「AIを導入したいが、何から手をつければいいか分からない」というご相談を多くいただきます。実はこれは自然なことで、最初から改善テーマが明確な会社の方が少数派です。
実は、AIから考える必要はない
AI活用というと、「ChatGPTで何ができますか?」から考え始めたくなります。ですが、業務改善のテーマは、AIについて考えることからではなく、現場の「この仕事、毎回面倒なんです」という声から見つかることがほとんどです。
生成AIというと、文章作成や画像生成のような、いかにも「AIっぽい仕事」が思い浮かびがちです。しかし実際に改善効果が大きいのは、Excelへの転記、複数資料からの情報整理、定型的な報告書作成、過去資料の検索、問い合わせ内容の分類、書類のチェックといった、AIを使っているようには見えない地味な作業であることが少なくありません。
ただし、これらすべてが必ずAIで自動化できるわけではありません。業務の内容やデータの状態によって、AIが向いている場合と、通常のシステム化やExcelの改善が向いている場合があります。
AIが活用できる可能性がある業務
- 大量の文章を整理する
- 非定型の問い合わせを分類する
- 文書を要約する
- 過去資料から必要な情報を探す
- 文章の下書き・たたき台を作る
AIより別の方法を検討した方がよい場合が多い業務
- 単純な数値計算
- 決まった条件でのデータ転記
- 完全にルール化された処理
- 高い正確性が必要な定型処理
「AI導入ありき」で考えるのではなく、見つかった課題に合った改善手段を選ぶという姿勢が、遠回りに見えて結局は近道になります。
現場の「面倒です」の中に改善テーマがある
実際のヒアリングでは、こんなやり取りがよくあります。
「この資料、毎月作ってます」
「どれくらい時間かかりますか?」
「半日くらいです」
「誰が作っていますか?」
「私しか分からないですね」
これは特定の事例をそのまま再現したものではなく、よくある一例ですが、こうした何気ない会話の中に、繰り返し作業、属人化、情報検索、転記、判断前の整理作業といった、改善テーマの種が隠れています。特別な業務ではなく、日常のちょっとした「面倒」の中にこそ、テーマは見つかります。
ヒアリングで聞きたい5つの質問
現場に聞くべき質問は、それほど複雑ではありません。大事なのは、質問そのものよりも、答えから何を読み取るかです。
質問1:毎月・毎週、同じ作業を繰り返していませんか?
→ 繰り返し作業・定型業務を発見できます。
質問2:特定の人にしかできない業務はありませんか?
→ 属人化や、引き継ぎのリスクを発見できます。
質問3:情報を探す・転記するだけの時間はどれくらいありますか?
→ 情報検索・整理・転記にかかっているムダを発見できます。
質問4:ミスや差し戻しが多い業務はどこですか?
→ 手戻りや、確認作業の負担を発見できます。
質問5:お客様対応で時間がかかっている工程はどこですか?
→ 顧客対応のボトルネックを発見できます。
質問そのものより、答えの端々に出る言葉を拾う
ヒアリングで本当に注目したいのは、質問への直接の答えよりも、その途中でふと出てくる言葉です。例えば、次のような一言には、それぞれ改善のヒントが隠れています。
- 「前任者から引き継いだExcelを使ってます」——属人化している可能性
- 「毎回、前回の資料をコピーして作っています」——定型化・テンプレート化できる可能性
- 「この数字を3つのシステムから集めています」——情報連携・転記作業の負担がある可能性
- 「この問い合わせは過去のメールを検索しながら答えています」——ナレッジ検索・回答支援が有効な可能性
- 「一度AIにやらせてみたけど、結局確認するのが大変でした」——AIの使い方そのものに改善余地がある可能性
「時間がかかる仕事」だけを探さない
改善テーマは、「一番時間がかかっている業務」だけから探す必要はありません。ミスが多い、担当者によって品質が違う、教育に時間がかかる、引き継ぎが難しい、過去の情報を探すのが大変、繁忙期だけ急激に負担が増える——こうした視点からも、改善テーマは見つかります。「時間」だけでなく、「属人化」「品質」「教育」「検索」「繁忙期」など、複数の角度から業務を見てみることが大切です。
見つかった改善テーマに優先順位をつける
ヒアリングを重ねると、改善候補は思った以上にたくさん見つかります。ただし、見つかったものをすべて一度にAI化する必要はありません。発生頻度、作業時間、ミスの多さ、改善した場合の効果、AIとの相性、データの扱いやすさ、セキュリティ上の問題、導入の難易度といった観点から、優先順位をつけていきます。
簡単な目安としては、「毎月発生する」「時間がかかる」「定型的である」「データが整理されている」という条件がそろっている業務は、最初の改善テーマとして検討しやすい傾向があります(あくまで一例であり、実際の優先順位は会社ごとの状況によって変わります)。
「AI導入テーマ」と「システム化テーマ」を区別する
現場から課題が見つかったとしても、「では、AIを導入しましょう」とは限りません。例えば、「毎回同じExcelに数字を転記している」という課題であれば、AIよりもExcelの改善やシステム連携の方が適していることがあります。一方、「問い合わせ内容が毎回違い、過去の回答を探しながら文章を作っている」という課題であれば、生成AIを活用できる可能性が高くなります。
大事なのは、課題を見つけたら次にすぐAIありきで考えるのではなく、原因を整理したうえで、最適な改善手段を選ぶという順番です。
まずは30分、1人にヒアリングしてみる
大掛かりな準備をしなくても、始め方はシンプルです。担当者一人に、30分ほど時間をもらい、次の5つを聞いてみてください。
- 最近、一番面倒だった仕事は何ですか?
- 毎月繰り返している仕事は何ですか?
- あなたにしかできない仕事はありますか?
- 手戻りが多い仕事はどれですか?
- 情報を探すのに時間がかかる仕事はどれですか?
この5つを書き出すだけでも、改善候補が見えてくることがあります。そこから、AIで改善できそうか、システム化した方がよいか、あるいはそもそもその業務自体をやめられないか、という順番で考えていけば十分です。
PIMOAが現場ヒアリングを大切にしているのも、AIに何をさせるかを先に決めるのではなく、まず現場の業務を理解し、その中から改善テーマを見つけるためです。「AIに何をさせるか」ではなく「どの仕事を変えるか」から考えることが、遠回りに見えて、結局は一番確実な出発点になります。