業務とAI
生成AIをどの業務から始めるか。中小企業が優先順位を決める方法
生成AIの導入候補を、業務量、判断基準、例外、失敗時の影響、効果測定のしやすさから比較し、最初に検証する業務を選ぶ方法を整理します。
- 生成AI
- 業務選定
- PoC
- 業務改善
生成AIでできそうなことを挙げるだけなら、候補はいくつも出てきます。難しいのは、その中から「最初に試す業務」を一つ選ぶことです。目立つ業務よりも、短期間で効果と限界を測れる業務を選んだ方が、次の判断につながります。
候補は出るのに、優先順位が決まらない
議事録、問い合わせ対応、文書作成、帳票入力、社内検索。生成AIの利用例を社内で話し始めると、さまざまな案が出てきます。しかし、案の多さと導入の進めやすさは別の問題です。
「作れそうだから」「担当者が大変そうだから」だけで選ぶと、検証後に効果を説明できなかったり、例外対応が多すぎて運用へ進めなかったりします。
最初のテーマ選びで必要なのは、将来性の大きさよりも、いまの業務と導入後の差を測れることです。
先に結論。最初は「測れて、戻せる業務」を選ぶ
最初の候補には、次の特徴がある業務が向いています。
- 一定の件数が繰り返し発生している
- 入力と完了条件を説明できる
- 現在の作業時間や手戻りを記録できる
- AIが失敗しても、人の確認で止められる
- 対象範囲を小さく区切れる
反対に、年に数回しか発生しない業務、判断理由を説明できない業務、一度の誤りが重大な契約・事故につながる業務は、最初の検証対象には向きません。
重要なのは「生成AIに向いているか」を一度で決めることではなく、どこまで任せられるかを安全に測れるかです。
業務候補を同じ評価軸で比べる
部署ごとの要望をそのまま並べるのではなく、業務単位で次の項目を確認します。
| 評価する項目 | 確認する内容 | 最初の検証に向く状態 |
|---|---|---|
| 件数・頻度 | 月に何件、何時間発生しているか | 繰り返しがあり、実測できる |
| 入力の状態 | 紙、PDF、メール、表など何を受け取るか | 実データの種類を把握できる |
| 判断基準 | 担当者が何を見て処理しているか | 基準を言葉やルールで説明できる |
| 例外 | 通常と異なるケースがどれくらいあるか | 例外を分類し、人へ戻せる |
| 失敗時の影響 | 誤りが誰に、どこまで影響するか | 公開・確定前に人が確認できる |
| 効果測定 | 導入前後で何を比較するか | 時間、件数、修正率を測れる |
この表を埋められない業務は、生成AI以前に現状の整理が不足しています。その場合は、すぐ開発へ進むより、まず一週間から二週間だけ作業を記録する方が早道です。
同じ「事務作業」でも優先度は変わる
たとえば、次の三つを候補として比較します。
| 業務候補 | 特徴 | 最初の進め方 |
|---|---|---|
| 請求書の入力補助 | 件数が多く、転記項目が明確 | AIが入力案を作り、人が確定する |
| 顧客メールの返信 | 文脈と感情の判断が必要 | 回答案の作成だけを支援する |
| 重要契約の確認 | 件数が少なく、誤りの影響が大きい | 単独判断させず、検索・論点整理に限定する |
請求書入力は「完全自動化できるから」優先するのではありません。入力案と原本を並べて確認でき、作業時間と修正率を測りやすいから、最初の検証に向いています。
一方、顧客メールや契約確認にも生成AIは使えますが、成果の定義と責任範囲を先に決める必要があります。同じ技術を使っても、任せる範囲は業務ごとに変わります。
部署全体ではなく、一つの受け渡しを選ぶ
「経理をAI化する」「営業を効率化する」といった単位は大きすぎます。最初は、業務の中にある一つの受け渡しまで小さくします。
たとえば受発注業務なら、次のように分けられます。
- メールやFAXから注文内容を読み取る
- 商品・取引先マスターと照合する
- 不足や矛盾を見つける
- 登録候補を作る
- 担当者が確認して確定する
このうち「読み取りから登録候補の作成まで」だけを検証対象にすれば、最終確定は既存の担当者とシステムに残せます。失敗しても元の運用へ戻しやすく、AIの効果も測れます。
検証前に、現在の数字を取っておく
導入後だけ測っても、改善したかどうかは判断できません。少なくとも次の数値を、現状の業務で記録します。
- 一か月の処理件数
- 一件あたりの平均作業時間
- 確認や承認にかかる時間
- 差し戻し・修正・再入力の件数
- 通常手順では処理できない例外の割合
- 繁忙期と通常月の差
生成AIの検証では、正答率だけでなく、人の確認を含めた完了時間がどれだけ変わったかを比較します。精度が高くても、確認画面が使いにくければ作業時間は減りません。
最初のテーマにしない方がよい条件
次の条件に当てはまる場合は、対象をさらに小さくするか、導入の順番を後ろへ移します。
- 業務の担当者ごとに手順や判断が大きく異なる
- 元データの保存場所や形式が分からない
- 正しい結果を判定する人が決まっていない
- 誤りを検知しないまま顧客や会計へ反映される
- 効果を測る基準が「なんとなく便利」しかない
この判断は、生成AIを諦めるという意味ではありません。業務の標準化、データ整理、確認手順の整備を先に行うことで、後の検証が小さくなります。
まとめ
生成AIの導入は、最も夢のある用途から始める必要はありません。業務量があり、判断基準を説明でき、失敗を人が止められ、効果を数字で測れる業務から始める方が、次の投資判断に使える結果が得られます。
まず部署ごとの要望を集めるのではなく、一つの業務を入力、判断、例外、確定に分解します。そのうえで、二週間から一か月の範囲で現状と導入後を比較できる対象を選ぶことが、遠回りに見えて最も確実な進め方です。