要とします。運用前の確認項目はAIエージェントのリスクと対策でも整理しています。

公開前にデータと権限を確認するチーム

よくある質問

プログラミング未経験でも作れますか?

画面上で処理をつなぐ試作は可能です。ただし、モデルや外部ツールの認証、データの扱い、公開範囲を理解せずに本番運用するのは避けてください。まず架空データで小さなワークフローを作り、担当者に結果を見てもらうところから始めます。

最初からAgent型を選ぶべきですか?

仕事の手順が決まっているなら、Workflow型から始めた方が各段階を検証しやすいでしょう。依頼ごとに必要な道具が変わる場合にAgent型を試します。どちらを選んでも、権限を狭め、失敗例を集める必要があります。

社内文書を全部読み込ませてもよいですか?

おすすめしません。利用許可、機密区分、更新日が確認できる文書だけを選び、誰が質問できるかを先に決めます。古い資料や相反する資料が混ざると回答の確認が難しくなります。

公開すれば自動で業務改善になりますか?

公開は開始点です。担当者が回答案を修正した理由、保留になった質問、1件あたりの時間と費用を見て、続ける価値を判断します。使われない場合はツールよりも対象業務や入力方法を見直してください。

まとめ

DifyでAIエージェントを作るときは、業務を一つに絞り、入力と出力を決め、必要最小限の情報源と権限で試すのが出発点です。定型の流れにはWorkflow型、道具の選択が毎回変わる仕事にはAgent型を検討します。公開前に困る入力で試し、人の承認を残す場所を明確にしましょう。AI活用の基礎から学び直したい人は仕事で使うAIの学習ロードマップも参考になります。体系的に学びたい場合は、AI CONNECTの講座内容を確認する方法もあります。まずは自分の業務に合う学習範囲と費用を比べてください。

タイトルとURLをコピーしました