生成AIで業務を自動化したい。
そのとき、いきなりツールを探す前にやった方がいいことがあります。
業務棚卸しです。
ただ、この「業務棚卸し」という言葉が、ちょっと大きい。
言葉だけ聞くと、全部の業務を洗い出して、フロー図を書いて、担当者ごとに時間を測って、改善案まで出すような重たい作業に見えます。
もちろん、本格的な業務改善ならそこまで必要な場面もあります。
でも、生成AIの最初の自動化候補を見つけるだけなら、そこまで大がかりにしなくていいです。
むしろ、最初から立派な業務一覧を作ろうとすると止まります。
「問い合わせ対応」
「資料作成」
「社内FAQ」
「議事録」
「見積もり」
こういう大きな業務名だけを並べても、AIに任せる場所は見えてきません。
前回、生成AIの自動化候補は、時間がかかる作業より戻せる作業から選ぶ で、最初の候補は戻せて、確認できて、小さく試せる作業から選ぶと書きました。
今回は、その前段です。
そもそも自動化候補をどう出すのか。
業務棚卸しシートには何を書けばいいのか。
小さな会社やひとり社長が、生成AIの業務自動化を始めるための現実的な棚卸し方法を整理します。
中小機構の 中小企業のAI等利活用に係る実態調査 でも、AI利活用は中小企業にとって現実のテーマとして扱われています。
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活用時のリスクや関係者への説明、継続的な見直しの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セキュリティ対策が分かりやすくまとめられています。
つまり、AIを使うこと自体よりも、どの業務を、どの範囲で、どの条件で使うかを決めることが大事になっています。
生成AIの自動化候補は、大きな業務名ではなく、1つの作業・入力・成果物・確認条件に分けて棚卸しする。
今日は、業務棚卸しシートを「AI自動化の最初の地図」として使う方法です。
業務棚卸しは「業務名」ではなく「作業の1手」で書く
生成AIの自動化候補を出すとき、最初にやりがちなことがあります。
業務名で書くことです。
- 問い合わせ対応
- 営業資料作成
- SNS投稿
- 議事録作成
- 社内FAQ
悪くはありません。
入口としては必要です。
でも、この粒度のままだと、AIに何を任せるのかが見えません。
たとえば「問い合わせ対応」と書いたとします。
その中には、いろいろな作業が混ざっています。
問い合わせ内容を読む。
必要な情報を確認する。
過去のやり取りを見る。
回答方針を決める。
返信文を書く。
社外に送る。
CRMへ記録する。
次回の改善メモを残す。
これを全部まとめて「問い合わせ対応」と呼んでいます。
でも、生成AIに任せやすいのは、たとえば返信文の下書きや内容の分類です。
逆に、人が見るべきなのは、契約条件、金額、クレーム、個人情報、社外送信の判断です。
同じ業務の中に、任せやすい作業と任せにくい作業が混ざっています。
だから棚卸しでは、業務名を書いたあとに「作業の1手」へ分けます。
「問い合わせ対応」ではなく、
- 問い合わせ文を読む
- 内容を分類する
- 返信に必要な情報を探す
- 返信文の下書きを作る
- 社外送信前に確認する
- 対応履歴を残す
このくらいまで分けます。
「営業資料作成」なら、
- ヒアリングメモを整理する
- 提案の章立てを作る
- 事例を選ぶ
- スライド文案を作る
- 金額条件を確認する
- 仕上げを整える
こう分けます。
ここまで分けると、AIに任せる候補が急に見えます。
「章立てを作る」は試せそう。
「金額条件を確認する」は人が見る。
「仕上げを整える」はAIも使えるけど、最後は人が見る。
この境目が見えます。
業務棚卸しは、きれいなフロー図を作るためだけのものではありません。
AIに任せる場所と、人が判断する場所を分けるためのものです。
ここを分けないまま「問い合わせ対応をAI化したい」と言うと、話が大きくなりすぎます。
いきなりラスボスに行く感じです。装備まだ木の棒やで、となります。
最初は、業務名ではなく作業の1手。
この粒度にするだけで、自動化候補の見え方はかなり変わります。
まず5列だけで、自動化候補を見える化する
業務棚卸しシートは、最初から項目を増やしすぎない方がいいです。
項目が多いと、書く前に疲れます。
そして、空欄が増えます。
空欄が増えると、なんとなく失敗した気になります。
業務改善あるあるです。
最初は5列で十分です。
1つ目は、業務名。
2つ目は、作業の1手。
3つ目は、入力情報。
4つ目は、AIに出してほしい成果物。
5つ目は、人が確認する条件。
この5つです。
たとえば、問い合わせ対応ならこうです。
業務名は「問い合わせ対応」。
作業の1手は「返信文の下書きを作る」。
入力情報は「問い合わせ本文、サービス概要、よくある質問」。
AIに出してほしい成果物は「返信下書き」。
人が確認する条件は「金額、契約、クレーム、個人情報が含まれる場合は代表確認」。
これだけで、かなり具体的になります。
営業資料なら、
業務名は「営業資料作成」。
作業の1手は「ヒアリングメモから提案の章立てを作る」。
入力情報は「ヒアリングメモ、提供サービス、過去提案の構成」。
成果物は「章立て案」。
確認条件は「金額、納期、実績表現は人が確認」。
このように書きます。
ポイントは、AIに何を渡すかと、AIから何を受け取るかを分けることです。
生成AIの活用でよく起きるのは、入力が曖昧なまま「いい感じにして」と頼んでしまうことです。
すると、出力も曖昧になります。
曖昧な出力を見て、「AIって使えないな」となります。
でも本当は、AIが使えないというより、作業の切り出しが曖昧だっただけかもしれません。
だから、棚卸しシートでは入力情報と成果物を分けて書きます。
何を入れるのか。
何が出れば助かるのか。
どこから人が見るのか。
この3つが見えると、AI活用は一気に実験しやすくなります。
最初から完璧なテンプレートはいりません。
むしろ、最初は粗い方がいいです。
5列で書いて、使って、足りない列をあとから増やす。
この方が、実務に残ります。
AIに任せる前に、人が見る条件を先に書く
業務棚卸しシートでいちばん大事なのは、人が見る条件です。
AIに何を任せるかより先に、どこで人が見るかを書く。
ここを飛ばすと、あとで不安になります。
たとえば、返信下書きをAIに作らせるとします。
何も条件を書かずに始めると、毎回その場で迷います。
「この返信、送っていいんやっけ」
「金額の話が入っているけど、このまま出していいんやっけ」
「ちょっとクレームっぽいけど、AI下書きを直せばいいんやっけ」
こういう迷いが出ます。
迷いが出ること自体は悪くありません。
でも、毎回その場で判断していると、運用になりません。
担当者によって判断が変わります。
忙しい日は確認が甘くなります。
引き継ぎもしにくくなります。
だから、棚卸しシートの段階で、人が見る条件を書いておきます。
たとえば、次のような条件です。
- 個人情報が含まれる
- 契約や金額に触れる
- クレームやトラブルの可能性がある
- 社外に送る前の文章である
- 法律、医療、税務、労務など専門判断が必要
- 過去の経緯を確認しないと答えられない
こういう条件が入ったら、人が見る。
条件に当てはまらないものだけ、AI下書きを使う。
これだけでも、現場の不安は減ります。
IPAのAIセキュリティ資料でも、クラウドAIに営業秘密を教えないことや、AI利用時の基本的な対策が整理されています。
これは大企業だけの話ではありません。
小さな会社ほど、情報の持ち方や確認者が曖昧になりやすいです。
だからこそ、最初の棚卸しで「人が見る条件」を書く価値があります。
AIに任せる範囲を決めることは、AIを信じるかどうかの話ではありません。
業務として戻せるかどうかの話です。
人が見る条件があると、AI活用は試しやすくなります。
「ここまではAI」
「ここからは人」
この境目があるからです。
境目がないAI活用は、便利そうに見えて、あとで怖くなります。
境目があるAI活用は、小さく始めても社内に残ります。
候補は「戻せる」「確認できる」「繰り返す」で並べる
業務棚卸しシートに作業が並んだら、次は優先順位をつけます。
ここで見たいのは、削減時間だけではありません。
戻せるか。
確認できるか。
繰り返し起きるか。
この3つです。
戻せる作業は、失敗しても元に戻せます。
AIの出力を使わない判断ができます。
元のメモや資料が残っています。
たとえば、会議メモの要約、返信下書き、FAQ候補、提案の章立てなどです。
確認できる作業は、人が見て判断できます。
文章、箇条書き、分類案、構成案、チェックリストのような成果物です。
逆に、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、社外送信まで進むものは、最初は慎重に見た方がいいです。
繰り返し起きる作業は、型化する意味があります。
月に1回しか起きない特殊対応より、毎週何度も出る作業の方が、AI実験の学びがたまりやすいです。
この3つで見ます。
戻せる。
確認できる。
繰り返す。
この条件がそろったものを、最初の候補にします。
たとえば、問い合わせ返信の下書きは候補になります。
でも、問い合わせへの自動送信は最初の候補にしない。
議事録の決定事項抜き出しは候補になります。
でも、決定事項をそのままプロジェクト管理ツールへ自動反映するのは、少し後にする。
社内FAQ候補の作成は候補になります。
でも、FAQを自動公開するのは後にする。
この分け方です。
生成AIの自動化は、いきなり大きくしなくていいです。
最初は、戻せる作業でAIの出力の癖を見る。
人が確認できる成果物で、使えるところと直すところを見つける。
繰り返し起きる作業で、改善ログをためる。
この順番が現実的です。
AI事業者ガイドラインでも、AIのリスクや関係者への説明、活用しやすくするためのチェックリストやワークシートが用意されています。
難しい言葉に見えますが、実務では「どこで人が見て、どう直すか」を残すことから始まります。
棚卸しシートは、その最初の置き場です。
1週間の実験にするなら、成果物を1つに絞る
候補が決まったら、すぐに仕組み化しない方がいいです。
まず1週間の実験にします。
ここで大事なのは、成果物を1つに絞ることです。
問い合わせ対応を改善したいなら、返信下書きだけ。
議事録を改善したいなら、決定事項の抜き出しだけ。
社内FAQを整えたいなら、FAQ候補の作成だけ。
営業資料を軽くしたいなら、提案の章立てだけ。
このくらいに絞ります。
最初から、入力、分類、下書き、確認、送信、記録、改善まで全部つなげようとすると重いです。
それはもう実験ではなく導入プロジェクトです。
もちろん、最終的にはそこまでつなげたい場面もあります。
でも、最初の1週間で見るべきなのは、AIがその作業に使えそうかどうかです。
たとえば、1週間で3件だけ試します。
問い合わせ返信の下書きを3件。
議事録の決定事項抜き出しを1回。
FAQ候補を10件の質問ログから作る。
提案の章立てを1件だけ作る。
そのくらいで十分です。
少なく見えるかもしれません。
でも、ここで見ることは多いです。
入力情報は足りていたか。
AIの出力は使えたか。
人の修正はどこに入ったか。
確認条件は足りていたか。
次に同じ作業をするとき、テンプレートにできそうか。
これが分かれば、次に進めます。
逆に、いきなり大きく作ると、うまくいかなかった理由が分かりにくくなります。
AIが悪いのか。
入力が悪いのか。
業務の切り出しが悪いのか。
確認者が足りなかったのか。
どこで詰まったのかが見えません。
成果物を1つに絞ると、詰まりどころが見えます。
見えれば直せます。
直せれば、次の実験に進めます。
生成AIの自動化は、最初の設計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、また試すものです。
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、最初は連携より型化です。
棚卸しシートは、その型化の入口になります。
棚卸しシートは、毎月の改善ログとして育てる
業務棚卸しシートは、一度作って終わりではありません。
むしろ、使ってからが本番です。
最初に書いた候補は、たぶん粗いです。
入力情報が足りなかったり、成果物の定義が曖昧だったり、人が見る条件が抜けていたりします。
それでいいです。
使いながら直す前提で作ります。
1週間試したら、棚卸しシートに戻します。
AIの出力は使えたか。
どこを人が直したか。
どこで止めたか。
次回は入力をどう変えるか。
確認条件を追加するか。
テンプレート化するか。
このメモを1行で追記します。
たとえば、こんな感じです。
「返信下書きは使えたが、料金の質問が含まれると確認が必要。次回から料金が入る問い合わせは代表確認へ回す。」
「議事録の決定事項抜き出しは便利。ただし未決事項と宿題が混ざったので、次回は出力を2つに分ける。」
「FAQ候補は出せたが、社内用語が多くてそのまま公開できない。外向け表現へ直す工程を追加する。」
この程度でいいです。
きれいなレポートにしなくて大丈夫です。
大事なのは、次の人が同じ迷いを繰り返さないことです。
生成AIの社内運用では、成功例だけでなく、止めた理由が大事です。
前に 生成AIの運用担当者が変わる前に、判断ログを引き継ぐ でも書きましたが、担当者が変わるときに残るのは、プロンプトだけでは足りません。
なぜその範囲にしたのか。
どこで人が見たのか。
どの条件で止めたのか。
これが残っていると、次の担当者も判断しやすくなります。
棚卸しシートは、候補一覧であり、実験ログであり、引き継ぎメモでもあります。
最初から完璧に作らない。
使ったら更新する。
月に1回だけ見直す。
候補を増やすより、1つ直す。
この運用にすると、生成AIの自動化は社内に残りやすくなります。
まとめ：業務棚卸しは、AIに任せる場所と人が見る場所を分けるためにある
生成AIの自動化候補を見つけるとき、いきなりツールを選ばない。
いきなり全社展開を考えない。
まず業務を小さく分けます。
業務名ではなく、作業の1手で書く。
入力情報と成果物を分ける。
人が見る条件を先に置く。
戻せる、確認できる、繰り返す候補を選ぶ。
1週間で試せる成果物に絞る。
使ったら、棚卸しシートへ改善メモを戻す。
この順番です。
生成AIの自動化は、派手なシステム連携から始めなくても進みます。
むしろ、小さな棚卸しシートから始めた方が、業務に残ります。
AIに任せる場所と、人が見る場所が見えるからです。
カタチ舎では、生成AIの活用を「ツール導入」ではなく、業務の言語化、入力情報の整理、確認条件づくり、運用ログまで含めて一緒に設計します。
「AIで何か自動化したいけど、何から棚卸しすればいいか分からない」
「業務はあるけど、AIに任せていい範囲が見えない」
そんな場合は、お問い合わせ から相談してください。
まずは大きなDX計画ではなく、1枚の業務棚卸しシートから始めましょう。
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。