AIの進化により、会社が公式にAI利用を整備しなくても、現場は個人の判断でAIを使い始める時代になりました。一方で、AIのコストを無条件に容認すればよいわけでもありません。本稿では、AI活用で企業が考えるべきことを、ワークフロー再設計・KPI・ガバナンス・役割別トレーニング・経営層の関与という五つの観点から、具体例を交えて整理します。
先にお断りしておくと、ここで挙げる内容はあくまで筆者が考えるアイデア・たたき台です。そのまま全社に適用できるものではなく、実践の際は各社の業務、組織、リスク許容度、情報管理ルールに合わせて、関係者でしっかり揉んだうえで設計していただきたいと思います。AI活用はツールの導入ではなく、業務の流れ、評価、責任、時間の使い方を変える取り組みだからです。
はじめに：AIを「使わせない」だけでは済まない時代
会社がAI利用のルールや環境を整備しなくても、現場は待ってくれません。便利だと分かれば、個人アカウントの生成AIに業務の文章を貼り付ける社員は自然に現れます。これがいわゆるシャドーAI（会社が把握していないAI利用）で、禁止を掲げるだけでは抑えにくいのが実情です。
では、公式にAIを導入して利用料を払えば解決するかといえば、そう単純でもありません。コストを無条件に容認すれば、「なんとなく便利になった気はするが、数字は何も変わらない」という状態に陥りがちです。問題は「AIを使うかどうか」ではなく、「AIで浮いた時間や増えた処理能力を、どの成果に変換するか」を設計することだと考えています。以下、五つの観点で順に見ていきます。
ワークフローの再設計 ― 提案書作成を例に
最初に考えるべきは、業務の流れそのものです。提案書作成を例にします。従来の流れは、営業が商談メモを作り、過去資料を探し、提案書を一から作り、上司が文章表現まで含めてレビューし、修正して顧客に提出する、というものでした。
AI活用後の流れでは、商談メモをAIに入力すると、AIが顧客課題・提案骨子・想定効果・リスクを整理し、社内ナレッジや過去提案を参照してドラフトを作ります。担当者の仕事は「一から書くこと」から「事実確認」に移り、上司のレビューも、てにをはの修正ではなく、提案戦略や価格の妥当性、実行リスクの確認に集中できるようになります。
ここで強調したいのは、作成工程だけを速くしても、レビュー工程が変わらなければ業務は詰まるということです。ドラフトが3倍の速さで出てくるのに上司のレビューが従来のままなら、滞留する場所が変わるだけです。人間の役割を「作る」から「判断する」「選ぶ」「責任を持つ」に移す。これがワークフロー再設計の核心ではないでしょうか。副次的な効果として、ベテランと若手で大きく開いていたドラフトの品質差が、AIの下書きによってある程度底上げされることも期待できます。その分、事実確認と最終責任の所在は、これまで以上に明確にしておく必要があります。
KPIの設定 ― 「使ったか」ではなく「業務がどう変わったか」
次に効果測定です。AI利用者数、プロンプト実行回数、研修受講者数といったKPI（重要業績評価指標）は、活動量を測っているだけで、成果を測っていません。追うべきは業務成果に紐づく指標です。たとえば次のようなものが考えられます。
- 営業：提案書作成時間、初回提案までのリードタイム、月間提案件数、受注率、若手営業の提案品質のばらつき
- カスタマーサポート：一次回答時間、FAQ自己解決率、エスカレーション（上位者への引き継ぎ）件数
- 管理部門：契約書の一次確認時間、社内問い合わせ件数、月次資料の作成時間
- データ分析・企画：分析依頼から初回の示唆提示までの時間、施策案の作成数
共通するのは、AIを使ったかどうかではなく、業務がどう変わったかを見るという視点です。AIの利用量ではなく成果への変換率を測る指標を、部門ごとに数個ずつ選ぶところから始めるのが現実的だと考えています。導入前に現状値を測っておかないと変化を示せませんから、KPIの選定と現状測定は、AI導入と同時ではなく先に済ませておきたいところです。
AIガバナンス ― 禁止ではなく「安全に使える範囲」の明確化
AIガバナンス（AI利用を安全に運用するためのルールと体制）は、禁止事項のリストではなく、「ここまでは安心して使ってよい」という範囲を明確にする取り組みとして設計すべきです。禁止一辺倒のルールは、シャドーAIを地下に潜らせるだけだからです。
具体的には、まず入力してよい情報といけない情報の線を引きます。公開情報、公開済みの営業資料、匿名化済みデータなどは使ってよい。一方で、顧客名入りの未公開資料、個人情報、契約書原本、ソースコード、認証情報、未発表の財務情報などは入力しない。この線引きの考え方は情報分類のつくり方で詳しく書いたとおりです。
出力側のルールも必要です。AI出力をそのまま顧客に提出しない、数値・法務・契約に関わる内容は人間が確認する、顧客提出物には責任者レビューを必須にする、といった具合です。さらに、営業なら「商談金額や契約条件を外部AIに入力しない」、人事なら「採用や評価の最終判断にAIを使わない」、開発なら「生成コードは必ずレビューとテストを通す」、経理なら「仕訳案はAIが作っても承認は人間が行う」というように、業務別に一段具体化しておくと現場が迷いません。共通の原則は、重要な判断をAIの出力だけを根拠に行わない、という一点に集約できると考えています。
役割別トレーニング ― 全員に同じ研修をしない
研修も、全社員に同じ「生成AI入門」を受けさせるだけでは現場に落ちません。役割によって学ぶべきことが違うからです。経営層に必要なのは操作方法ではなく、AIで何ができるのか、どこに投資し、どのKPIで見て、どのリスクを許容しないかという判断軸です。管理職には、部下のAI利用の管理、AI成果物のレビューの仕方、そして生まれた余力をどう再配分するかが求められます。
現場向けはより実務的になります。営業なら商談メモから提案骨子を作る練習、管理部門なら規程検索や稟議書の論点整理、データ分析・企画部門なら分析観点の壁打ちやコード作成の補助といったように、自分の業務の言葉で学べる内容にすることが、定着の条件だと考えています。
経営層の関与 ― 「浮いた時間の使い道」を決める
最後に、最も重要な論点です。経営層の関与とは「トップがコミットする」という掛け声ではなく、AIで何を達成するのかを決めることです。売上を増やすのか、提案数を増やすのか、顧客対応品質を上げるのか、残業を減らすのか、外注費を下げるのか、新規事業の立ち上げを速めるのか。どれを選ぶかで、投資先もKPIも変わります。
あわせて決めるべきは、浮いた時間の使い道です。たとえば次のような再投資が考えられます。
- 提案書作成時間を半分にし、既存顧客への追加提案に回す
- 月次資料の作成を短縮し、分析担当者は資料づくりではなく示唆出しに時間を使う
- 社内問い合わせ対応をAI化し、人事・総務は制度改善や採用活動に時間を回す
もう一つ見落とされがちなのが評価制度です。AIで早く仕事を終えた人に、単に追加業務を積むだけなら、現場は効率化を隠すようになります。利用回数ではなく、業務改善、品質向上、属人化の解消といった成果でAI活用を評価する仕組みまで含めて、経営が設計すべきテーマだと思います。
まとめ ― AIを使った後に、仕事をどう変えるか
整理すると、AIを導入しても業務の流れが変わらなければ成果は限定的です。KPIがなければ効果は測れず、ガバナンスがなければリスクが増え、役割別のトレーニングでなければ現場に落ちず、経営が浮いた時間の使い道を決めなければAIコストだけが増えていきます。企業が考えるべきことは、AIを使うかどうかではなく、AIを使った後に仕事をどう変えるかである――これが本稿の結論です。
次回は番外編として、営業、カスタマーサポート、人事、経理、法務など、部門ごとに「こんな使い方も考えられる」というアイデアを思いつくままに挙げる業務別アイデア集（番外編）をお届けします。あわせてご覧いただくと、自社ではどこから考えるべきかのイメージがつかみやすくなるはずです。
DSB Consultingでは、AI活用を前提とした業務プロセスの再設計から、KPI設計、ガバナンス整備、データ基盤づくりまでを一気通貫で支援しています。自社の場合はどこから手を付けるべきか、整理の壁打ちからで構いませんので、無料相談をご利用ください。