2025-2026年におけるAI業務機能と産業応用の網羅的調査報告書

序論：2025-2026年、AIパラダイムの転換点

2025年から2026年にかけて、人工知能（AI）は従来の「質問に答えるツール」という枠組みを超え、自ら思考し、計画を立て、複雑な業務を完結させる「自律型エージェント（Agentic AI）」へと決定的な進化を遂げている 1。この変革は、単なる生産性の向上にとどまらず、企業のオペレーティングモデルそのものを根底から再定義する潮流となって現れている。グローバル規模で見ると、生成AIツールの利用率は2025年後半時点で世界人口の約16.3%に達し、特に「北側諸国（Global North）」の労働年齢人口においては約4分の1が日常的にこれらのツールを業務に取り入れている 3。

日本市場においても、この技術的潮流は深刻な労働力不足という構造的課題と結びつき、独自の進化を遂げている。2025年9月に全面施行された「AI推進法」は、日本を「世界で最もAIフレンドリーな国」にすることを目指しており、法的な不確実性を排除することで、企業が安心してAIを業務の主軸に据えられる環境を整備した 4。しかし、現状のAI利用率は8.4%にとどまっており、諸外国と比較して大きな成長余地を残しているのが実態である 5。

本報告書では、現在公開されている最新の情報を基に、AIが代替・拡張している業務機能と、各産業における具体的な活用事例、そして技術的メカニズムについて網羅的に調査・分析を行う。

第1章：AIエージェントの定義と機能的階層

2026年時点でのAI活用を理解するためには、従来のチャットボットと、現在の自律型エージェントを区別する必要がある。エージェントとは、単にテキストを生成するだけでなく、定義された目標（ゴール）を達成するために、ツールを操作し、外部システムと連携し、マルチステップのワークフローを実行するシステムを指す 6。

エージェントの自律性レベルと分類

AIエージェントは、その複雑さと意思決定の自律度合いに応じて以下の階層に分類される 6。

エージェントタイプ	主要な機能とメカニズム	典型的なビジネス応用事例
単純反射型	事前に定義された「if-then」ルールに基づく即時反応。内部モデルを持たない。	メールの自動振り分け、閾値ベースの在庫アラート送信。
モデルベース型	内部的な環境モデルを持ち、時間の経過に伴う変化を追跡。観測不可能な要素を推論。	複雑なサプライチェーン監視、ネットワークセキュリティ異常検知。
ゴール指向型	定義された最終目標に向けた行動計画の策定。障害発生時の戦略修正能力。	プロジェクト管理の自動化、物流ルートの動的最適化。
効用指向型	「効用関数」に基づき、複数の相反する目的（コストvs速度など）を最適化。	ダイナミックプライシング、投資ポートフォリオのリスク管理。
学習型	実行結果からフィードバックを得て、未知の環境やパターンに適応・改善。	個別化されたマーケティング、予測保全アルゴリズムの自己修正。

6の分類体系に基づき、著者がビジネス文脈での応用例を付加。

推論能力とマルチモーダルの統合

2025年に登場したClaude 3.5やGemini 2.0 Flashといったモデルは、テキスト、音声、画像を同時に処理するマルチモーダル機能に加え、高度な「推論（Reasoning）」能力を標準装備している 1。これにより、AIは単なるパターンの模倣ではなく、問題解決のためのステップバイステップの計画を立てることが可能となった。例えば、OpenAIのo1モデルは、複雑なコーディングや科学的な仮説立案において、人間と同等かそれ以上の推論プロセスを経て結論を導き出す能力を示している 1。

この推論能力こそが、2026年における「AIの同僚化」を支える技術的支柱である。AIは指示を待つだけのツールではなく、プロジェクトの目的を理解し、自発的にリサーチを行い、必要に応じて人間に確認を求める「パートナー」へと変貌している 2。

第2章：組織横断的な業務機能におけるAI活用

AIの適用範囲は、IT部門からバックオフィス、フロントオフィスへと急速に拡大している。McKinseyの調査によれば、特にIT、マーケティング、営業、知識管理の分野での活用が顕著である 8。

財務・会計・経理機能

財務部門においてAIは、正確性とリアルタイム性を劇的に向上させている。日本のCFO（最高財務責任者）は、AIを単なる効率化の手段ではなく、戦略的プランニング（28%）や意思決定支援（28%）の核として位置づけている 9。

具体的な機能としては、AI搭載のRPA（ロボティック・プロセス・オートメーション）による請求書処理、勘定照合、データ入力の完全自動化が挙げられる 10。これらは単なる定型作業の自動化ではなく、機械学習アルゴリズムが取引データの異常をリアルタイムで検知し、不正やヒューマンエラーを未然に防ぐ「番人」としての役割も果たしている 10。

財務機能	AIによる変革内容	期待される成果
予測分析	リアルタイムの市場データと内部指標を統合した動的予測。	四半期ごとの固定予測から、週次・日次の動的予測への移行。
トレジャリー管理	キャッシュフローのパターン分析による流動性の最適化。	借入コストの削減と、余剰資金の運用効率向上。
与信リスク評価	リアルタイムの市場データを用いた債務者の信用力判定。	貸し倒れリスクの低減と、迅速な融資判断の実現。
経理自動化	生成AIによる証憑照合と仕訳アドバイス。	月次決算の早期化（数日から数時間へ）。

6の情報を基に構成。

営業・マーケティング機能

営業およびマーケティングにおけるAIの活用は、2025年に「ハイパー・パーソナライゼーション」という極致に達している 11。AIエージェントは、見込み客の行動データやSNSの投稿、企業の財務状況を瞬時に分析し、個々の顧客に完全にカスタマイズされた提案書やメールを作成する 11。

特に注目すべきは、自律型セールスエージェントの台頭である。これらのエージェントは、SDR（営業開発担当者）が行っていた見込み客の発掘、初期アプローチ、商談のスケジューリングの約80%を自動でこなす 11。

• 事例：Salesforce (Einstein GPT for Sales) 顧客情報と製品特性を統合し、構成・デザインまで含めた提案資料を自動生成する。これにより資料作成時間を約80%削減する効果が報告されている。 12 (https://www.salesforce.com/sales/ai/generative-ai-for-sales/)

また、会話インテリジェンス（Conversation Intelligence）も普及しており、Gongのようなツールは、Zoomや電話での商談を自動記録・分析し、成約率の高い営業担当者の話法パターンをチーム全体に共有することで、組織全体の底上げを図っている 11。

人事（HR）・採用・労務

HR分野では、深刻な労働力不足への対応としてAIが導入されている。採用支援エージェント「JAPAN AI HR」などのツールは、求人票の自動作成から履歴書のスクリーニング、初期段階の候補者評価までを一貫して行う 13。これにより、人事担当者は事務作業から解放され、候補者との深い対話や組織開発といった戦略的業務に集中できるようになる 2。

さらに、従業員エクスペリエンスの向上にもAIが寄与している。AIチャットボットは、社内規定や福利厚生に関する問い合わせに24時間365日即座に回答し、人事部門への電話やメールの問い合わせを大幅に削減している 6。

IT・知識管理・ソフトウェア開発

IT部門は、AIの最大の受益者の一つである。AIエージェントによるサービスデスク管理や、ディープリサーチ（深層調査）機能が広く普及している 8。特にソフトウェア開発においては、AIは単なるコード補完ツールから、コードベース全体の歴史や依存関係を理解する「シニアエンジニアのパートナー」へと進化している 2。

• 事例：Agentic QA テストコードの記述だけでなく、バグの特定、修正案の提示、デプロイ後の回帰テストまでを自律的に実行するエージェントが、開発サイクルを劇的に短縮させている 2。

第3章：垂直統合型（産業特化型）AIの最前線

汎用的なAIモデルから、各業界の深い専門知識（ドメイン知識）と独自のデータセットを統合した「垂直統合型AI（Vertical AI）」への移行が、2025年の大きな潮流である 15。

医療・検査・ライフサイエンス

医療分野において、AIは診断精度の向上と業務負荷の軽減の両面で成果を上げている。

• 事例：株式会社ビー・エム・エル (BML) 国内最大級の臨床検査受託機関であるBMLは、「JAPAN AI」を導入し、約300名規模で生成AIを活用。情報検索、コーディング、資料作成などの全社的な業務効率化により、年間で累計7,619時間の業務時間削減を実現した。 13 (https://japan-ai.co.jp/case-study/20251217/)

製薬業界では、スタートアップのLinDoが生成AIを活用し、従来2〜3カ月を要していた新薬調査の初動フェーズを「数分」にまで短縮させている 13。また、Veevaのようなプラットフォームは、膨大な規制文書のチェックをAIに一次審査させることで、コンプライアンス遵守のスピードを劇的に向上させている 15。

建設・不動産・フィールドサービス

建設業界は「30%の非請求可能時間（行政的負担）」という課題をAIで解決しようとしている 18。現場監督や技術者がPermit（許可申請）の書類作成や進捗報告に費やす時間を、AIエージェントが肩代わりすることで、現場の生産性を直接的に向上させている。

• 事例：Procore 建設管理プラットフォームのProcoreは、数千枚の図面、安全報告書、RFI（情報照会）から矛盾点を自動でフラグ立てするAI機能を展開。現場での手戻りや安全事故を未然に防ぐ役割を果たしている。 15 (https://www.procore.com/)

また、2025年のトレンドとして、建設現場の安全性向上にコンピュータビジョン（AIカメラ）が導入され、ヘルメットの未着用や危険区域への立ち入りをリアルタイムで検知・警告するシステムが普及している 19。

製造・サプライチェーン

製造業におけるAIの役割は、リアクティブ（事後対応）からレジリエント（自律的適応）へと変化している 20。

• 事例：日産自動車株式会社 AI-OCRクラウドサービス「DX Suite」を導入。生産設備から紙で出力される品質測定データの処理を自動化し、年間480時間の作業時間を削減。生産技術部門でも作業指示票の入力時間を85%削減することに成功している。 21 (https://it.impress.co.jp/articles/-/27550?utm_source=chatgpt.com)

航空宇宙分野では、GE Aerospaceが予測保全アルゴリズムにより、故障の60%を早期に検知し、偽陽性（誤検知）を50%削減したと報告している 22。サプライチェーン全体では、AIエージェントが需要予測、在庫補充、物流ルート最適化を統合的にオーケストレーションし、過剰在庫と配送遅延の両方を最小化している 23。

法律・規制・コンプライアンス

2025年は「AIの説明責任」が法的に確立された年である。EU AI法の施行により、企業はAIの使用に関する透明性とリスク管理を厳格に求められるようになった 24。

法律実務においてAIは、弁護士を置き換えるのではなく、ジュニアアソシエイトの業務（一次ドラフト作成、膨大な判例リサーチ、証拠書類の矛盾検知）を強力にサポートする。

法務AIの機能	具体的な活用方法	影響
契約ライフサイクル管理	AIが不利な条項を即座に検知し、修正案を提示。	契約締結までの時間を数週間から数日へ短縮。
証拠開示（e-Discovery）	数百万件のドキュメントから関連性の高い情報を抽出。	訴訟費用の大幅な削減と証拠の見落とし防止。
エージェント責任の監査	AIが締結した契約の法的妥当性を自動チェック。	自律型AIによる法的な逸脱リスクの回避。

24を基に構成。

第4章：日本におけるAI活用の構造的課題と対策

日本は「世界で最もAIフレンドリーな国」を目指しているが、実態としては特有の障壁が存在する 4。

労働力不足とAI導入の相関

日本銀行の2025年6月短観によれば、建設や宿泊・飲食サービス業での人手不足感は極めて強い 5。経済協力開発機構（OECD）の分析では、中程度の労働力不足を経験している企業ほどAIを積極的に活用しているが、深刻すぎる不足に陥っている企業では逆にAI導入が進まないという皮肉な現象も観察されている 5。これは、導入・運用に必要な最小限の人員さえ欠いている可能性を示唆している。

地域間および企業規模による格差

日本のAI利用率には顕著な偏りがある。

• 地域別: 東京都（13.8%）に対し、島根県（2.5%）と5倍以上の差がある 5。
• 規模別: 従業員1万人以上の企業と19人以下の企業では、AI利用率に約17ポイントの開きがある 5。

これを克服するため、日本政府は地方の高校や大学でのAI教育の拡充、地方拠点のITパスポート取得者へのインセンティブ提供などを通じ、AIの民主化を急いでいる 3。

トヨタ自動車の「O-Beya」：日本型AI活用のモデル

トヨタ自動車が開発したAIエージェント「O-Beya（オベヤ）」は、日本企業のナレッジ管理の理想形の一つを示している 21。

• 機能: 過去の膨大な設計図面、不具合事例、ベテラン技術者のノウハウを統合。エンジニアが自然言語で質問すると、RAG（検索拡張生成）技術を用いて最適な過去事例や基準を提示する 28。
• 意義: 退職や異動に伴う熟練技能の流出を防ぎ（技術承継）、試行錯誤の時間を短縮することで開発スピードを向上させる 28。

この「O-Beya」は、単なるAI導入ではなく、トヨタ伝統の「大部屋（物理的な情報共有の場）」をデジタル空間に再現したものであり、組織文化と技術が高度に融合した事例であると言える。

第5章：AIエージェントの経済学的インパクトと未来予測

2026年、AIの導入による経済的効果は、単なるコスト削減から利益（EBIT）の直接的な押し上げへとシフトしている 8。

EBITへの貢献度

McKinseyの2025年調査では、AIを導入した企業の多くが利益率の改善を報告しているが、その効果の大部分は依然として5%未満にとどまっている 8。しかし、AIの「ハイ・パフォーマー」と呼ばれる企業では、売上の増加、製品のイノベーション、顧客満足度の向上といった定性的な成果も含め、競合他社との差別化に成功している 8。

AIが生産性に与える影響を数学的にモデル化すると、以下のようになる。

ここで、 は自動化による単純な人件費削減、 はAIによる人間の能力拡張（判断精度の向上、新商品開発など）による付加価値を指す。2026年においては、後者の の比重が急速に高まっている 1。

「オートメーション・クリフ（自動化の崖）」への警鐘

Abacus AIなどの専門家が指摘するのは、2025年末から2026年にかけて到来する「オートメーション・クリフ（自動化の崖）」である 31。これは、AIが人間の指示なしに自律的に判断し、行動するレベル（レベル4の自律性）に達したとき、従来の業務フローそのものが崩壊し、新たな形へと再構築される現象を指す。

この崖を乗り越える企業は、以下の5つのレイヤーを備えた「エージェント・ネイティブ」な組織へと進化する必要がある 32。

1. ワークフロー所有権: どこで人間が最終判断し、どこまでをAIに委ねるかの定義。
2. オーケストレーション: 複数のエージェントを調整し、タスクを受け渡す仕組み。
3. ガバナンスと監査: AIの行動履歴を記録し、法規制に適合しているかを監視する。
4. 信頼の構築: 顧客や従業員がAIの判断を信頼できる透明性の確保。
5. スケーラブルなインフラ: 増大するコンピューティング需要を支える柔軟な基盤。

結論：AIと人間の「スーパーエージェンシー」の時代へ

2025年から2026年にかけてのAI活用の網羅的調査から導き出される結論は、AIはもはや「業務の断片的な効率化ツール」ではなく、企業の「戦略的実行機関」となったということである。

日本企業、特に労働力不足に直面している中小企業や地方企業にとって、AIは単なるコスト削減の手段ではない。それは、BML社が年間7,619時間を削減したように、人間をルーチンワークから解放し、トヨタの「O-Beya」が示したように、組織に眠る膨大な知恵を瞬時に活用可能な状態にする「知識の増幅器」である。

今後の展望として、AIは以下の3つの方向で深化していくことが予想される。

• 自律性の深化: マルチエージェント・システムがさらに複雑なワークフローを人間介在なしで完結させるようになる 7。
• 物理空間への浸透: ロボット手術や建設現場の安全監視、自動配送など、デジタルの判断が直接物理的な行動に繋がる領域が拡大する 19。
• ガバナンスの標準化: EU AI法や日本のAI推進法に基づき、説明可能で倫理的なAI活用が「企業品質」の証となる 24。

企業経営者および実務家は、この「オートメーション・クリフ」を恐れるのではなく、AIを同僚として、あるいは強力な拡張手段として受け入れる「スーパーエージェンシー（超個体的な行動力）」の獲得を目指すべきである。2026年は、AIを活用する企業と、AIによって業務を再設計した企業の間に、決定的な格差が生まれる年となるだろう。

[先頭に戻る]

引用文献

1. AI in the workplace: A report for 2025 – McKinsey, 2月 7, 2026にアクセス、 https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work
2. AI in 2026: How Intelligent Agents Are Becoming Trusted Work Partners – Talent500, 2月 7, 2026にアクセス、 https://talent500.com/blog/ai-agents-2026-digital-partners/
3. Global AI Adoption in 2025 – AI Economy Institute – Microsoft, 2月 7, 2026にアクセス、 https://www.microsoft.com/en-us/corporate-responsibility/topics/ai-economy-institute/reports/global-ai-adoption-2025/
4. Japan’s Agile AI Governance in Action: Fostering a Global Nexus Through Pluralistic Interoperability – CSIS, 2月 7, 2026にアクセス、 https://www.csis.org/analysis/japans-agile-ai-governance-action-fostering-global-nexus-through-pluralistic
5. AI use in the Japanese workplace: Artificial Intelligence and the Labour Market in Japan, 2月 7, 2026にアクセス、 https://www.oecd.org/en/publications/artificial-intelligence-and-the-labour-market-in-japan_b825563e-en/full-report/ai-use-in-the-japanese-workplace_faf178d2.html
6. Practical AI Agents Examples for Business & How to Get Started …, 2月 7, 2026にアクセス、 https://www.databricks.com/blog/ai-agent-examples-shaping-business-landscape
7. Top Tried and Tested Use Cases for Autonomous AI Agents in 2025, 2月 7, 2026にアクセス、 https://www.druidai.com/blog/top-tried-and-tested-use-cases-for-autonomous-ai-agents-in-2025
8. The State of AI: Global Survey 2025 | McKinsey, 2月 7, 2026にアクセス、 https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
9. CFOs share top trends for AI adoption in Japan – Kyriba, 2月 7, 2026にアクセス、 https://www.kyriba.com/blog/cfos-share-top-trends-for-ai-adoption-in-japan/
10. How AI Is Changing Corporate Finance in 2025 | Workday US, 2月 7, 2026にアクセス、 https://www.workday.com/en-us/perspectives/finance/2025/03/how-ai-changing-corporate-finance-2025.html
11. AI Sales Automation 2025: Top Tools & B2B Trends Revealed – Martal Group, 2月 7, 2026にアクセス、 https://martal.ca/ai-sales-automation-lb/
12. How Generative AI for Sales Will Improve Your Job | Salesforce, 2月 7, 2026にアクセス、 https://www.salesforce.com/sales/ai/generative-ai-for-sales/
13. 「JAPAN AI AGENT」がAIsmiley AI PRODUCTS AWARD 2026 「AI …, 2月 7, 2026にアクセス、 https://prtimes.jp/main/html/rd/p/000000141.000124536.html
14. The Competitive Advantage of Using AI in Business, 2月 7, 2026にアクセス、 https://business.fiu.edu/academics/graduate/insights/posts/competitive-advantage-of-using-ai-in-business.html
15. Vertical AI SaaS: What Founders Need to Know in 2025 | L40°, 2月 7, 2026にアクセス、 https://www.l40.com/insights/vertical-ai-saas
16. 年間1億検査を支えるBML、300名導入で7619時間削減！ 生成AIが加速させた業務改革, 2月 7, 2026にアクセス、 https://japan-ai.co.jp/case-study/20251217/
17. ビー・エム・エル、「JAPAN AI」導入により累計7,619時間の業務時間削減を実現 – AIsmiley, 2月 7, 2026にアクセス、 https://aismiley.co.jp/ai_news/japan-ai-bml/
18. The built economy: How vertical AI is unlocking the biggest untapped market in trades and construction – SignalFire, 2月 7, 2026にアクセス、 https://www.signalfire.com/blog/vertical-ai-in-trades-and-construction
19. Top 2025 AI Construction Trends: According to the Experts – Digital Builder – Autodesk, 2月 7, 2026にアクセス、 https://www.autodesk.com/blogs/construction/top-2025-ai-construction-trends-according-to-the-experts/
20. Agentic AI in Smart Manufacturing: Enabling Human-Centric Predictive Maintenance Ecosystems – MDPI, 2月 7, 2026にアクセス、 https://www.mdpi.com/2076-3417/15/21/11414
21. AIエージェントの活用事例や企業の成功事例を解説！ – Jooto, 2月 7, 2026にアクセス、 https://www.jooto.com/contents/ai-agent-case-study/
22. AI-Assisted Execution in Aerospace: Redefining Speed, Quality, and Readiness in 2026, 2月 7, 2026にアクセス、 https://www.psware.com/aerospace-ai-at-scale-the-new-standard-for-speed-quality-and-readiness-in-2026/
23. How AI agents accelerate supply chain transformation | EY – Sweden, 2月 7, 2026にアクセス、 https://www.ey.com/en_se/how-ai-agents-accelerate-supply-chain-transformation
24. 2026 AI Legal Forecast: From Innovation to Compliance | Baker Donelson, 2月 7, 2026にアクセス、 https://www.bakerdonelson.com/2026-ai-legal-forecast-from-innovation-to-compliance
25. The Year in AI Law: 2025’s Biggest Legal Cases and What They Mean for 2026, 2月 7, 2026にアクセス、 https://www.internetlawyer-blog.com/the-year-in-ai-law-2025s-biggest-legal-cases-and-what-they-mean-for-2026/
26. Top Legal AI Trends for 2026 | Insights from Industry Leaders – Verbit, 2月 7, 2026にアクセス、 https://verbit.ai/legal/top-legal-ai-trends-for-2026-insights-from-law-firm-and-legal-tech-leaders/
27. Artificial Intelligence and the Labour Market in Japan | OECD, 2月 7, 2026にアクセス、 https://www.oecd.org/en/publications/artificial-intelligence-and-the-labour-market-in-japan_b825563e-en.html
28. O-Beyaとは？トヨタとマイクロソフトが構築したマルチエージェントAIを徹底解説！, 2月 7, 2026にアクセス、 https://www.proofx.xyz/obeya/
29. トヨタが生成AIエージェントを導入｜エンジニア知見を活用し開発を加速する仕組み, 2月 7, 2026にアクセス、 https://craftai.jp/toyota-ai-introduction/
30. The State of AI in the Enterprise – 2026 AI report | Deloitte US, 2月 7, 2026にアクセス、 https://www.deloitte.com/us/en/what-we-do/capabilities/applied-artificial-intelligence/content/state-of-ai-in-the-enterprise.html
31. The AI Agent That Will Replace Your Entire Workflow by 2026, 2月 7, 2026にアクセス、 https://www.youtube.com/watch?v=JSvWywgwMpY
32. Building Agent-Native Startups: A Guide to Autonomous Workflows in the 2026 Economy, 2月 7, 2026にアクセス、 https://medium.com/@cosgn/building-agent-native-startups-a-guide-to-autonomous-workflows-in-the-2026-economy-52e9350196d1
33. The 2026 Blueprint to Building a Conversational AI Multi-Agent Bot That Actually Works, 2月 7, 2026にアクセス、 https://medium.com/@laxita76/the-2026-blueprint-to-building-a-conversational-ai-multi-agent-bot-that-actually-works-acab3e144150
34. Medtech Trends 2025: AI, robotics and future healthcare shifts | ZS, 2月 7, 2026にアクセス、 https://www.zs.com/insights/medtech-trends-2025-healthcare-innovation

注意

この文書は AI Gemini Deep Search による生成文書です。誤りが含まれる場合があります。

Gemini Deep Search へのプロンプト

現時点でwebに公開されている情報を元に、AIでできる業務、機能を網羅的に調査する。その際、事例が
あればリンクも含めて提示する。

AI業務・機能・事例網羅的調査

ウェブサイトをリサーチ
(1) 現代のビジネス環境においてAIが活用されている主要な部門（マーケティング、営業、人事、財務、開発、カスタマーサービス等）を特定し、各部門における具体的なAIの役割を分析する。 
(2) 各部門におけるAIの具体的な機能（テキスト生成、画像/動画制作、データ予測、プロセス自動化、意思決定支援、自然言語によるインターフェース等）を網羅的にリストアップする。 
(3) 2025年から2026年にかけて公開された、日本国内およびグローバルの最新のAI導入事例を調査する。 (4) 調査した各事例について、以下の情報を収集する：
  (a) 導入企業名および業界 
 (b) 活用されたAI技術やツールの名称 
 (c) 具体的な業務上の課題とAIによる解決策 
 (d) 参照元となるWebページのURL 
(5) 汎用的なAIツール（LLM等）だけでなく、特定の業界（医療、法務、製造、建設等）に特化したバーティカルAIの活用状況と具体的な機能を調査する。
 (6) AIエージェントや自律型AIワークフローなど、人間の介入を最小限にする最新の業務形態に関する情報を収集し、その実用性を評価する。 
(7) 収集した情報を統合し、業務カテゴリーごとに「できること」「具体的なメリット」「実際の事例リンク」を体系的に整理する。
結果を分析