#AI従業員 · 管理者向け設定ガイド

このドキュメントでは、AI従業員の設定と管理方法を素早く理解できるよう、モデルサービスからタスクへの割り当てまで、全プロセスをステップバイステップでご案内します。

#I. はじめに

#1. システム要件

設定を開始する前に、お使いの環境が以下の要件を満たしていることをご確認ください。

• NocoBase 2.0 以降がインストールされていること
• AI従業員プラグインが有効になっていること
• 利用可能な大規模言語モデルサービス（OpenAI、Claude、DeepSeek、GLMなど）が少なくとも1つあること

#2. AI従業員の2層設計について

AI従業員は、**「役割定義」と「タスクカスタマイズ」**の2つの層に分かれています。

層	説明	特徴	目的
役割定義	従業員の基本的な人格と核となる能力	「履歴書」のように安定していて不変	役割の一貫性を保証
タスクカスタマイズ	さまざまなビジネスシナリオに合わせた設定	柔軟に調整可能	特定のタスクに適応

簡単に言うと：

「役割定義」は、この従業員が「誰であるか」を決定し、 「タスクカスタマイズ」は、彼が現在「何をするべきか」を決定します。

この設計の利点は以下の通りです。

• 役割は変わらず、さまざまなシナリオに対応できます
• タスクのアップグレードや置き換えが従業員自体に影響を与えません
• 背景とタスクが互いに独立しているため、メンテナンスが容易になります

#II. 設定プロセス（5ステップで完了）

#ステップ1：モデルサービスの設定

モデルサービスはAI従業員の「脳」に相当するため、最初に設定する必要があります。

💡 詳細な設定手順については、LLMサービスの設定をご参照ください。

パス： システム設定 → AI従業員 → モデルサービス

追加をクリックし、以下の情報を入力してください。

項目	説明	注意事項
インターフェースタイプ	OpenAI、Claudeなど	同一仕様のサービスと互換性あり
APIキー	サービスプロバイダーが提供するキー	機密保持と定期的な更新
サービスアドレス	APIエンドポイント	プロキシ使用時に変更が必要
モデル名	具体的なモデル名（例：gpt-4、claude-opus）	能力とコストに影響

設定後、接続テストを行ってください。 失敗した場合は、ネットワーク、APIキー、またはモデル名を確認してください。

#ステップ2：AI従業員の作成

💡 詳細については、AI従業員の作成をご参照ください。

パス：AI従業員管理 → 従業員の作成

基本情報を入力します。

フィールド	必須	例
名前	✓	viz, dex, cole
ニックネーム	✓	Viz, Dex, Cole
有効状態	✓	有効
概要	-	「データ分析の専門家」
メインプロンプト	✓	プロンプトエンジニアリングガイドを参照
ウェルカムメッセージ	-	「こんにちは、Vizです…」

次に、先ほど設定したモデルサービスをバインドします。

プロンプト作成のヒント：

• 従業員の役割、トーン、責任を明確に記述する
• 「必須」「決して〜しない」などの言葉でルールを強調する
• 抽象的な説明を避け、可能な限り例を含める
• 500〜1000文字の範囲に収める

プロンプトが明確であるほど、AIのパフォーマンスは安定します。 プロンプトエンジニアリングガイドもご参照ください。

#ステップ3：スキル設定

スキルは、従業員が「何ができるか」を決定します。

💡 詳細については、スキルをご参照ください。

タイプ	能力範囲	例	リスクレベル
フロントエンド	ページインタラクション	ブロックデータの読み取り、フォーム入力	低
データモデル	データクエリと分析	集計統計	中
ワークフロー	ビジネスプロセス実行	カスタムツール	ワークフローによる
その他	外部拡張	ウェブ検索、ファイル操作	状況による

設定のヒント：

• 各従業員につき3〜5個のスキルが最適です
• すべて選択することはお勧めしません。混乱の原因となる可能性があります
• 重要な操作を行う前に、自動実行（Auto usage）をオフにしてください

#ステップ4：知識ベースの設定（オプション）

AI従業員が製品マニュアルやFAQなどの大量の資料を記憶したり参照したりする必要がある場合は、知識ベースを設定できます。

💡 詳細については、以下をご参照ください。

• AI知識ベースの概要
• ベクトルデータベース
• 知識ベースの設定
• RAG (Retrieval-Augmented Generation)

これには、ベクトルデータベースプラグインの追加インストールが必要です。

適用シナリオ：

• AIに企業知識を理解させる
• ドキュメントのQ&Aと検索をサポートする
• 特定の分野に特化したアシスタントをトレーニングする

#ステップ5：効果の検証

完了すると、ページの右下隅に新しい従業員のアバターが表示されます。

以下の項目を一つずつ確認してください。

• ✅ アイコンが正常に表示されているか
• ✅ 基本的な会話ができるか
• ✅ スキルが正しく呼び出せるか

すべてクリアできれば、設定は成功です 🎉

#III. タスク設定：AIを実際に稼働させる

これまでは「従業員の作成」を行ってきましたが、 次は彼らを「仕事に就かせる」番です。

AIタスクは、従業員が特定のページやブロック内でどのような振る舞いをするかを定義します。

💡 詳細については、タスクをご参照ください。

#1. ページレベルのタスク

「このページのデータを分析する」のように、ページ全体に適用されるタスクです。

設定エントリ： ページ設定 → AI従業員 → タスクの追加

フィールド	説明	例
タイトル	タスク名	フェーズ変換分析
コンテキスト	現在のページのコンテキスト	リードリストページ
デフォルトメッセージ	事前設定された会話開始メッセージ	「今月の傾向を分析してください」
デフォルトブロック	データコレクションに自動関連付け	リードコレクション
スキル	利用可能なツール	データクエリ、グラフ生成

複数タスクのサポート： 1人のAI従業員に対して複数のタスクを設定でき、ユーザーはオプションとしてそれらを選択できます。

推奨事項：

• 1つのタスクは1つの目標に集中させる
• 名前は明確で分かりやすくする
• タスク数は5〜7個以内に抑える

#2. ブロックレベルのタスク

「現在のフォームを翻訳する」のように、特定のブロックを操作するのに適しています。

設定方法：

1. ブロック操作設定を開きます
2. 「AI従業員」を追加します

3. 対象の従業員をバインドするだけで完了です

比較項目	ページレベル	ブロックレベル
データ範囲	ページ全体	現在のブロック
粒度	グローバル分析	詳細処理
典型的な用途	傾向分析	フォーム翻訳、フィールド抽出

#IV. ベストプラクティス

#1. 設定の推奨事項

項目	推奨事項	理由
スキル数	3〜5個	精度が高く、応答が速い
Auto usage	慎重に有効にする	誤操作の防止
プロンプトの長さ	500〜1000文字	速度と品質のバランス
タスクの目標	単一かつ明確にする	AIの混乱を避ける
ワークフロー	複雑なタスクをカプセル化後に使用	成功率が高い

#2. 実践的なヒント

小さく始めて、段階的に最適化する：

1. まず、基本的な従業員（例：Viz、Dex）を作成します
2. 1〜2個のコアスキルを有効にしてテストします
3. タスクが正常に実行できることを確認します
4. その後、より多くのスキルとタスクを段階的に拡張します

継続的な最適化プロセス：

1. 初期バージョンを稼働させる
2. 使用フィードバックを収集する
3. プロンプトとタスク設定を最適化する
4. テストと改善を繰り返す

#V. よくある質問

#1. 設定段階

Q：保存に失敗した場合はどうすればよいですか？ A：すべての必須項目、特にモデルサービスとプロンプトが入力されているか確認してください。

Q：どのモデルを選択すべきですか？

• コード関連 → Claude、GPT-4
• 分析関連 → Claude、DeepSeek
• コスト重視 → Qwen、GLM
• 長文テキスト → Gemini、Claude

#2. 使用段階

Q：AIの応答が遅すぎますか？

• スキル数を減らす
• プロンプトを最適化する
• モデルサービスの遅延を確認する
• モデルの変更を検討する

Q：タスクの実行が不正確ですか？

• プロンプトが十分に明確でない
• スキルが多すぎて混乱している
• タスクを細分化し、例を追加する

Q：Auto usageはいつ有効にすべきですか？

• クエリタイプのタスクでは有効にできます
• データ変更タイプのタスクでは無効にすることをお勧めします

Q：AIに特定のフォームを処理させるにはどうすればよいですか？

A：ページレベルの設定の場合、ブロックを手動で選択する必要があります。

ブロックレベルのタスク設定の場合、データコンテキストが自動的にバインドされます。

#VI. 関連ドキュメント

AI従業員をさらに強力にするには、以下のドキュメントもご参照ください。

設定関連：

• プロンプトエンジニアリングガイド - 高品質なプロンプトを作成するためのテクニックとベストプラクティス
• LLMサービスの設定 - 大規模言語モデルサービスの詳細な設定手順
• AI従業員の作成 - AI従業員の作成と基本設定
• AI従業員との連携 - AI従業員と効果的に会話する方法

高度な機能：

• スキル - さまざまなスキルの設定と使用について深く理解する
• タスク - タスク設定の高度なテクニック
• ブロックの選択 - AI従業員にデータブロックを指定する方法
• データソース - データソースの設定と管理
• ウェブ検索 - AI従業員のウェブ検索機能を設定する

知識ベースとRAG：

• AI知識ベースの概要 - 知識ベース機能の紹介
• ベクトルデータベース - ベクトルデータベースの設定
• 知識ベース - 知識ベースの作成と管理方法
• RAG (Retrieval-Augmented Generation) - RAG技術の応用

ワークフロー連携：

• LLMノード - テキストチャット - ワークフローでテキストチャットを使用する
• LLMノード - マルチモーダルチャット - 画像やファイルなどのマルチモーダル入力を処理する
• LLMノード - 構造化出力 - 構造化されたAI応答を取得する

#最後に

AI従業員の設定において最も重要なのは、まず動かしてみて、それから最適化することです。 最初の従業員を成功裏に稼働させ、その後、段階的に機能拡張や微調整を行っていきましょう。

トラブルシューティングの方向性は、以下の順序で確認できます。

1. モデルサービスが接続されているか
2. スキル数が多すぎないか
3. プロンプトが明確か
4. タスクの目標がはっきりしているか

この手順を順守すれば、真に効率的なAIチームを構築できるでしょう。