営業向けのAIアシスタント、最初の週だけは使われたんですが、今はほとんど質問が来ていません
これは、製造業向けBtoB企業でDX推進を担当する佐伯さん（仮名）と、営業企画・人事・情報システムの3部門が向き合った、部門別AIアシスタント運用の話です。同社では営業、管理部門、研修担当それぞれにAIアシスタントを用意したものの、公開後数週間で利用が伸び悩みました。Slackで告知し、社内ポータルにも掲載したにもかかわらず、現場からは「何を聞けばいいのか分からない」「自分の業務にどう関係するのか見えない」という声が上がっていました。
そこで、部門ごとのペルソナと業務シナリオを整理し、AIチャットの用途、参照する学習データ、初回利用の導線、フィードバックの集め方を見直しました。たとえば、導入後8週間・対象3部門・126名で比較したモデルケースでは、週1回以上利用する社員が31名から68名に増え、営業部では商談準備に関する質問が継続して投稿されるようになりました。
この記事では、部門別AIアシスタントの利用率を高め、業務AIを定着させるためのアシスタント運用、告知設計、改善サイクルを整理します。目指すのは、社員が「使ってください」と言われなくても、自分の業務シーンで自然にAIアシスタントを開く状態です。ただし、AIアシスタントは万能ではありません。業務設計、現場の声、継続的な見直しがあって初めて、利用促進につながります。同じお悩みがある方は、ぜひ自社の部門運用に重ねながら読み進めてください。
部門別AIアシスタントは、作るだけでは利用率が伸びない
部門別AIアシスタントは、導入直後だけ注目され、その後の利用率が伸び悩むことがあります。
公開時には「営業向け」「人事向け」「情報システム向け」と役割を分けていても、実際の現場では、何を聞けばよいのか、どの場面で使えばよいのかが伝わっていないケースがあります。
AIアシスタントの利用率を高めるには、機能を増やす前に、社員が業務の中で使う理由を明確にする必要があります。
初期公開後に利用が頭打ちになる典型パターン
利用が伸び悩む背景には、いくつかの共通点があります。
まず、公開時の告知が「新しいAIアシスタントを作りました」という機能紹介にとどまっているケースです。社員にとって重要なのは、機能そのものではなく、自分の業務がどのように進めやすくなるかです。
たとえば営業部門であれば、商談前の仮説整理、提案書のたたき台作成、顧客業界の論点整理など、具体的な利用場面が見えなければ使い始めにくくなります。人事部門であれば、研修案内文の作成、社内問い合わせへの回答準備、評価コメントの下書きなど、日常業務に近いシナリオが必要です。
次に、初回体験が設計されていないことも大きな要因です。AIアシスタントを開いたときに、最初に何を入力すればよいか分からないと、社員は画面を閉じてしまいます。
「自由に質問してください」は、一見すると親切な案内です。しかし、業務AIの定着という観点では、自由度が高すぎるために、かえって使われにくくなることがあります。
利用率の低さは、現場の意欲不足とは限らない
AIアシスタントの利用率が低いと、「現場の関心が低い」「AIに抵抗がある」と捉えられがちです。しかし、必ずしもそうとは限りません。
現場担当者は、日々の業務に追われています。新しいツールを試す時間が限られる中で、「使えば便利です」と言われても、すぐに習慣化するのは難しいものです。
むしろ確認すべきなのは、AIアシスタントが日常業務のどこに接続されているかです。
営業担当者にとっては、商談前の15分で使えるかどうか。管理部門にとっては、定型問い合わせを受けた直後に使えるかどうか。マネジャーにとっては、会議前や1on1前に使えるかどうか。
このように、部門ごとの業務リズムに入り込めているかが、AIアシスタントの利用率を左右します。
「使われるAI」と「置かれるだけのAI」の違い
使われるAIアシスタントには、主に3つの特徴があります。
- 対象者が明確であることです。誰に向けたAIアシスタントなのかが分かると、社員は自分ごととして捉えやすくなります。
- 利用シーンが具体的であることです。「営業活動に使えます」ではなく、「商談前に顧客課題を整理する」「失注理由を振り返る」「提案書の構成を作る」といった業務単位で示す必要があります。
- 改善され続けていることです。初期設定のまま放置されるAIアシスタントは、現場の業務変化についていけません。フィードバックを集め、プロンプトや学習データを見直す改善サイクルが必要です。
つまり、AIアシスタントの利用促進は、公開前の設計だけでなく、公開後の運用で決まります。
利用促進の出発点は、部門ごとのペルソナ設計
部門別AIアシスタントを定着させるには、まず利用者のペルソナを整理する必要があります。
ここでいうペルソナとは、年齢や役職を細かく設定することではありません。業務上の役割、よく発生する作業、困る場面、AIに期待する支援内容を整理することです。
部門ごとに、AIに期待する役割は違う
同じAIアシスタントでも、営業部門、人事部門、情報システム部門では期待する役割が異なります。
| 部門 | 重視される役割 | 利用シーンの例 |
|---|---|---|
| 営業部門 | 顧客理解や提案準備のスピードを上げること | 商談メモから次のアクションを整理する、提案書の構成を作る |
| 人事部門 | 社内説明や研修運用の品質をそろえること | 研修案内文の作成、受講者向けFAQの整理、評価コメントの下書き |
| 情報システム部門 | 問い合わせ対応や社内手順を標準化すること | アカウント申請、ツール利用ルール、セキュリティ注意事項の案内 |
この違いを整理しないまま、全社共通の言葉でAIアシスタントを告知しても、利用者には伝わりにくくなります。
ペルソナ設計で見るべき4つの観点
部門別AIアシスタントのペルソナを設計する際は、次の4つを整理します。
- 担当業務
- 日常的にどのような作業をしているのかを把握します。
- 困りごと
- 時間がかかっている作業、品質にばらつきがある作業、属人化している作業を洗い出します。
- 利用タイミング
- 会議前、顧客対応後、月末処理、研修前など、AIアシスタントを開く自然なタイミングを考えます。
- 期待する出力形式
- メール文、表、箇条書き、議事録、比較表、FAQなど、現場で使いやすい形式を決めます。
ペルソナ設計は、マーケティング施策だけに使うものではありません。業務AIの定着においても、「誰の、どの場面を支援するのか」を明確にするための土台になります。
ペルソナごとに「最初の一問」を用意する
AIアシスタントの初回利用を促すには、ペルソナごとに「最初の一問」を用意することが有効です。
- 営業担当者向け：「明日の商談に向けて、顧客の課題仮説と確認すべき質問を整理してください」
- 人事担当者向け：「新入社員研修の案内文を、参加者が準備物を理解しやすい形で作成してください」
- 情報システム担当者向け：「社員向けに、パスワード再設定手順を5ステップで分かりやすく説明してください」
このように、部門ごとの業務シナリオに合わせて最初の一問を提示すると、利用者は試しやすくなります。AIアシスタント運用では、この初回体験の設計が利用率向上の重要な入口になります。
業務シナリオに沿って、使いどころを具体化する
AIアシスタントの利用率を高めるには、「何に使えるか」を機能単位ではなく業務シナリオ単位で伝える必要があります。
業務シナリオとは、利用者が実際に仕事を進める流れの中で、AIアシスタントが支援できる場面を整理したものです。
「業務の前後」にAIアシスタントを置く
AIアシスタントは、単独で使われるよりも、既存業務の前後に置いたほうが定着しやすくなります。
たとえば、営業部門では商談の前後が分かりやすい利用タイミングです。商談前には、顧客の業界課題、想定質問、提案の切り口を整理します。商談後には、商談メモから決定事項、顧客の懸念、次回アクションを抽出します。
人事部門では、研修前後にAIアシスタントを置くことができます。研修前には案内文や事前課題の作成、研修後にはアンケート結果の要約や改善点の抽出に使えます。
管理部門では、問い合わせ対応の前後が有効です。社員から質問が来たときに、関連する規程やFAQを確認し、回答文の下書きを作る使い方ができます。
このように、AIアシスタントを業務の流れに組み込むことで、「わざわざ使うツール」から「業務の一部として開くツール」に近づきます。
シナリオは3つに絞って始める
利用促進を進める際、最初から多くの使い方を提示しすぎると、かえって現場は迷います。公開初期は、部門ごとに3つ程度の業務シナリオに絞ると運用しやすくなります。
| 部門 | 業務シナリオ例 |
|---|---|
| 営業部門 |
|
| 人事部門 |
|
| 情報システム部門 |
|
最初のシナリオを絞ることで、告知しやすくなり、利用ログの分析もしやすくなります。
ツールは、業務シナリオを支える形で選ぶ
AIアシスタントを運用する方法は、社内チャットツール、汎用生成AI、グループウェア連携、専用プラットフォームなど複数あります。重要なのは、どのツールを使うかよりも、業務シナリオに合わせて再利用できる形を作れるかです。
たとえば、部門ごとにAIチャット、プロンプト、学習データを整理したい場合は、プロジェクト単位で用途を分けられるツールが向いています。弊社が提供するKanataのように、AIチャット、プロンプトライブラリ、学習データライブラリを同じ業務単位で管理できる環境であれば、営業向け、人事向け、情報システム向けといった用途別の運用を組み立てやすくなります。
どのツールを選ぶ場合でも、学習データの更新、権限管理、出力確認のルールがなければ定着は難しくなります。ツール選定と同時に、運用ルールも設計することが重要です。
告知設計は、機能説明ではなく業務メリットで伝える
AIアシスタントの利用促進では、告知設計が重要です。
よくある失敗は、「AIアシスタントを公開しました」「以下のURLから使えます」という案内だけで終わってしまうことです。これでは、現場にとって自分が使う理由が伝わりません。
告知文には「誰が、いつ、何に使うか」を入れる
告知文には、少なくとも次の3つを入れる必要があります。
- 誰向けのAIアシスタントなのか
- どの業務タイミングで使うのか
- 何を入力すると、どのような出力が得られるのか
たとえば営業部門向けの告知であれば、次のような伝え方ができます。
営業部向けに、商談準備用のAIアシスタントを公開しました。商談前に顧客名、業界、提案予定のサービスを入力すると、確認すべき質問、想定課題、提案の切り口を整理できます。明日以降の商談準備で、まず1回試してみてください。
このように書くと、利用者は自分の業務に置き換えやすくなります。
Slack、会議、社内ポータルで伝える内容を変える
告知チャネルごとに、伝える内容を変えることも大切です。
- SlackやTeams
- 短く具体的な利用例を出すのが向いています。長文の説明よりも、「この業務で使えます」「この質問をそのまま入れてください」と示すほうが行動につながります。
- 会議
- 実際に画面を開いてデモを見せることが効果的です。担当者がAIアシスタントに質問し、回答が返ってくる様子を見ると、現場の心理的ハードルが下がります。
- 社内ポータル
- 利用ルール、対象業務、注意点、よくある質問を整理して掲載します。あとから見返せる場所を作っておくことで、利用者が迷ったときの受け皿になります。
告知は一度で終わらせるものではありません。公開時、1週間後、1か月後と、タイミングを分けて利用シーンを伝え直すことが大切です。
アンバサダーを置くと、利用促進が進みやすい
部門別AIアシスタントの利用促進では、各部門にアンバサダーを置くと効果的です。
アンバサダーとは、その部門でAIアシスタントを試し、使い方を周囲に共有する役割の人です。必ずしも管理職である必要はありません。現場業務をよく理解していて、周囲から質問されやすい人が向いています。
アンバサダーの役割は、利用を強制することではありません。実際に使ってみて便利だった場面を共有すること。つまずいた点をDX推進チームに伝えること。部門内で使えそうな業務シナリオを提案することです。
このような橋渡しがあると、AIアシスタントが「本部から降りてきたツール」ではなく、「自分たちの業務を助ける仕組み」として受け止められやすくなります。
フィードバックを集め、改善サイクルを回す
AIアシスタントの利用率を高めるには、公開後のフィードバックが欠かせません。
利用ログを見るだけでは、なぜ使われているのか、なぜ使われていないのかまでは分かりません。現場の声とログを組み合わせて、改善サイクルを回す必要があります。
見るべき指標は、利用回数だけではない
AIアシスタント運用で確認すべき指標には、次のようなものがあります。
- 週1回以上利用している人数
- 部門別の利用者数
- 1人あたりの利用回数
- よく使われる質問カテゴリ
- 利用後に業務へ反映された例
- 回答に対する不満や再質問の内容
単純な利用回数だけを見ると、実態を見誤ることがあります。
たとえば、利用回数は多くても、同じ質問を何度も繰り返している場合は、AIアシスタントの回答品質に課題があるかもしれません。逆に、利用回数は少なくても、重要な業務で継続的に使われていれば、定着の兆しと捉えることができます。
重要なのは、「使われたか」だけでなく、「業務に戻ったか」を見ることです。
フィードバックは簡単に出せるようにする
現場からフィードバックを集めるには、入力の手間をできるだけ減らす必要があります。たとえば、次のような簡単な設問から始めます。
- どの業務で使いましたか
- 回答はそのまま使えましたか
- どこを修正しましたか
- 期待と違った点はありますか
- 次に追加してほしい質問例はありますか
回答形式は、選択式と自由記述を組み合わせるとよいです。毎回長いアンケートを求めると、フィードバックそのものが集まりにくくなります。
SlackやTeamsに「AIアシスタント改善チャンネル」を作り、気づいたことを投稿できるようにする方法もあります。重要なのは、フィードバックを集めるだけで終わらせず、改善に反映したことを現場に返すことです。
先週いただいた声をもとに、商談準備の質問例を追加しました
このような小さな共有があると、現場は「自分たちの声でAIアシスタントが育っている」と感じやすくなります。
改善サイクルは月次で回す
AIアシスタントの改善サイクルは、最初から大掛かりにする必要はありません。公開初期は週次で小さく確認し、安定してきたら月次で見直す形が現実的です。
月次の見直しでは、次の項目を確認します。
- どの部門で利用が伸びているか
- どの業務シナリオが使われているか
- 使われていないシナリオはなぜ使われていないか
- 回答品質に関する不満は何か
- 追加すべき学習データやプロンプトは何か
- 次月に重点的に利用促進する業務は何か
この改善サイクルを続けることで、AIアシスタントは初期設定のままではなく、部門の業務に合わせて育っていきます。
業務AIの定着とは、一度作って終わりではありません。使われ方を見ながら、業務と一緒に更新していく運用です。
利用率を高めるための運用施策
ここからは、部門別AIアシスタントの利用率を高めるために実施しやすい運用施策を整理します。
初回利用キャンペーンを実施する
公開直後は、まず一度使ってもらうことが重要です。
そのために、部門ごとに初回利用キャンペーンを実施します。キャンペーンといっても、大げさな企画である必要はありません。
たとえば、営業部門では「今週の商談1件について、AIアシスタントで事前質問を作ってみる」といった形です。人事部門では「次回研修案内文をAIアシスタントで下書きする」、情報システム部門では「よくある問い合わせを1件FAQ化する」といった使い方ができます。
重要なのは、利用を抽象的に促すのではなく、具体的な1回目を指定することです。
成功例を共有する
AIアシスタントの利用促進では、成功例の共有が効果的です。
- 営業部のAさんが、商談前の質問整理に使ったところ、顧客への確認事項が明確になった
- 人事部で研修案内文の下書きに使い、作成時間を短縮できた
- 情報システム部門でFAQの表現を整え、社員向けの説明が分かりやすくなった
このような具体例があると、他の社員も自分の業務に置き換えやすくなります。
ただし、成功例を共有するときは、成果を大きく見せすぎないことが大切です。「劇的に改善した」「誰でもすぐに成果が出る」といった表現は避け、どの業務で、どのように役立ったのかを具体的に伝えます。
よく使うプロンプトをテンプレート化する
AIアシスタントの利用率が伸びない理由の一つに、毎回指示を考える負担があります。
この負担を減らすために、よく使うプロンプトはテンプレート化します。
営業部門なら、商談準備、商談後整理、提案書構成のテンプレート。人事部門なら、研修案内、社内FAQ、アンケート要約のテンプレート。管理部門なら、規程確認、問い合わせ回答、社内周知文のテンプレートです。
テンプレートには、入力すべき項目を明示します。
たとえば、商談準備テンプレートであれば、顧客名、業界、商談目的、提案予定サービス、懸念点などを入力項目にします。これにより、利用者は何を入れればよいか迷いにくくなります。
学習データを定期的に見直す
部門別AIアシスタントの回答品質は、参照する学習データにも左右されます。
営業部門であれば、最新のサービス資料、提案書、導入事例、よくある質問が古いままだと、回答も現場感からズレる可能性があります。人事部門であれば、規程や研修資料が更新されていないと、誤った案内につながることがあります。
そのため、学習データは定期的に棚卸しを行います。少なくとも月1回、次の観点で確認します。
- 古い資料が残っていないか
- 重複した資料がないか
- 新しい業務ルールが反映されているか
- 現場からよく質問される内容が追加されているか
- 回答に使ってほしくない資料が混ざっていないか
AIアシスタントを使ってもらう前に、AIアシスタントが参照する情報を整えることが重要です。
立場ごとに見るべき観点を分ける
部門別AIアシスタントの運用では、関係者の立場によって重視すべき観点が変わります。
経営者、情報技術責任者、マーケティング・セールス責任者、現場管理者では、同じ「利用率」を見ていても、判断したいことが異なります。
| 立場 | 主な確認観点 |
|---|---|
| 経営者 | 利用率だけでなく、意思決定のスピード、部門間連携、管理コスト、売上機会、社員の生産性にどう影響しているかを見る必要があります。 |
| 情報技術責任者 | 権限管理、情報漏えいリスク、ログ管理、利用ルール、学習データの取り扱いなど、安全性と運用統制を確認する必要があります。 |
| マーケティング・セールス責任者 | 商談準備、提案書作成、メール文面、失注分析、顧客理解など、顧客接点の質を高める業務で使われているかを確認します。 |
経営者は、利用率よりも事業成果との接続を見る
経営者にとって重要なのは、AIアシスタントがどれだけ使われたかだけではありません。
その利用が、意思決定のスピード、部門間連携、管理コスト、売上機会、社員の生産性にどう影響しているかです。
利用率はあくまで入口です。経営者は、AIアシスタントが組織全体の業務変革にどうつながるのかを見る必要があります。
情報技術責任者は、安全性と運用統制を見る
情報技術責任者にとっては、AIアシスタントの便利さだけでなく、権限管理、情報漏えいリスク、ログ管理、利用ルール、学習データの取り扱いが重要になります。
部門ごとにAIアシスタントを増やすほど、管理対象も増えます。誰が何にアクセスできるのか、どのデータを参照しているのか、誤った情報をどう検知するのかを設計する必要があります。
業務AIの定着には、現場の使いやすさと統制の両立が欠かせません。
マーケティング・セールス責任者は、現場行動への接続を見る
マーケティング・セールス責任者にとっては、AIアシスタントが顧客接点の質を高めているかが重要です。
商談準備、提案書作成、メール文面、失注分析、顧客理解など、営業活動やマーケティング施策に直接つながる業務で使われているかを確認します。
単に利用回数が増えていても、顧客対応や案件創出に結びついていなければ、現場にとっての価値は限定的です。
利用率向上は、定着のゴールではなく入口
AIアシスタントの利用率を高めることは重要です。しかし、利用率そのものが最終目的ではありません。
本当に目指すべきなのは、部門ごとの業務にAIアシスタントが自然に組み込まれ、社員が必要なタイミングで使える状態です。
「使わせる」から「使う理由がある」へ
利用促進という言葉には、ともすると「使わせる」という印象があります。しかし、業務AIの定着に必要なのは、現場に使う理由がある状態を作ることです。
AIアシスタントを開くと、商談準備が早くなる。社内説明文を作る負担が減る。問い合わせ対応の品質がそろう。会議前の論点整理がしやすくなる。
このような実感があると、社員は自然に使い始めます。
部門ごとの小さな成功を横展開する
最初から全社一斉に定着を目指す必要はありません。
まずは、利用シーンが明確な部門で小さな成功例を作ります。そのうえで、他部門に横展開していきます。
営業部門で商談準備に使えたなら、カスタマーサクセス部門では顧客対応履歴の整理に応用できるかもしれません。人事部門で研修案内文に使えたなら、総務部門では社内周知文に応用できるかもしれません。
共通するのは、ペルソナ、業務シナリオ、告知設計、フィードバック、改善サイクルです。
AIアシスタントは、運用して育てるもの
AIアシスタントは、作った瞬間に完成するものではありません。
現場の業務は変わります。資料も更新されます。よくある質問も変わります。部門の重点テーマも変わります。
だからこそ、AIアシスタントも運用の中で育てる必要があります。
利用率が伸びないときは、現場の意欲を疑う前に、次の問いを確認してみてください。
- 誰向けのAIアシスタントか明確か
- 業務シナリオは具体的か
- 初回利用のハードルは低いか
- 告知は機能説明ではなく業務メリットになっているか
- フィードバックを集める仕組みはあるか
- 学習データやプロンプトは更新されているか
これらを見直すことで、AIアシスタントは「作ったけれど使われないツール」から、「部門業務を支える運用基盤」へ近づいていきます。
まとめ
部門別AIアシスタントの利用率を高めるには、単にAIツールを公開するだけでは不十分です。
重要なのは、部門ごとのペルソナを整理し、業務シナリオに沿って使いどころを示し、告知設計と改善サイクルを組み合わせることです。
特に、次の5つが運用の軸になります。
- 部門ごとの利用者像を明確にする
- 最初に使ってほしい業務シナリオを絞る
- 告知では機能ではなく業務メリットを伝える
- アンバサダーや現場フィードバックを活用する
- 利用ログと現場の声をもとに継続改善する
AIアシスタントは万能ではありません。導入しただけで、すべての業務が変わるわけではありません。
しかし、部門ごとの業務に合わせて運用し、社員が使いやすい形に改善し続ければ、業務AIは少しずつ現場に定着していきます。
Kanataのような業務AIプラットフォームを活用する場合も、重要なのは機能の多さだけではありません。プロジェクト設計、学習データ、プロンプト、利用ルール、改善サイクルを組み合わせ、現場が使い続けられる状態を作ることです。
Q&A
AIアシスタントの利用率が低い場合、まず何を確認すべきですか？
まず確認すべきなのは、現場が「何に使えばよいか」を理解できているかです。対象者、利用タイミング、入力例、出力例が曖昧なままだと、AIアシスタントは公開されても使われにくくなります。最初に見直すべきなのは、機能ではなく業務シナリオです。
部門別AIアシスタントは、全社共通のものと何が違いますか？
全社共通のAIアシスタントは、文章作成や要約など幅広い用途に向いています。一方、部門別AIアシスタントは、営業、人事、情報システムなど特定部門の業務に合わせて、質問例、参照データ、出力形式を調整する点が異なります。定着を重視するなら、部門ごとの業務文脈に合わせた設計が重要です。
利用促進のために、最初から多くのユースケースを提示すべきですか？
最初から多くのユースケースを提示するよりも、部門ごとに3つ程度の業務シナリオに絞るほうが運用しやすくなります。利用者が迷わず試せること、効果を確認しやすいこと、改善点を集めやすいことが理由です。
AIアシスタントの成果は、利用回数だけで判断できますか？
利用回数だけでは判断できません。利用回数が多くても、業務成果につながっていない場合があります。逆に、利用回数が少なくても、重要な業務で継続的に使われていれば価値があります。週1回以上の利用者数、使われた業務シナリオ、利用後に業務へ反映された例などを組み合わせて見ることが大切です。
AIアシスタントを定着させるうえで、最も重要な運用は何ですか？
最も重要なのは、公開後に改善サイクルを回すことです。現場のフィードバックを集め、よく使われる質問例を増やし、学習データやプロンプトを更新し続けることで、AIアシスタントは業務に合った形へ育っていきます。作って終わりにしないことが、業務へのAI定着の基本です。
