生成AIで業務を自動化したい。
でも、何から始めたらいいか分からない。
この相談はかなり増えています。
「時間がかかっている業務を自動化したい」
「毎回同じような文章を書いているからAIに任せたい」
「問い合わせ対応や資料作成をもっと軽くしたい」
方向性としては自然です。
ただ、最初の自動化候補を「時間がかかっているか」だけで選ぶと、けっこう危ないです。
時間がかかる業務ほど、例外が多いことがあります。
人が判断している箇所が多いことがあります。
お客様情報、契約、金額、クレーム、社外送信など、止める条件が混ざっていることもあります。
そういう業務をいきなり自動化すると、便利になる前に確認が怖くなります。
「これ、本当にAIに任せてよかったんやっけ」
「どこまで人が見るんやっけ」
「間違ったら誰が戻すんやっけ」
こうなると、現場は使わなくなります。
生成AIの自動化で最初に見るべきなのは、削減時間の大きさだけではありません。
戻せるか。
人が確認できるか。
小さく試せるか。
例外が見えるか。
この順番で見た方が、AI内製化は進めやすいです。
前に、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、最初のテーマはツールではなく業務から選ぶと書きました。
今回は、その次の話です。
業務テーマをいくつか出したあと、どれを最初の自動化候補にするのか。
時間がかかる作業と、最初に試すべき作業は同じなのか。
中小企業や小規模事業者が、失敗しにくい順番で生成AIの自動化を始めるための整理です。
中小機構の 中小企業のAI等の利活用に係る実態調査 でも、AI導入効果として品質向上、付加価値創出、業務効率化・作業時間短縮が並んでいます。
経済産業省・総務省の AI事業者ガイドライン第1.2版 では、AIの利用状況やリスクを継続的に見直す考え方が整理されています。
IPAの AI利用者のためのセキュリティ豆知識 でも、AI利用時の入力情報や出力確認の重要性が扱われています。
つまり、効率化したい気持ちは自然です。
でも、効率化する対象をどう選ぶかまで設計しないと、AI活用は現場に残りません。
生成AIの自動化候補は、時間がかかる業務ではなく、戻せて、確認できて、小さく試せる業務から選ぶ。
今日は、最初の自動化候補をどう見つけるかを整理します。
自動化候補は「時間がかかる」だけで選ばない
AIで自動化したい業務を出すと、最初に上がりやすいのは時間がかかっている作業です。
議事録作成。
問い合わせ返信。
提案書の下書き。
報告書の整理。
社内FAQの回答。
どれも生成AIと相性がよさそうに見えます。
実際、相性がよいものも多いです。
ただ、時間がかかっている理由を分解しないまま選ぶと、最初の一手としては重すぎることがあります。
たとえば、問い合わせ返信に時間がかかっているとします。
なぜ時間がかかっているのか。
文章を書くのが大変なのか。
事実確認に時間がかかっているのか。
担当部署への確認待ちなのか。
過去の対応履歴を探すのが大変なのか。
クレームや契約条件が絡むから慎重になっているのか。
同じ「返信に時間がかかる」でも、中身は全然違います。
文章作成だけが重いなら、AI下書きは効果があります。
でも、事実確認や判断が重いなら、AIに文章を書かせても根本は軽くなりません。
むしろ、もっともらしい文章が先に出る分、確認が難しくなることもあります。
ここで大事なのは、時間の長さではなく、どこに人の判断が入っているかです。
AIに任せたい作業を見つけたら、いきなり自動化せず、まず3つに分けます。
- 文章や要約など、AIに下書きさせやすい部分
- 事実確認、承認、社外送信など、人が見るべき部分
- 例外、クレーム、契約、個人情報など、最初は外した方がよい部分
この分け方をすると、最初に試す範囲が見えます。
問い合わせ返信を丸ごと自動化するのではなく、よくある質問への返信下書きだけにする。
議事録を完全自動化するのではなく、決定事項と未決事項の整理だけにする。
提案書を一式作らせるのではなく、ヒアリングメモから構成案を出すところだけにする。
これくらいでいいです。
最初の自動化候補は、大きな業務名ではなく、小さな作業単位で選びます。
「問い合わせ対応」ではなく、「FAQにある内容の返信下書き」。
「営業資料作成」ではなく、「ヒアリングメモから提案の章立てを作る」。
「社内ナレッジ活用」ではなく、「質問ログからFAQ候補を3つ出す」。
この粒度まで小さくすると、AIに任せる範囲と人が確認する範囲を分けやすくなります。
時間がかかる業務を見つけるのは入口です。
でも、最初に自動化するのは、その中の一番戻しやすい部分。
ここを間違えない方がいいです。
最初は、失敗しても戻せる作業を選ぶ
自動化の最初に選びたいのは、失敗しても戻せる作業です。
戻せるというのは、ミスが起きても元の手作業にすぐ戻れるということです。
たとえば、次のような作業は戻しやすいです。
- 社内メモの要約
- 会議メモから決定事項を抜き出す
- FAQ候補を作る
- ブログや資料の構成案を出す
- 問い合わせ返信の下書きを作る
- チェックリストのたたき台を作る
これらは、AIが出したものを人が見て、使わない判断ができます。
間違っていれば捨てられます。
足りなければ直せます。
元のメモや資料も残っています。
だから、最初の実験に向いています。
逆に、最初から選ばない方がいいものもあります。
社外へ自動送信されるもの。
お金や契約を確定するもの。
顧客情報を大量に扱うもの。
失敗したときに誰が戻すか分からないもの。
判断条件が担当者の頭の中にしかないもの。
こういう作業は、効果が大きく見えても最初の候補から外します。
いつかやってはいけない、という意味ではありません。
順番の問題です。
AI活用は、便利さより先に「戻れる状態」を作った方が続きます。
戻せる作業から始めると、現場が試しやすくなります。
「まず下書きだけ出してみよう」
「使えなければ今まで通り人が書こう」
「よかったものだけ型にしよう」
このくらいの軽さで始められます。
一方で、戻せない作業から始めると、最初から緊張感が高くなります。
AIの出力が間違っていたらどうするのか。
誰が確認するのか。
確認者が休みなら止めるのか。
お客様に送ったあとに気づいたらどうするのか。
こういう論点が先に出て、実験が止まりやすいです。
生成AIの自動化は、最初から完璧な仕組みにしなくていいです。
まずは戻せるところで試す。
その中で、どこまでAIに任せられるかを見る。
人が確認すべきところをログに残す。
そこから少しずつ範囲を広げる。
この方が、社内に残る自動化になります。
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 でも書いたように、最初からシステム連携へ進むより、社内メモや実例カードの型を作る方が安全です。
戻せる作業を選ぶことは、遠回りではありません。
むしろ、あとで大きくするための土台です。
人が確認できる成果物から始める
最初の自動化候補は、人が確認できる成果物から選びます。
ここでいう成果物は、AIが出すものです。
文章。
要約。
箇条書き。
分類案。
チェックリスト。
構成案。
FAQ候補。
こういうものは、人が読んで確認できます。
「これは違う」
「ここは使える」
「この表現は強すぎる」
「この情報は社外に出せない」
判断できます。
だから、最初の自動化候補に向いています。
反対に、人が確認しにくいものは最初の候補にしない方がいいです。
複数システムへ自動登録する。
顧客ステータスを自動変更する。
請求や契約の処理へつなぐ。
外部サービスへ自動投稿する。
こういうものは、便利そうに見えます。
でも、AIの出力がどこに反映されたのか、あとから追いにくくなりがちです。
確認しにくい自動化は、うまくいっているときは快適です。
でも、少しずれると怖くなります。
怖くなると、現場は使わなくなります。
だから最初は、AIの出力を目で見られる形にします。
たとえば、問い合わせ返信なら、いきなり送信ではなく下書きまで。
議事録なら、決定事項と宿題の抜き出しまで。
社内FAQなら、回答の確定ではなく候補作成まで。
営業資料なら、完成資料ではなく構成案まで。
このように、人が確認する余白を残します。
確認できる成果物から始めると、AIの得意不得意も見えます。
どの入力なら安定するのか。
どの表現でズレるのか。
どの情報が足りないと危ないのか。
人が直した箇所が、そのまま改善ログになります。
AI自動化の最初の目的は、完全自動にすることではありません。
人が確認できる形で、業務のどこが型化できるかを見ることです。
ここを見ないまま自動化すると、AIが作ったものを人が追いかける状態になります。
それは効率化ではなく、確認作業の移動です。
成果物を確認できる形にしておけば、AI活用は現場の学習になります。
「ここまでは任せられる」
「ここからは人が見る」
「この条件なら止める」
この境目が見えるからです。
境目が見えると、次の自動化候補も選びやすくなります。
例外が多い業務は、先に判断ログを集める
自動化したい業務の中には、例外が多いものがあります。
毎回同じように見えるのに、実は判断が多い業務です。
問い合わせ対応は、その代表です。
内容によって、通常回答、見積もり相談、クレーム、契約確認、個人情報、急ぎ対応が混ざります。
社内FAQも同じです。
同じ質問に見えても、部署や権限や顧客状況で答えが変わることがあります。
資料作成もそうです。
似た提案書でも、相手の理解度、決裁者、予算感、過去の経緯で見せ方が変わります。
こういう業務を、いきなり自動化しようとすると難しいです。
理由は、AIが難しいからだけではありません。
社内の判断条件がまだ見えていないからです。
判断条件が見えていない業務は、自動化の前にログを集めます。
きれいなマニュアルでなくて大丈夫です。
1件ごとに、次の4つだけ残します。
- どの業務で使おうとしたか
- どこで迷ったか
- なぜ止めたか、または人が確認したか
- 次回どう直すか
たとえば、こうです。
「問い合わせ返信。AIに返信下書きを作らせたが、契約金額に関する質問が含まれていたため、送信前に代表確認へ回した。次回は金額が出たら自動下書きではなく確認フローへ分ける。」
これくらいでいいです。
こうしたログが数件たまると、ルールが見えてきます。
金額が出たら人が見る。
契約条件が出たらAIに任せない。
クレームは要約だけにする。
個人情報は伏せてから入力する。
社外送信前は確認者を置く。
この判断条件が見えたあとなら、自動化候補にできます。
逆に、判断ログがない状態で自動化すると、毎回その場で迷います。
担当者によって判断が変わります。
うまくいった例だけが共有され、止めた例が残りません。
そのまま広げると、あとで運用が怖くなります。
前回の 生成AIの運用担当者が変わる前に、判断ログを引き継ぐ でも触れましたが、AI活用では成功例だけでなく、止めた理由を残すことが大事です。
自動化候補を選ぶ段階でも同じです。
例外が多い業務は、すぐに自動化しない。
まず判断ログを集める。
それから、小さく自動化する場所を決める。
この順番にすると、現場の不安が減ります。
1週間で試せる単位まで小さくする
自動化候補を選んだら、最後に小さくします。
目安は、1週間で試せることです。
1ヶ月かけて設計しないと試せないものは、最初の候補としては重いです。
半年後に効果が出るものも、最初の実験には向きません。
最初は、1週間で3件だけ試せるくらいがちょうどいいです。
たとえば、こんな形です。
- 問い合わせ返信の下書きを、よくある質問3件だけで試す
- 会議メモから決定事項を抜き出す作業を、週1回の会議だけで試す
- 社内FAQ候補の作成を、質問ログ10件だけで試す
- 提案書構成案を、既存ヒアリングメモ1件だけで試す
- 月次レビュー後の改善タスクを、1業務だけで試す
このくらいなら、通常業務の中で試せます。
失敗しても戻せます。
使えたかどうかも見えます。
ここで大事なのは、全社展開を最初の目標にしないことです。
最初から全部の部署で使おうとすると、対象者、権限、教育、ルール、確認者、例外対応が一気に増えます。
それは大きな導入プロジェクトです。
もちろん、必要な場面もあります。
でも、AI内製化の初期では、まず1業務、1担当者、1週間で十分です。
「この業務なら使えそう」
「この入力だとズレる」
「確認者はここに必要」
「このテンプレートなら現場が使える」
これが見えれば、次に進めます。
生成AIの改善タスクは、月次レビュー後に1つだけ実行する でも書いたように、AI活用は改善案を増やすより、翌月に1つ動く方が大事です。
自動化候補も同じです。
候補を10個並べるより、1つを小さく試す。
使えたら、実例カードにする。
迷ったら、判断ログに残す。
危なければ、対象外にする。
この繰り返しで、自動化できる範囲が少しずつ見えてきます。
1週間で試せる単位にすることは、スピード重視というより、学習しやすくするためです。
大きく始めると、うまくいかなかった理由が分かりにくいです。
小さく始めると、どこがよくて、どこが危ないかを見つけやすいです。
生成AIの自動化は、最初の1回で完成させるものではありません。
小さく試して、ログを残して、直して、また試す。
その流れを作る方が、社内に残ります。
自動化の成果は、削減時間だけで見ない
生成AIの自動化を始めると、どうしても削減時間を見たくなります。
何分短縮できたか。
何件処理できたか。
何時間浮いたか。
これはもちろん大事です。
でも、最初の自動化実験では、削減時間だけを成果にしない方がいいです。
なぜなら、最初の段階では確認や修正の時間も増えるからです。
AIに下書きさせる。
人が確認する。
ズレたところを直す。
次回の入力を改善する。
判断ログを残す。
この時間が必要です。
だから、最初から「何時間減ったか」だけで見ると、期待外れに見えることがあります。
でも、そこで見るべき成果は他にもあります。
たとえば、迷いが減ったか。
担当者が同じ判断をしやすくなったか。
確認者へ回す条件が見えたか。
使ってよい入力と、伏せるべき入力が分かったか。
よくある質問の型が見えたか。
次に自動化できそうな候補が見えたか。
こういう成果は、削減時間より先に現れます。
そして、ここが整うと、あとから時間短縮につながります。
いきなり処理時間だけを追うと、AIに任せる範囲を広げたくなります。
でも、確認条件が曖昧なまま範囲を広げると、事故や手戻りのリスクも増えます。
最初の自動化実験では、成果指標を3つくらいに絞ると見やすいです。
- AI下書きを使えた件数
- 人が修正した主な理由
- 次回から自動化対象外にする条件
これで十分です。
たとえば、問い合わせ返信の下書きを3件試したとします。
2件は使えた。
1件は契約条件が絡んだので使わなかった。
修正理由は、表現が強すぎることと、事実確認が足りないことだった。
次回から契約条件が入る問い合わせは、自動下書きではなく要約だけにする。
これだけでも、大きな成果です。
単に「時間が10分減った」より、次の運用が見えます。
生成AIの自動化は、時間を削るためだけにやるものではありません。
判断をそろえる。
迷いを減らす。
引き継げる形にする。
小さく改善できる状態にする。
ここまで含めて、自動化の成果です。
最後にもう一度まとめます。
最初の自動化候補は、時間がかかる業務から選ぶのではなく、戻せる作業から選ぶ。
人が確認できる成果物にする。
例外が多い業務は、先に判断ログを集める。
1週間で試せる単位まで小さくする。
成果は、削減時間だけでなく、迷いが減ったかで見る。
この順番なら、生成AIの自動化は怖い一発勝負になりにくいです。
もし、社内で「AIを使って業務効率化したいけれど、どの業務から始めるべきか分からない」状態なら、まず自動化候補の棚卸しから一緒に整理できます。
カタチ舎では、生成AIの導入そのものよりも、業務の切り分け、判断ログ、実例カード、月次レビューまで含めて、社内に残るAI活用を設計しています。
最初の1業務を安全に選びたい方は、お問い合わせ からご相談ください。
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。