RAGやAgentic Searchに関しても分かりやすく解説しているので、結構ためになるかと思います。
従来のAIは準備された情報の範囲内で答える「RAG」が主流でしたが、Claude Codeは自律的に最適な情報を探索する「Agentic Search」を優先しました。これは、事前にデータを読み込ませる手間を省き、変化の激しい現場のリアルタイムな状況をAIが自ら把握しに行く仕組みへの転換を意味します。
＜AI時代への考察＞
AIに「何を教えるか」というデータ整備の時代から、AIに「どう動かせるか」という指示出し（エージェント化）の時代へ、技術の重心が明確に移っています 。
<管理部の視点から>
現場が勝手に「自律型AI」を導入すると、情シスの知らないところでAIが社内データを探索し、予期せぬ情報漏洩を招くリスクがあります。管理部門としては、AIに「どの範囲まで探索して良いか」という権限（パーミッション）設定をルール化することが最優先事項です（※IT・法務・経営企画に関連）
https://zenn.dev/karamage/articles/2514cf04e0d1ac
ISAOの管理部門のAI導入事例
AIは、こうした小さな「動かない」でつまずきます。ISAOは、その先——実際の業務に
AIを乗せて回すところまでを、お客様の管理部門と一緒に進めています。
月次決算の工数を50%以上削減｜東証グロース上場企業A社
少人数の経理財務部門で、決算業務を1本ずつAI化。外注に頼らず社内で決算を完結
できる体制をつくりました。（Claude Cowork／Microsoft 365 Copilot）
全社でAIを使わない日がない状態へ｜医薬品・上場準備企業
ツールを配って終わりにせず、顧問として伴走。安全に使える環境の整備から
リテラシー向上まで。G検定の合格率は100%。
収益認識の判定をAIエージェント化｜創薬支援CRO
月100件を超える契約の収益認識判定を、監査証跡を保ったままAIがドラフト。
ドラフト・レビュー工数を75%以上削減しました。
「AI管理部長」を数年かけて共同研究｜東証上場のIT企業
管理部門の業務をAIが担う仕組みを研究。汎用LLMで足りる部分と、自社で作り込む
べき部分の線引きを実務で検証しています。
