AI Workflow Automation System

Build a NocoBase app — AI Workflow Automation System: native workflows with AI-employee nodes and an execution flow. Match the layout and signature visuals of this reference prototype: https://static-docs.nocobase.com/solution/templates/11-ai-workflow-automation.html

はじめに

お使いの AI Agent と NocoBase を組み合わせて、ビジネストリガーイベント・条件チェック・AI 処理・データ更新・実行結果・ワークフロー実行履歴を一元管理できる、カスタマイズ可能で信頼性が高く長期的に進化し続ける AI ワークフロー自動化システムを素早く構築できます。

下記のプロンプトをコピーして AI Agent に渡すだけで、NocoBase 上に AI ワークフロー自動化システムの基本構造を生成できます。その後はトリガー・条件・AI ノード・後続アクションをビジュアルで調整できます。

このシステムは、在庫補充の提案・チケット分類・契約条項の分析・ナレッジベースの要約・コンテンツ公開・アセット同期・従業員オンボーディングの提案、および AI がビジネスプロセスに自動参加すべきあらゆるシーンに適しています。

AI ワークフロー一覧：

ワークフロー実行結果：

ビジュアルワークフローキャンバス：

AI ワークフロー自動化システムで解決できる課題

多くのチームはすでに AI をコンテンツ生成・情報の要約・提案の提供に活用していますが、これらの操作は通常一度きりの会話の中に留まっています。ユーザーは手動でデータをコピーし、AI を呼び出し、結果を確認し、出力をビジネスシステムに書き戻す必要があり、プロセス全体は依然として手作業に依存しています。

AI ワークフロー自動化システムを使えば、AI を既存のビジネスプロセスに直接参加させることができます。例えば、在庫記録が変化したときに補充提案を自動生成したり、ナレッジベース記事が作成されたときに要約を自動生成したり、チケットが送信されたときにタイプを自動分類したり、契約が承認ステージに入ったときに条項の変更を自動要約したりできます。

各ワークフローはビジネスイベントによってトリガーされ、設定された順序で計算・条件チェック・LLM・AI 社員・データ更新・レコード作成などのステップを実行できます。AI の入力・指示・出力・最終的な書き戻しステータスはすべて実行記録に保存されます。

これにより、AI は単独のチャットツールではなくビジネスプロセス内の自動実行ノードとなります。チームは各ワークフローがなぜトリガーされたか・AI が何を処理したか・どんな結果を生成したか・データが正常に更新されたかを明確に確認できます。

主な機能

AI ワークフロー管理

• ワークフローの集中管理： ワークフロー名・トリガータイプ・有効化ステータス・総実行回数を一か所で確認できます。
• 有効化・無効化の制御： ビジネスの要件に応じて特定のワークフローを素早くオン・オフできます。
• 実行データの概要： 有効化されているワークフロー・AI ワークフロー・累計実行回数を集計し、自動化の使用状況を把握できます。

ビジネスイベントと実行モード

• データイベントトリガー： レコードの作成・更新やその他のコレクションイベント発生時にワークフローを自動起動します。
• 手動実行： テストや特定のビジネスデータの処理のために、特定のフローを手動で実行できます。
• 非同期実行： 時間のかかる AI タスクをバックグラウンドで実行し、ユーザーの現在の操作への影響を軽減します。

ビジュアルフロー編成

• ノードキャンバス： ビジュアルキャンバス上でトリガー・処理ノード・終了ノードを接続し、完全なフローを一目で確認できます。
• 条件分岐： フィールド値やビジネスルールに基づいて AI を呼び出すかどうか、および後続のどのアクションを実行するかを決定できます。
• 実行順序の設定： 計算・条件・AI 処理・データ操作ノードを柔軟に組み合わせられます。

AI とデータ処理ノード

• LLM ノード： コンテンツの要約・分類・情報抽出・テキスト生成など明確に定義されたタスクを処理します。
• AI 社員ノード： プリセットされた役割・プロンプト・ツールに基づいて、より包括的なビジネス処理を完了します。
• データ操作ノード： レコードの作成・フィールドの更新・AI が生成した結果のビジネスデータへの書き戻しをサポートします。

実行結果と履歴追跡

• 完全な実行詳細： トリガー入力・AI 指示・モデル出力・ノードステータス・最終的な書き戻し結果を表示します。
• 実行履歴のフィルタリング： ワークフロー別に各実行の時間・入力パラメーター・ステータスを確認できます。
• 問題の診断： ノードレベルの入力と出力を使って、失敗が条件・AI 呼び出し・データ更新のどのステップで発生したかを特定できます。

テストと継続的なメンテナンス

• 手動テスト実行： 有効化前にワークフローを実行して、条件・AI 出力・データ書き戻しを検証できます。
• ワークフローバージョン管理： 継続的な調整とロールバックのために、異なる設定バージョンを保持できます。
• 柔軟なノード拡張： ビジネスの進化に合わせて新しい条件・AI 機能・後続アクションを追加でき、フロー全体を再構築する必要がありません。

AI と NocoBase でワークフロー自動化システムを構築する理由

通常の Vibe Coding でゼロから構築する場合、新しい AI 自動化シーンを追加するたびに通常、イベントリスニング・データクエリ・モデル呼び出し・条件ロジック・エラー処理・結果書き戻しを再実装する必要があります。フローが増えるにつれてコードはより複雑になり、実行の追跡が困難になります。

NocoBase はすでにデータモデル・ワークフロー・条件チェック・レコード更新・権限・操作履歴というビジネスシステムの基盤機能を提供しています。これらの機能に LLM または AI 社員ノードを直接追加でき、AI を外部に置くのではなく実際のビジネスデータとプロセスと連携させられます。

例えば、在庫記録が作成された後に在庫提案を自動生成したり、ナレッジベース記事が追加された後に要約を自動生成したり、契約のステータスが変化した後に AI がステージ変更を要約してから監査記録を作成したりできます。これらのフローはすべてビジュアルキャンバスで確認・調整できます。

各実行の入力・AI 指示・出力・データ更新ステータスが記録されるため、チームは結果を確認して問題を特定しやすくなります。可追跡性・保守性・長期的なイテレーションを重視するチームにとって、NocoBase は実際のビジネスで使用する AI ワークフロー自動化を構築するためのより優れた選択です。

FAQ

1. AI ワークフロー自動化と通常のワークフローの違いは何ですか？

通常のワークフローは主に、条件チェック・通知送信・レコード作成・フィールド更新などの事前に決められたルールを実行します。

AI ワークフローはフロー内に LLM または AI 社員ノードを追加でき、システムがビジネスコンテキストに基づいて要約・分類・情報抽出・コンテンツ生成・推薦を実行できるようにします。AI は非構造化タスクを処理し、ワークフローはトリガー条件・実行順序・結果の書き戻しを制御します。

2. AI ワークフローと Vibe Coding で生成された自動化スクリプトの違いは何ですか？

Vibe Coding は自動化スクリプトを素早く生成できますが、ビジネスシーンが増えるにつれて、イベントトリガー・モデル呼び出し・データ権限・エラー処理・ログ記録・バージョン管理の繰り返し開発が必要になります。

NocoBase は AI ノードを既存のデータモデルとワークフローシステムの中に配置します。チームはビジュアルキャンバスでトリガー・条件分岐・AI 処理・データ操作を設定し、各実行を確認できます。散在した一度きりのスクリプトを維持管理するよりも、継続的に実行されるビジネス自動化の管理に適しています。

3. どのようなビジネスイベントが AI ワークフローをトリガーできますか？

AI ワークフローは、レコードの作成や更新などのコレクションイベントによって自動的にトリガーされるか、ユーザーが手動で実行できます。

例えば、在庫記録の更新後に補充提案を生成したり、チケット作成後に問題タイプを分類したり、ナレッジベース記事の追加後に要約を生成したり、契約が特定のステージに入った後に条項の変更を自動分析したりできます。

4. AI を呼び出す前に条件を設定できますか？

はい。LLM または AI 社員ノードに入る前に、データが指定した条件を満たすかどうかを確認できます。

例えば、在庫が安全レベルを下回ったときのみ補充提案を生成したり、優先度の高いチケットのみ AI 分析を呼び出したり、契約が承認ステージに入った後のみ監査記録を作成したりできます。これにより不必要なモデル呼び出しが減り、フローが実際のビジネスルールに沿ったものになります。

5. AI が生成した結果をビジネスシステムに直接書き戻せますか？

はい。AI が処理を完了した後、フローはレコード更新またはレコード作成ノードを続けて実行し、要約・分類・提案・タグ・分析結果を対応するテーブルに保存できます。

例えば、在庫提案を在庫記録に書き戻したり、チケット分類結果をチケットフィールドに保存したり、契約分析結果に基づいて新しい監査記録を作成したりできます。

6. AI が毎回どの入力を使用してどんな結果を生成したかを確認できますか？

はい。実行詳細にはトリガー入力・AI ノードが使用した指示・モデル出力・後続ノードの結果・最終的なデータ書き戻しステータスが表示されます。

これにより、チームはフローが成功したかどうかだけでなく、AI がなぜ特定の結果を生成したかも確認でき、出力の検証・プロンプトの改善・異常のトラブルシューティングに役立ちます。

7. AI ワークフローが失敗した場合、どのように問題を特定しますか？

各実行は実行時間・ノードステータス・入力パラメーター・出力結果を保持します。チームは実行履歴から、失敗がトリガー条件・計算・条件チェック・AI 呼び出し・データ更新のどのステップで発生したかを特定できます。

最終的なエラーメッセージのみを表示する単独のスクリプトと比較して、このノードレベルの実行記録は長期実行されるビジネスプロセスのデバッグにはるかに適しています。

8. LLM ノードと AI 社員を同時に使用できますか？

はい。LLM ノードは要約・分類・抽出・テキスト生成など、明確に定義された単一目的のコンテンツタスクに適しています。

AI 社員は役割・プロンプト・利用可能なツールを設定でき、ビジネスデータと複数の操作ステップを組み合わせたタスクに適しています。チームはフローの複雑さに基づいていずれかを選択するか、異なるワークフローで両方を組み合わせて使用できます。

9. Claude Code・Codex・Cursor・OpenCode はこれらのワークフローの構築を支援できますか？

はい。Claude Code・Codex・Cursor・OpenCode などの AI コーディングエージェントは NocoBase に接続し、自然言語プロンプトからデータ構造・ワークフローノード・条件ロジック・関連ページを生成できます。

ワークフロー生成後も、チームは AI にコードを繰り返し書き直させるのではなく、NocoBase のビジュアルインターフェースでワークフローを確認・テスト・調整できます。

10. 誰が AI ワークフローを閲覧・実行・変更できるかを制御できますか？

はい。NocoBase はロールに基づいて、ユーザーがどの実行記録を閲覧できるか・どのフローを手動で実行できるか・ワークフロー設定を変更できるかを制御できます。

例えば、一般的なビジネスユーザーは自分に関連する結果のみ閲覧でき、プロセス管理者は実行履歴を確認してノードを調整でき、システム管理者はモデル設定・ワークフローバージョン・権限を管理できます。

11. AI ワークフローは長期的にイテレーションし維持管理できますか？

はい。ビジネスルールが変化したときに、トリガー条件・プロンプト・モデル・分岐ロジック・後続アクションを引き続き調整したり、ノードを追加したり処理アプローチを変更したりできます。

ワークフローバージョン・実行履歴・ノード結果は、チームが変更の効果を検証するのに役立ち、要件が変わるたびに自動化スクリプト全体を再構築する必要がなくなります。

12. AI ワークフローは実際の企業業務に適していますか？

はい。特に安定した運用・追跡可能なプロセス・検証可能な結果が求められる自動化シーンに適しています。

NocoBase は権限管理・ワークフローバージョン・実行履歴・操作ログ・監査ログ・企業 SSO・API・プラグイン拡張を必要に応じて組み合わせられます。一度きりの AI 自動化デモと比較して、継続的な保守と段階的な拡張が必要な企業ビジネスプロセスを担うのにはるかに適しています。