AI導入前の業務棚卸し完全ガイド｜業務可視化からBPRにつなげる進め方と判断軸

AIを入れるなら、まず何の業務からですか。

月曜朝の会議室で、営業企画部の佐伯さん（仮名）はDX推進チームにそう問いかけました。これは、全社のAI導入準備を任された佐伯さんと、経理、カスタマーサポート、情報システム部門が業務の整理に取り組んだ際の会話です。半年前は、各部署が個別に「この作業はAIで効率化できそう」と言うものの、業務一覧も工数分布もそろっておらず、AI活用の対象範囲を絞れない状態でした。

現在は、主要3部門・計28業務をタスク分解し、ヒアリング内容をフロー図とKGI/KPIにひもづけることで、AI化候補と人が判断すべき領域を切り分けられるようになっています。弊社が提供するKanataのAIチャットやAI要約も、議事メモの整理や業務分析のたたき台づくりに活用しました。

この記事では、AI導入の前に業務可視化をどう進め、BPRにつながる判断材料をどう作るかを解説します。ただし、業務棚卸しだけで変革が完了するわけではありません。現場の合意形成、運用ルール、定期的な見直しがあって初めて実装につながります。同じような悩みがある方は、自社の会議室やSlackで交わされている会話を思い浮かべながら参考にしてみてください。

AI導入前に業務棚卸しが必要な理由

AI導入の検討が始まると、多くの現場で最初に出てくるのは「どの業務に使えそうか」という話です。

議事録作成に使えそう。問い合わせ対応に使えそう。営業資料の下書きに使えそう。社内規程の検索に使えそう。こうした候補は、どれもAI活用の入り口になり得ます。

一方で、「使えそうな業務」が見えていることと、「導入すべき業務」が決まっていることは別です。AIは、要約、分類、文章作成、検索補助、論点整理などを支援できますが、すべての業務を同じように改善できるわけではありません。

実際、国内外の調査でも、AIへの投資や活用は広がっている一方で、組織全体で価値を出すには、業務プロセス、データ、リーダーシップ、現場の使い方を含めた設計が必要だと指摘されています。出典候補：McKinsey & Company

AI導入でつまずきやすい企業では、次のような会話が起きがちです。

「まずは議事録から始めましょう」
「いや、問い合わせ対応の方が効果が大きいのでは」
「営業資料作成も時間がかかっています」
「でも、実際に何時間かかっているのか分かりません」
「そもそも、その業務は本当にAIに任せてよいのでしょうか」

この状態でAIツールを導入しても、活用は個人の工夫にとどまりやすくなります。使う人と使わない人が分かれ、部署ごとの改善に収縮してしまうこともあります。

そのため、AI導入準備の初期段階では、業務の棚卸しが必要です。

業務の棚卸しとは、単に業務一覧を作る作業ではありません。どの部署で、誰が、どの頻度で、何のために、どの情報を使い、どの成果物を出しているのかを整理する作業です。

そのうえで、次の問いに答えられる状態を目指します。

どの業務に時間がかかっているのか。
どの業務が属人化しているのか。
どの業務は判断が必要で、どの業務は定型処理なのか。
どの業務はAIで支援できそうで、どの業務は人が担うべきなのか。
AI導入後に、どのKGI/KPIを改善したいのか。

この地図がないままAI導入を進めると、効果検証も難しくなります。反対に、業務の棚卸しによって業務可視化が進むと、AI導入の優先順位が見え、PoCや本実装の対象を絞りやすくなります。

業務の棚卸しで整理すべき基本項目

業務の棚卸しを始めるときは、いきなり複雑なフロー図を作ろうとしない方が進めやすくなります。最初に必要なのは、現場の業務を同じ解像度で並べることです。

まずは、次の項目を整理します。

業務の棚卸しで整理する基本項目
項目	整理する内容
業務名	例：月次請求確認、問い合わせ一次回答、商談後メール作成
担当部署	どの部署・チームが主に担っているか
担当者	実務担当者、承認者、関係者
発生頻度	毎日、週次、月次、随時など
所要時間	1回あたり、または月間の概算工数
入力情報	メール、Slack、CRM、Excel、PDF、議事録など
成果物	レポート、返信文、申請書、一覧表、分析結果など
判断の有無	人による判断・承認・例外対応が必要か
課題	時間がかかる、属人化している、手戻りが多いなど
改善したい指標	工数、回答時間、品質、ミス件数、対応件数など

ここで大切なのは、業務名だけで終わらせないことです。

たとえば「問い合わせ対応」という業務名だけでは、AI化の判断はできません。問い合わせ対応の中には、問い合わせ内容の確認、過去履歴の検索、回答方針の判断、返信文の作成、上長確認、顧客への送信、対応履歴の登録など、複数のタスクがあります。

このうち、AIが支援しやすいのは、問い合わせ内容の分類、過去FAQの検索、返信文の下書き、対応履歴の要約などです。一方で、クレーム対応の最終判断、契約条件に関わる回答、顧客との関係性を踏まえた交渉は、人が担うべき領域として残る場合が多くなります。

つまり、業務の棚卸しでは「業務名」ではなく「タスク単位」まで分解することが重要です。

業務一覧を作るときの注意点

業務一覧を作る際に起きやすい失敗は、管理職の視点だけで業務を整理してしまうことです。

管理職は業務の全体像を把握しています。一方で、実務担当者が日々どこで迷い、どこで手戻りし、どの確認に時間を使っているかまでは見えにくい場合があります。

たとえば、管理職から見ると「月次レポート作成」は1つの業務です。しかし担当者の視点では、実際には次のような作業に分かれています。

各部署からExcelを回収する
ファイル名と提出状況を確認する
数値の形式をそろえる
前月との差分を確認する
不自然な数値を担当者に問い合わせる
グラフを更新する
コメントを作成する
上長に確認を依頼する
修正依頼を反映する
経営会議用の資料に転記する

業務をこのように細分化すると、AIや自動化で支援できる部分が見えやすくなります。形式の統一、差分確認、コメントの下書き、レポート要約などはAI活用の候補になります。一方で、不自然な数値に対する最終判断や、経営会議での説明責任は人が担う領域です。

業務一覧は、部署ごとの棚卸し表として作成してもよいでしょう。ただし、最終的には部署横断で比較できる形式にそろえる必要があります。

表記が部署ごとにばらばらだと、後から優先順位をつけられません。

「毎日」「毎営業日」「日次」などの表記はそろえます。
「30分」「0.5時間」「半時間」も同じ単位にします。
「大変」「負荷が高い」ではなく、月間何時間か、何件か、何人が関わるかをできるだけ記録します。

正確な数値がすぐに取れない場合は、最初は概算でも構いません。その場合は、「担当者ヒアリングによる概算」「直近1週間の実測」「システムログから取得」など、算出方法を併記しておきます。後から見直す際に、数字の信頼度を判断しやすくなるためです。

工数分布を見ると、AI導入の優先順位が見えやすくなる

業務の棚卸しでは、工数分布を確認します。

AI導入の候補は、単に「AIでできそう」な業務から選ぶのではなく、「現場の負荷が高く、改善したときの効果が見込める業務」から考える必要があるためです。

工数分布を見るときは、次の3つに分けると整理しやすくなります。

件数が多く、1件あたりの処理時間は短い業務
件数は少ないが、1件あたりの処理時間が長い業務
件数も処理時間も大きく、かつ複数部署にまたがる業務

1つ目は、問い合わせ分類、メール文面作成、議事録整理、定型レポート作成などです。AIによる下書きや要約の効果を検証しやすい領域です。

2つ目は、提案書作成、契約書の一次確認、施策レポートの作成、採用面接後の評価コメント整理などです。完全自動化よりも、初稿作成や論点整理にAIを使う方が現実的です。

3つ目は、月次報告、顧客対応フロー、受発注処理、部門横断の申請業務などです。ここはAIだけでなく、BPRの対象として考える必要があります。業務フローそのものが複雑であれば、AIを入れる前に、承認ルートや入力項目、責任範囲を見直した方がよい場合もあります。

同じAI導入でも、目的によって選ぶ業務は変わります。

短期間で効果検証したいなら、件数が多い定型業務から始める。
業務品質を上げたいなら、属人化した文書作成や判断補助から始める。
全社変革につなげたいなら、部署横断の業務プロセスをBPR対象として見直す。

このように、工数分布はAI導入の優先順位を考えるための重要な材料になります。

現場ヒアリングでは「困っていること」より「詰まっている場面」を聞く

業務の棚卸しで欠かせないのが、現場へのヒアリングです。

ただし、「困っていることはありますか」と聞くだけでは、十分な情報は集まりません。多くの担当者は、自分の業務を日常として受け入れているため、非効率な作業を非効率だと認識していないことがあります。

そのため、ヒアリングでは次のように聞きます。

この業務で、毎回確認していることは何ですか。
作業が止まるのはどのタイミングですか。
誰かに聞かないと進められない場面はありますか。
差し戻しが起きるのは、どの工程ですか。
前任者しか分からない判断はありますか。
似たような文章や資料を毎回作っている場面はありますか。
Slackやメールで何度も同じ説明をしていることはありますか。

このように聞くと、AI活用の候補が見えやすくなります。

たとえば、毎回同じ説明をしているなら、FAQ化やAIチャットでの回答支援が考えられます。毎回似た文章を作っているなら、プロンプトテンプレートやAIチャットでの下書きが有効です。会議後の共有に時間がかかっているなら、AI要約で議事メモを整理できます。

ヒアリングメモが多くなる場合は、AI要約ツールを使って、発言内容を「業務名」「詰まっている工程」「関係者」「追加確認事項」などに分類すると、後続の業務分析が進めやすくなります。Kanataを使う場合も、AI要約は議事録、資料、音声、URL、テキストなどを要約する用途で利用できます。

ただし、ヒアリング内容をAIで整理する場合も、現場の発言を機械的に要約して終わらせないことが大切です。要約結果を見ながら、実務担当者に「この理解で合っていますか」と確認する工程を入れます。

AIは整理を助けますが、現場の納得を代替するものではありません。

フロー図でAs-Isの業務プロセスを可視化する

業務一覧とヒアリング内容が集まったら、次にフロー図を作成します。

ここで描くのは、理想の業務フローではありません。まずは、現在の業務がどう流れているのかをAs-Isで描きます。As-Isとは、現在の業務プロセスをそのまま可視化した状態を指します。

As-Isのフロー図では、次の要素を入れます。

誰が作業するのか。
どの情報を受け取るのか。
どのシステムやファイルを使うのか。
どこで判断が発生するのか。
どこで承認が必要なのか。
どこで手戻りが起きるのか。
どこで顧客や他部署とのやり取りが発生するのか。

たとえば、問い合わせ対応のフローであれば、次のように整理できます。

顧客から問い合わせが届く
サポート担当者が内容を確認する
問い合わせ種別を分類する
過去FAQや社内資料を確認する
回答方針を判断する
返信文を作成する
必要に応じて上長や専門部署に確認する
顧客に返信する
対応履歴を記録する
未解決の場合は二次対応に回す

このフローを見ると、AIが支援できる候補が複数あります。問い合わせ種別の分類、FAQ検索、返信文の下書き、対応履歴の要約などです。

一方で、回答方針の最終判断、例外対応、クレーム対応、契約条件に関わる判断は、人が担うべき領域として残る可能性が高くなります。

フロー図を作る目的は、AIで置き換える箇所を探すことだけではありません。むしろ重要なのは、「AIを入れる前に業務プロセス自体を見直すべき箇所」を見つけることです。

承認者が多すぎる。
同じ情報を複数のシステムに入力している。
誰も使っていない項目を毎回入力している。
差し戻しの理由が毎回同じ。
判断基準が文書化されていない。
部署間の受け渡しで情報が欠けている。

こうした問題がある場合、AI導入だけで解決しようとすると、非効率な業務の上にAIを重ねることになります。まずBPRとして業務プロセスを見直し、そのうえでAIが支援する箇所を決める方が、実装後の効果を検証しやすくなります。

AI化候補を見極める評価軸

業務棚卸しとフロー図ができたら、AI化候補を評価します。

ここで重要なのは、単純に「AIでできるか」だけで判断しないことです。AIでできそうでも、効果が小さい業務や、リスクが高い業務、現場が使いにくい業務は、最初の対象には向いていません。

評価軸は、次の5つです。

定型性

同じような入力に対して、同じような出力を求める業務は、AI活用の候補になりやすいです。

たとえば、議事録の要約、メール返信の下書き、問い合わせ分類、週報作成、FAQ回答、定型レポートのコメント作成などです。

一方で、毎回前提が大きく異なり、関係者調整や高度な判断が必要な業務は、AIに丸ごと任せるのではなく、論点整理や下書き支援にとどめる方が安全です。

データ化

AIが支援するには、AIに入力する情報が必要です。

メール、Slack、議事録、PDF、Excel、CRMのメモ、FAQ、社内規程など、業務に必要な情報がテキストやファイルとして残っているかを確認します。

情報が担当者の頭の中にしかない場合、先にナレッジ化が必要です。業務の棚卸しを通じて、現場のノウハウを文書化すること自体がAI導入準備になります。

工数インパクト

AI導入の効果を出すには、ある程度の工数インパクトが必要です。

1回あたり5分の作業でも、月に500件あれば大きな対象になります。逆に、1回あたり2時間かかる業務でも、年に1回しか発生しないなら、最初のAI実装対象としては優先度が下がることがあります。

工数は、1回あたりの時間と発生件数を掛け合わせて見ます。可能であれば、直近1か月または直近3か月など、対象期間を決めて集計します。

リスク

AIが誤った出力をしたときの影響を確認します。

社外に出る文書、契約、法務、財務、人事評価、個人情報、医療・安全に関わる情報などは、AIによる下書きや一次整理はできても、最終判断を人が行う必要があります。

AI出力は、人がレビューしてから利用することが前提です。特に数字、固有名詞、日付、引用、法的な判断に関わる内容は、一次情報と突き合わせて確認する必要があります。

現場受容性

AI化候補として有望でも、現場が使いにくければ定着しません。

現場がすでに使っている業務フローに組み込めるか。
入力の手間が増えないか。
出力結果を確認しやすいか。
責任範囲が明確か。
使うメリットを担当者が感じられるか。

この視点が抜けると、「AIを導入したが、結局一部の人しか使っていない」という状態になりやすくなります。

人が担う領域とAIに任せる領域を切り分ける

業務の棚卸しの最終目的は、AI化候補を出すことだけではありません。

本当に重要なのは、人が担う領域とAIに任せる領域を切り分けることです。

AIは、すべての業務を代替するものではありません。特に生成AIは、文章の生成、要約、分類、構造化、アイデア出しには強い一方で、事実確認、責任を伴う判断、顧客や社員との関係性を踏まえた対応には限界があります。

そのため、業務ごとに次のように整理します。

業務領域ごとのAIが支援しやすいことと人が担うべきこと
業務領域	AIが支援しやすいこと	人が担うべきこと
議事録	文字起こし、要約、決定事項の抽出	重要な発言の解釈、合意内容の確認
問い合わせ対応	分類、FAQ検索、返信文の下書き	例外判断、クレーム対応、最終送信
営業資料	構成案、下書き、比較表作成	顧客理解、提案方針、商談での説明
経理・総務	規程検索、申請内容の要約	承認、例外処理、不正やリスク判断
人事	面談メモ整理、評価コメントの下書き	評価判断、本人への伝え方、育成方針

ここで避けたいのは、「AIに任せる業務」と「人がやる業務」を対立させる考え方です。

多くの企業にとって現実的なのは、「AIが下支えし、人が判断する」形です。

AIが下書きを作る。
AIが要約する。
AIが候補を出す。
AIが論点を整理する。
人が確認する。
人が判断する。
人が責任を持って実行する。

この分担を明確にすることで、現場は安心してAIを使いやすくなります。

業務の棚卸しからAI実装計画に落とし込む

業務の棚卸しが終わったら、次はAI実装計画に落とし込みます。

このとき、最初から全社展開を目指す必要はありません。むしろ、最初は対象を絞った方が成果につながりやすくなります。

おすすめは、次の順番です。

業務の棚卸しでAI化候補を洗い出す
評価軸で優先順位をつける
PoC対象を1〜3業務に絞る
成功条件をKGI/KPIに落とす
現場担当者と運用ルールを決める
小さく試す
結果を見て改善する
他部門へ展開する

PoC対象を選ぶ際は、効果が見えやすく、リスクが低く、現場の協力を得やすい業務を選びます。

たとえば、次のような業務です。

定例会議の議事録要約。
社内問い合わせのFAQ下書き。
営業メールの文面作成支援。
週報や1on1メモの整理。
研修動画の要約と確認テスト作成。

これらは、AIの出力を人が確認しやすく、業務への組み込みも比較的進めやすい領域です。

PoCの成功条件は、できるだけ具体的にします。

「AI活用を進める」では不十分です。次のように、期間、対象件数、指標、比較軸を明確にします。

3か月間、営業部の定例会議20件を対象に、議事録作成時間を1件あたり平均30分から15分以内に短縮できるかを検証する。
1か月間、社内問い合わせ100件を対象に、一次回答案の作成時間を平均10分から5分以内に短縮できるかを検証する。
四半期の営業資料作成10件を対象に、初稿作成までの時間を平均2時間から1時間以内に短縮できるかを検証する。

上記はあくまで設定例です。実際には、自社の業務量、利用ツール、レビュー体制、情報管理ルールに合わせて設計する必要があります。

業務の棚卸しでよくある失敗

業務の棚卸しは、AI導入準備として有効ですが、進め方を間違えると形だけで終わってしまいます。ここでは、よくある失敗を整理します。

業務一覧を作って終わってしまう

最も多い失敗は、業務一覧を作っただけで満足してしまうことです。

業務名、担当部署、頻度を並べるだけでは、AI導入の判断材料としては足りません。タスク分解、工数、判断の有無、使用データ、課題、改善指標まで整理して、初めてAI化候補を検討できます。

現場の言葉を消してしまう

業務の棚卸しを進めると、管理しやすいように表現を統一したくなります。それ自体は必要ですが、現場のリアルな声まで消してしまうと、課題の温度感が見えなくなります。

「毎回、誰に確認すればよいか分からない」
「前任者のExcelを壊さないように触っている」
「Slackで同じ説明を何度もしています」
「資料作成より、確認待ちの時間が長いです」

こうした言葉には、業務改善のヒントがあります。業務一覧には整理された表現を使いつつ、ヒアリングメモには現場の発言も残しておくとよいです。

工数削減だけで判断してしまう

AI導入の効果は、工数削減だけではありません。

品質のばらつきが減る。
新人でも一定の水準で作業できる。
ナレッジが共有される。
確認漏れが減る。
判断材料がそろいやすくなる。
現場が本来の業務に集中できる。

こうした定性的な効果もあります。

ただし、定性的な効果だけでは社内説明が難しい場合もあります。そのため、工数、件数、時間、差し戻し回数、回答時間、利用率など、測れる指標とあわせて整理します。

例外業務まで最初からAI化しようとする

AI導入で成果を出すには、最初から難しい例外業務を対象にしないことも重要です。

例外処理は、判断基準が曖昧で、関係者調整も多く、過去データも整理されていない場合があります。ここを最初にAI化しようとすると、現場の不信感が高まりやすくなります。

まずは、定型性があり、データがあり、人が確認できる業務から始めます。そのうえで、活用範囲を少しずつ広げていく方が現実的です。

業務の棚卸しを支援ツールで進める場合の活用例

業務の棚卸しそのものは、Excelやスプレッドシートでも始められます。ただし、ヒアリング内容や議事録、現場メモが増えてくると、整理に時間がかかります。

この段階では、AI要約ツール、AIチャット、ナレッジ管理ツール、プロジェクト管理ツールなどを組み合わせると、情報整理の負担を下げられます。

Kanataを使う場合は、AIチャット、AI要約、プロジェクト単位のライブラリを組み合わせることで、業務棚卸しのメモやプロンプト、関連資料を同じ場所で扱いやすくなります。Kanataは、AIチャット・AI要約・eラーニングなどの業務支援機能を一つのプラットフォームに集約する設計になっています。

AI要約でヒアリングメモを整理する

部署ごとのヒアリングメモをAI要約に入力し、次の観点で整理します。

業務名
発生頻度
関係者
困っている場面
手戻りが起きる工程
AI活用の候補
追加確認が必要な点

これにより、担当者が手作業でメモを読み返す負担を減らせます。

AIチャットでタスク分解のたたき台を作る

AIチャットには、次のような依頼ができます。

問い合わせ対応をタスク分解してください。
月次レポート作成を工程別に分けてください。
この業務のうち、AIが支援できそうな工程を分類してください。

このような使い方をすると、業務分析の初期整理が進めやすくなります。

ただし、AIが出したタスク分解はあくまでたたき台です。自社の実態と合っているかは、必ず現場担当者が確認します。

業務の棚卸し資料を再利用できる形で残す

業務の棚卸しの途中で作成した業務一覧、ヒアリングメモ、フロー図、プロンプト、PoC結果などは、後から再利用できるように集約しておくと便利です。

たとえば、業務改革プロジェクト用の共有フォルダやナレッジベースを作り、次のように整理します。

業務一覧
部署別ヒアリングメモ
As-Isフロー図
AI化候補一覧
評価軸と優先順位
PoC計画
検証結果
現場からのフィードバック

Kanataを使う場合は、プロジェクト単位でAI設定、プロンプト、学習データを管理するプロジェクトライブラリを活用できます。

業務の棚卸し用のプロジェクトを作り、関連資料を集約しておけば、AI導入の議論を属人的なメモではなく、組織のナレッジとして残しやすくなります。

まとめ：業務の棚卸しは、AI導入の対象を絞るための地図になる

AI導入で最初に必要なのは、ツール選定だけではありません。

どの業務にAIを使うべきか。
どの業務は人が担うべきか。
どの業務はAI以前にBPRが必要か。
どの指標を改善したいのか。
どの部署から始めるべきか。

これらを判断するために、業務棚卸しが必要です。

業務の棚卸しを進めると、現場の業務は単なる一覧ではなく、構造として見えてきます。工数分布、タスク分解、ヒアリング、フロー図、KGI/KPIを整理することで、AI導入の優先順位を説明できるようになります。

もちろん、業務の棚卸しは万能ではありません。棚卸し表を作っただけで、業務が変わるわけではありません。現場の合意形成、運用ルール、教育、定期的な見直しが必要です。

それでも、業務の棚卸しをせずにAI導入を進めるより、実装前の判断材料はそろいやすくなります。

「どの業務からAIを入れるべきか分からない」と感じているなら、まずは主要部署の業務一覧を作るところから始めてみてください。最初から完璧な業務分析を目指す必要はありません。

大切なのは、現場の仕事を見える形にし、AIに任せる領域と人が担う領域を、関係者で同じ地図を見ながら話せる状態を作ることです。

Q&A：業務の棚卸しとAI導入準備でよくある質問

業務の棚卸しは、どの部署から始めるべきですか？

最初は、業務量が多く、定型作業があり、現場の協力を得やすい部署から始めるのが現実的です。たとえば、カスタマーサポート、営業企画、経理、人事総務などは、問い合わせ、資料作成、レポート作成、確認作業が多いため、棚卸しの効果が見えやすい傾向があります。ただし、機密性が高い業務を扱う場合は、情報管理ルールを先に確認してください。

業務の棚卸しは、どのくらい細かく分解すればよいですか？

「AIが支援できるか」「人が判断すべきか」を判別できる粒度まで分解するのが目安です。たとえば「問い合わせ対応」では大きすぎますが、「問い合わせ内容の分類」「FAQ検索」「返信文の下書き」「上長確認」「顧客への送信」まで分けると、AI化候補と人が担う領域を切り分けやすくなります。

工数が正確に分からない場合はどうすればよいですか？

最初は概算で構いません。ただし、「担当者ヒアリングによる概算」「直近1週間の実測」「システムログから取得」など、算出方法を記録しておきます。後でPoCを行う際は、対象期間と件数を決めて実測し、改善前後を比較できるようにします。

AI化に向かない業務はありますか？

あります。最終判断、重大な例外対応、法務・財務・人事評価など責任が大きい業務、顧客との信頼関係に関わる交渉などは、AIに丸ごと任せるのではなく、論点整理や下書き支援にとどめる方が安全です。AIの出力は、必ず人が確認し、必要に応じて原典と照合する前提で扱います。

業務の棚卸しの後、すぐにAIツールを導入してよいですか？

すぐに全社導入するのではなく、まずはPoC対象を1〜3業務に絞ることをおすすめします。対象業務、期間、件数、改善したいKPI、レビュー体制を決めて小さく試し、結果を見てから範囲を広げる方が、現場の納得を得やすくなります。