「この仕事は自分たちでできるだろうか。それとも専門家に任せた方がいいだろうか」

Webサイトの運用やマーケティングに取り組む中小企業にとって、こうした判断は珍しくありません。社内に十分な人員や専門知識がなければ、外部の力を借りることも選択肢になります。

そこにAIが加わり、選択肢が広がってきました。これまで専門家に依頼していた作業をAIの助けを借りながら自社で進めたり、AIと対話しながら改善案を考えたり、AIエージェントに一定の処理を任せたりすることが考えられるようになったからです。

この変化を考える手がかりとして、サービス提供や業務支援で使われる「DIY・DWY・DFY」という3つの型があります。自分で進めるのか、専門家と一緒に進めるのか、専門家に任せるのか、という関わり方を整理する枠組みです。この見方をAI活用にも応用すると、何が変わり、何が変わらないのでしょうか。

この記事では、従来の3つの型を確認したうえで、AIを使う場合との共通点と限界を検討します。最後にWeb運用を例として、何を自社で担い、何をAIや専門家に任せ、誰が確認・判断・承認するかを考えます。

DIY・DWY・DFYとは?仕事の進め方を整理する3つの型

DIY・DWY・DFYは、顧客とサービス提供者の作業分担を説明する際に使われる言葉です。生成AIが広く使われる前から、人によるサービスの進め方を整理するために用いられていました。例えば、米国の経営支援事業者Two-Brain Businessが2021年11月11日に公開した「Done-With-You Services: The Secrets of Incredible Value」では、DIY・DWY・DFYを比較し、広告代理店に運用を任せるDFYと、コーチが顧客と一緒に取り組むDWYの違いを説明しています。これは当時の事業者による使用例であり、3つの型の起源や、全業界で統一された標準分類であることを証明するものではありません。実際の支援範囲も提供者によって異なります。

型英語の意味人による支援での基本的な進め方
DIYDo It Yourself自社が学び、自社が主に実行する
DWYDone With You専門家が助言・共同作業を行い、自社も仕事に関わる
DFYDone For You専門家や事業者が決められた範囲の作業を実行する

Webサイトの制作で考えると、DIYでは自社でツールを選び、調べながらサイトを作ります。外注費を抑えられる可能性がある一方、学習・制作・保守の時間は社内で負担します。DWYなら専門家と構成を考え、作り方を教わりながら自社も制作に参加します。外部の知見を取り入れつつ経験を蓄積できますが、社内にも参加する時間が必要です。DFYなら制作会社などへ作業を依頼し、自社は目的や条件を伝え、素材を提供し、成果物を確認します。制作技術を一から身につけずに済む場合でも、依頼と確認の仕事はなくなりません。

どの型が優れているかを示すものではありません。また、企画は自社、制作は外注、運用改善は専門家と共同で進めるといった組み合わせもあります。3つの型は、会社全体を一度で分類するためではなく、仕事の関わり方を考えるための目安です。

AIを取り入れると、DIY・DWY・DFYはどう変わる?

ここからは、この枠組みをAIに当てはめてみます。ただし、DIY・DWY・DFYはもともと「自社と支援者の関係」の整理であり、AIの機能や自律性を表す分類ではありません。 「AIに質問するからDIY、対話するからDWY、エージェントだからDFY」と厳密に分けられるわけではない点に注意が必要です。

従来の支援形態AIを利用した場合に似ている使い方ここで混同しないこと
DIY:自分で進める自社の担当者がAIを道具として使い、自ら作業を進めるAIと対話していても、人との支援契約がDWYになるわけではない
DWY:一緒に進めるAIを思考や制作の相手にして、案を出し合い修正するAIとの共同検討は、専門家による伴走や品質保証と同じではない
DFY:実行を任せる指定した範囲の複数工程をAIエージェントに実行させるAIが自律実行しても、企業が内製している場合がある

例えば、担当者がAIに何度も質問しながら自社で記事を完成させたなら、「AIとの共同作業」という面ではDWYに似ています。しかし、外部の専門家に頼まず自社で制作しているという面ではDIYです。このように、同じ仕事が見る角度によって複数の型に似ることがあります。 以下では対応関係を定義し直すのではなく、それぞれの型でどんな変化が起きるかを考えます。

DIY:AIを使って、自分でできる仕事が広がる

DIYでは、仕事の主導と実行を自社が担います。AIの登場によって、知識や技術の不足から難しかった作業にも取り組みやすくなる可能性があります。例えば、Google Analytics 4(GA4)の指標について質問する、表計算ソフトの集計式を作ってもらう、SNS投稿の下書きを用意する、といった使い方です。

AIが出力したものを担当者が選び、直し、完成させるなら、AIを使っていても自社で進める仕事です。ただし、手順を教えてもらえることと、結果の正しさを評価できることは別です。アクセス解析では、指標の定義や計測設定を誤解したまま集計すると、見かけは整ったレポートでも判断を誤るおそれがあります。AIがDIYの範囲を広げても、必要な確認まで自動的になくなるわけではありません。

DWY:専門家との共同作業に、AIという新しい相手が加わる

DWYは、専門家と顧客が役割を分けながら進める支援形態です。AIに現状を説明して改善案を出してもらい、疑問を投げ返して案を修正する使い方は、その「一緒に考えながら進める」という体験に似ています。例えば、問い合わせを増やしたい担当者が、AIとのやり取りで施策候補を比較し、社内で実行できる案に絞るような場面です。

ただし、AIとの対話そのものを、人間の専門家によるDWYと呼ぶのは正確ではありません。専門家には、現場の状況を確かめ、経験に基づいて助言し、依頼範囲に応じて支援の品質を担う役割があります。AIの提案には不正確な説明や前提の取り違えが含まれ得るため、担当者が疑問を持って確認しなければなりません。

AIと専門家のどちらか一方を選ぶ必要もありません。日々のデータ整理や案出しは担当者とAIで進め、分析結果の解釈や優先順位は専門家と一緒に考える。こうした組み合わせなら、AIを使いながら人によるDWYの価値も活かせます。

DFY:AIエージェントが作業の実行を担うようになる

DFYでは、決めた範囲の実行を他者に任せます。AI活用では、指定された目標や指示に基づき、ツールを使って複数の工程を進めるAIエージェントが、作業を「任せる」体験に近づけています。IPAの解説(2025年7月8日公開)でも、AIエージェントに厳密な統一定義はないとしながら、自律的な問題解決やタスク実行が特徴として説明されています。

週次のアクセスレポートを例に、従来の定型自動化とAIエージェントを比較してみます。毎週決まった指標を取得し、同じ表にまとめて担当者へ通知するだけなら、表計算ソフトや既存の自動化機能で十分な場合があります。一方、「問い合わせにつながる動きに変化があったら、その原因候補を調べて報告する」という依頼では、確認すべきデータや調査の順番が状況によって変わります。AIエージェントの柔軟な処理を検討する余地があるのは、例えばこうした場面です。

比較定型自動化で対応する例AIエージェントを検討する例
依頼する仕事毎週、指定した指標を同じ形式で集計する指標に変化があれば、関連するページや流入元を追加調査して下書きを作る
処理の進め方あらかじめ決めた手順・条件分岐に従う許可されたツールとデータの範囲で、次に確かめる項目や操作の順番を選ぶ
人が確かめること数字の定義、集計結果、欠測左記に加え、追加調査の選び方、解釈の根拠、実行履歴

この比較は説明用の仮例であり、実際に構築・試験した仕組みではありません。複雑な条件分岐は従来のプログラムでも実装できますし、AIエージェントなら必ず正しい調査ができるわけでもありません。実現できる範囲は製品の機能や設定、接続先に左右されます。例えば、データを読み取るだけの権限で動かし、想定外の取得・送信やサイト更新を行わせず、報告内容は担当者が確認するといった運用条件が必要です。

この型に似ているのは「一定の実行を任せる」という点です。企業が自社でエージェントを用意して管理する場合、外部委託としてはDFYではなく内製です。仕事の実行方法と、企業の支援体制を分けると、その違いが見えてきます。

AIエージェントはDFYなのか?3つの型だけでは説明できないこと

もし制作会社にWebサイトの制作を一括で依頼し、その会社が内部でAIを使っていたとしても、依頼者から見た支援形態はDFYのままです。反対に、自社で設定したAIエージェントに定期レポートを作らせる場合は、AIが自律実行していても企業の運用体制としては内製です。AIの動作が高度になったからといって、DIYからDWY、さらにDFYへと段階的に移るわけではありません。

AI活用を考える際は、「誰が仕事を担うか」に加えて「システムがどこまで自分で進めるか」を別に見る必要があります。さらに、作業の実行と、目的設定・品質確認・判断・承認・責任も同じではありません。例えばAIがWebサイトの改善案を作れても、どのサービスを優先するか、予算をいくら使うか、変更を公開するかは別の意思決定です。

仕事を分ける観点具体的に決めること
目的設定何を改善したいか、何を成果とするか
実行調査、集計、制作、更新などを誰・何が行うか
品質確認出力が正しいか、誰がどんな根拠で確かめるか
改善判断結果を受け、どの施策を採用するか
承認予算の支出、本番環境への変更、情報の公開を誰が許可するか
責任と対応問題が起きた場合の対応窓口、停止・復旧方法、契約上の分担はどうなっているか

AIに確認作業の一部を補助させたり、条件付きで実行させたりすることは考えられます。しかし、AIに作業を任せることと、企業の意思決定権限や法的責任がそのまま移ることは別です。責任関係は契約や具体的な行為などによっても異なるため、「AIに任せたから責任もなくなる」とは考えない方がよいでしょう。

Microsoftの自律エージェント設計ガイド(2026年7月30日更新)では、明確な業務範囲、段階的な試験、必要最小限のアクセス権、人間による重要操作の承認、監査ログなどを推奨しています。これは特定製品の設計指針であり、すべてのAIツールに同じ仕組みが備わっているという意味ではありません。企業がAIに仕事を任せるときにも、どこまで実行してよいか、どこで確認を挟むかを決める参考になります。

Web運用を例に、AIと人の役割分担を考えてみる

「Webサイトからの問い合わせを増やしたい」という中小企業を想定します。専任のWeb担当者はおらず、営業担当者が兼任している状況です。まず、現在の問い合わせ導線をデータで確かめ、改善候補を選び、必要なページを制作・更新する流れを考えます。以下は一連の説明用の仮例であり、実在の企業やmarkeTransの導入実績・成果を示すものではありません。

アクセス解析:集計を任せても、数字の意味は確かめる

GA4やGoogle Search Consoleのデータ取得、定型集計、レポートの下書きは、AIや自動化ツールを利用する候補になります。ただし、データに欠測はないか、指標の定義は合っているか、問い合わせにつながる行動を測れているかを確認しなければ、集計結果から改善判断はできません。自社に確認できる人がいなければ、専門家に計測状況を点検してもらうか、まずは自分で正しさを確認できる範囲の集計に絞る選択もあります。

また、AIにデータを渡す前には、個人情報や顧客・取引先の非公開情報が含まれていないか、社内規程・契約・利用するAIサービスのデータ取扱条件に反しないかを確かめます。連携機能を使う場合、取得だけが目的なら読み取り専用など、必要な権限に限ることも重要です。情報を渡してから考えるのではなく、渡してよい情報と接続先を先に決めます。

ここでは、データを確認した結果、サービス紹介ページから問い合わせフォームへ進む割合が低い可能性が見えてきたとします。ただし、計測の問題なのか、説明内容や導線に課題があるのかは、この段階ではまだ分かりません。次に必要なのは、数字を原因と決めつけず、改善仮説を比較することです。

改善案の検討:提案の作成と、優先順位の決定を分ける

AIに数値の傾向や公開されているページ情報を整理してもらい、「サービスの説明が不足している」「問い合わせへの案内が分かりにくい」といった仮説を比較することは考えられます。しかし、今どの商品を伸ばしたいか、営業現場でどのような相談が増えているか、予算や制作体制に余裕があるかといった条件を、AIが当然に知っているわけではありません。担当者が社内情報を補い、解釈が難しいところは専門家と相談し、実際の優先順位は事業側で決めます。

この会社では担当者と専門家が検討し、まずはサービス紹介ページの説明と問い合わせへの案内を見直す方針を選んだとします。これは効果が実証された施策ではなく、限られた工数で試す改善案です。次は、その方針をページの文章や構成に落とし込む工程へ進みます。

コンテンツ制作:下書きと公開品質の確認を分ける

選んだ改善案を形にするため、担当者は既存のサービス資料を用意し、AIや外部制作者にページの構成案・文章案の作成を任せることができます。一方、存在しない実績や不正確な説明、権利・守秘に関わる表現が含まれる可能性もあります。下書き作成をAIや外部制作者に任せる場合も、事実確認を行う人、表現を確認する人、公開を承認する人を決めておきます。確認できない実績は、見栄えのために補わず、掲載を保留します。

営業担当者が内容を確認し、公開可能な原稿を確定したら、次はサイト更新です。原稿が完成しただけではWebサイトの表示や問い合わせ導線は変わらないため、承認された内容を実際のページへ反映します。

サイト更新:下書き作成と本番公開を分ける

確定した原稿の登録、画像差し替え、リンク設定などは、内容や仕組みによってAIエージェントや自動化ツールを活用できる場合があります。ただし、公開中のページを誤って変更すれば、問い合わせ導線の不具合や誤情報の掲載につながるかもしれません。最初は下書きや検証環境までに実行範囲を限定し、表示・リンク・変更差分を確認してから権限者が公開する方法が考えられます。書き込み権限を付与するときは対象ページや操作を絞り、履歴・バックアップ・復旧方法も準備します。

公開後は、ページから問い合わせへ進む行動などを同じ定義・条件で観測し、実際に変化があったかを検証します。改善したという結果をここで仮定する必要はありません。施策を実行したことと、成果が確認できたことは分けて考えます。

これらの工程を並べると、一つの業務でも複数の進め方が共存します。

工程実行を担う候補確認・判断・承認の分担例
データ取得・集計自社で利用するAI、既存自動化、専門家社内担当者が条件を確認。難しければ専門家が検証
分析・改善案の検討担当者とAI、外部専門家根拠を照合し、事業責任者が優先順位を決定
原稿・画像の制作社内担当者、AI、外部制作者内容・権利・品質を点検し、権限者が公開承認
Webサイトへの反映社内担当者、制作会社、権限を限定した自動化差分と動作を確認し、権限者が本番反映を承認

データ取得は自社管理のAIで進め、分析結果の解釈は専門家と共同で行い、制作の一部を外注する形も可能です。重要なのは「当社はDIY型」「すべてDFY型」と決めることではなく、工程ごとに実行者と確認者を明らかにすることです。

内製・伴走・代行をどう組み合わせる?自社に合う選び方

進め方を選ぶ際には、外注費やAIツールの利用料だけでなく、指示・確認・修正・保守にかかる社内工数、必要な専門性、実行までの速度、社内に残したい知識、誤りの影響を比較します。DIYなら必ず安い、DFYなら必ず速いというわけではありません。担当者が結果を確かめられない業務を自動化すると、むしろ確認や手戻りの負担が増える場合もあります。

そこで、まずは「社内に確認できる人がいるか」「その人が作業時間を確保できるか」「誤りが起きたときの影響を抑えられるか」の3点から考えます。状況別の選択肢は、例えば次のようになります。

自社の状況検討しやすい進め方先に確認する条件
結果を自社で確認でき、実行時間もあるDIYを中心にAIで補助検証方法、作業・保守の総工数
自社で進めたいが、分析や判断に不安がある専門家によるDWYを組み合わせるどの判断を助言してもらい、何を自社で実行するか
正しく確認できても、作業時間が不足する作業部分のDFYや定型自動化を検討納品条件、確認・承認の担当、費用
社内に正しさを確認できる人がいないまず専門家の点検・支援を受ける実行や公開の範囲を広げる前に確認方法を整える
手順が定型的で、誤りを発見・修正しやすいAI以外の既存機能を含めて自動化を比較例外処理、停止方法、保守負担
誤りの影響が大きい、元に戻しにくい人の確認を必須にし、限定した範囲で試す権限、承認、復旧手段、外部の専門性

例えば「週次のアクセスレポートを作りたい」という兼任担当者を想定します。社内に指標の定義を理解し、数字を照合できる人がいるなら、まずは既存ツールやAIでデータ取得・整形を補助し、その人が確認する形が考えられます。正しさを判断できないなら、最初からレポート全体を自律実行させるより、専門家と指標や確認方法を整理する方が先です。正しく確認できても作業時間が足りないなら、定型作業だけを外注・自動化する選択肢があります。

試すときは、一度に業務全体を置き換える必要はありません。対象を一つ選び、目的・手順・実行者・確認者・承認者を決め、まずは読み取りや下書きなど影響の小さい範囲で試します。出力の正確性、確認に要した時間、例外への対応を確かめてから、任せる範囲を広げるか判断します。AIエージェントに限らず、外注するときにも成果物の確認方法や問題が起きた場合の連絡先を決めておくと、役割分担が曖昧になりにくくなります。

AI時代も、DIY・DWY・DFYは組み合わせて考える

従来のDIY・DWY・DFYをAI活用に当てはめてみると、自社で進められる仕事が広がり、共同作業の形が変わり、一定の実行をAIに任せる選択肢が増えていることが分かります。一方、3つの型は人と事業者の支援関係を説明する枠組みであり、AIの自律性そのものを分類するものではありません。AIが作業を進めることと、目的設定・品質確認・判断・承認をどう扱うかは、分けて考える必要があります。

自社ですべてを担うか、すべてを外部に任せるかという二択ではありません。例えば、データ取得は自社で自動化し、解釈は専門家と考え、制作は外注する。そうした組み合わせも、業務の目的と社内体制によっては合理的です。まずは仕事を一つ選び、誰が実行し、誰が確かめ、誰が決めるのかを書き出してみてください。AIや支援サービスは、その後で選んでも遅くはありません。

Web運用全体の役割分担を整理したい場合は、「Web担当者がいない中小企業はどうする?採用・兼任・外注の前に考えたいこと」も参考になります。制作会社・運用代行・Webコンサルに依頼できる範囲を比較する場合は、「Web運用はどこまで外注できる?」で詳しく整理しています。自社だけでは業務や改善の優先順位を整理しにくい場合、外注やAI導入を前提にせず、現状の運用体制と課題を一緒に確認する方法もあります。markeTransでは、Webを起点に課題を整理し、データを改善判断につなげるための支援を行っています。