この1年のお客様との対話で、正反対の2つの立場に出会いました。一方は「AIがもう少し成熟するまで待とう」と言います。もう一方は既に全社ライセンスを購入し、使い所を探しています。どちらも行き着く先は同じです——1年後、実際に速くなった業務はひとつもありません。

効果の出る業務へのAI活用は「どのツールを使うか」から始まりません。「どの業務が、繰り返し作業に最も多くの人時間を費やしているか」から始まります。

最初の業務を選ぶ4つの基準

• 繰り返しの頻度が高い。15分の作業を週80回行う業務は、4時間かかるが四半期に1回の業務より優先すべきです。
• 過去データがある。類似案件を数千件処理してきたということは、精度を測る基準が既に手元にあるということです。
• 誤りを検証できる。人が確認する前提でメールの下書きを作るのは良い出発点です。自動で送金するのはそうではありません。
• 業務の担当者がいる。その業務を理解し、速くしたいと考え、やり方を変える権限を持つ具体的な人物です。

4番目の基準が最も過小評価されています。技術的には見事に動く実証実験が、本番に至らないまま終わることは珍しくありません。業務側で責任を持つ人がいないからです。

最初に取り組むべき5つの業務

1. 帳票からのデータ抽出。請求書PDF、スキャンした発注書、入庫伝票——量が多く、ルールが明確で、すぐ照合できるため、ほぼ常に投資回収が最も早い領域です。手法はOCRと言語モデルの組み合わせで文脈を理解させ、信頼度のしきい値を設けること。モデルが確信を持てない項目は人に回します。
2. 受信した依頼の分類と振り分け。共有メールボックス、サポートチケット、顧客からのメッセージ——過去データが正解ラベルになるため測定が容易です。最大の効果は人員削減ではなく、多くの場合「初回応答までの時間短縮」です。まず分類、自動返信は後から。
3. 下書きの作成。見積書、定型メール、商品説明、週次報告。目指すべきは良い下書きであり、完成品ではありません。難しいのは文章を書くことではなく、背景情報——現行価格表、取引履歴、社内規定——をつなぎ込むことです。
4. 社内ナレッジの検索。答えは資料のどこかにありますが、知っている人に聞くほうが自分で探すより速い。結果として、最も経験のある人が既に答えた質問への回答に時間を使い続けます。前提条件は古い資料の整理です。同じ規定の版が3つあれば、非常に見つけにくい誤答が返ってきます。
5. 入力と出力の品質チェック。数値の照合、異常な取引の検知、ソースコードのレビュー。AIは判断する人の代わりにはなりません。確認すべき範囲を数千行から注目すべき数十行に絞り込むのが役割です。CONCRETE社内では、各プルリクエストで自動レビューを先に走らせ、レビューの場は設計と業務ロジックに集中できるようにしています。

効果は感覚ではなく数値で測る

利用者が「便利になった」と感じていても経営層を説得できないAI施策が多いのは、これが理由です。導入前に現状を測って基準値を作り、次の4指標を追ってください。

指標	意味
1件あたりの処理時間	経営層に最も伝わりやすい——導入前後を直接比較
自動完了率	人の介入が不要な割合
手直し率	ほぼ全件を人が直しているなら、何も削減できていない
1件あたりの運用コスト	拡大が経済的に成立するかを決める

弊社が守っている原則は、本格展開の前に数値で効果を証明することです。基準に達しなければ中止します。早期に止めるコストは、誰も使わないシステムを維持し続けるコストよりはるかに小さいためです。

運用開始前に確定すべき3点

1. データの行き先。個人情報、契約情報、財務数値については、どこへ送られるか、追加学習に使われるか、保存期間はどれくらいか。そして専用インフラでの構成も当初から検討してください。
2. 結果が誤ったときの責任者。顧客や金銭に影響する箇所には必ず人の確認を置きます。責任をツールに移すことはできません。
3. コストが拡大に耐えるか。1日100回と10,000回は別の問題です。目標規模で先に計算してください。

まとめ

業務へのAI導入は、測定できるほど狭い業務をひとつずつ狙う小さな改善の連続です。繰り返しが最も多いところから始め、重要な箇所では人を判断の輪の中に残し、数値が示したときにだけ拡大する。候補になりそうな業務があるものの判断がつかない場合は、弊社の進め方をご覧いただくか、お問い合わせのうえ一緒に評価させてください。