# AI Agent とワークフローの使い分け（メール分類とドキュメント抽出の例）

Source: https://openflow.run/ja/blog/when-to-use-ai-agents-vs-workflows/
Language: ja

メールの仕分けやドキュメント処理を自動化する際、最も多い失敗は極端な二択に陥ることです。非構造化テキストを正規表現だけで無理やり処理するか、逆にパイプライン全体を自律型 AI Agent のループに丸投げしてしまいます。

本番環境で安定稼働するシステムは、必ず**モデルの判断**と**決定論的な制御**を切り分けています。メール分類とドキュメント抽出の 2 つの例を使ってその境界線を整理し、**Dify** や **Coze** のようなアプローチで境界が曖昧になりやすい理由を解説します。

## 基本ルール：判断はモデル、制御はワークフロー

ワークフローは**いつ動くか**、**どのシステムを呼ぶか**、**どのスキーマを満たすか**、**エラーや承認をどう扱うか**を決めます。モデルや制御された AI ステップは、単一ノード内の**曖昧な意味理解**だけを担います。

| 役割 | 固定ワークフローのルール | AI モデル / 制御された判断ノード |
| --- | --- | --- |
| **トリガーと起動** | Cron スケジュール、Webhook、受信トレイのポーリング | 不向き——起動タイミングの決定はモデルに任せない |
| **非構造化データの理解** | 正規表現やキーワード一致では脆い | **意図分類、緊急度判定、要約、不定形フィールド抽出** |
| **分岐と外部書き込み** | **条件分岐、ループ、DB/CRM/シート追記、リトライ制御** | 自律実行させると引数ハルシネーションや重複書き込みが起きやすい |
| **権限と監査** | **OAuth トークン管理、人の承認待ち、監査ログ** | プロンプト外でシステム側が強制すべき領域 |

## 例 1：メール分類とエスカレーション

サポートや取引先からのメール処理パイプラインを考えてみます。

*   **固定ルールに任せる工程**：1 分ごとに Gmail の未読メールを取得し、下書きと迷惑メールを除外し、出力を 4 つの固定値（`urgent`、`important`、`informational`、`spam`）に制約して、`urgent` のときだけ Slack 通知や返金承認待ちを挟み、Google Sheets に追記する。
*   **モデル判断に任せる工程**：[AI Decision ノード（JEV）](https://openflow.run/ja/docs/nodes/decision/index.md)で送信者・件名・本文抜粋を読み取り、1 回の呼び出しでカテゴリ分類・緊急度判定・1 文要約を同時に出力する。

メール処理全体を自律 Agent ループに任せると、なりすまし送信者に誤って返信したり、タイムアウト時にシート追記を飛ばしたりするリスクが生まれます。起動・分岐・書き込みを決定論的に保つことで、監査可能で再現性の高いパイプラインになります。

## 例 2：請求書・ドキュメントのデータ抽出

次に、PDF 添付ファイルや取引先からの請求書を抽出して基幹システムへ登録するケースです。

*   **固定ルールに任せる工程**：Webhook やメール添付でファイルを受け取り、コードノードで必須項目や合計金額の検算（`total > 0` など）を行い、一定額以上なら人の承認を挟んでから ERP やスプレッドシートへ書き込む。
*   **モデル判断に任せる工程**：取引先ごとに異なるレイアウトを解釈し、表記ゆれのある品目名を正規化して、指定の JSON スキーマへマッピングする。

モデルの役割は構造化 JSON を出力した時点で終わりです。検算・閾値分岐・業務システムへの登録は、決定論的なコードと条件ノードで処理すべき領域です。

## Dify や Coze 式の Agent Builder で境界が曖昧になる理由

**Dify** や **Coze** などのプラットフォームでは、プロンプト、ナレッジベース、プラグイン群をキャンバス上の「Agent」にまとめ、モデルが完了と判断するまでループさせる構成がよく採られます。

しかし実務で安定稼働しているケースの多くは、開発者がデバッグの過程で分岐条件や呼び出し順を事実上固定しており、実態は決定論的ワークフローです。複雑な業務で本当に自由なループを開放すると、ツール呼び出しのたびにコンテキストが肥大化・劣化し、障害時の切り分けが困難になります。

[なぜ Open Flow は Dify / Coze 式の Agent Builder を作らないのか](https://openflow.run/ja/blog/why-not-agent-builder/index.md)で解説している通り、自律的な推論はモデルメーカーのネイティブ Harness（Claude Code や Codex など）に委ね、反復的で副作用を伴う業務実行は決定論的ワークフローで守る方が合理的です。

## Open Flow が両者をきれいに組み合わせる方法

Open Flow はワークフローと自律 Agent を同じキャンバスに混在させず、役割を明確に分けています。

1.  **ワークフロー内部**：スケジュール、Webhook、条件ノード、コードノード、[Approval（人の承認）](https://openflow.run/ja/docs/nodes/approval/index.md)で決定論性を保ち、意味判断が必要な箇所だけに単一呼び出しの [JEV Decision ノード](https://openflow.run/ja/docs/nodes/decision/index.md)を配置します。
2.  **ワークフロー外部**：[CLI と MCP ツール](https://openflow.run/ja/docs/guides/agent-authoring/index.md)を公開し、Claude Code や Codex などのネイティブ Agent からワークフロー自体を直接検査・編集・検証できるようにしています。

すぐに試したい場合は、[Open Flow コンソール](https://console.openflow.run/flows)を開くか、[Gmail 自動分類テンプレートガイド](https://openflow.run/ja/blog/gmail-classification-n8n-openflow-template/index.md)をご覧ください。

OOMOL·2026/11/10
