「これ、AIに任せられそうですよね。でも、前回も“向いていそう”で選んだ業務が、結局ほとんど使われませんでした」
これは、製造業のDX推進室で業務改革を担当する森田さん（仮名）と、営業企画・人事・情報システム部門が参加したAI活用会議で出た一言です。3か月前、同社では棚卸しした128件の業務一覧を前に、担当者の感覚で「AIに任せる業務」の候補を選んでいました。議事録作成、問い合わせ対応、契約書チェック、営業レポート作成。候補は並ぶものの、定型/非定型、判断/作業、データ有無、リスク、人の介在の観点がそろっておらず、優先順位は会議のたびに変わっていました。
現在は、対象業務128件を5つの判断軸で再評価し、まず20件をAIに任せる候補として絞り込んでいます。情報システム部門は安全性を、人事部門は現場の受け入れやすさを、営業企画は成果に繋がりやすいかを見ています。弊社が提供するKanataのAIチャットやAI要約、学習データライブラリのように、業務ごとにAI活用の場を分けられるツールを使う場合でも、最初に必要なのは「どの業務に、どこまで使うか」を見極めることです。
この記事では、業務でのAI活用基準を持てないDX推進・業務改革・各部門マネジャーに向けて、業務適性 AIをどう評価し、自動化の優先順位をどう決めるかを整理します。目指すのは、担当者の勘ではなく、業務特性にもとづいて再現性高くAI化対象を選べる状態です。ただし、判断軸を作るだけで全ての業務がうまくAI化できるわけではありません。運用ルール、データ整備、レビュー体制があって初めて、現場で使われる仕組みになります。もし業務一覧を前に手が止まっているなら、自社の候補業務に重ねながら読み進めてください。
AI化する業務を「感覚」で選ぶと失敗しやすい
業務一覧を前にしたとき、多くの会議では「これはAIに向いていそう」「これは人がやったほうがよさそう」という会話から始まります。
その直感がまったく役に立たないわけではありません。現場をよく知る人ほど、作業の面倒さ、属人化している判断、確認に時間がかかるポイントを体感しています。最初の候補出しでは、現場の感覚が重要な手がかりになります。
問題は、その感覚だけでAI化の優先順位まで決めてしまうことです。
たとえば、同じ「問い合わせ対応」でも、中身は大きく異なります。
- 社内規程を確認して回答する問い合わせ
- 顧客ごとの契約条件を踏まえて回答する問い合わせ
- クレームの温度感を見ながら対応方針を決める問い合わせ
- 過去の回答テンプレートを修正すれば済む問い合わせ
- 担当部署に確認しなければ回答できない問い合わせ
一見するとすべて「問い合わせ対応」ですが、AI化のしやすさは同じではありません。情報が整っているか、判断が必要か、誤答時のリスクが大きいか、人の介在が必要かによって、AIに任せられる範囲は変わります。
つまり、業務名だけを見て「AI化できる／できない」を決めると、判断が粗くなります。
AIを活用する業務の選定で重要なのは、業務を名前ではなく、特性で判断することです。その業務がどのような入力を受け取り、どのような処理や判断を経て、どのような成果物を出しているのかを分解する必要があります。
AI化しやすい業務の共通点
AI化しやすい業務には、いくつかの共通点があります。
代表的なのは、手順や出力形式がある程度決まっている業務です。毎回まったく違う判断をしているように見えても、実際には「この情報を確認し、この条件に当てはめ、この形式で出力する」という流れがある業務は少なくありません。
たとえば、以下のような業務です。
- 会議メモから議事録を作成する
- 問い合わせ内容をカテゴリ分けする
- 社内文書を要約する
- 営業メモから次回アクションを抽出する
- FAQや規程をもとに一次回答案を作る
- レポートの下書きを作成する
- 文章の表現を整える
- 研修動画の内容を要約する
これらに共通するのは、AIが得意とされる「整理」「抽出」「要約」「分類」「下書き」の要素が含まれていることです。
議事録作成であれば、AIに任せやすいのは会話内容の整理、決定事項の抽出、TODOの一覧化などです。一方で、本当にその内容で合意したのか、誰にどの表現で共有すべきか、社外に出してよい内容かといった判断は、人が確認する必要があります。
AIに任せるとは、人の仕事を丸ごと置き換えることではありません。人が確認しやすい形に整える、最初のたたき台を作る、見落としを減らす。こうした補助的な領域から始めるほうが、現場には定着しやすくなります。
AI化しにくい業務の共通点
反対に、AI化しにくい業務にも共通点があります。
それは、業務の成果が「正しい情報処理」だけでは決まらないものです。
たとえば、顧客との重要な交渉、部下への評価面談、経営判断、クレーム対応、法的な最終判断、採用候補者との関係構築などは、単に情報を整理すればよい業務ではありません。
そこには、相手との信頼関係、組織としての責任、文脈への理解、リスク許容度、最終的な意思決定が含まれます。
もちろん、これらの業務でAIが使えないわけではありません。むしろ、事前準備や論点整理には有効な場面があります。
たとえば、経営判断そのものをAIに任せるべきではありませんが、判断材料を比較表にすることはできます。部下との1on1をAIに代行させるべきではありませんが、相談内容を整理し、問いかけの候補を出すことはできます。契約書の最終判断は法務や責任者が行うべきですが、確認すべき論点を洗い出すことはできます。
つまり、AI化しにくい業務は「AIを使ってはいけない業務」ではありません。AIに任せる範囲を慎重に設計すべき業務です。
業務全体をAI化するのではなく、業務の一部をAIで支援する。この考え方が重要です。
業務におけるAI活用基準：定型か、非定型か
最初の判断軸は、業務が定型か非定型かです。
定型業務とは、手順や出力形式がある程度決まっている業務です。毎回同じような入力があり、同じような処理を行い、同じような成果物を出す業務は、AI化しやすい傾向があります。
たとえば、次のような業務です。
- 毎週の定例会議の議事録作成
- 月次レポートの要約
- 社内問い合わせの一次分類
- メール文面の下書き
- 研修動画の要点整理
- FAQの回答案作成
これらは、出力形式を指定しやすく、レビューもしやすい業務です。たとえば、AI要約やAIチャットを使う場合も、入力と出力の型が明確な業務ほど設計しやすくなります。Kanataのように、チャット、要約、学習データをプロジェクト単位で扱えるサービスは、部署や業務単位で試行範囲を分けたい場合に選択肢の一つになります。
一方、非定型業務は、状況ごとに判断材料や対応方針が変わります。前提条件が複雑で、毎回異なる文脈を読む必要があります。
ただし、非定型業務だからといって、AI化の対象外にする必要はありません。非定型業務の中にも、定型化できる部分が含まれているからです。
たとえば、顧客提案は非定型性が高い業務です。しかし、提案前の顧客情報整理、課題仮説の洗い出し、提案書の構成案作成はAIが支援しやすい領域です。
判断すべきなのは、「業務全体が定型か」ではなく、「業務の中に定型化できる部分があるか」です。
業務におけるAI活用基準：判断か、作業か
次の判断軸は、その業務の中心が判断なのか、作業なのかです。
AIは、文章を整える、情報を分類する、要点を抽出する、形式を変換する、候補を出すといった作業に向いています。
一方で、責任を伴う最終判断や、組織としての意思決定をAIにそのまま任せるのは適切ではありません。AIガバナンスの観点でも、リスクに応じた管理や人による関与は重要な論点です。
ここで大切なのは、業務を「判断」と「作業」に分けることです。
たとえば、契約書レビューという業務を考えてみます。
契約書レビューには、次のような作業と判断が含まれています。
- 条項を読み取る
- リスクがありそうな箇所を抽出する
- 一般的な確認観点に照らして整理する
- 修正案を作る
- そのリスクを許容するか判断する
- 最終的に締結するか決める
このうち、AIに任せやすいのは前半の「読み取り」「抽出」「整理」「修正案作成」です。後半の「許容判断」「締結判断」は人が担うべきです。
業務をAI化する際に失敗しやすいのは、この分解をせずに「契約書レビューをAI化する」と言ってしまうことです。
より正確には、「契約書レビューのうち、確認観点の洗い出しと一次整理をAIに任せる」と表現したほうがよいです。
AIに任せる範囲を明確にすると、現場の不安も小さくなります。「全部AIに置き換える」のではなく、「人が判断しやすくするためにAIを使う」と伝えられるからです。
業務におけるAI活用基準：使えるデータがあるか
3つ目の判断軸は、データの有無です。
AIに業務を任せるには、判断や出力の材料になる情報が必要です。業務マニュアル、FAQ、過去の議事録、商談メモ、社内規程、商品資料、問い合わせ履歴などが整っていれば、AIはそれらをもとに回答や要約を作りやすくなります。
反対に、データが存在しない、または人の頭の中にしかない場合、AI化は難しくなります。
たとえば、ベテラン社員が「このお客様の場合は、過去の経緯があるからこの言い方は避けたほうがいい」と判断している業務があります。このような個人に蓄積されたノウハウは、AIがすぐに扱える情報ではありません。
この場合、いきなりAI化するのではなく、まずは個人の知識を言語化する必要があります。
- よくある判断パターンを整理する
- 過去の対応事例を集める
- NG例とOK例を作る
- 判断に使っている情報をヒアリングする
- マニュアルやFAQとして整備する
この準備があって初めて、AIに任せる範囲を広げられます。
AI化は、ツールを導入するだけでは進みません。むしろ、業務データやナレッジを整えるプロセスそのものが、AI実装の重要な一部です。
業務におけるAI活用基準：リスクはどの程度か
4つ目の判断軸は、リスクです。
AI化しやすい業務であっても、誤った出力が大きな損害につながる場合は慎重に扱う必要があります。
たとえば、次のような業務はリスクが高くなりやすいです。
- 法務判断
- 医療・安全に関わる判断
- 未公開財務情報の扱い
- 個人情報を含む処理
- 顧客との契約条件に関わる回答
- 人事評価や処遇に関わる判断
- 社外に公開する正式文書
これらの業務では、AIを使うこと自体よりも、AIの出力をどのように確認し、誰が責任を持つかが重要です。
たとえば、社外向けの文章作成でAIを使う場合、下書き作成まではAIに任せられます。しかし、数字、固有名詞、日付、引用、契約上の表現は人が確認する必要があります。
また、個人情報や機密情報を扱う場合は、入力してよい情報と入力してはいけない情報を事前に定める必要があります。AI利用時のセキュリティの観点からも、業務適性 AIを評価する際には、「AIができるか」だけでなく、「間違えたときに何が起きるか」を必ず確認してください。
低リスクな業務から始めることは、AI導入の現実的な進め方です。最初から高リスク業務を対象にすると、確認負荷が大きくなり、現場に定着しにくくなります。
業務におけるAI活用基準：人の介在がどこで必要か
5つ目の判断軸は、人の介在です。
AI化を考えるとき、「人が必要か、不要か」という二択で考えると議論が極端になります。実際には、人が関わるべきタイミングを設計することが重要です。
たとえば、AIが議事録を作成する場合でも、人の介在ポイントはいくつかあります。
- 会議音声やメモを入力する前に、不要な情報を除く
- AIが作成した要約を確認する
- 決定事項やTODOが正しいか確認する
- 社外共有してよい内容か判断する
- 次回以降のフォーマット改善に反映する
このように、人は業務から消えるのではなく、確認・判断・改善の役割に移ります。
AIに任せるとは、人の介在をゼロにすることではありません。人がどこで関われば品質と安全性を保てるかを設計することです。
特に導入初期は、「AIが出したものを誰が見るか」「どの基準でOKにするか」「ミスがあった場合にどう直すか」まで決めておく必要があります。
この設計がないままAIを導入すると、現場では次のような状態が起きやすくなります。
- AIの出力を信頼できない
- 確認作業が増えて、かえって時間がかかる
- 使う人によって品質がばらつく
- 誤った出力がそのまま使われる
- 一部の詳しい人だけが使う状態になる
AI化の成否は、ツールの性能だけでは決まりません。人の介在を前提にした業務設計が必要です。
AI化しやすさを評価する5つの質問
ここまでの判断軸を、実務で使える質問に落とし込むと、次のようになります。
| 質問 | 確認するポイント |
|---|---|
| この業務の手順は説明できるか | 手順が説明できる業務は、AIに指示を出しやすい業務です。「なんとなく経験で判断している」としか説明できない業務は、まず業務の言語化が必要です。 |
| 成果物の型は決まっているか | 議事録、要約、メール、レポート、FAQ回答、比較表など、出力形式が決まっている業務はAIに向いています。出力形式を指定できるほど、AIの結果も安定しやすくなります。 |
| 判断材料となるデータはあるか | マニュアル、規程、過去事例、顧客情報、商品資料など、AIが参照できる情報があるかを確認します。情報が散らばっている場合は、AI化の前に整理が必要です。 |
| 間違えた場合の影響は小さいか | 誤りがすぐに修正できる業務は、導入初期の対象にしやすいです。誤りが法的・金銭的・信用面の大きな問題につながる業務は、慎重に設計する必要があります。 |
| 人がレビューできるか | AIの出力を見て、正しいかどうかを判断できる人がいる業務は進めやすいです。逆に、誰もレビューできない業務をAIに任せるのは危険です。 |
この5つの質問に答えるだけでも、業務一覧の見え方は変わります。
「なんとなくAIに向いていそう」ではなく、「手順があり、データがあり、リスクが低く、人がレビューできるから、まず試せる」と説明できるようになります。
AI化の優先順位は「効果」と「実現しやすさ」
業務のAI化候補を選ぶ際には、「効果が大きいか」だけでなく、「実現しやすいか」も見る必要があります。
効果が大きい業務ほど魅力的に見えますが、必ずしも最初に取り組むべきとは限りません。
たとえば、経営判断に関わるレポート作成は、うまくいけば大きな効果があります。しかし、必要なデータが複雑で、責任範囲も重く、関係者も多い場合、導入初期の対象としては難しいかもしれません。
一方で、会議議事録の作成や社内FAQの一次回答は、効果は限定的に見えるかもしれませんが、業務頻度が高く、出力形式も決めやすく、レビューもしやすい業務です。
導入初期では、次のような業務から始めるのが現実的です。
- 頻度が高い
- 作業時間が積み上がっている
- 出力形式が決まっている
- 参照データがある
- 誤りを人が確認できる
- 失敗しても影響範囲が限定的
このような業務で小さく成果を出すと、現場の信頼を得やすくなります。
「AIで大きく変える」よりも、まずは「この作業はAIに任せると楽になる」という実感を作ることが大切です。
業務を4つのタイプに分けて考える
AI化候補を整理するときは、業務を4つのタイプに分けると分かりやすくなります。
- すぐにAI支援を試せる業務
- 定型性が高く、データがあり、リスクが低く、レビューしやすい業務です。議事録作成、要約、メール下書き、文章校正、FAQ案作成などが該当します。
- 準備すればAI支援できる業務
- 業務としてはAIに向いているものの、データが散らばっている、マニュアルが古い、出力形式が決まっていないといった課題がある業務です。この場合、先にナレッジ整理や運用ルール作りが必要です。
- 一部だけAI支援できる業務
- 判断や対話が中心の業務でも、事前準備や論点整理、記録作成などはAIに任せられる場合があります。経営会議の資料整理、1on1準備、顧客提案の骨子作成などが該当します。
- 慎重に扱うべき業務
- 誤りの影響が大きい業務、個人情報や機密情報を扱う業務、最終判断を伴う業務です。これらはAIを使わないというより、利用範囲、入力情報、レビュー体制、責任者を明確にしたうえで扱う必要があります。
この4分類を使うと、業務一覧をただ並べるだけでなく、次のアクションまで決めやすくなります。
すぐ試すのか、準備するのか、一部支援にするのか、今は対象外にするのか。分類できれば、会議での議論も進みやすくなります。
「AIに任せる」と「人が担う」を分ける
AI化の議論では、「この業務はAIに任せるべきか」という問いがよく出ます。
しかし、より実務的な問いは、「この業務のどの部分をAIに任せ、どの部分を人が担うか」です。
たとえば、営業レポート作成なら、AIに任せやすいのは次の部分です。
- 商談メモの要約
- 顧客課題の整理
- 次回アクションの抽出
- 報告文の下書き
- リスクや懸念点の洗い出し
一方で、人が担うべきなのは次の部分です。
- 顧客の温度感の判断
- 案件優先度の決定
- 上長への報告方針
- 顧客との関係性を踏まえた対応
- 最終的な営業判断
このように分けて考えると、AI活用は現場に受け入れられやすくなります。
「AIに任せる」と聞くと、現場には仕事を奪われる不安が生まれることがあります。しかし、「面倒な整理や下書きをAIに任せ、人は判断と対話に集中する」と説明すれば、導入の意味が伝わりやすくなります。
AI化の本質は、人を減らすことではありません。人が本来注力すべき仕事に、時間を使えるようにすることです。
業務AI化候補を整理する進め方
業務AI化候補を整理する際には、ツールをいきなり現場に配るのではなく、業務選定のプロセスから整えることが重要です。
進め方の一例は、次のとおりです。
- 棚卸し済みの業務一覧を用意します。業務名だけでなく、担当部署、頻度、所要時間、使用データ、成果物、関係者、リスクを書き出します。
- 各業務を5つの判断軸で評価します。定型性、判断の重さ、データ有無、リスク、人の介在ポイントを整理します。
- 現場ヒアリングの内容を要約します。現場が何に困っているのか、どの作業に時間がかかっているのか、どこに不安があるのかを確認します。
- 優先度の高い業務について、必要なデータやプロンプトを蓄積します。議事録テンプレート、問い合わせ回答ルール、営業報告フォーマットなどを再利用できる形にしておくことで、AI活用のばらつきを減らせます。
この段階で、AIチャット、AI要約、社内ナレッジ検索、ワークフロー自動化ツールなどを比較し、自社の業務・権限管理・データ管理の要件に合うものを選びます。Kanataは、AIチャット、AI要約、eラーニング、プロジェクトライブラリを1つの業務支援プラットフォームとして扱えるため、部門ごとに試行範囲を分けながらナレッジを蓄積したい場合の選択肢になります。
AI化を一度きりの施策にせず、業務設計とナレッジ整備のサイクルに組み込むことが重要です。
AI化の対象業務を決める5ステップ
実際に業務一覧からAI化対象を選ぶ場合は、次の5ステップで進めると整理しやすくなります。
業務を細かく分ける
最初に、業務名をそのまま扱わないことが大切です。
「営業活動」「採用業務」「問い合わせ対応」「経理業務」といった大きな単位では、AI化しやすさを判断できません。
たとえば、問い合わせ対応であれば、次のように分けます。
- 問い合わせ内容の受付
- 内容の分類
- 過去FAQの確認
- 回答案の作成
- 担当部署への確認
- 最終回答
- 対応履歴の記録
このように分けると、AIに任せやすい部分と人が担うべき部分が見えてきます。
5つの判断軸で評価する
次に、各業務を5つの判断軸で評価します。
- 定型/非定型
- 判断/作業
- データ有無
- リスク
- 人の介在
点数化してもよいですし、〇△×で評価しても構いません。大切なのは、評価基準をチームでそろえることです。
小さく試す業務を選ぶ
最初から全社的に大きな業務をAI化する必要はありません。
むしろ、最初は小さく試せる業務を選ぶほうがよいです。たとえば、特定部署の定例会議の議事録、営業チーム内の商談メモ要約、人事部門のFAQ案作成などです。
対象を絞ることで、効果測定もしやすくなります。
レビュー担当と利用ルールを決める
AIに任せる範囲を決めたら、レビュー担当を決めます。
誰がAIの出力を確認するのか。どのような基準で修正するのか。社外に出す前に誰の承認が必要か。入力してはいけない情報は何か。
これらを決めないまま使い始めると、現場で不安が残ります。
結果を見て改善する
AI化は、一度設計して終わりではありません。
実際に使ってみると、プロンプトが曖昧だった、参照データが足りなかった、出力形式が現場に合わなかった、といった課題が出てきます。
その結果をもとに、プロンプト、データ、運用ルールを見直します。AI化は導入ではなく、改善サイクルとして考える必要があります。
AI化は「できる業務探し」ではなく「業務再設計」
AI化の議論は、「どの業務がAIでできるか」という話に寄りがちです。
しかし、本当に重要なのは、AIを前提に業務プロセスをどう再設計するかです。
これまで人が最初から最後まで担っていた業務を、次のように分け直します。
- AIが下書きする
- 人が確認する
- AIが形式を整える
- 人が判断する
- AIが記録を残す
- 人が改善点をフィードバックする
このように、人とAIの役割を組み直すことで、業務の流れは変わります。
AI化しやすい業務を見つけることは、入口にすぎません。その後に、誰が、どのタイミングで、どの情報を使い、どの基準で確認するのかを設計する必要があります。
AI化とは、自動化の話であると同時に、業務プロセス再設計の話です。
「AIに任せるか、人がやるか」ではなく、「AIと人でどう分担するか」。この問いに変えられたとき、AI導入は単なるツール活用から、業務変革へ進みます。
まとめ：AI化しやすい業務は、判断軸で見分けられる
AI化しやすい業務・しにくい業務は、感覚だけで見分けるものではありません。
重要なのは、業務を特性で評価することです。
- 定型性があるか
- 作業と判断を分けられるか
- 使えるデータがあるか
- 誤りのリスクはどの程度か
- 人の介在ポイントを設計できるか
この5つの判断軸を使うことで、業務におけるAI活用の優先順位は整理しやすくなります。
AIに任せるべきなのは、人が価値を出している判断や対話そのものではありません。まず任せるべきなのは、情報整理、分類、要約、下書き、確認観点の洗い出しといった、人が判断する前の準備工程です。
そして、AI化の成功は「どのツールを入れるか」だけでは決まりません。業務を分解し、データを整え、人のレビューを設計し、運用ルールを改善し続けることが必要です。
棚卸し済みの業務一覧を前に迷ったときは、まず業務名ではなく、業務特性を見てください。
「これはAIに向いていそう」ではなく、「この部分はAIに任せられる。ここは人が判断する」と説明できる状態を目指すことが、再現性のあるAI実装の第一歩です。
Q&A：AI化しやすい業務・しにくい業務のよくある質問
AI化しやすい業務は、どのように見分ければよいですか？AI化しやすい業務は、手順が説明でき、出力形式が決まっており、参照できるデータがあり、人がレビューできる業務です。議事録作成、要約、分類、下書き、FAQ回答案の作成などは、比較的AI支援を試しやすい領域です。
AI化しにくい業務は、AIを使わないほうがよいのでしょうか？必ずしもそうではありません。経営判断、評価面談、契約判断、顧客交渉などは業務全体をAIに任せるべきではありませんが、論点整理、資料作成、比較表の作成、確認観点の洗い出しにはAIを使える場合があります。重要なのは、AIに任せる範囲を限定することです。
業務一覧からAI化対象を選ぶとき、最初に何をすべきですか？まず、業務名を細かい作業単位に分けます。「問い合わせ対応」ではなく、「問い合わせ分類」「FAQ確認」「回答案作成」「最終回答」のように分解します。そのうえで、定型性、判断の重さ、データ有無、リスク、人の介在ポイントを評価します。
AI化の効果が大きそうな業務から始めるべきですか？効果が大きい業務は魅力的ですが、導入初期では実現しやすさも重要です。頻度が高く、出力形式が決まっており、リスクが低く、人が確認しやすい業務から始めるほうが、現場に定着しやすくなります。
AI化を進めるうえで、もっとも注意すべきことは何ですか？AIに任せる範囲と、人が責任を持つ範囲を明確にすることです。特に、個人情報、機密情報、法務・財務・人事評価などに関わる業務では、入力してよい情報、レビュー担当、承認手順を事前に定める必要があります。AI化は自動化だけでなく、業務プロセスと責任分担の再設計でもあります。
