業務をAIに任せたいなら、まず「工程」まで降りる

「Copilotを導入したが、思ったより使われていない」という声は、どの現場でも一定数ある。原因はツールではなく、どこに使うかが決まっていないことだ。業務という単位のままでは入口が見えない。工程まで降りて初めて、何を任せ、何を人が持つかが決まる。

ひとつの業務は、AIに強い工程と人が持つ工程に分かれる

「この業務をAIに」と言っている限り、どこにも入口は見つからない。一つの業務は複数の工程からできていて、AIが得意な部分と人が持つべき部分が混ざっている。まずほどいてから当てる、という順番が正しい。

配分 AIが強いのは「調べる」と「作る」だ。「決める」と「通す」は責任を伴うため人が持つ。この配分を先に決めてから道具を選ぶのが正しい順番である。逆にすると、ツールの選定議論が先に来て、結局どこにも使われないまま終わる。

目安 「新人に口頭で説明できるか」が、工程まで降りたかどうかの判定基準だ。説明できない工程は、AIにも渡せない。

よくある誤解 「うちの業務は複雑でAIには向かない」という判断が早すぎる。業務全体で評価するとそう見えるが、工程に分解すると「調べる」「作る」にあたる部分は多くの現場に共通して存在する。

工数のほとんどは、地味で繰り返す「小さな工程」の積み上げだ

CopilotなどのAIが最も効くのは、月次・日次で繰り返す小規模な工程の積み上げ部分だ。1回15分の作業が月20件あれば、年換算で60時間の削減になる。大型業務を一発で自動化しようとするより、この地味な工程を各担当者が刈り取る方が、組織全体での削減幅はずっと大きくなる。

選び方 「1回あたりの削減時間 × 年間回数」の積が大きい工程から優先する。月に数回の大仕事より、日次・月次で繰り返す定型作業の方が、年換算では確実に効果が出やすい。

分かれ目 一括で自動化できるのは件数が少ないヘッド部分だけだ。多様で頻度もバラバラなロングテールは、中央集権的な自動化では届かない。各担当者が自分の手元工程を刈り取るしかない、という構造上の事実がある。

AI・DX部門が詳しいだけでは、現場のロングテールには届かない

技術に詳しい推進部門と、業務に詳しい現場部門が、それぞれ単独では「どの工程にどう使うか」を描けない。ロングテールの工程は業務の内側に無数にあり、外から一括設計することはできない。業務を知っている人材がAIを知ることが、唯一の突破口だ。

分かれ目 AI推進部門が詳しくなっても、現場の工程には届かない。現場が詳しくなっても、どの工程にどう使うかが描けなければ自走しない。「業務を知っている人がAIを知る」という一点が、組織全体の底上げの鍵だ。

注意 「全社一斉研修」だけでは不足だ。一般的なAI知識と自分の手元業務をつなげる橋渡しがなければ、研修後も「自分の仕事には関係ない」で終わる。工程単位まで降りた実演が必要になる。

「発表する機会」が、個人の工夫を組織の資産に変える

各担当者の工夫が個人の中で止まると、横に伝わらず組織としての蓄積にならない。定期的な発表・共有の場を設けることで、個人の試行が組織知になる。実際、活用の深化は1巡目より2巡目以降の発表で起きるケースが多い。

目安 1人が工程を1つ特定して発表するだけで、他の5〜10人が「自分の業務にも同じ工程がある」と気づく。発表は個人の成果報告ではなく、組織のAI活用を更新するインプットとして機能する。

配分 発表の場は完成度より継続性が重要だ。「完璧な事例にしてから共有する」ではなく、「試した段階で共有する」を基準にすると、90日で4回転できる。2巡目に入ったとき、初めて工夫が深くなる。

まとめると、AI活用が組織全体に広がる条件は3つだ。業務を工程まで分解すること、業務を知っている人材がAIを学ぶこと、そして個人の工夫を発表の場で組織に還元することである。この3つが回り始めると、CopilotなどのAIは「ツールを入れただけ」の状態から「手順が変わる状態」へ移行する。