生成AIで業務を棚卸しする方法｜最初に試すテーマの選び方

生成AIで業務を棚卸しする目的は、AIでできそうな仕事を大量に挙げることではありません。日々の作業を人が確認できる単位へ分け、効果、実行可能性、情報管理、失敗時の影響を比べ、最初に試す一件を決めることです。

この記事では、中小企業の経営者・部門責任者とAI推進担当者に向けて、90分程度の棚卸し会で候補を比較し、2週間の限定試行へつなぐ実務例を紹介します。90分や2週間という期間、評価項目は自社で調整する設計例であり、官公庁が一律に指定する基準ではありません。棚卸し会で決めるのは全社導入や投資効果の確約ではなく、責任を持って検証する対象、範囲、確認者、測定方法です。

最初のAI活用テーマは「使えそう」だけで選ばない

生成AIのデモを見ると、議事録、メール、問い合わせ対応、資料作成など、多くの用途が候補に見えます。しかし、「生成AIが得意そう」という理由だけでは、優先順位は決まりません。件数が少なく、現在の負担が分からない業務を自動化しても、改善を測れません。反対に、工数が大きくても、入力情報の扱いが決まっていない業務や、誤りを発見できる責任者がいない業務は、最初の試行に向きません。

情報処理推進機構（IPA）は、AIの機能として認識、理解、判断、予測、生成などを整理し、会議録の作成・要約、文書作成・確認、問い合わせ対応、分類などを導入パターンの例として示しています（IPA「AIの利活用、AIによるDXの推進」）。これらは候補を発想する材料であり、どの会社でも効果が出る、または安全に自動化できるという意味ではありません。

最初に経営者が決めるのは「全社で最適なAI」ではなく、次の試行で確かめたい経営・業務上の課題です。たとえば「AIを導入する」ではなく、次のように目的を置きます。

• 問い合わせの担当振り分けにかかる待ち時間を減らしたい
• 会議後に決定事項と担当者が抜ける状態を減らしたい
• 手順書改訂時の確認漏れと差し戻しを減らしたい
• 提案書の初稿作成と事実確認にかかる総工数を把握したい

目的を先に置けば、生成AIを使わない改善案とも比較できます。既存のテンプレートや承認経路を直す方が早い場合は、それも棚卸しの有効な結論です。

業務名ではなく、開始から完了までの作業を集める

「営業」「請求書処理」「カスタマーサポート」のような大きな業務名では、入力情報、AIに任せる範囲、確認者を決められません。候補は、一人または少人数が開始から完了まで説明できる作業単位に分けます。

たとえば「会議業務」なら、「会議音声から要点を抜く」「決定事項と未決事項を分ける」「担当者と期限を原記録で確認する」「承認後に参加者へ共有する」と分けます。このうち、生成AIへ任せる候補は「要点の下書き」や「決定事項候補の抽出」です。期限の確定や対外共有までをまとめて「議事録を自動化する」とは置きません。

棚卸し会には、次の担当者が参加します。

参加者	棚卸し会で担うこと
経営者・部門責任者	今回解決する課題、優先順位、許容できない影響を決める
業務責任者・実務者	現在の手順、例外、待ち時間、やり直し、品質基準を説明する
AI推進担当者	候補を同じ粒度で記録し、比較と試行計画を進行する
情報管理・セキュリティ担当者	必要に応じ、既存規程、契約、利用環境、入力情報を確認する

日報、手順書、依頼票、過去の成果物など、実態を説明できる資料を持ち寄ります。ただし、棚卸しシートに顧客情報、認証情報、未公開の機密内容を転記する必要はありません。「顧客から受領した文書」「社内限定の手順書」のように情報の種類と保管場所を記録し、実データの利用可否は別に確認します。

棚卸しシートへ八つの項目を記録する

候補ごとに、次の八項目を一行または一枚で記録します。分からない値を推定で埋めず、「未計測」「要確認」と残すことが重要です。不明点は、試行前に整える条件になります。

項目	記録する内容
1. 開始・完了	何をきっかけに始まり、何がそろえば完了か
2. 担当・関係者	実務者、確認者、承認者、出力を受け取る人
3. 頻度・件数	日次・週次などの頻度、把握できている対象件数
4. 現在の負担	作業時間、待ち時間、探し直し、転記、差し戻し、例外
5. 入力情報	情報の種類、入手元、保管場所、利用前に必要な確認
6. AIの担当候補	要約、分類、下書き、照合候補の抽出など一つの動詞
7. 出力と確認	利用先、正否を確認する観点、最終確認者
8. 測定と停止	通常業務と比べる指標、直ちに止める事象

生成AIへ任せる範囲は、確認可能な動詞で書きます。「メール対応を自動化する」ではなく、「受信内容から問い合わせ分類の候補を出す」「承認済みFAQから回答下書きを作る」とします。入力、出力、人の確認が見えるため、ツール選定より前に必要な条件を議論できます。

経済産業省の中小企業向けAI導入ガイドブック（構想ステージ）も、業務プロセスのどこにAIを導入するか、AIに担わせる工程と後続業務、必要なデータ、体制、期間、費用を考え、限られた範囲で検証する流れを示しています。この資料は生成AI専用ではなく、具体的な期間や採点方法を一律に定めるものでもありません。本記事では、業務工程から限定試行へ進む基本的な考え方の参考にしています。

五つの評価軸で候補を並べる

棚卸しシートができたら、各候補を「高・中・低・未確認」などで並べます。点数の合計だけで自動的に一位を決めるのではなく、低い項目が試行前に解消できるかを話し合います。

評価軸	確認する問い	最初の試行に向く状態
反復性	同じ型の作業が繰り返されるか	対象と基本手順がそろい、例外を切り分けられる
課題の明確さ	何を改善したいか説明できるか	待ち時間、転記、探し直し、抜け漏れなどが見える
情報の扱いやすさ	承認済み環境で必要最小限の情報を使えるか	入力できる情報と使わない情報を区別できる
人の確認可能性	出力の正否を誰が判断するか	責任者と確認基準が決まっている
測定可能性	試行前後を何で比べるか	総工数、リードタイム、差し戻しなどを記録できる

初回候補は、すべてが「高」である必要はありません。ただし、情報の扱いと人の確認が「低」または「未確認」のままなら、先に条件を整えます。高い効果が見込めそうでも、承認されていないサービスへ秘密情報を入れないと試せない、出力の正否を確認できる担当者がいない、誤りを取り消せない業務は保留します。

最初の試行に向くのは、対象を限定でき、繰り返しがあり、人が原資料と照合でき、通常業務と比較できる作業です。会議記録や社内FAQが候補に上がった場合は、生成AIで議事録からタスク管理する方法や生成AIで社内FAQを作る方法で、選定後の具体的な試行条件を確認できます。

90分の棚卸し会で第一候補と予備を決める

棚卸し会は、候補を挙げるだけで終わらせず、次の試行へ進む条件まで決めます。次は90分で行う例です。

時間	進めること	成果物
0〜10分	経営・業務上の目的を一文で決める	改善したい課題
10〜30分	実務者が3〜5件の候補を開始から完了まで説明する	候補業務と現在の流れ
30〜55分	入力情報、AIの担当候補、出力先、最終確認者を記録する	棚卸しシート
55〜75分	五つの軸で比較し、未確認の条件を分ける	候補比較表、確認事項
75〜90分	第一候補と予備を一件ずつ決める	対象範囲、責任者、指標、開始日、レビュー日

候補数や業務の複雑さに応じて、半日に延ばして構いません。その場合も、後半は承認済みの環境と無機密サンプルまたは利用許可を確認したデータで、出力形式と確認手順を試します。棚卸し会の勢いで、実データを未承認の外部サービスへ入力しないでください。

会議の成果物は、詳細な実装仕様書ではなく「試行要件メモ」です。少なくとも、対象作業、AIに任せる範囲、入力できる情報、出力の利用先、最終確認者、比較する通常業務、記録項目、停止条件、レビュー日を一枚にまとめます。

役割を分けて、選定を推進担当者任せにしない

AI推進担当者が便利そうな業務を選び、現場へ試行を依頼するだけでは、品質責任や確認工数が後から問題になります。役割を先に固定します。

役割	選定・試行で決めること
経営者・部門責任者	課題の優先順位、試行範囲、リスク許容、拡大・停止の最終判断
業務責任者	現行手順、例外、出力の受入条件、人の最終確認
AI推進担当者	棚卸しの進行、候補比較、試行記録、質問・事象の集約
情報管理の担当者	既存規程、契約、利用サービス、入力情報、権限との整合確認
実務利用者	指定範囲での利用、処理時間、修正理由、迷い、ヒヤリハットの記録

入力情報や利用サービスの可否を、AI推進担当者だけで決めないことが重要です。個人情報、顧客秘密、契約、人事評価、認証情報などを含む可能性がある場合は、既存規程と契約を優先します。候補を選んだ後に利用区分、例外申請、教育、見直しを設計する方法は、生成AIの社内利用ルールを作る方法で詳しく解説しています。

選んだ一件を2週間の限定試行へ変える

第一候補が決まったら、対象業務の一部だけで試します。次は2週間の設計例です。期間内に比較できる件数が集まらない場合は、対象を無理に増やさず期間を延ばします。

期間	実施内容	確認すること
1〜2日目	対象案件、入力範囲、利用環境、確認者、記録様式を確定する	通常業務の基準値と停止条件
3〜4日目	少数件を非公開で試し、出力形式と確認観点を直す	根拠との不一致、修正理由、情報の扱い
5〜10日目	同じ条件で反復し、実務者と確認者が記録する	総工数、品質、迷い、相談、ヒヤリハット
11〜14日目	経営・業務責任者・推進担当者が結果を確認する	拡大、条件変更して再試行、停止

測るのはAIの処理時間だけではありません。入力準備、プロンプト作成、出力確認、修正、承認、相談まで含む総工数を通常業務と比べます。品質は、差し戻し・修正の理由、必要事項の抜け、業務責任者が利用可能と判断した割合など、対象業務に合う指標を決めます。安全面では、承認範囲外の入力、情報管理に関する相談、ヒヤリハット、未解決のリスクを記録します。

固定の削減率や正答率を記事から当てはめず、試行開始時の実測を基準にします。通常業務の数値がなければ、最初の数日で同じ条件の作業を測ります。分からない件数や時間を、期待値で補わないでください。

拡大・再試行・停止を試行前に決める

結果を見てから都合のよい基準を作らないため、判断の種類と責任者を先に決めます。

• 拡大: 入力区分、AIの担当範囲、最終確認者、確認基準が文書化され、比較結果を業務責任者が確認し、重大な未解決事項がない
• 条件を変えて再試行: 出力形式、指示、入力範囲、確認基準に曖昧さがあるが、範囲を増やさず修正して確かめられる
• 停止: 総工数が増え続ける、正否を確認できない、例外が多く同じ手順を再現できない、許容できない品質・安全上の問題がある

未承認の環境への入力、秘密情報や認証情報を入力した疑い、確認者不在での対外送信や高い影響を持つ判断、重大な誤出力の利用を検知した場合は、その作業を直ちに止めます。プロンプトだけを直して再開せず、社内の情報管理・事故対応の手順へつなぎ、影響範囲と再開条件を確認します。この記事だけで個別の法令・契約判断を確定することはできません。

まとめ：テーマ選定を個人の思いつきにしない

生成AIの業務棚卸しでは、部署名やツール名から始めず、日々の仕事を開始・入力・処理・出力・確認が見える作業単位へ分けます。反復性、課題、情報、人の確認、測定可能性を同じ表で比べると、効果だけでなく、試行を安全に終えられるかまで判断できます。

棚卸し会の結論は、全社導入の約束ではありません。第一候補を一件に絞り、責任者、測定方法、停止条件を決め、限定試行の結果を次の投資判断へ戻すことが成果です。

候補を一つに絞れない、または情報の扱いや確認体制を自社だけで設計しにくい場合は、テーマ選定で止めないことが大切です。Makelewの業務改善・AI活用支援では、業務をAIに任せられる単位まで整理し、小さな試作、効果確認、定着・標準化まで伴走します。