現場で試せる生成AI活用例｜文書作成・要約・翻訳・調査の使い方

メールや依頼文の下書きを作る

もっとも始めやすいのは、メールや依頼文の下書きです。

たとえば、次のような場面で使えます。

• 取引先への日程調整メール
• 社内メンバーへの依頼文
• 上長への報告文
• 顧客への一次返信
• お詫びや確認依頼の文面

生成AIに下書きを作らせるときは、相手との関係性、伝えたい要点、トーン、文字数を指定します。

あなたは社外向けメールの下書き担当です。

# 送り先
既存取引先の担当者。過去に数回やり取りがあります。

# 目的
来週の打ち合わせ日程を調整したい。

# 伝えたい要点
- 候補日は3つ
- 30分程度を想定
- オンライン会議で実施したい

# トーン
丁寧だが、堅すぎない文章。

# 制約
- 300字以内
- 件名も提案
- 3案出してください

1案だけでなく3案出してもらうと、文章の方向性を比較できます。人はその中から選び、必要に応じて自分の言葉に直します。

注意したいのは、謝罪、契約条件、金額、納期などを含むメールです。こうした文面は、生成AIの出力をそのまま送るのではなく、必ず人が最終確認する必要があります。

効果を測る場合は、1通あたりの作成時間、上長や同僚からの修正回数、送信後の確認質問数などを見るとよいでしょう。

企画書や報告書の構成案を作る

企画書や報告書では、「白紙から書き始める時間」を短縮する使い方が有効です。

たとえば、社内向けの改善提案を作る場合、いきなり本文を書かせるのではなく、まず構成案を出してもらいます。

以下のテーマで、社内向け提案書の構成案を作成してください。

# テーマ
問い合わせ対応の一次回答を効率化する仕組みづくり

# 対象読者
部門長、人事総務部、情報システム部門

# 出力形式
H2見出しを5つ、それぞれに説明文を2〜3行

# 制約
- 断定しすぎない
- 費用対効果は「想定例」と明記する
- 導入リスクも含める

このように依頼すると、企画書のたたき台を短時間で作れます。人はそこに実際の社内事情、数値、関係者の意見を加えていきます。

注意点は、生成AIがもっともらしい数値や事例を作ってしまうことです。実績ではない数値は「想定例」と明記し、実績として扱う場合は、期間・対象件数・条件を確認してから使います。

効果測定では、初稿作成までの時間、レビュー前の完成度、差し戻し回数、資料作成に関わる人数などを見ます。

文章のリライトや校正に使う

文書作成では、ゼロから書く場面だけでなく、すでにある文章を整える場面にも生成AIを使えます。

あなたはBtoBビジネス文書の編集者です。
以下の文章を、意味を変えずに読みやすく整えてください。

# 修正観点
1. 主語を明確にする
2. 1文を短くする
3. 専門用語には補足をつける
4. 感情的な表現を中立にする
5. 修正後に、変更点を最大5項目で説明する

# 原文
{ここに文章を貼る}

リライトで重要なのは、「意味を変えない」と明示することです。生成AIは文章を自然に整える過程で、事実関係やニュアンスを変えてしまうことがあります。

とくに、日付、金額、顧客名、商品名、契約条件、制度名などは、必ず原文と照らし合わせる必要があります。

会議メモや議事録を要約する

会議後の議事録作成は、生成AIと相性のよい業務です。

たとえば、会議メモや文字起こしをもとに、次のような形式で整理できます。

以下の会議メモを、社内共有用の議事録にしてください。


# 出力形式

## 会議概要
- 日時
- 参加者
- 目的


## 決定事項
箇条書きで整理


## TODO
| 担当 | 内容 | 期限 |


## 議論の要点
テーマごとに3〜5行


# ルール
- 雑談は除く
- 不明確な期限は「要確認」と書く
- 決定事項と検討中の事項を分ける

これにより、議事録作成者はゼロから書くのではなく、AIが整理した内容を確認・修正する作業に集中できます。

ただし、会議の文脈や発言者の意図は、AIが正確に読み取れないことがあります。とくに、決定事項、担当者、期限、未確定事項は、人が必ず確認する必要があります。

効果を測る場合は、議事録作成時間、会議終了から共有までの時間、TODO漏れ、参加者からの修正依頼数を見るとよいでしょう。

長い資料やレポートを短く読む

社内資料、調査レポート、規程、マニュアルなどを読む時間も、要約によって短縮できます。

たとえば、上長に共有する前に「この資料の要点を3つにまとめる」「意思決定に関わるリスクだけ抜き出す」「経理部門に関係する箇所だけ整理する」といった使い方ができます。

以下の資料を、企画部門の担当者が読む前提で要約してください。

# 出力形式
1. 全体の要点を300字以内
2. 重要な論点を5つ
3. 意思決定に影響するリスク
4. 追加確認が必要な箇所

# 制約
- 数値は原文のまま引用
- 原文にない解釈は加えない
- 不明点は「要確認」と書く

要約は便利ですが、短くするほど情報は抜け落ちます。重要な判断に使う資料では、要約だけで判断せず、原文の該当箇所を確認することが必要です。

問い合わせ履歴やチャットログを整理する

人事・経理・サポート部門では、似た問い合わせが繰り返されることがあります。

たとえば、経費精算、勤怠、休暇、申請手続き、社内ツールの使い方などです。問い合わせ履歴を要約・分類すると、よくある質問や改善すべき手順が見えやすくなります。

以下の問い合わせ履歴を分類してください。

# 出力形式
| カテゴリ | 件数 | 代表的な質問 | 必要な対応 |

# 分類観点
- 経費
- 勤怠
- 申請手続き
- システム利用
- その他

# 制約
- 個人名は出さない
- 判断できないものは「その他」に分類
- FAQに追加すべき質問を最後に提案する

この使い方では、個人情報や顧客情報の扱いに注意が必要です。名前、メールアドレス、社員番号、住所、口座情報などは、入力前にマスキングします。

海外資料や英文メールの概要を把握する

英語資料を読むとき、最初から全文を正確に訳そうとすると時間がかかります。まずは、概要、重要な数字、確認すべき論点を抜き出すと効率的です。

以下の英文を、日本語で要約してください。

# 目的
企画担当者が概要を把握するため

# 出力形式
1. 200字以内の要約
2. 重要な数字・日付・固有名詞の一覧
3. 業務に関係しそうな論点
4. 原文確認が必要な箇所

# 制約
- 専門用語は英語も併記
- 意味が不確かな箇所は「要確認」と書く

この使い方では、全文翻訳ではなく「読む前の地図」を作ることができます。海外ニュース、業界レポート、競合情報、外部ベンダーの資料などを確認するときに有効です。

注意点は、数値、日付、固有名詞、契約条件です。生成AIの翻訳が自然でも、原文の意味を正確に反映しているとは限りません。重要な判断に使う箇所は、原文に戻って確認します。

日本語文書を英語や読みやすい日本語に変換する

翻訳は、英語から日本語だけではありません。日本語の社内文書を英語にする、グローバル人材向けに読みやすい日本語へ変換する、海外拠点向けにトーンを整えるといった使い方もあります。

以下の社内告知文を、グローバル人材向けの分かりやすい日本語に書き換えてください。

# 対象読者
日本語を業務で使うが、専門的な敬語に馴染みがない社員

# 出力条件
- 1文を短くする
- 難しい言葉には補足を入れる
- 重要な手続きは箇条書きにする
- 元の意味は変えない

# 原文
{ここに文章を貼る}

このような使い方は、人事、総務、情報システム、教育担当などに向いています。

ただし、就業規則、契約、個人情報、法令に関わる文章では、翻訳後のニュアンス確認が欠かせません。社内の正式文書として使う場合は、担当部門や専門家の確認を前提にします。

翻訳の効果をどう測るか

翻訳業務の効果は、単純な文字数だけでは測りにくいものです。

見るべき指標としては、次のようなものがあります。

• 海外資料の一次理解にかかった時間
• 翻訳初稿の作成時間
• レビューで修正された訳語の数
• 読み手からの確認質問数
• 外部翻訳に出す前の整理時間

たとえば想定例として、海外レポート10ページの概要把握に60分かかっていた場合、AIで要点・数字・確認箇所を先に抽出することで、初回確認を20〜30分程度に短縮できる可能性があります。ただし、これは資料の難易度、英語の専門性、最終確認の範囲によって変わります。

この数値は一般的な実績値ではなく、社内で効果測定を始める際の仮の指標です。実際に記事や社内報告で使う場合は、対象資料のページ数、担当者数、比較期間、レビュー範囲を記録してから使う必要があります。

調査テーマの論点を洗い出す

新しいテーマを調べるとき、最初に困るのは「何から調べればよいか」です。

生成AIには、調査の論点を出してもらうとよいでしょう。

テーマは「社内問い合わせ対応の効率化」です。
社内向けレポートを書く前に、調査すべき論点を整理してください。

# 出力形式
1. 押さえるべき論点を重要度順に7つ
2. 各論点で確認すべき一次情報
3. 数値確認が必要な項目
4. 見落としやすい反対意見
5. 最終レポートのH2構成案

# 制約
- 具体的な数値は断定しない
- 出典が必要な箇所は「要出典」と書く

このように依頼すると、調査の出発点を短時間で作れます。人はその後、公式資料、社内データ、一次情報を確認していきます。

比較表や評価軸を作る

ツール選定、外注先比較、制度比較などでは、比較軸を作る作業に時間がかかります。

生成AIには、次のように依頼できます。

以下の3つの選択肢を比較するための評価軸を作ってください。

# 選択肢
A案：既存ツールを使い続ける
B案：新しいSaaSを導入する
C案：一部を内製する

# 出力形式
| 評価軸 | なぜ重要か | 確認すべき情報 |

# 制約
- 費用だけで判断しない
- 運用負荷、セキュリティ、教育コストも含める
- 最終判断は人が行う前提で書く

これにより、関係者間で議論しやすい土台を作れます。

ただし、価格、機能、契約条件、法令対応などは、必ず最新の公式情報で確認します。

調査の効果をどう測るか

調査業務では、次のような指標が使えます。

• 調査設計にかかった時間
• 調査項目の抜け漏れ
• レポート初稿作成時間
• 上長や関係者からの追加確認数
• 意思決定までの期間

生成AIの効果は、「調査そのものが不要になる」ことではありません。むしろ、調査の入口を整え、確認すべき情報に早くたどり着けることにあります。

数字・固有名詞・日付・引用は確認する

生成AIは、自然な文章を作ることが得意です。一方で、数字、固有名詞、日付、引用元を誤ることがあります。

社外に出す文書、上長が意思決定に使う資料、顧客へ送る情報では、必ず一次情報を確認します。

確認すべき代表例は次のとおりです。

• 売上、費用、人数、比率などの数値
• 顧客名、会社名、商品名
• 契約日、納期、申請期限
• 法令名、制度名、規程名
• 引用文や出典

AIの出力は、完成文ではなく「確認すべき下書き」と考えるほうが安全です。

個人情報や機密情報を入力しない

生成AI活用で特に注意が必要なのが、情報の取り扱いです。

Kanataの日常業務ベストプラクティスガイドでは、公開情報や社内一般情報は社内専用スペースで扱う前提とし、個人情報は原則NG、機密情報や未公開財務情報は禁止として整理されています。

たとえば、次のような情報は慎重に扱う必要があります。

• 氏名、住所、電話番号、メールアドレス
• 社員番号、口座情報、マイナンバー
• 健康情報、信条、家族情報
• 未公開の決算情報
• M&A、人事異動、契約条件
• 顧客の機密情報

必要がある場合でも、入力前にマスキングする、社内ルールを確認する、担当部門に相談するといった対応が必要です。

日本では、AIのイノベーション促進とリスク対応を目的として、2025年6月4日にAI法が公布・一部施行され、同年9月1日に全面施行されたと内閣府が公表しています。また、経済産業省は2026年4月にAI事業者ガイドライン第1.2版を公表し、チェックリストやワークシートなどの関連資料も示しています。企業で生成AIを使う場合は、こうした行政資料や自社の情報管理規程を参照しながら、利用範囲を決めることが望まれます。

法務・契約・労務・金融に関わる内容は専門家確認を前提にする

生成AIは、契約書、規程、法令、制度の説明にも使えます。ただし、最終判断を任せることはできません。

たとえば、契約書の一次レビューで「リスクがありそうな条項を抜き出す」ことはできます。しかし、その条項を受け入れるか、修正すべきか、法的に問題があるかは、法務や専門家の確認が必要です。

人事制度、労務対応、会計処理、金融商品、医療、安全に関わる内容も同様です。

出力は人がレビューしてから使う

生成AIを使うと、文章作成の速度は上がります。しかし、出力の責任は使う人にあります。

社外に出る文章、顧客に送る文面、経営判断に使う資料は、必ず人がレビューします。

レビューでは、次の観点を確認します。

• 事実が正しいか
• 読み手に誤解を与えないか
• 過度な断定や誇張がないか
• 社内ルールに反していないか
• 出典や根拠が確認できるか
• 個人情報や機密情報が含まれていないか

Kanataのベストプラクティスでも、AIは「もっともらしい嘘」を出すことがあるため、社外に出る文書、数字、引用は必ず人が裏取りする必要があるとされています。

まずは1部署・1業務・1か月で試す

最初から全社展開を目指すと、ルール作りや教育が大きくなりすぎます。

まずは、1部署、1業務、1か月程度で小さく試すのが現実的です。

たとえば、次のような試し方があります。

• 人事部門で、社内問い合わせのFAQ作成に使う
• 経理部門で、経費精算の案内文を整える
• 企画部門で、調査レポートの構成案作成に使う
• サポート部門で、問い合わせ履歴の分類に使う

対象を絞ることで、効果も課題も見えやすくなります。

プロンプトを共有する

生成AIの成果は、指示の出し方に左右されます。

うまくいった依頼文は、個人の手元に置くだけでなく、チームで共有すると再利用しやすくなります。

Kanataでは、よく使う指示文をプロンプトライブラリに保存し、プロジェクト内で再利用できる設計が説明されています。また、学習データライブラリにはAIに参照させたい社内資料を登録できるとされています。

たとえば、次のようなプロンプトを共有対象にするとよいでしょう。

• 議事録テンプレート
• メール下書きテンプレート
• FAQ作成テンプレート
• 調査論点整理テンプレート
• 翻訳確認テンプレート

生成AIツールには複数の選択肢があります。既存のチャットツールやオフィス製品に組み込まれたAI機能を使う方法もあります。一方で、部署やプロジェクトごとにプロンプトや学習データを整理して再利用したい場合は、プロジェクト単位でアプリやライブラリを扱えるKanataのような業務支援プラットフォームも選択肢になります。利用ツールは、社内のセキュリティ要件、既存システム、運用担当者の負荷に合わせて選ぶことが重要です。

AIに任せる範囲と人が確認する範囲を決める

運用ルールでは、「AIを使ってよい業務」だけでなく、「人が確認するポイント」も決めておきます。

このように分けると、現場担当者も安心して使いやすくなります。

月1回、効果と失敗例を振り返る

生成AI活用では、成功例だけでなく失敗例も重要です。

月に1回、次のような観点で振り返ると、運用を改善しやすくなります。

• どの業務で時間が短縮されたか
• どのプロンプトが使いやすかったか
• どの出力に誤りがあったか
• どの情報を入力してよいか迷ったか
• 次に試す業務は何か

生成AIは、一度ルールを作れば終わりではありません。業務内容、社内ルール、使うツール、メンバーの習熟度に合わせて見直す必要があります。