外注して作ってもらった資料、ホームページ、業務ツール、AIの仕組み。
最初はとても助かるのに、時間がたつと困ることがあります。
社内で少し直したいのに、直せない。
なぜその設計になったのか分からない。
担当者が変わると、依頼の背景が消える。
小さな修正のたびに、また外へ聞かないと進まない。
こういう状態になると、外注そのものが悪いわけではないのに、だんだん動きが重くなります。
AI活用でも、同じことが起きます。
AIで記事を書いてほしい。
問い合わせ対応を自動化してほしい。
資料作成を効率化してほしい。
社内マニュアルを整えてほしい。
最初は外部に頼むのが早いです。
僕も、最初から全部を社内でやるべきだとは思っていません。
むしろ、外部の力を借りて短い時間で形にすることは、かなり現実的な選択です。
ただ、そのまま外注先にしか分からない状態が続くと、AI活用は社内の力になりません。
外注先がいないと直せない。
担当者がいないと使えない。
毎回ゼロから説明しないと動かない。
これでは、せっかくAIを入れても「便利な一回きり」で止まってしまいます。
AI内製化は、外注をやめることではありません。
社内で全部抱え込むことでもありません。
僕は、AI内製化は「社内に残すものを決めること」だと思っています。
何を外部に任せるのか。
何を社内で判断できるようにするのか。
どの情報を残して、誰が見返せるようにするのか。
どこまでAIで下書きし、どこから人が確認するのか。
この線引きを作ることが、外注依存からAI内製化へ移す第一歩です。
今日は、中小企業や小規模事業者が外注依存からAI内製化へ移すロードマップを、3ヶ月で考えられる形に整理します。
AI内製化は、外注をやめることではなく社内に残すものを決めること
AI内製化という言葉を聞くと、外注をやめて全部社内でやることのように聞こえるかもしれません。
でも、小さな会社でそれを最初から目指すと、だいたい重くなります。
専任のAI人材を採用する。
社内システムを全部作る。
問い合わせ対応、資料作成、営業管理、ホームページ更新まで全部自分たちで回す。
理想としては分かります。
でも、現実には日々の仕事があります。
社長も担当者も、AIだけを触っているわけではありません。
お客様対応、現場、経理、営業、採用、制作、確認、連絡。
やることは普通に多いです。普通に多すぎる。分身ほしい。
だから、AI内製化は「外注しないこと」から考えない方がいいです。
最初に考えるのは、社内に何が残れば次に進めるのかです。
たとえば、ホームページを外注して作ったとします。
社内に残したいのは、デザインデータだけではありません。
誰に向けたページなのか。
どの問い合わせを増やしたいのか。
どの言葉は変えてはいけないのか。
よくある修正はどこなのか。
更新するときに何を確認するのか。
このあたりが社内に残っていると、次の修正や改善がしやすくなります。
AI活用も同じです。
AIツールそのものより、先に残したいものがあります。
- 業務の目的
- 入力してよい情報
- AIに任せる範囲
- 人が確認するポイント
- うまくいったプロンプト
- 失敗した出力
- 次回の改善メモ
これらが残ると、AI活用は「詳しい外部の人がやってくれたこと」から「社内で育てられる仕事」に変わります。
中小企業の生成AI導入は、ツール選びより最初の業務テーマから考える でも書きましたが、最初に選ぶべきなのはツールではなく業務テーマです。
今回の話で言えば、最初に戻すべきなのは作業そのものではありません。
その作業を判断するための材料です。
外注は使っていい。
むしろ使った方が早い場面はあります。
ただ、外注先にしか分からない状態を放置しない。
社内に残すものを決めてから頼む。
この順番に変えるだけで、AI内製化はかなり現実的になります。
外注依存で起きやすいのは、成果物より判断材料が残らないこと
外注依存でいちばん困るのは、成果物が外にあることではありません。
本当に困るのは、判断材料が残らないことです。
たとえば、外注先にAI活用の仕組みを作ってもらったとします。
問い合わせ内容をAIで分類する。
返信文の下書きを作る。
議事録からタスクを抽出する。
営業資料のたたき台を作る。
こういう仕組みは、できあがった瞬間は便利です。
でも、その裏側にある判断が残っていないと、次の改善で止まります。
なぜその分類項目なのか。
どの情報はAIに入れてよいのか。
どの出力ならそのまま使ってよいのか。
どんな内容が出たら人が止めるのか。
どの部署が最終確認するのか。
どのログを残すのか。
ここが分からないと、社内で触れません。
AIが関わる仕事は、文章や画面だけを見ても判断しにくいことがあります。
出力はそれっぽく見えます。
丁寧な文章も出ます。
きれいな要約も出ます。
でも、業務で使ってよいかは別です。
社内のルールに合っているか。
お客様との約束に反していないか。
個人情報や未公開情報を扱っていないか。
古い情報を根拠にしていないか。
会社の言葉として出してよい温度感か。
この確認が社内でできないと、AIの出力は便利そうなのに使えないものになります。
経済産業省と総務省の AI事業者ガイドライン第1.2版 でも、AIの便益だけでなく、リスクやガバナンスを含めて活用する考え方が整理されています。
小さな会社に置き換えるなら、難しい制度を最初から作ることではありません。
「この業務で、AIに何を見せて、何を作らせて、誰が確認するのか」を残すことです。
外注先に依頼するときも、成果物だけを受け取らない。
判断材料も一緒に受け取る。
ここが、外注依存から抜ける大事な境目です。
たとえば、納品時に次のようなものを残してもらうだけでも変わります。
- この仕組みの目的
- 入力データの種類
- AIに任せている処理
- 人が確認する箇所
- 変更してよい項目
- 変更前に相談した方がよい項目
- よくある失敗例
- 次回改善するとしたら見る数字
これがあると、社内の担当者は「分からないけど触る」状態から抜けられます。
完璧なマニュアルでなくて大丈夫です。
最初は1枚のメモでいいです。
大事なのは、判断が外に消えないことです。
1ヶ月目は、外注している作業を「目的・入力・確認」に分解する
外注依存からAI内製化へ移すとき、1ヶ月目にやることは大きなシステム導入ではありません。
まず、今外に頼んでいる作業を分解します。
分解する軸は、シンプルでいいです。
目的。
入力。
確認。
この3つです。
たとえば、ブログ記事の作成を外注している場合。
目的は何か。
検索から問い合わせを増やしたいのか。
社長の考えを整理して発信したいのか。
既存のお客様に安心してもらいたいのか。
入力は何か。
過去の相談内容。
サービス資料。
お客様からよく聞かれる質問。
社長のメモ。
競合サイト。
確認は何か。
事実が合っているか。
言葉の温度感が自社に合っているか。
問い合わせ導線につながっているか。
専門的に言い切りすぎていないか。
こうして分けると、外注している仕事の中にも、社内で持つべき部分が見えてきます。
記事を書く作業そのものは、最初は外部に頼んでもいい。
でも、目的と確認基準は社内にないといけません。
逆に、入力情報の整理はAIで下書きできるかもしれません。
問い合わせ対応も同じです。
目的は、返信を早くすることだけではない。
相談内容を見落とさず、次の対応につなげること。
入力は、フォーム本文、メール、過去の対応履歴。
確認は、個人情報、金額、納期、約束、担当者の判断。
ここまで分かると、いきなり自動返信を作るより、問い合わせ内容の要約や分類から始めた方がよいと分かります。
中小機構の 中小企業のAI等の利活用に係る実態調査 では、AI導入済み企業で生成AIの利用が特に進み、導入目的は業務効率化や作業時間短縮が多いことが示されています。
作業時間を短くしたい。
これは自然な目的です。
ただ、作業だけを見てAIを入れると、確認が抜けます。
だから1ヶ月目は、作業を急いで自動化しない。
まず、外注している作業を目的・入力・確認に分ける。
おすすめは、次のような棚卸しです。
- 外注している作業名
- その作業の本当の目的
- 外注先に渡している情報
- 外注先が判断していること
- 社内で最後に確認していること
- 毎回迷っていること
- 社内に残したいメモ
これを3件から5件だけ出します。
全部の業務を一気に見ようとしなくていいです。
最初は、問い合わせ、資料作成、ブログ、社内マニュアル、議事録のように、文章と確認が多い業務が向いています。
AI内製化の最初の1ヶ月は、ツール選びより棚卸しです。
地味です。
でも、ここをやらないと、2ヶ月目以降のAI活用が「なんとなく便利そう」で止まります。
2ヶ月目は、AIで下書きできる小さな業務から社内で試す
1ヶ月目に目的・入力・確認が見えてきたら、2ヶ月目は小さな業務でAIを試します。
ここで大事なのは、いきなり本番の自動化にしないことです。
最初に目指すのは、AIが勝手に完了する状態ではありません。
AIが下書きし、人が確認できる状態です。
たとえば、次のような業務です。
- 問い合わせ本文を3行で要約する
- 議事録から次アクション候補を出す
- お客様向けメールの返信案を作る
- ブログ構成のたたき台を作る
- 社内マニュアルの見出し案を作る
- 過去メモからFAQ候補を抜き出す
このあたりは、AIと相性がいいです。
でも、どれも最後は人が見ます。
要約がずれていないか。
言い切ってはいけないことを書いていないか。
お客様に出してよい表現か。
社内の判断基準に合っているか。
ここを確認します。
生成AIの業務自動化は、いきなり連携より社内メモの型化から始める でも整理した通り、最初からツール連携へ進むより、毎回同じ型でメモを残す方が定着しやすいです。
2ヶ月目に作りたいのは、すごい自動化ではなく、使い回せる型です。
たとえば、問い合わせ要約なら、プロンプトを固定します。
「問い合わせ本文を読み、相談テーマ、困っていること、次に確認したいこと、返信前の注意点に分けてください」
このような形です。
そして、出力をそのまま信じるのではなく、担当者が赤入れします。
どこが合っていたか。
どこがずれていたか。
次から追加したい注意点は何か。
これを運用メモに残します。
この段階で外注先に頼むなら、プロンプトやツール設定だけを作ってもらうのではなく、社内担当者と一緒に試してもらうのがいいです。
外注先が作る。
社内担当者が使う。
一緒に直す。
この流れにすると、ノウハウが社内に残ります。
逆に、外注先が裏側で全部作って、完成品だけ渡す形だと、また依存が残ります。
2ヶ月目のゴールは、社内の人が「この業務なら、AIにこう頼めば下書きが出る」と言える状態です。
完璧でなくていいです。
むしろ、最初は外れます。
外れた出力を見ながら、確認基準を育てることが大事です。
AI内製化は、成功パターンだけで育ちません。
失敗パターンを社内に残すことで育ちます。
3ヶ月目は、担当者・入力ルール・運用ログを固定する
3ヶ月目に入ったら、少し運用に寄せます。
ここで決めたいのは、担当者、入力ルール、運用ログです。
まず担当者。
AI担当者というと、すごく詳しい人を探したくなります。
でも、最初からAIに詳しい人でなくても大丈夫です。
むしろ、業務を聞ける人、現場の違和感を拾える人、確認が丁寧な人の方が向いていることがあります。
中小企業のAI担当者は、詳しい人より業務を聞ける人から育てる で書いた通り、AI担当者はツール博士である前に、業務の聞き役である必要があります。
次に入力ルール。
AIに何を入れてよいのか。
何はそのまま入れないのか。
顧客名、個人情報、未公開の売上、契約内容、医療・法律・税務に近い判断などをどう扱うのか。
ここを曖昧にすると、現場は怖くて使えません。
怖いから使わない。
あるいは、怖さに慣れて雑に使う。
どちらも危ないです。
最初は細かい規程でなくて構いません。
たとえば、次の3分類だけでも始められます。
- 入れてよい情報
- 確認してから入れる情報
- 入れない情報
この3つに分けます。
そして、実際に使いながら更新します。
最後に運用ログ。
AI内製化で意外と抜けやすいのが、使った記録です。
どの業務で使ったのか。
どんな入力をしたのか。
どんな出力が出たのか。
人がどこを直したのか。
どれくらい時間が短くなったのか。
次回は何を改善するのか。
これが残ると、AI活用が感覚ではなく改善になります。
IPAの DX動向2025 では、AI・生成AIの利活用だけでなく、内製化や人材、成果把握といった観点も扱われています。
AI活用は、使ったかどうかだけではなく、何が変わったかを見ないと続きません。
3ヶ月目のゴールは、AIを使う人が増えることだけではありません。
社内で見返せる運用が残ることです。
担当者がいる。
入力ルールがある。
運用ログがある。
この3つがあれば、外注先に頼る範囲を少しずつ減らせます。
外注先へ聞くとしても、丸投げではなく相談になります。
「この業務で、ここまでは社内でできるようになった。次はどこを仕組みにすればいいか」
こう聞けるようになると、AI内製化はかなり前に進んでいます。
外注先は作業代行から、社内化の伴走相手に変える
外注依存からAI内製化へ移すとき、外注先を敵にする必要はありません。
外注は悪い。
内製が正しい。
こう分けると、話が極端になります。
本当に大事なのは、外注先との関係を変えることです。
作業を代わりにやってもらう相手から、社内に残す形を一緒に作る相手へ変える。
これができると、外注と内製は対立しません。
たとえば、AI活用の支援を頼むなら、最初から次のように依頼します。
- 完成品だけでなく、判断基準も残してほしい
- プロンプトや設定の意図を説明してほしい
- 社内担当者が触れる範囲を分けてほしい
- 月1回、運用ログを見ながら改善したい
- 外注先がいなくても回せる作業を増やしたい
こう伝えると、支援のゴールが変わります。
「全部やってください」ではなく、「社内でできる範囲を増やしてください」になります。
これは、外注先にとっても悪い話ではありません。
単発作業だけを受けるより、事業の中に入り、業務を理解し、改善を続ける関係になれるからです。
もちろん、すべてを社内化する必要はありません。
高度な設計、専門的なセキュリティ判断、複雑なシステム連携、ブランド全体の設計などは、外部の力を借りた方がよい場面もあります。
でも、日々の下書き、確認、更新、運用ログ、改善メモは、社内に残した方が強いです。
AI内製化のロードマップを3ヶ月で考えるなら、こうです。
1ヶ月目。
外注している作業を、目的・入力・確認に分ける。
2ヶ月目。
AIで下書きできる小さな業務を、社内担当者と一緒に試す。
3ヶ月目。
担当者、入力ルール、運用ログを固定して、外注先へ相談する範囲を変える。
これだけで、外注依存はかなり薄くなります。
外注先に頼ることが悪いのではありません。
外注先にしか分からない状態が続くことが問題です。
社内に判断材料が残れば、外注は依存ではなく、伴走になります。
AI活用も同じです。
便利なツールを入れることより、社内で扱える形にすること。
そのために、作業、判断、確認、ログを少しずつ社内へ戻すこと。
ここから始めるのが、現実的なAI内製化だと思います。
カタチ舎では、生成AIの導入や自動化を「ツール設定だけ」で終わらせず、業務の棚卸し、入力ルール、担当者育成、社内に残る運用メモまで一緒に整えます。
外注に任せたままになっているAI活用や業務改善を、少しずつ社内で扱える形に変えたい方は、まずは お問い合わせ からご相談ください。
「何を内製化すべきか分からない」という段階でも大丈夫です。
最初に見るべきなのは、ツールではなく、今どこに判断材料が残っていないかです。
Author
村上龍平
カタチ舎代表。言葉、生成AI活用、資料・Web制作を行き来しながら、事業の考えを届く形へ整理しています。