Makeの使い方｜AIエージェントで業務を完全自律化する手順

「APIキーの設定で挫折した」「自動化を作ってもエラーばかりで修正に追われる」。そんな過去は終わりです。現在のMakeは、AIに指示を出す「司令塔（オーケストレーター）」として、専門知識なしで業務を完遂する存在へ進化しました。本記事では、最新のAIエージェント機能を用いた、次世代の業務自動化の始め方を解説します。

MakeがAI司令塔と呼ばれる理由

これまで、業務自動化といえば決められた手順をなぞるだけのものでした。しかし、AIエージェントの登場により、その概念は根本から覆りつつあります。

オーケストレーションへの進化

従来の自動化ツールは「もしAならBをする」という条件分岐（if-then）で動いていました。しかし、イレギュラーな事態に弱く、修正のたびにエンジニアの手が必要でした。現在のMakeは、AIが状況を判断し、目的達成のために柔軟に行動する「オーケストレーション（調和・統合）」ツールへと進化しました。PCの中に、状況を判断して動く優秀なアシスタントが住み着いた状態を想像してください。

API不要！道具を持たせる概念

かつては、複雑なAPIキーの管理やデータのパース（解析・変換）といった技術的負荷が避けられませんでした。今のMakeは「AIに道具を持たせる」というシンプルな概念を採用しています。AIが外部アプリ（Google WorkspaceやSlackなど）を自律的に操作するため、私たちは「何をさせたいか」という目的を定義するだけで済むのです。

関連記事：【開発者向け】AIエージェント開発フレームワーク比較と選び方のコツ

【図解】MakeのAIエージェント仕組み

Makeの画面上では、AIの「知能」と「実行力」が明確に分かれています。

脳と手足の役割分担

MakeにおけるAIエージェントは、以下の2つのモジュールで構成されています。

• 六角形モジュール（脳）： AI Agent機能。全体の司令塔となり、目標達成のための手順を自律的に考えます。
• 丸モジュール（手足）： 外部サービスとの接続機能。メールを送る、ファイルを保存するなど、AIの判断を物理的な動作に変換します。

この役割分担により、複雑な業務フローを視覚的に構築し、AIに「考えてから動く」プロセスを委ねることが可能になりました。

GPT-5とClaude 4.7の切替

タスクには適材適所があります。MakeのLLM（大規模言語モデル）セレクターを使えば、処理の内容に合わせてモデルを即時切り替え可能です。

関連記事：【経営判断】Claude Code モデルの切り替え術｜無駄なコストを削り開発スピードを加速させる方法

実践！AIエージェント作成3ステップ

AIエージェントを構築するプロセスは、驚くほど直感的です。以下の3つのステップで進めていきましょう。

ステップ1：知識ベースの構築

AIが社内ルールや過去の事例を知っている状態を作るのが、RAG（検索拡張生成）の構築です。Makeの「Knowledge」機能を使えば、ドラッグ＆ドロップでPDFやドキュメントを読み込ませるだけで完了します。これにより、AIは「社内の専門知識」を装備した状態になります。

ステップ2：自律判断の定義

次に、メインとなるAI Agentモジュールを設定します。「Run an Agent」の設定画面を開き、AIに与える役割や目標を言語で指定します。ここで重要なのは「どのような手順で」ではなく「何を達成してほしいか」を明確に伝えることです。

ステップ3：動作検証と実装

構築したら、「Chat Sandbox（対話環境）」で実際にAIと対話してみましょう。想定した回答が得られない場合は、プロンプト（AIへの指示）を微調整します。ブラウザ上で動作を確認できるため、失敗を恐れずに試行錯誤できるのが大きな利点です。

関連記事：【保存版】Claude Code プロンプトの限界を超える！AIを「部下」として扱う3つのステップ

運用コストを最適化する考え方

AIを動かすにはコストがかかります。その仕組みを理解し、賢く運用することが重要です。

推論コストの透明化と目安

Makeの料金は、推論負荷に比例したクレジット消費型です。AIが「深く考える」ほど消費が増えるため、以下の工夫でコストを抑えられます。

• 簡潔な指示: プロンプトを短くし、無駄な思考を省く。
• 条件の限定: AIの行動範囲を適切に制限する。
• キャッシュの活用: 頻出する定型文はAIを通さず処理する。

プロンプトによる修正法

AIが期待した動きをしない場合、エラーを恐れる必要はありません。大抵の場合、AIに与える「文脈」が足りないか、指示の優先順位が曖昧なことが原因です。プロンプトを少し書き換えるだけで精度は劇的に改善します。

関連記事：【完全ガイド】AIエージェントに「前提」を二度と言わせない！CLAUDE.mdと.claude/rules/の最適化術

MCP連携で外部ツールと脳を繋ぐ

Makeの進化は、閉じたプラットフォーム内だけにとどまりません。

MCP Serverの活用

MCP（モデルコンテキストプロトコル）を使用することで、Claude Codeなどの外部AIからもMakeのワークフローを呼び出せます。「Makeの中にAIがいる」状態から「外部のAIがMakeを道具として使いこなす」状態へと、エージェントの能力はさらに拡張されます。

API不要の拡張フロー構築

この仕組みの最大のメリットは、エンジニアに頼らずビジネスリーダーが自ら拡張を続けられる点にあります。AIエージェントという「優秀な部下」を、現場主導で育てていく未来がすでにそこにあります。

関連記事：【経営視点】MCP（Model Context Protocol）とAIエージェントの連携で実現する「AIの標準化基盤」

まとめ

Makeを活用したAIエージェント構築の要点は以下の通りです。

• 司令塔となる: 自動化からオーケストレーションへシフトし、AIに判断を委ねる。
• 3ステップで構築: Knowledgeへの資料投入、Agentの定義、Sandboxでの検証を行う。
• コストを管理: クレジット消費の仕組みを理解し、適切なプロンプトで最適化する。
• 拡張性を確保: MCP連携により、外部ツールからの操作もノーコードで実現する。

Makeによるオーケストレーションは、単なる効率化ツールではなく、あなたの隣で働く「優秀なAI部下」を育てるプロセスそのものです。まずは無料プランで、社内ドキュメントを読み込ませた最初のエージェントを作成し、その「判断力」を体感してみてください。今すぐMakeにログインして、未来の働き方を始めましょう。