AIで効率化できる業務の見極め方と棚卸しの手順

「AIを使え」と言われても、自分の仕事のどこに当てはめればよいかは意外と分かりません。必要なのは発想力ではなく手順です。業務を洗い出し、3つの軸で絞り、作業単位まで分解する。その具体的なやり方を示します。

結論：頻度×定型度×判断量の3軸で絞る

生成AIを導入したものの、どの業務から手を付ければよいか分からない——これは能力の問題ではなく、見極めの手順を持っていないだけです。

候補を絞る軸は3つで足ります。

この3軸で見ると、「頻度が高く、定型度が高く、判断量が少ない」作業が最初の候補になります。議事録の要約、定型文書の下書き、問い合わせへの一次回答案、資料の下調べ。多くの部署にこの種の作業が存在します。

順に手順を見ていきます。

なぜ「どこから手を付けるか」で失敗するのか

棚卸しをせずに着手すると、次の3つのどれかに陥ります。

失敗1：いちばん難しい業務から始めてしまう。「もっとも時間がかかっている業務」を選ぶのは自然な発想ですが、時間がかかっている理由が「判断が難しいから」である場合、AIには任せられません。時間の長さと、AIとの相性は別の話です。

失敗2：試しやすい業務だけを試して終わる。逆に、手軽な作業だけを試すと「便利だが業務は変わらない」という感想で止まります。効果を測れず、次の投資につながりません。

失敗3：業務全体を丸ごと任せようとする。「見積作成をAIで」と言ったとき、見積作成には価格の判断、条件の確認、社内承認など複数の工程が含まれています。丸ごとは任せられないが、そのうちの一部は任せられる——この分解ができていないと、「うちの業務では無理だった」という結論になります。

この3つはいずれも、評価軸と粒度が決まっていないことが原因です。棚卸しの目的は、この2つを先に決めることにあります。

導入が広がるほど、見極めの手順が要る

生成AIの導入そのものは、もはや珍しいことではなくなりました。IPA（情報処理推進機構）は企業のDX推進状況を「戦略」「技術」「人材」の3つの視点から継続的に調査しており、最新版は「DX動向2026 広がるAI導入、DXは変われるか」です^※1。AI導入の広がりと、それが変革につながっているかどうかが主要な論点になっています。国内外のICT・AI利活用の動向は、総務省の「情報通信白書」でも毎年整理されています^※2。

ここから読み取れるのは、「導入したかどうか」ではなく「導入して業務が変わったかどうか」に関心が移っているということです。ツールを契約するところまでは多くの企業が到達し、その先で差がついています。

差が生まれる場所は明確です。どの業務に当てはめるかを、手順を持って決められているかどうか。ここを勘や思いつきでやると、冒頭で挙げた3つの失敗に入ります。逆に、洗い出して評価して分解するという工程を踏めば、成果が出る業務は必ず見つかります。

本記事が扱うのは、この工程そのものです。特別な知識は要りません。必要なのは、対象を絞ることと、評価の軸を先に決めることだけです。

棚卸しの手順 — 準備から絞り込みまで

いきなり業務を洗い出し始めると、範囲が広がりすぎて終わりません。先に3つ決めてください。

• 対象範囲。全社ではなく、1部署あるいは1チームに絞ります。効果を測りやすく、関係者の合意も取りやすくなります。
• 期間。棚卸しに何日かけるかを決めます。1〜2週間が目安です。長引くと、洗い出すこと自体が目的になります。
• 誰が参加するか。管理職だけで作ると実態と合いません。実際にその作業をしている人を必ず入れてください。管理職が把握していない手作業は、たいてい存在します。

そして、参加者に伝えるべきことが1つあります。「この棚卸しは人を減らすためのものではない」という点です。ここが伝わっていないと、時間がかかっている作業を過少に申告する動機が働きます。目的は「面倒な作業を減らして、判断や顧客対応に時間を使えるようにすること」だと最初に明示してください。

業務を洗い出す3つのやり方

洗い出しの方法は3つあります。組み合わせて使うと漏れが減ります。

もっとも効率がよいのは「成果物から遡る」やり方です。生成AIが得意なのは文章・情報を扱う作業なので、成果物として文書が出ている工程を洗えば、候補の大半を拾えます。

洗い出すときの粒度は、「〜を作る」「〜を確認する」「〜に連絡する」といった動詞で終わる単位にしてください。「営業活動」のような大きなくくりでは評価できません。

1部署で30〜60項目くらい出てくるのが標準的です。少なすぎる場合は粒度が粗く、多すぎる場合は細かすぎます。

3軸で評価する — 採点の仕方

洗い出した項目に、3軸で点数をつけます。厳密である必要はありません。各3段階で十分です。

合計点が高いほど、着手の候補として有力です。9点満点で7点以上のものから見ていくとよいでしょう。

採点で迷いやすいのが判断量です。ここは「その判断は、社内の基準やルールで説明できるか」を目安にしてください。基準で説明できる判断であれば、その基準を渡せばAIが下書きを作れます。逆に、顧客との関係や過去の経緯を踏まえた判断は、人が担うべき領域です。

もうひとつ、点数に表れない要素も記録しておいてください。

• その作業を担当している人数。1人しかできない作業は、属人化の解消という別の価値があります。
• 作業のつらさ。時間は短くても負担感が大きい作業は、改善の効果が実感されやすく、社内の推進力になります。
• ミスが起きたときの影響。影響が大きい作業は、確認の工程を厚くする必要があります。

作業単位まで分解する

ここが実務でもっとも効く工程です。前述の失敗3で述べたとおり、業務は丸ごと任せられなくても、工程に分ければ任せられる部分があるのが普通です。

たとえば「月次報告書の作成」という業務を分解すると、次のようになります。

この表を作ると、「月次報告書はAIには無理」ではなく「6工程のうち2〜3工程を任せられる」という判断に変わります。効果としても、この2〜3工程が全体の作業時間の相当部分を占めていることが少なくありません。

分解のコツは、「情報を集める」「形にする」「決める」「責任を持つ」の4種類に仕分けることです。前2つはAIが担いやすく、後ろ2つは人に残ります。

候補を絞り込む — 最初の3つを選ぶ

点数の高い順に並べたら、最初に着手する3つを選びます。全部を同時に進めてはいけません。

選ぶときの基準は、点数だけではありません。

• 効果が見えやすいか。時間の削減が数字で示せる作業を1つは入れます。社内説明の材料になります。
• 担当者が前向きか。やらされ感のある人に任せると、うまくいかなかった理由探しが始まります。関心のある人がいる作業を選んでください。
• 失敗しても影響が小さいか。最初の1件目は、社外に出ない、締切が緩い作業にします。学習の期間だからです。
• 他部署にも似た作業があるか。横展開しやすい作業を選ぶと、成功したときの波及が大きくなります。

3つのうち、1つは確実に成功しそうなもの、1つは効果が大きそうなもの、1つは他部署に展開しやすいもの——という組み合わせにすると、バランスが取れます。

選ばなかった項目も捨てないでください。棚卸しシートに残しておくと、次の段階で使えます。そのときには、社内の習熟も進んでいます。

小さく試す — 検証の設計

選んだ3つについて、試し方を決めます。ここを曖昧にすると「なんとなくやってみた」で終わり、判断できません。

現状を測る。試す前に、いまの所要時間を記録します。ここを飛ばすと後で比較できません。ストップウォッチでなくて構いません。「だいたい何分」で十分です。

並行して行う。最初の期間は、従来のやり方も残しておきます。AIの出力が使えなかった場合に業務が止まらないようにするためです。この「二重にやる」期間があることを、担当者に事前に伝えておいてください。

記録するのは3つ。かかった時間、手戻りの回数、そして気づいたことです。3つ目が重要で、「この情報を先に渡しておけばよかった」「この形式で頼むとうまくいく」といった気づきが、後の横展開で効いてきます。

やめる判断も設計に入れる。2〜4週間試して効果が見えなければ、やめる判断をしてよいことを最初に決めておきます。撤退の基準がないと、うまくいかない取り組みが惰性で続きます。

効果を測る — 何を記録するか

効果測定は、精緻さより続けられることを優先してください。指標は2つあれば十分です。

加えて、削減した時間の使い道を記録しておくことをおすすめします。「週2時間浮いた」で報告を終えると、必ず「その2時間で何をしたのか」を問われます。企画、顧客対応、改善活動——どこに向かったかを一言添えるだけで、投資の説明がはるかに楽になります。

逆に、測らないほうがよいものもあります。個人ごとのAI利用回数です。回数が評価されると、使うこと自体が目的化し、質の低い使い方が増えます。測るべきは業務がどう変わったかであって、利用回数ではありません。

棚卸しシートの項目

ここまでの内容を1枚のシートにまとめます。項目は次のとおりです。表計算ソフトで作れば十分です。

このシートは一度作って終わりにせず、四半期ごとに見直すのが理想です。習熟が進むと、以前は「判断が中心だから無理」と評価した作業が、基準を言語化することで任せられるようになる場合があります。

また、「必要な情報」の列は重要です。AIに渡すべき社内資料が特定されていないことが、実際に試したときの最大のつまずきになります。ここが埋まっていれば、着手がスムーズになります。

「渡す情報」を先に決めておく

実際に試す段階でもっともつまずくのが、AIに何を渡せばよいか分からないという問題です。棚卸しの時点でここまで詰めておくと、着手がスムーズになります。

渡すべき情報は、おおむね4種類に分かれます。

この中でとくに効くのが「過去の実物」です。指示の言葉を工夫するより、これまで作ったものを2〜3件見せるほうが、はるかに早く水準が揃います。ただし渡してよい情報かどうかの判断は先に必要です。顧客名や個人名が含まれる場合は、社内ルールに従って扱ってください。

もうひとつ重要な発見があります。「判断の基準」を渡そうとしたとき、それが文書化されていないことに気づくケースが非常に多い、という点です。ベテランの頭の中にしかない基準は、AIにも新人にも渡せません。ここを言語化する作業は、AI活用とは独立に価値があります。棚卸しの副産物として、意識的に拾ってください。

部署別の着眼点

洗い出しのとっかかりとして、部署ごとに見るべき作業を挙げます。自社に当てはめる際の下敷きにしてください。

この表を渡して「自分の部署に当てはまるものはあるか」と聞くと、洗い出しが早く進みます。ただしこの表にあるものだけを探させないでください。現場にしか見えていない作業を拾うことが、棚卸しの本来の目的です。

実行と記録をどう回すか

棚卸しをして、試して、効果が出た。次に問題になるのが、その取り組みをどう回し続けるかです。

実際につまずくのは次の3点です。

• 誰が何をどこまでやったか分からなくなる。複数の業務で並行して試すと、進捗の把握だけで手間がかかります。
• うまくいった指示の出し方が個人に閉じる。担当者のチャット画面にしか残らず、他の人が同じことをやり直します。
• 止まっている理由が見えない。「AIの出力待ち」なのか「人の確認待ち」なのか「必要な資料が揃っていない」のか。原因が分からないと手を打てません。

この3点は、AIの性能ではなく仕事の進め方の問題です。指示・進捗・確認・成果物を一か所にまとめ、人とAIのどちらが次に動くべきかが見える状態を作ると解消できます。UNPLACEDが提供するOginAI Flowは、この課題に対応するために作ったサービスです。人が判断する場面とAIが実行する仕事を分け、指示と成果をチームで共有できる形にしています。

ツールを使うかどうかにかかわらず、「誰が・何を・どこまで・なぜ止まっているか」が見える状態を作ることは必要です。棚卸しの成果を単発の改善で終わらせないために、ここまで設計しておいてください。

現場から出てくる典型的な反応と、その扱い

棚卸しの場では、いくつか決まった反応が返ってきます。想定しておくと進行が楽になります。

「うちの仕事は特殊だから当てはまらない」。もっとも多い反応です。業務を丸ごと見ているために出てきます。前述の工程分解を示して、「では、この報告書を作るとき、数字を集める作業と文章にする作業は分けられますか」と聞くと、話が具体的になります。否定するのではなく、粒度を下げるのが対処法です。

「そんな時間はない」。棚卸しに時間を割く余裕がない、という反応です。これは正当な指摘なので、洗い出しの方法を変えて対応します。1日を追う方式は負担が大きいので、成果物から遡る方式に切り替えてください。既に存在する文書を並べるだけなので、30分程度で済みます。

「前に試したけど使えなかった」。過去の失敗経験がある場合です。何をどう試したのかを具体的に聞いてください。多くの場合、粒度が大きすぎたか、必要な社内情報を渡していなかったかのどちらかです。原因を特定できれば、同じ失敗を繰り返さずに済みます。

「AIが間違えたら誰が責任を取るのか」。正当な懸念です。出力を使って業務を行った人が責任を負う、そのために確認の工程を設ける——という原則を先に共有してください。確認の水準を用途ごとに分ける考え方は、生成AIの社内ガイドラインの作り方で整理しています。

「結局、自分でやったほうが早い」。初期には実際にそうなることがあります。慣れるまでの期間が必要だからです。ここで重要なのは、頻度の高い作業を選んでいるかどうかです。年に数回の作業では、慣れる前に間隔が空いてしまい、いつまでも「自分でやったほうが早い」状態が続きます。

棚卸しの結果を経営に上げる

棚卸しは現場の作業ですが、その結果は経営判断の材料になります。上げ方を整理しておきます。

報告に含めるべきは次の4点です。

• 洗い出した業務の総数と、候補として残った数。「60項目のうち、7点以上が12項目」といった形。母数があると、取り組みの網羅性が伝わります。
• 候補の合計時間。候補となった業務に、現在どれだけの時間がかかっているか。ここが投資対効果の分母になります。
• 最初の3件と、その選定理由。なぜこの3つなのかを説明できると、他部署への展開時にも同じ判断ができます。
• 棚卸しで見つかった業務以外の課題。これが意外に重要です。「正本がどこにあるか分からない文書があった」「同じ作業を2部署でやっていた」といった発見は、AIとは別の改善につながります。

また、棚卸しの結果を他部署にも見せることをおすすめします。同じ形式のシートが増えていけば、全社での比較ができるようになります。最初の部署が作ったシートが、そのまま社内の標準になります。

うまくいかないときのチェックリスト

試したが効果が出ない場合、原因はたいてい次のどれかです。上から順に確認してください。

• 粒度が大きすぎないか。業務を丸ごと任せようとしていないか。工程に分解し、任せる範囲を絞り直します。
• 必要な情報を渡しているか。社内の基準や過去の事例を渡さずに、汎用の回答を求めていないか。手元の資料を渡すだけで結果が変わることは多いです。
• 指示が曖昧でないか。「よい感じにまとめて」では、よい感じの基準が伝わりません。立場・目的・分量・形式のうち、当てはまるものを指定します。
• 確認の工程が重すぎないか。下書きにも上長確認を求めていると、作業は減りません。用途に応じて確認の水準を分けます。
• そもそも頻度が低くないか。年に数回の作業では、慣れる前に間隔が空きます。頻度の高い作業に切り替えます。
• 担当者が使い方を学ぶ機会があったか。ツールを配っただけで研修をしていない場合、ここが原因のことがあります。

この6つを確認しても改善しない場合は、その業務はAI向きではないと判断してよいでしょう。無理に続けるより、棚卸しシートの次の候補へ移るほうが建設的です。

まとめ：2週間で回せる手順

ここまでの内容を、着手する担当者向けにまとめます。

この手順の価値は、結果がどうであれ判断できるようになることにあります。効果が出れば横展開でき、出なければ次の候補に移れる。「なんとなく使ってみたが、よく分からなかった」という状態から抜け出せます。

棚卸しで見つけた課題の中には、AIの話ではなく社内の情報が整理されていないことが原因のものも含まれます。それも成果です。どちらに手を入れるべきかが分かるだけで、次の一歩が決まります。

組織全体での進め方についてはAIリスキリングとは？企業と個人の進め方・必要スキル・支援制度を、社内ルールの整備については生成AIの社内ガイドラインの作り方を参照してください。

最後に、この手順を一度きりで終わらせないための工夫を1つ。棚卸しシートを作った部署に、四半期ごとに5分だけ見直してもらってください。「新しく増えた業務はないか」「前は無理と判断したが、いまなら任せられそうなものはないか」の2問で足ります。

この5分があるかどうかで、1年後の状態がはっきり分かれます。見直しの習慣がある部署では候補が入れ替わり続け、取り組みが自走します。ない部署では、最初の3件が終わった時点で止まります。

棚卸しは、AIを使うための作業に見えて、実際には自分たちの仕事を言葉にする作業です。何にどれだけ時間をかけていて、どの判断が誰の頭の中にあるのか。それが見えるようになること自体が、組織にとっての成果になります。

Author

株式会社UNPLACED

「場所にとらわれず、居場所をつくる。」を理念に、企業向けのAI基礎研修・AIコンサルティング、ジュート由来の生分解性プラスチック「ソナリ」、ワークマネジメントサービス「OginAI」を提供しています。人手不足・DX・環境対応という経営課題に向き合う企業と伴走します。

AI活用

この記事は株式会社UNPLACEDが制作しています。掲載内容は公開時点の情報にもとづくもので、制度や仕様は変更される場合があります。