現場を知らないAI導入はなぜ失敗するのか – Arkanos Insights

「AIを使えば、この作業を効率化できます」

そう説明されても、現場の反応があまり良くないことがあります。

AIの便利さが伝わっていないからでしょうか。新しい技術への抵抗感があるからでしょうか。

もちろん、そうした理由もあるかもしれません。しかし実際には、もっと単純な問題であることも少なくありません。

提案されているAI活用が、現場で本当に困っていることと噛み合っていないのです。

定型文を作る。文章を要約する。データを分類する。問い合わせへの回答案を生成する。

どれもAIが得意とする処理です。しかし、それだけで現場の仕事が楽になるとは限りません。

現場で時間を取られているのは、目に見える作業そのものではなく、その前後にある確認や判断、情報探索、関係者への説明、手戻りかもしれないからです。

AIを現場で機能させるためには、まず、現場の仕事がどのように進んでいるのかを理解する必要があります。

「AIを使いましょう」が刺さらない理由

AIの導入を検討するとき、よくある出発点は「AIで何ができるか」です。

文章を生成できる。大量の資料を要約できる。問い合わせに自動で回答できる。画像や帳票を読み取れる。

こうした機能から、自社での活用方法を考えること自体は間違いではありません。ただし、機能を起点に考えすぎると、現場の課題との間にずれが生まれます。

たとえば、文書作成に時間がかかっているように見える業務があったとします。そこで文章生成AIを導入すれば、作成時間を短縮できると考えるかもしれません。

しかし現場に話を聞いてみると、実際に時間がかかっているのは文章を書くことではなく、次のような作業であることがあります。

• どの資料が最新版なのかを確認する
• 過去の類似案件を探す
• 関係者ごとに異なる認識を整理する
• 記載してよい情報と、まだ確定していない情報を分ける
• 判断に必要な情報が足りず、担当部署へ確認する
• レビューで指摘を受け、前工程まで戻って修正する

この状態で文章生成AIだけを導入しても、業務全体の負担はそれほど減りません。

AIが文章を速く作れても、その前提となる情報を人が探し、正しさを確認し、関係者間の認識を調整しなければならないからです。

現場から見れば、「最後の入力作業だけが少し速くなった」という程度で終わってしまいます。

現場が困っているのは、単純作業だけではない

業務改善では、入力、転記、集計、文書作成といった目に見える作業に注目しがちです。これらは時間を計測しやすく、自動化の効果も説明しやすいからです。

しかし実務では、必要な情報を探す、内容が正しいか確認する、複数の資料や意見を比較する、不足している情報を洗い出す、判断の理由を関係者へ説明するといった行為も、仕事の大きな割合を占めています。

一つひとつは短時間でも、細かな確認や判断が何度も発生すれば、現場には大きな負担がかかります。情報が整理されていなければ、同じ確認が別の担当者や別の案件でも繰り返されます。

AI導入を検討するときに見るべきなのは、作業一覧だけではありません。

その作業が始まるまでに何を確認しているのか。途中でどのような判断をしているのか。どこで手戻りが発生しているのか。作業後に誰へ説明し、承認を得ているのか。

こうした仕事の流れまで見なければ、本当に改善すべきポイントは見えてきません。

問題は、ツールや担当者だけにあるのではない

導入したAIツールが使われないと、「現場のAIリテラシーが足りない」「担当者が従来のやり方を変えたがらない」と説明されることがあります。

しかし、使われない理由を現場だけに求めるのは早計です。

AIを使うために、これまで必要なかった入力や確認が増えていないでしょうか。AIが作った結果を確認するために、結局すべての元資料を読み直していないでしょうか。従来の業務フローを残したまま、AIを使う工程だけが追加されていないでしょうか。

このような状態では、AIは業務を減らす道具ではなく、新しい作業を増やす道具になってしまいます。

AIの導入は、既存業務の外側に新しい箱を置くことではありません。

現在の仕事のどこをAIが支援し、どこを人が判断し、結果をどの工程へ渡すのかを設計することです。

「AIで爆速になった事例」にある前提

AIを活用して、これまで数週間かかっていた仕事を数日で完成させた。少人数で短期間のうちに、Webサイトやアプリ、資料を作り上げた。

そのような事例を目にする機会も増えました。

これらを見ると、AIを導入するだけで仕事が劇的に速くなるように感じるかもしれません。しかし、多くの成功事例には共通する前提があります。

それは、AIを使う人の中に「何を実現したいのか」が、すでにある程度見えていることです。

作りたいものの目的が分かっている。必要な機能や条件を説明できる。AIが出した結果を評価できる。不足している点を見つけ、次の指示を出せる。

つまり、AIによってゼロからよいものが偶然生まれたわけではありません。

人が持っている構想や専門知識をもとに、調査、整理、試作、修正といった実行工程をAIが高速化したのです。

反対に、解決したい問題や完成形が曖昧なままAIを使っても、出力が適切かどうかを判断できません。

AIは仕事を速く進めることはできます。しかし、進むべき方向まで自動的に決めてくれるわけではありません。

AIを入れても、確認作業が減らなかった

ある業務では、複数の資料をもとに内容を整理し、外部の開発会社や制作会社へ依頼を出していました。

一見すると、依頼文や仕様書を作る作業に時間がかかっているように見えます。そのため、AIに依頼文の作成を支援させれば効率化できそうです。

しかし実際の業務を追ってみると、文章を書く前に多くの判断が必要でした。

過去に同じような変更がなかったか。ほかの機能や媒体へ影響しないか。依頼先へどこまで伝えれば作業を開始できるか。今回の対応だけでよいのか、共通の仕組みを直すべきなのか。

こうした判断には、過去の経緯やシステム構成、関係者の役割、運用上の制約に関する知識が必要です。

AIに情報を渡せば、依頼内容のたたき台を短時間で作ることはできます。

しかし、何を前提として伝えるべきか、どの影響を確認すべきかが分からなければ、もっともらしいだけの不十分な依頼文が作られます。そのまま外部へ依頼すれば、質問や手戻りが増え、業務全体の時間は短くなりません。

この業務で必要だったのは、依頼文の自動生成だけではありませんでした。

依頼前に確認すべき項目を整理し、判断に必要な情報を集め、影響範囲を確認したうえで、AIにたたき台を作らせる流れです。

業務を理解して初めて、AIを使うべき場所が見えてきます。

工程を整理してから、AIを配置する

AI導入を考える前に、まず現在の業務を工程として整理します。その際、単に作業手順を並べるだけでは不十分です。

1. どこで情報を探しているか

必要な情報は、共有フォルダ、メール、チャット、過去の成果物、担当者の記憶など、複数の場所に分散していることがあります。

情報が見つからない状態のままAIを導入しても、AIへ渡す情報を探す作業は残ります。まず、業務に必要な情報と、その所在を整理する必要があります。

2. どこで判断が発生しているか

業務には、ルールで処理できる部分と、状況に応じた判断が必要な部分があります。

判断基準が明確であれば、AIに候補や判断材料を整理させることができます。一方で、前例、関係者との合意、事業上の優先順位などを含めて判断する工程は、人が責任を持つ必要があります。

3. どこで手戻りが発生しているか

手戻りは、作業者のミスだけでなく、入力情報の不足、曖昧な依頼、レビュー観点の不一致などからも発生します。

こうした問題を残したまま作業だけを高速化すると、誤った内容が、AIによってより速く後工程へ流れる可能性があります。

4. 誰が結果を確認し、責任を持つか

AIの出力には確認が必要です。ただし、「人が確認する」とだけ決めても運用は安定しません。

何を確認するのか。どの資料と照合するのか。どこまでなら担当者が判断できるのか。どの段階で責任者の承認が必要なのか。

確認の基準と役割を明確にしなければ、AIの出力を最初からすべてやり直すことになります。

現場知を持つ人がAIを使う強さ

現場をよく知る人がAIを使うと、単純な作業の自動化だけではない使い方ができます。

• 調査結果から論点を洗い出す
• 複数の選択肢と影響範囲を整理する
• 会議前に確認事項をまとめる
• 外部へ依頼する前のたたき台を作る
• レビューで確認すべき観点を列挙する
• 関係者ごとに説明内容を組み替える

ここで重要なのは、AIが現場知の代わりになるわけではないということです。

何が通常と異なるのか。どの情報が不足しているのか。AIの回答のどこに違和感があるのか。そのまま進めると誰に影響するのか。

現場を知っている人は、こうした点を判断できます。その知識を使ってAIへ適切な材料を渡し、出力を評価し、次の指示を出すことで、AIは強力な支援手段になります。

AIの効果は、AI単体の性能だけで決まるものではありません。

使う人が持っている知識、業務の中に蓄積されている情報、そしてAIをどこへ組み込むかという設計によって大きく変わります。

AI導入で特に重要な3つのこと

1. AIの機能ではなく、現場の負担から考える

「AIで何ができるか」だけではなく、「現場では何に時間がかかっているか」を確認します。

目に見える作業時間だけでなく、確認、判断、情報探索、説明、手戻りまで含めて捉えることが重要です。

2. 業務を整理してから、AIを使う工程を決める

現在の業務をそのままAIへ置き換えるのではなく、不要な工程や重複した確認を先に見直します。

そのうえで、AIに任せる作業、人が判断する工程、両者を組み合わせる工程を設計します。

3. 現場知を持つ人を導入の中心に置く

AIの専門家だけで活用方法を決めるのではなく、実際の業務を知る人が設計に参加する必要があります。

現場知を持つ人がAIを使えるようになることで、作業の自動化だけでなく、判断材料の整理やコミュニケーションの質の向上にもつながります。

まず、一つの業務の「前後」を観察する

AI導入というと、全社的な活用方針や大規模なシステム導入から考えたくなります。しかし、最初から大きな仕組みを作る必要はありません。

まずは、現場で負担が大きい一つの業務を選びます。そして、その作業だけを見るのではなく、作業の前後を確認します。

作業を始めるために何を探しているのか。途中で何を判断しているのか。終わった後、誰が何を確認しているのか。どのような理由でやり直しが発生しているのか。

ここまで整理すると、AIに任せられる部分と、先に業務を改善すべき部分が見えてきます。

場合によっては、AIを導入するより、情報の置き場所や依頼方法、レビュー手順を整理する方が先かもしれません。

それも、立派なAI導入の準備です。

AIを使うこと自体を目的にする必要はありません。重要なのは、現場の仕事が本当に改善されることです。

現場で機能するAI活用を考えるために

Arkanosでは、AIツールの導入だけでなく、現行業務の整理、情報の持ち方、役割分担、確認・承認プロセスを含めて、AIをどこで活用すべきかを検討します。

「AIを導入したいが、どの業務から始めるべきか分からない」
「ツールを試しているが、現場で定着していない」
「現在の業務を整理したうえで、AI活用の可能性を検討したい」

そのような段階からでも、ご相談いただけます。