Power Apps × AI Builder × Copilot 「次世代」業務アプリ開発ガイド：請求書処理アプリ・チャットボット
はじめに：System of Record から System of Intelligence への進化
「もっと業務を効率化したいが、開発リソースが足りない」「日々繰り返される非定型データの入力や、肥大化する社内問い合わせへの対応に追われ、コア業務に集中できない」といった課題を抱えていませんか？
Microsoft Power Platformの最新AI技術の台頭により、これらの課題に対するアプローチは根本から変わりつつあります。
従来のローコード開発ツールとしてのpowerappsに、高度な認識AIであるai builder、そして自然言語インターフェースを提供するcopilot（旧Copilot Studio含む）が統合されたことで、従来の「データを記録するアプリ（System of Record）」から「自律的に業務をこなすアプリ（System of Intelligence）」への進化が可能になりました。
本記事では、IT部門やシステム開発検討者向けに、これら3つのコンポーネントを組み合わせた「次世代」業務アプリケーションの開発術を、具体的な実装手順、アーキテクチャの使い分け、さらには導入時に不可欠となるガバナンス設計まで網羅して解説します。
Power Platformで加速する「次世代」業務アプリ開発のアーキテクチャ
「次世代」の業務アプリ開発とは、単にノーコード・ローコードで画面を作ることではありません。
Power Appsというフロントエンド（キャンバス/モデル駆動型）に、AI Builderという「認識・抽出機能（目や耳）」を持たせ、Copilotという「生成・対話型オーケストレーター（頭脳）」を組み込む複合的なプロセスを指します。
これにより、開発者がシステムアーキテクチャを設計する際、重要となるのが「AI機能の明確な使い分け」となります。
定型的なデータ構造が担保されているタスク（例：特定のフォーマットを持つ請求書や注文書のデータ化）には、認識精度のブレが少ないai builderを採用すべきである。一方で、ユーザーの意図が多様な問い合わせ対応や、非構造化データからの文脈を組んだ情報抽出にはcopilotが適している。このハイブリッド構成をいかに最適化するかが、システム開発成功の鍵を握ることとなります。
関連：「Power Apps, AI Builder, Copilot 徹底活用ガイド：導入コストとガバナンスの注意点」の記事はこちら
実践ガイド1：AI Builderで請求書処理アプリを構築・統合する手順
ここからは、実際に手を動かして「次世代アプリ」を作成する手順を解説します。
まずは、経理部門やバックオフィス業務で最もニーズの高い「請求書処理の自動化」を例に、powerappsとai builderの連携アプリケーション（紙やPDFで届く請求書をAIが読み取り、Power Appsで確認して登録する）を構築する手順を解説します。
ステップ1：AI Builderでモデル選定とカスタムトレーニング
まずは、AIに自社が受け取る請求書のフォーマットを学習させます。この作業がAIへの「教育」になります。
- ① モデルの選択：
Power Appsのポータルから「AI ハブ」を開き、「ドキュメントから情報を抽出する」を選択する。一般的な請求書であれば事前構築済み（Pre-built）モデルも利用可能だが、日本国内特有のレイアウトや独自項目（登録番号、社内管理コードなど）に対応させる場合は「カスタムモデル」を選択する。 - ② ドキュメントの構造化：
- モデルの種類として、レイアウトが一定の「構造化ドキュメント」か、取引先ごとにレイアウトが異なる「非構造化/準構造化ドキュメント」かを選択する。
- ③ サンプルのアップロード：
- 最低5枚のサンプルが必要だが、本番運用の精度を担保するためには、バリエーションごとに15〜20枚以上のサンプルPDF/画像を準備する。
- ④ 情報のタグ付け（アノテーション）：
- アップロードしたドキュメント上で、抽出対象の領域（請求日、合計金額、登録番号など）をマウスでドラッグし、対応するフィールド（コレクション）にマッピングする。テーブル形式の明細行（品名、数量、単価、金額）もグリッド指定でタグ付けが可能である。この作業がAIへの「教育」になります。
- ⑤ トレーニングと発行：
- 「モデルをトレーニングする」を実行する。完了後、必ず「発行（公開）」を行い、Power Platform環境内の他のコンポーネントからAPI経由で呼び出せる状態にする。
ステップ2：Power Automateでバックエンド処理の自動化
ドキュメントのインテーク（受け取り）からAI解析、データベースへの格納までを自動化するフローを構築します。
- ① トリガーの設定：
「共有メールボックスに新しいメールが届いたとき（V3）」や「SharePoint Onlineの特定フォルダーにファイルが作成されたとき」をトリガーに指定する。 - ② AI Builderアクションの接続：
アクションから「AI Builder」を選択し、「ドキュメントから情報を抽出する」ステップを追加する。先ほど発行したカスタムモデルを指定し、パラメータとしてメールの「添付ファイルコンテンツ」を渡す。 - ③ Dataverseへのバッチ書き込み：
AIが抽出した信頼度（Confidence Score）付きの動的コンテンツを受け取り、Microsoft Dataverseのテーブル、または基幹システム（ERP）のAPIへデータをインサートする。
ステップ3：Power Appsでフロントエンドへのコンポーネント組み込み
抽出されたデータの視認、検証、手修正を行うためのUIをpowerappsで開発します。
Power Appsには、AI Builder専用のコントロールが用意されています。
- ① コントロールの配置：
キャンバスアプリの編集画面で、「挿入」タブから「AI Builder」→「フォームプロセッサ」コントロールを画面に配置する。 - ② モデルのバインド：
コントロールのプロパティで、ステップ1でトレーニングしたカスタムモデルを選択し紐付ける。 - ③ Human-in-the-loop（人間が介在するワークフロー）の実装：
画面右側に「テキスト入力」コントロールを複数配置し、それぞれの Default プロパティに以下の数式を設定する。
コード スニペットFormProcessor1.Fields.TotalAmount
これにより、AIが読み取った値が初期値としてフォームに入力される。
ユーザーはプレビュー画面と突き合わせながら、必要に応じて手修正を加え、最後に「確定・承認」ボタンを押してDataverseへコミットする。完全自動化による誤読リスクを排除しつつ、データ入力の工数を劇的に削減する設計となる。
関連：「Microsoft Power AppsでCSVファイル読み込みアプリを作成してみた」の記事はこちら
実践ガイド2：Copilotによる社内問い合わせチャットボットの開発とアプリ埋め込み
次に、自然言語インターフェースを活用し、社内のレギュレーションや各種マニュアルに関する問い合わせを自動化するcopilotの構築と、powerappsへの組み込み手順を解説します。
Copilot Studioの最大の特徴である生成AIベースの回答生成（Generative Answers）の設計・実装
従来のチャットボットのように「一問一答」のシナリオを大量に作り込む必要はありません。
RAG（検索拡張生成）アーキテクチャを活用し、ドキュメントソースから動的に回答を生成させます。
- ① コパイロットの初期化：
Copilot Studio（旧Power Virtual Agents）から、新しいコパイロットを作成する。 - ② ナレッジソースの設定：
「ナレッジ（Knowledge）」セクションへ移動し、社内のルールが蓄積されているSharePoint OnlineのサイトURL、または特定のドキュメントライブラリを指定する。 - ③ データセキュリティとアクセス制御：
重要なのが認証認可の設計である。コパイロットの設定で認証を「手動（Microsoft Entra ID）」に構成する。これにより、回答生成時に生成AIが参照するスコープは、「現在ログインしているユーザーがSharePoint上でアクセス権を持っているドキュメントのみ」に厳格に制限され、権限のない機密情報（役員報酬マニュアルなど）が一般社員への回答に漏洩するリスクを防ぐ。 - ④ ファイル直接アップロードの併用：
仕様書や就業規則などのPDF、Word、Excelファイルを直接ナレッジソースとしてアップロード（環境あたり最大3G-Bまで等）し、固定的な知識ベースとして利用することも可能である。
注意：ハルシネーション（Hallucination）リスクへの対策
生成AIベースの回答は、参照元ドキュメント（インライン引用リンク）を明示するため、従来のLLMに比べて信頼性は高いです。
しかしながら、文脈の要約ミスによる「もっともらしい嘘」を完全になくすことはできません。
開発者は、プロンプトの調整（「システムプロンプトによる指示の厳格化」など）を行うとともに、「この回答はAIによって自動生成されています。重要事項は必ず参照元のドキュメントを確認してください」というような免責事項をチャットの挨拶システムトピックに明記するガバナンスが求められます。
作成したボットをPower Appsアプリ内にネイティブに埋め込む手順
作成したボットはTeamsで公開するのが一般的ですが、業務アプリケーションの中にコパイロットを組み込むことで、ユーザーは画面を切り替えることなく、シームレスにAIの支援を受けることができます。
- ① ボットの発行：
Copilot Studioでボットのテストが完了したら、「公開（Publish）」を実行する。 - ② チャネル設定の構成：
「設定」→「チャネル（Channels）」から「モバイルアプリ（Mobile app）」を選択し、画面に表示される コパイロットアプリケーションID（Client ID） をコピーする。 - ③ Power Appsでのコントロール配置：
powerapps（キャンバスアプリ）の編集画面を開き、「挿入」メニューから「チャットボット（Chatbot）」コントロール（プレビューまたは標準コンポーネント）を選択し、アプリの画面にドラッグ＆ドロップする。 - ④ プロパティの定義：
配置したコントロールの SchemaName または BotID プロパティに、先ほど控えたアプリケーションIDを設定する。
コード スニペットyour-copilot-client-id-here
アプリのテーマカラーや配置（ポップアップ型、常時表示型など）に合わせてレイアウトを調整することで、社内の業務システムと対話型AIが完全に融合したシステムが完成する。
まとめ：AI民主化時代におけるIT部門の新たな役割
powerapps、ai builder、copilotの融合は、単に開発スピードを上げるためのツール選定ではありません。
組織のすべてのレイヤーでAIを活用した業務改善を可能にする「AIの民主化（Democratization of AI）」のインフラストラクチャです。
IT部門に求められる役割は、すべてのアプリを自らウォーターフォール型で開発することではなく、ビジネス部門が安全かつ迅速にこれら次世代コンポーネントを組み立てられる「セキュアな基盤の提供者であり、ガバナンスの守護者」へとシフトしています。
すべての機能を一度に使おうとせず、まずは影響の少ない限定的な業務（特定の定型請求書の読み取りや、IT部門へのFAQ対応ボットなど）からスモールスタートし、段階的に拡張していくことで、組織全体の大きなDX（デジタルトランスフォーメーション）へと繋がります。
ぜひ、今日からあなたの手で「次世代」の業務アプリ開発を始めましょう！
なお、開発や導入の本格的なサポートが必要な場合は、ぜひハイペリオンにご相談ください。
