AI導入の前に、なぜ業務整理が必要なのか。

---

こんな方におすすめ

• AIを導入したいが、何から始めればいいかわからない経営者・事業責任者
• ChatGPTやClaudeを社内で使い始めたが、現場展開で止まっている管理職
• AI導入＝ツール選定の話だと思っており、ChatGPTやNotion AIをまず入れることから始めようとしている方

AIを入れても現場が変わらない理由は？

AIを導入しようとすると、なぜか先に業務整理が必要になります。

それは、AIが会社の「業務の汚れ」を容赦なく可視化するからです。マニュアルが古かったり判断基準が人によって違ったり、過去の経緯を知っている人が一人しかいなかったり…。これらはAI導入によって発生する問題ではありません。もともと会社の中にあった問題が、AIに仕事を任せようとした瞬間に表面化しているということです。

「AIを導入したいのですが、何から始めればいいですか？」

「こんな業務があるんですが、AIでいい感じにできませんか？」

実際にこうした相談を受けることが増えていますが、ヒアリングしていくと、最初に必要だったのはツール選定ではなく業務整理だった、というケースが少なくありません。

ChatGPTやClaude、議事録AI、社内FAQチャットボットなど、選択肢は数えきれないほど揃っています。それでも、ツールを入れた会社の話を聞いていくと、こんなパターンが多いです。

• Google Workspaceの契約でGeminiは使える状態になっているが、実際に使っているのは一部の人だけ
• まず手始めに社内FAQチャットボットを作ったが、答えがズレるので結局使われてない

ツールはちゃんと動いていて、AIの性能が低いわけでもありません。それでも現場の仕事のしかたはほぼ変わっていないのはなぜなのでしょうか？

理由は単純で、AIに渡すべき業務情報と判断基準が、社内で整理されていないからです。

整理されていない情報の中身は、たいていの場合、特定の誰かの頭の中にあります。本記事では、その誰かを仮に「田中さん」と呼ぶことにします。

AIは田中さんの頭の中を読めない

長く事業を続けている会社には、必ず田中さんがいます。

社長であったり、創業期からのベテランであったり、特定の領域に20年向き合ってきた現場リーダーであったりします。「あの件は田中さんに聞けばわかる」「田中さんが帰ってくるまで判断は保留」という言葉が、当たり前のように飛び交う会社です。

田中さんが持っているのは、たとえばこういう知識です。

• どの顧客が、過去にどんな経緯で取引が始まったか
• 見積もりを出すときに、相手によってどこを調整するか
• どういう案件は受けて、どういう案件は受けない方がいいか
• トラブルが起きたとき、誰にどの順番で連絡するか
• 社内で「これを言うと話がややこしくなる」という罠への嗅覚

文書化されていません。マニュアルにも書かれていません。本人ですら、聞かれて初めて言語化することが多い一方で、この知識がないと仕事は進みにくいです。

この田中さん現象が、AI導入の最大の壁になります。

ChatGPTやClaudeを開いて、「うちの会社で営業資料を作って」と聞いても、AIは社内事情を踏まえた答えを返せません。社内Slackや社内ドキュメントをすべてAIに読ませたとしても、そもそもドキュメント化されていない情報は読みようがない。AIは、田中さんの頭の中を読めないのです。

AIは料理人ではなく自動調理器に近い存在です。自動調理器を買っても、材料の場所もレシピも味付けの基準も整理されていなければ料理は出てきません。AI導入も同じです。田中さんの頭の中にあるものを外に出さない限り、どれだけ高性能なAIを契約しても、出てくるのは一般論です。一般論で済む範囲ならAIでも対応できますが、本当に価値が出るのは、自社固有の判断や文脈を扱えるようになってからです。

AI導入は、会社の「業務の汚れ」を可視化する

田中さん問題は、属人化という言葉で昔から語られてきました。担当者が辞めたら困る、休んだら止まる、というリスクの話です。

AIの時代になって、属人化の意味が一段重くなりました。整理されていない暗黙知の塊である限り、どれだけ高性能なAIを入れても、現場の仕事には使えないということが明確になったからです。

そしてここからが、AI導入の本当におもしろい部分です。

AIに何かを任せようとした瞬間、これまで気にされていなかった問題が一気に表に出てきます。

• マニュアルが古いまま放置されている
• ファイル名がバラバラで、どれが最新かわからない
• 同じ情報が、Slack、Google Drive、Notion、メールに分散している
• 顧客対応の判断が、担当者によって違う
• 業務フローを最初から最後まで説明できる人がいない
• 「だいたいこんな感じ」で動いている部分が、思った以上に多い

これらは、AI導入の前から存在していた問題です。ただ、人間は柔軟なので、こういう状態でも何となく仕事を回せてしまっていた。「田中さんに聞けばいい」「だいたいこの辺にあるはず」で何とかなってきた。

ところがAIに任せようとした瞬間、その「何となく」が通用しなくなります。AIには「察する」「気を読む」「直感で判断する」ができないからです。これまで見て見ぬふりをしてきた業務の構造が、強制的に表に引き出される。

価値はここにあります。AI導入が単なる効率化施策を超えて、会社の業務構造そのものを見直すきっかけになる。整理する側に回れた会社は、AIを使えるようになるだけでなく、属人化が緩み、新人が育ちやすくなり、退職リスクも下がります。会社全体の地力が上がる。整理しない側にとどまった会社は、ツールに毎月お金を払い続けながら、現場では結局「田中さんに聞いて」と言い続けることになります。

なぜ「AIを入れても組織が速くならない」のかは、構造的にはボトルネック理論で説明できます。詳しくは『ザ・ゴール』で読み解く、AIを入れても組織が速くならない理由で書いています。

田中さんを探せ！具体例

抽象的な話が続いたので、具体的な業務例で考えてみましょう。

例① 営業資料作成

「AIで営業資料を効率的に作りたい」という相談はよくあります。実際、ChatGPTやGammaを使えば、それなりの資料は数分で出てきます。

ところが、現場で使えるレベルの提案資料は、なかなかAIから出てきません。

田中さん（営業マネージャー）の頭の中には、こういう情報が入っているからです。

• 提案先の会社の状況と、抱えている課題
• 過去にこの業界・この規模の会社に提案して刺さった訴求
• 過去にこの価格帯で通った案件、通らなかった案件
• 自社として強調していい実績と、まだ言わない方がいい実績
• 競合とぶつかったときに、どの差別化ポイントを出すか
• NG表現や、社内的に避けたい言い回し

こうした情報がベテラン営業の頭の中にしかなかったり、個人のSlack DMに散らばっていたりすると、AIは一般論の資料しか作れません。一般論の資料は、提案先にとっては「どこの会社からもらっても同じような資料」でしかなく、刺さりません。

逆に、これらが整理されている会社では、AIによる資料作成のスピードと質が大きく変わります。AIに渡すべきは、スライドのテンプレートではなく、提案パターン・顧客分類・訴求軸・事例集・NG表現の構造化された情報です。

例② 問い合わせ対応

「AIに問い合わせ対応を任せたい」というニーズも増えています。FAQボットやAIチャット、メール一次対応の自動化などです。

ここでも田中さん（カスタマーサポート責任者）の頭の中には、よくある質問の裏にある本当の意図、例外時の対応ルール、エスカレーションの判断基準、返金や法務まわりの条件などが詰まっています。これらが古いまま放置されたり、対応履歴が個人のメールに埋もれていたりすると、AIに任せた瞬間に事故が起きます。間違った回答を自信満々に返したり、本来エスカレーションすべき案件を一次対応で済ませてしまう。

問い合わせAI導入の前にやるべきことは、ベンダー選定ではなく、問い合わせ業務の棚卸しと判断基準の明文化です。これができていないままAIを入れたカスタマーサポートで何が起きるかは、カスタマーサポートにAIを入れても成果が出ない、よくある理由でも詳しく書いています。

例③ オンボーディング

「新人が、社内のことをAIに聞けるようにしたい」という相談もあります。

構造はまったく同じです。入社後によく迷うポイント、暗黙の社内ルール、業務の進め方とその背景が「先輩に聞いてね」のままでは、AIにいくら高性能なRAGを組んでも、AIも「先輩に聞いてください」と答えるしかありません。新人オンボーディングAIの前に必要なのは、新人が迷うポイントを人間の側で言語化する作業です。

3つの例に共通しているのは、「AIを入れる前に、人間が言語化すべきことが大量に残っている」という点です。

田中さんの判断基準を外に出すための5ステップ

では具体的に何から手をつければいいのか。実務で進めていく順番を、5つに整理します。

1. 業務フローを分解する

対象とする業務を、最初から最後までステップに分解します。「営業資料作成」なら、ヒアリング → 課題特定 → 訴求軸の決定 → 事例選定 → ドラフト作成 → レビュー → 提出、というように細かく刻んでいきます。このとき各ステップを誰がやっているかを明記すると、属人化している箇所が浮かび上がってきます。

2. 判断基準を言語化する

各ステップで「判断」が入る箇所を特定し、その基準を言葉にします。「この案件は受けるか・受けないか」「この価格で通すか・調整するか」。判断のたびに、田中さんは頭の中で何かしらの基準を使っています。それを「なぜそう判断したのか」と聞き出して、文章にしていく。本人も無意識でやっていることが多いので、このプロセスはどうしても時間がかかります。

3. よくある例外を洗い出す

業務には必ず例外があります。例外こそが、ベテランの判断力が最も発揮される領域です。ここを洗い出さないままAIに任せると、AIは通常パターンで処理してしまい、本来は例外対応すべき案件を取り逃がしてしまいます。過去のSlack履歴やインタビューから、「あのときの判断」を一つずつ拾い出す作業になります。

4. 情報の置き場を揃える

業務に使う情報の置き場を一カ所に集約します。Google Drive、Notion、Slack、個人PC、メールに分散している状態では、人間もAIも正しい情報にたどり着けません。まずは人間にとって「ここを見ればわかる」という置き場を作ることが、AIに参照させるデータベース作りの前提になります。

5. AIに任せる範囲と人間が見る範囲を分ける

最後に、AIに任せていい範囲と、人間が必ず確認する範囲を線引きします。任せていいのは、判断基準が明確で、間違えても致命傷にならない領域です。逆に、判断ミスが顧客対応や法務リスクに直結する領域は、人間が確認するプロセスを残す。「AIが全部やってくれる」という幻想を持たないことが、長期的にはAIをうまく使う秘訣です。

田中さんをAIに置き換えるのではなく、田中さんの判断基準を外に出す

ここまで「業務整理」という言葉で話を進めてきました。ただ、本当にAI導入を成功させている会社が取り組んでいることは、整理にとどまりません。

整理は、現状を可視化して片付ける作業です。一方、AI時代に成果を出している会社がやっているのは、AIが扱える形を前提に、業務の構造そのものを設計し直すことです。

両者の違いをもう少し具体的に書きます。

業務整理は、今ある業務をそのまま文書化することです。誰が何をしているかを書き出し、判断基準を明文化し、情報の置き場をまとめる。これは大事な作業ですが、現状追認に近い側面もあります。

業務設計は、AIに任せられる部分は最初からAI前提でフローを組み、人間が判断する部分はそこに集中できるようにする、という発想です。「もしゼロから設計するなら、この業務はどう組むのが最適か」を考え直すことに近い。

たとえば、これまで田中さん（営業担当）が一人で「ヒアリング → 提案資料作成 → 価格調整 → 契約 → アフターフォロー」を全部やっていた会社があるとします。業務整理だけだと、「田中さんの頭の中」を文書化するところで終わります。業務設計まで踏み込むと、「ヒアリング後の情報構造化はAIに任せ、提案資料の初稿もAIに作らせて、田中さんは訴求の磨き込みと対面のクロージングに集中する」というように、業務の組み方そのものが変わります。

ここまで来ると、AIは単なる効率化ツールではなく、事業の競争力を底上げする道具に変わっていきます。田中さんはAIに置き換えられたのではなく、判断基準を外に出したことで、本来やるべき仕事に時間を使えるようになります。

実際の支援現場でも、AIツールの選定より先に「この業務は誰が最終判断しているのか」「過去の判断はどこに残っているのか」「そもそも正解とされるアウトプットは何か」を整理する時間の方が長くなることがあります。一見すると遠回りに見えますが、この整理を飛ばすと、AIは社内事情を知らないまま一般論を返すだけの存在になってしまいます。

そしてもう一つ、現場で何度も見てきたのは、整理を進める中で「そもそもこの業務、本当に必要なのか」「やり方そのものを変えた方が早いのでは」という問いが必ず出てくることです。AI導入は、結果的に業務そのものの棚卸しを引き起こします。整理だけで終わらず、設計まで踏み込めるかどうかが、最終的な成果の差になります。

この「足し算で終わるか、組み替えまでやるか」の分岐については、AI導入で成果を出す組織と出せない組織の分岐点を考えるで別の角度から整理しています。

まとめ

AIが現場で機能するかどうかを決めるのは、ツールではなく、会社側の準備状況です。業務フローが分解され、判断基準が言語化され、例外が洗い出され、情報の置き場が揃っていて、AIに任せる範囲と人間が見る範囲が分かれている、という条件が揃うと、AIは想像以上の働きをします。

田中さんに聞かなくても回る会社は、新人にも、業務委託にも、そしてAIにも仕事を任せられます。AI導入の準備をしていることは、組織の地力を上げる作業そのものでもあります。

「ChatGPTを社内に入れたけど、何も変わっていない気がする」と感じている方は、ツールの問題ではなく、業務側の準備の問題である可能性が高いです。ツール選定の前に、自社の業務を一度棚卸ししてみる。これがAI導入の最初のステップです。

---

関連記事

• 「AIで効率化しましょう」が現場に嫌がられるもっともな理由とは
• AIネイティブな組織に透明性が必要なのはなぜ
• 考えをまとめる前に話し始めてしまう人がAIで武装すると？

---

Kumonoでは、AIツールの選定だけでなく、業務フローの整理、判断基準の言語化、AIに任せる範囲の設計まで一体で支援しています。「AIを入れたいが、何から整理すべきかわからない」という段階からご相談いただけます。

Kumonoに相談する → https://kumono-inc.com/contact