企業でAIを使うときは、「回答できるか」だけでは不十分です。現在の作業時間、判断の責任、例外時の対応、利用者の負担まで含めて確認する必要があります。以下の事例でも、まず業務を分け、AIに任せる部分と人が持つ部分を整理するところから進めています。
公開可能な
支援事例
企業名や案件固有の情報は掲載せず、課題・支援内容・確認した観点を中心にまとめています。
現場業務のAI化PoC
現場で集めた情報をもとに、複数の確認や判断、関係部署への連絡を行う業務があり、担当者の負担を減らしながら品質を保つ必要がありました。
現在の業務手順を整理し、作業前の確認、簡単な判断の補助、関係部署へ伝える文章の作成など、AIに任せられる場面を分けて試作しました。
単純な時間削減だけでなく、どれだけ人の修正が必要か、追加確認が何回発生するか、例外時に人へ戻せるかまで確認しました。
大手企業の業務AI化支援
生成AIを単発の文章作成だけで使うのではなく、社内の仕事の流れの中に組み込み、探す・確認する・次の処理へ渡すところまでつなげることが課題でした。
候補となる業務を洗い出し、どこに時間がかかっているか、どこは人の判断を残すべきかを整理。AIを使う場面を具体的な業務要件へ落とし込みました。
製品ありきではなく、利用者と業務の流れから考えることで、導入後に何を評価すべきかまで明確にしました。
企業環境を踏まえた生成AI活用
企業特有の情報管理や運用条件がある中で、生成AIを一時的な試用で終わらせず、継続利用できる形へ整理する必要がありました。
対象業務、利用する情報、利用者、例外時の対応、人が確認する場面を整理し、実際の運用を想定した利用方法を検討しました。
「AIが答えられるか」だけではなく、誰が情報を更新するか、誰が最終責任を持つかまで含めて検討しました。
※ 守秘義務に配慮し、企業名・案件固有の機密情報・具体的な内部数値は非公開です。
共通して大切にしていること
AIの前に業務を見る
現在の仕事を理解せずにAIを入れると、かえって確認作業が増えることがあります。まず今の流れを整理します。
人の判断を無理に消さない
責任が大きい判断や例外処理は人に残し、AIは情報整理や候補作成を担うなど役割を分けます。
現場の利用者に早く触ってもらう
作成者だけで評価せず、実際に業務を行う人の質問や使い方で確認します。
効果を数字で確認する
時間、修正回数、完了率、利用者評価など、導入前後を比べられる指標を決めます。
支援方針の参考にしている公式情報
自社のどの業務から
始めるか整理する
まだ要件が決まっていない段階でも、現在の業務と課題の整理から対応します。
相談する ↗