業務に生成AIを入れる

生成AIの導入で一番多い止まり方は、動くものができたあとに誰も使わない、です。精度が足りないからではなく、既存の業務フローに置き場所がないまま作られたものが多い。

Nue は業務の側から入ります。どの作業に何時間かかっていて、その作業の判断のうち何が定型で何が例外かを分解する。そこから、AIに任せられる部分と人が持つべき部分の線を引きます。線を引いたあとで作るので、置き場所がないものを作らずに済みます。

進め方

1. 業務を分解する現場の作業を見て、AIを入れて効く箇所と効かない箇所を切り分ける
2. 効くところから作る本番の業務データで動くものを作る。1業務に絞って始める
3. 現場に渡す使う人が自分で回せる状態にする。説明と利用ガイドラインまで
4. 続く形にする業務プロセスの中に置き場所を作る。ここが無いと元の手順に戻る

1. 業務を分解する

現場の方に、実際の作業を見せてもらいます。資料だけでは分かりません。「この判断はどうやっていますか」を繰り返し聞いて、暗黙のルールを言語化します。

この段階で、AIを入れない方がいい業務も出てきます。件数が少なすぎて手でやった方が早いもの、間違えたときの損害が大きすぎて人の確認が外せないもの、そもそも業務フローを整理すれば消える作業。そういうものは、そう言います。

2. 効くところから作る

頻度が高く、判断が定型で、間違えても取り返しがつく作業から手をつけます。ここは効果が出るのが早く、現場の抵抗も小さい。

作るものは、最初から本番の業務データで動かします。サンプルデータで作った検証は、本番データの汚れ方を通ると壊れます。汚れたデータで動くところまでを検証の範囲にします。

3. 現場に渡す

使う人が触って、直してほしいところを言える状態にします。ここで出てくる要望のほとんどは精度の話ではなく、出力の形式や、どこに結果が出てくるかの話です。既に使っているツールの中に結果が出てくる形にすると、定着します。

操作マニュアルではなく、判断の基準を渡します。「AIの出力をそのまま使っていい場合」と「必ず人が確認する場合」の線引きを、現場の言葉で書いたものです。

4. 続く形にする

モデルは変わります。半年前に組んだ処理が、新しいモデルではもっと単純に書けるようになっていることがある。プロンプトやモデルの切り替えを、こちらに頼まずに社内でできる状態にして渡します。

効果の測り方も一緒に決めます。「何時間削減できたか」を後から言うのは難しいので、着手前に対象業務の時間を測っておきます。

やること

• 業務の棚卸しと、生成AIを入れて効く箇所の特定
• 技術検証と、業務データで動くプロトタイプの実装
• 既存システムへの組み込み（Slack、kintone、Notion、社内DB など）
• 社内向けの利用ガイドラインづくり。何を入力してよいか、出力をどこまで信じるか
• 現場向けの説明会と、運用が回り始めるまで一緒に回すところ
• 効果測定の設計

やらないこと

効果の見えない全社研修と、使われる見込みのないダッシュボードは作りません。どちらも成果物としては形になりますが、業務は変わりません。

「生成AIを導入した」ことが目的になっている場合は、何が良くなったかを何で測るかを先に決めてから始めます。測り方が決まっていない施策は、翌年の予算の見直しで残りません。