「生成AIを導入したが、社内で使われていない」「AIで何ができるのか分からず、ツール選びの段階で止まっている」。経営者や事業責任者から、こうした声を聞く機会が増えています。AIの進化は速く、導入を急ぎたくなるのは自然なことです。一方で、急ぐほど「何のために、どの業務で使うのか」が置き去りになりがちです。
AI導入の成否を分けるのは、ツールの性能よりも、「どの業務に、どう使うか」を整理できているかどうかです。
この記事では、次の内容を整理します。
- AI導入がツール選びから始まると、うまくいきにくい理由
- 最初に整理すべき「業務の棚卸し」の具体的なやり方
- AIに向く業務と、慎重に進めるべき業務の見分け方
- 優先順位のつけ方と、導入前のチェックリスト
AI導入が「ツール選び」から始まると、うまくいきにくい理由
本記事でいう「AI」は、文章の作成や要約を支援する生成AI、業務システムに組み込まれたAI機能、自動化ツールなどを広く指します。
目的があいまいなまま、導入が目的になる
「他社が使っているから」「話題になっているから」という理由で導入すると、導入すること自体がゴールになってしまいます。使ってみたものの、業務の何が改善したのか、誰も説明できない。そうした状態に陥りやすくなります。
たとえば、「月次の集計作業に時間がかかっている」という課題があるなら、その作業の何を、どのくらい減らしたいのかを決めることから始めます。目的が具体的であるほど、ツールの選択肢も絞り込めます。
現場の業務とツールの機能が噛み合わない
ツールの機能から考え始めると、「何に使えるか」を後から探すことになります。現場にとっては、自分の仕事のどこで使えばよいのか分からず、使われないまま契約だけが残ります。
業務が整理されていないと、AIも力を発揮できない
担当者によってやり方が違う、手順が頭の中にしかない、ルールがあいまい。こうした業務にAIを当てはめても、何を入力し、何を出力すればよいのかが定まらず、結果が安定しません。AIは、整理された業務の上でこそ効果を発揮します。
つまり、AI導入の最初の仕事は、ツールの比較ではなく、業務を見える形にすることです。
ツールの比較は、業務の整理が終わってからでも遅くありません。何を任せたいのかが明確になっていれば、必要な機能や、確認すべき点（情報の扱い、既存システムとの連携など）も自然に絞り込めます。
最初に整理すべきは「業務の棚卸し」
棚卸しで書き出す項目
まず、部署ごと、担当者ごとに、日々行っている業務を書き出します。そのとき、次の項目を記入します。
- 業務名： 何の仕事か
- 頻度と所要時間： どのくらいの頻度で、どのくらいの時間がかかっているか
- 担当者： 誰が行っているか（特定の人に偏っていないか）
- 入力と出力： 何を受け取り、何を作って次に渡すか
- 判断の有無： どこで人の判断が入るか
- ミスの影響： 間違えたとき、どのくらいの影響があるか
完璧な一覧を作る必要はありません。現場の担当者へのヒアリングを通じて、「時間がかかっている」「負担に感じている」業務から書き出せば十分です。
棚卸しを進めるときのコツ
- 「AIでできるか」は、いったん考えない。 まずは現状の業務を、ありのままに書き出します。
- 現場の担当者に聞く。 経営層や管理部門が想像する業務と、実際の業務は異なることがよくあります。
- 使い慣れたツールで構わない。 表計算ソフトなどで十分です。大切なのは、誰が見ても同じように読めることです。
業務を「工程」まで分解する
たとえば「提案資料の作成」という業務は、ひとまとまりに見えますが、実際には、情報の収集・整理、構成の検討、下書きの作成、内容の判断、仕上げと提出といった、複数の工程でできています。
AIの出番があるのは、業務全体ではなく、その中の特定の工程であることがほとんどです。工程まで分けると、「この部分だけAIに任せる」という現実的な使い方が見えてきます。
棚卸しの結果は、業務名、工程、頻度、所要時間、担当者、人の判断の有無といった列を持つ1枚の表にまとめておくと、あとから優先順位をつけるときにそのまま使えます。
AIに向く業務・慎重に進めるべき業務の見分け方
判断の軸
業務を見分けるときは、次の5つの観点で確認します。表の内容は一般的な目安であり、自社の業務に当てはめて判断してください。
| 観点 | AIに向きやすい | 慎重に進めたい |
|---|---|---|
| 繰り返し | 頻度が高く、同じパターンが多い | 毎回状況が大きく異なる |
| 入力と出力 | 入力と出力の形が決まっている | 何を出せば正解か定まっていない |
| 判断 | 手順やルールに沿って進められる | 責任の重い判断や、例外への対応が中心 |
| 材料となる情報 | 文書やデータが整理されている | 暗黙知が中心で、記録が残っていない |
| ミスの影響 | 人が確認すれば修正できる | 間違えたときの影響が大きい |
例：問い合わせ対応を工程に分ける
たとえば、顧客からの問い合わせ対応を、受付、内容の確認、回答案の作成、回答内容の確認、返信という工程に分けたとします。このうち、過去の回答や社内の資料をもとに回答案を作る工程は、AIが支援しやすい部分です。一方で、顧客の状況を踏まえて回答内容を最終的に判断する工程や、例外的な相談への対応は、人が担う部分として残します。なお、これはあくまで例であり、実際の分け方は業務の内容によって異なります。
「向きやすい」業務の例
たとえば、議事録の要約、問い合わせメールの返信案の作成、社内資料の下書き、データの整形や分類、調べものの一次整理などが挙げられます。いずれも、最終的な確認は人が行う前提で、時間のかかる部分を支援する使い方です。
同じAIサービスの中でも、業務に応じてモデルを使い分ける方法があります。AnthropicのClaudeを例にした業務ごとの目安は、Claude Opus 5.5の業務別の判断表にまとめています。
「慎重に進めたい」業務
契約や人事評価に関わる判断、例外対応が多い業務、個人情報や機密情報を多く扱う業務は、導入の前にルールの整備が必要です。AIが作成した内容を人が確認する体制や、入力してよい情報の範囲を決めたうえで、検討を進めます。
なお、AIサービスに入力した情報がどのように扱われるかは、サービスや契約の内容によって異なります。利用を検討するサービスの規約やデータの取り扱いを確認し、社内の情報管理のルールに照らして、入力してよい情報の範囲を決めてください。法務や契約に関わる判断は、必要に応じて専門家に確認することをおすすめします。
優先順位のつけ方と「やらないこと」の決め方
3つの観点で優先順位をつける
候補となる業務が並んだら、次の3つの観点で優先順位をつけます。
- 効果： 時間の削減や品質の安定など、改善の余地が大きいか
- 実現しやすさ： 業務が整理されており、入力と出力が明確か
- リスク： うまくいかなかったときの影響が小さいか
たとえば、候補の業務を並べ、各観点を「高・中・低」の3段階で評価してみます。点数の細かな精度は重要ではありません。関係者で話し合い、認識をそろえることが目的です。
最初に取り組むのは、効果が見込めて、実現しやすく、失敗しても影響が小さい業務です。「小さく始めて、確かめてから広げる」ことが、結果的に近道になります。
候補を選ぶ段階から、現場の担当者に参加してもらうことも重要です。自分たちの業務の課題として捉えてもらえると、導入後の使われ方が大きく変わります。
最初に「やらないこと」を決める
MEDIRECTは、何をやるかと同時に、何をやらないかを決めることを大切にしています。AI導入でも同じです。たとえば、次のようなことが挙げられます。
- 全社・全業務で一斉に導入しない
- 責任の重い判断を、AIに丸ごと任せない
- 入力してよい情報のルールを決める前に、業務データを入力しない
- 業務が整理されていない領域に、先にツールを入れない
- 改善の見込みが薄い業務を、「AIを使うため」に選ばない
これらは一例です。自社の事業や体制に合わせて、やらないことを決めておくと、現場も安心して取り組めます。
「やらない」を決めることは、AI活用の範囲を狭めることではありません。範囲を限定するからこそ、効果を確かめやすくなり、うまくいかなかったときの影響も小さく抑えられます。
AI導入前のチェックリストと進め方
導入前チェックリスト
ツールを選ぶ前に、次の項目に答えられるかを確認してみてください。
- AIで解決したい事業上の課題を、一文で説明できる
- 対象候補の業務を、工程まで分解して書き出している
- 各業務の頻度、所要時間、担当者、入力と出力を把握している
- 人が判断する部分と、AIに任せる部分を分けている
- 入力してよい情報と、いけない情報のルールを決めている
- 最初に試す業務を1〜2つに絞り、やらないことを決めている
- 成果を確認する指標と、見直す時期を決めている
- 使い方を伝える担当者と、困ったときの相談先を決めている
すべてに「はい」と答えられなくても構いません。答えられない項目が、いま整理すべきことを教えてくれます。
6つのステップで進める
進め方の全体像を、図に示します。
ポイントは、ツールの導入が後半に位置していることです。前半の「棚卸し」「優先順位づけ」「業務の整理」で、何をAIに任せるのかを固めます。そのうえで、小さく試し、効果を確認し、うまくいった範囲から定着・拡大へ進みます。
各ステップで押さえたいこと
- 業務の整理： 手順や判断基準を書き出し、担当者によるやり方の違いをそろえます。AIに渡す入力と、期待する出力の形も決めます。
- 小さく試す： 対象は1〜2つの業務、使う人も限定し、期間を区切って試します。
- 効果を確認する： 作業時間、仕上がりの品質、担当者の負担感を、導入前と比べます。数字は自社で測り、想定と違えば、やり方を見直します。
- 定着・拡大： 効果が確認できた範囲から、ほかの業務や部署へ広げます。広げる前に、使い方のルールと相談先を整えます。
定着させるために
AI導入は、導入した時点がゴールではありません。使い方のルール、作業の手順書、困ったときの相談先、効果を振り返る場が整ってはじめて、現場に根づきます。担当者任せにせず、業務の責任者が関わりながら、定期的に見直す仕組みを作っておくことが大切です。
具体的には、次のような工夫が考えられます。
- 使い方の例と、やってはいけないことを1枚にまとめて共有する
- 質問や相談ができる窓口を決める
- うまくいった使い方を、社内で共有する場を作る
- 定期的に、効果とルールを見直す日を決める
関連記事：dotsとは？OpenAIの常時稼働AIエージェントの機能・料金・使い方【2026年最新】
まとめ
AIを導入する前に最初に整理すべきなのは、ツールではなく、業務です。日々の業務を棚卸しし、工程まで分解し、AIに向く部分と人が担うべき部分を見分ける。そのうえで優先順位をつけ、やらないことを決めて、小さく試します。
「AIをどう使うか」ではなく、「どの業務課題を解決したいのか」から考えること。それが、AI導入を一時的な流行で終わらせず、事業の成果につなげるための出発点です。
更新履歴
- 2026年8月26日：公開
- 2026年10月4日：関連記事（Claude Opus 5.5）へのリンクを追加
自社の場合は何から始めるべきか、課題の整理からご相談いただけます。まずはお問い合わせください。
