「AIで効率化できる業務」を洗い出しても、見つからない理由

生成AIを入れると決めたあと、たいてい最初にやるのが業務の洗い出しです。各部署に「AIで効率化できそうな業務を挙げてください」と依頼します。集まってくるのは、請求書の処理、日報の集計、問い合わせの一次対応あたりです。名前のついた、大きくて、手順が決まっている業務が並びます。

そして、あまり進みません。挙がったもののうち、本当に手をつけられるものが少ないからです。この記事は、社内でAI活用を進める立場の人に向けて書いています。同時に、自分の仕事のどこにAIを使えばいいか分からない、という人にも向いています。探す場所の話なので、途中から自分の一週間の話になります。

その洗い出しは、ひとつ前の技術の手順です

大量で、手順が決まっている業務を探すやり方は、ひとつ前の技術に合わせて組み立てられています。RPAや、決まった手順を動かす仕組みは、まさにそこが得意でした。同じ作業が大量にあるほど効果が出るので、洗い出して量の多い順に並べるのが正解でした。

その結果として、量が多くて定型的な業務には、もう何かしら手が入っています。残っているのは、手をつけられなかったほうです。

生成AIが得意なのは、この残ったほうです。量は小さく、毎回少しずつ違い、マニュアルにできない。文章を読んで意味を取る、要点をまとめる、過去の似た事例を引っぱってくる。こういう仕事が社内には大量に散らばっていて、これまで自動化の対象にならずに残ってきました。

その仕事には、名前がついていません

ここが洗い出しの限界です。業務台帳に載るのは、名前がついている仕事だけです。「請求書処理」には名前があります。「取引先から来た長いメールを読んで、何を求められているのか判断して、社内の誰に振るか決める」には名前がありません。

名前がないので、洗い出しの用紙に書けません。書けないので、集計されません。集計されないので、対象になりません。それでも毎日発生していて、やっている本人は毎回ゼロから考えています。

しかもこの種類の仕事は、部署ごと、人ごとにばらばらです。同じ役職の2人でも、抱えている小さな判断は違います。上から一括で拾おうとすると、この差がまるごと抜け落ちます。

「他社事例を見て考えてください」が空振りする理由

導入のあとによくやるのが、事例集の配布です。他社がどう使っているかを見せて、各自で自分の業務に当てはめてもらう。これも善意の設計ですが、事例集に載るのは名前がついた大きな業務です。名前のない自分の仕事に翻訳するには、そのあいだをつなぐ作業が必要で、そこは各自に丸投げされています。

全員に同じ研修を1回やる場合も同じことが起きます。同じ例を見て、自分の仕事に持ち帰れる人と、持ち帰れない人に割れます。割れ目を作っているのは理解度ではなく、その人が普段どうAIに関わっているかです。私たちがRELACTISを作った出発点は、まさにここでした。全社に入れて、一律に研修をして、それでも使われなかった。

誰が何を拾えるかは、人によって違います

名前のない小さな仕事を見つけるのは、実際にはかなり個人的な作業です。そして、どういう種類のものを拾いやすいかは、その人のAIとの関わり方で変わります。

RELACTISは、そこを見るための診断です。24問・約4分で、7つの因子（創出・横断・自走・伝播・仕組み化・検証・関与）と15タイプのどれに近いかが出ます。無料で、登録も要りません。自分の型を知るためにも使えますし、組織で回すと役割ごとの分布が出ます。

拾い方の違いは、たとえばこう出ます。

足りないのは人手だと思っていたのに、空いていたのは役回りのほうだった、と分かることがあります。見つける人が3人いて、形にする人がゼロです。この並びだと、良い使い方が何度も生まれては、生まれた人のところで終わります。受け取る席が用意されていないので、当然そうなります。分かってしまえば、誰かに頼むのか、外から借りるのか、いまはそこを広げないのかを選べます。

限界も書いておきます。出るのは関わり方の形までで、その形になった理由は24問からは出ません。「なぜ自分で先に触るのか」は本人にしか言えない部分です。分布は、その話を始めるための材料だと思ってください。

自分の今週から、ひとつ思い出す

洗い出しの用紙を配り直す前に、自分の今週をひとつ思い出してください。量は少ないのに、毎回ゼロから考え直した仕事です。長いメールの読み解き、前例の探索、断り方の文面、どれに該当するかの判断。名前がついていないもののほうが、当たりです。

ひとつ書き出せたら、それが探す場所です。同じことをチームの5人にやってもらうと、5つとも違うものが出てきます。その違いが、次に何をするかを決める材料になります。