生成AIの業務効率化｜中小企業が選ぶ5業務
目次
はじめに
「生成AIで年間何万時間を削減」。そんな事例を見て、社内でも試そうという話が出る。ところが会議になると、営業メール、議事録、問い合わせ対応、資料検索と候補が一気に増える。結局、誰も最初の一つを決められない。
この詰まり方は珍しくない。大きな成功事例は可能性を示してくれるが、自社の一歩目までは決めてくれないからだ。必要なのは、事例の数を集めることではない。仕事を小さく切り、同じ物差しで比べることである。
生成AIを使った業務効率化は、事例の数より選び方で決まる
中小企業基盤整備機構の2026年3月調査では、AIを全社または一部業務に導入済みの企業は20.4％だった。これは生成AIだけでなく、音声認識や画像認識などを含む数字だ。AIの導入目的は「業務効率化／作業時間の短縮」が87.0％で最多。導入効果でも同項目が83.2％と最も高い。
同調査では、AI導入済み企業の82.6％が生成AIを使っていた。ただし、この数字から個別業務の成果までは分からない。自社の候補を決めるには、どの入力から何を作り、誰が確認したかまで事例を読み解く必要がある。
大企業の総削減時間も、そのまま自社の見込み値にはできない。パナソニックコネクトの発表では、社内AIの利用者が申告した1回あたりの削減時間は平均約20分で、年間18.6万時間の削減につながった。注目したいのは総量より測り方だ。1回あたりの時間と利用回数を分けている。
中小企業なら、年間の大きな数字を先に置くより、1件10分かかる作業が何件あるかを数える方がよい。母数が見えれば、月間効果を説明しやすい。期待だけで稟議を作らずに済む。
中小企業が最初に選びやすい5業務
生成AIに向くのは、パソコン上の仕事すべてではない。頻度が高い。入力がそろう。出力を人が短時間で確認できる。こ の三つがそろう業務から選びたい。
| 業務 | 入力 | 期待する出力 | 確認者 | 代表的な失敗 | 測定値 |
|---|---|---|---|---|---|
| 社内問い合わせ | 規程、FAQ、質問 | 根拠付き回答案 | 規程の主管部署 | 旧版を参照 | 自己解決率、確認時間 |
| 議事録 | 音声、参加者 | 決定・担当・期限 | 会議主催者 | 保留を決定と誤認 | 作成時間、訂正数 |
| 定型文書 | 見本、案件情報 | 指定形式の下書き | 文書の送信者 | 金額や約束を創作 | 下書き時間、修正率 |
| 資料検索・要約 | 正式版の資料 | 引用箇所付き要約 | 資料の所有者 | 出典を示さない | 検索時間、根拠一致率 |
| 分類・転記案 | 自由記述、分類規則 | 項目別の候補値 | 登録先の担当者 | 未定義値を確定 | 1件時間、差し戻し率 |
1. 社内問い合わせの回答案
総務、情シス、人事には、似た質問が繰り返し届く。就業規則や 申請手順を根拠に回答案を作り、担当者が送信前に確認する形なら始めやすい。
観光庁による生成AI活用の実証結果では、FAQとLINE WORKSをRAGでつなぐ試行とともに、QAデータの不足、回答精度のばらつき、更新責任の不明確さが課題として挙がった。回答モデルだけを入れても回らない。古い回答を減らす担当者まで決めて、初めて運用に乗る。
2. 会議の議事録と決定事項の抽出
音声や文字起こしから、決定事項、担当者、期限、保留事項を抜き出す。これも試しやすい。正解は会議参加者が確認でき、誤りがあっても外部送信前に止められる。
「議事録を作る」では範囲が広い。終了後30分以内に、四つの項目を指定フォーマットへ入れる、と決める。入力と出力が固定されるほど、手直し時間を測りやすくなる。
3. 定型文書の下書き
営業メール、求人票、社内告知、週報の下書きは、ゼロから書く時間を減らしやすい。ただし、完成文を自動送信するところまでは広げない。固有名詞、金額、約束、法的表現を人が確かめる。
LIFULLの社内活用事例では、従業員の71.8％が生成AIを業務で活用し、別の集計で半年に2万時間以上を創出したとしている。利用率と削減時間は同じ指標ではない。文書の種類ごとに確認項目を決め、利用した回数と直した時間を分けて追いたい。
4. 長文資料の検索と要約
規程、提案依頼書、過去議事録から必要箇所を探し、根拠へのリンク付きで要約する。読む時間が長い資料ほど効果が出やすい。反対に、原本が古い、版が混在する、閲覧権限が曖昧という状態では先に資料を整えるべきだ。
要約の正しさは、原文の該当箇所を開けるかで確認する。出典を示さない回答を許すと、確認時間が逆に増える。社内ナレッジを扱うなら、AIで自動化する業務の選び方も合わせて確認してほしい。
5. 定型データの分類と転記案
問い合わせを担当部署へ分ける。自由記述から商品名や希望時期を抜く。請求書の摘要を候補科目へ分類する。こうした仕事は件数を数えやすい。
ただし、生成AIに直接更新させると取り消しが難しい。最初は「分類案を表へ出す」までに止め、人が承認してから登録する。正解率だけでなく、確認に何秒かかったかを見る。確認が手作業より長け れば、まだ効率化とは呼べない。
候補業務を5条件で採点する
候補が並んだら、感覚で選ばない。各項目を0〜2点で採点する。合計8点以上を試行候補にすると、チーム内で説明しやすい。
| 条件 | 0点 | 1点 | 2点 |
|---|---|---|---|
| 頻度 | 月数回 | 週数回 | 毎日複数回 |
| 現在の所要時間 | 5分未満 | 5〜15分 | 15分超 |
| 正解の明確さ | 判断が人で割れる | 目安がある | 見本・規則がある |
| 確認コスト | 専門家の精査が必要 | 担当者が確認 | 数分で照合できる |
| データ準備 | 散在・権限不明 | 一部整理が必要 | すぐ渡せる |
例えば、週5回、1回20分の議事録作成を考える。頻度1点、時間2点、正解2点、確認2点、データ2点で合計9点。試す価値がある。一方、年2回の契約判断は頻度0点で、専門家の精査も要る。生成AIが文章を作れても、最初の効率化対象には向かない。
もう一つ境界を置く。外部送信、支払い、削除、採用可否など、取り消しにくい操作は初回対象から外す。AIの判断力を疑うからではない。小さな試行で、効果と事故リスクを分けて学ぶためだ。
候補選びをさらに詰めるなら、AIエージェントを小さく始める方法の考え方が使える。工程全体ではなく、下書きや分類など一つの中間成果物へ切る。
2週間で効果を測る実験計画
ツールを入れた翌日から「速くなった気がする」と評価すると、判断がぶれる。試行前の5営業日で基準値を取り、同じ種類の案件を2週間だけ試す。
記録する項目は四つで足りる。
- 1件あたりの作業時間
- AIの出力を直した割合
- 対象件数のうち実際に使った割合
- 情報漏えい、誤送信、根拠なし回答などの停止事象
たとえば問い合わせ回答案が、1件12分から7分になったとする。週40件なら200分削減だ。ただ、回答の半数を大きく書き直したなら、品質条件を見直す。削減時間と手直し率を一緒に見ないと、速いが使えない仕組みになる。
停止条件も先に決める。根拠のない回答が1件でも外部へ出た。権限外の資料を参照した。手直し率が50％を超えた。この場合は対象範囲を広げず、入力資料や指示、確認工程へ戻る。生成AI PoCの成功基準で扱っているように、成功だけでなく中止の線を決めることが大切だ。
合格したら、同じ業務の件数を増やすか、隣の一工程へ広げる。変数を一つに絞れば、何が効果を生んだか分かる。
事例を自社の仕様へ翻訳する
生成AIを使った業務効率化の事例を読んだら、社名や総削減時間を写すのではなく、五つを書き出したい。
- 何を入力するか
- AIは何を判断するか
- どんな形で出力するか
- 誰が確認するか
- どの条件で止めるか
Atsumellが業務を整理するときも、この境界を先に置く。発注側は正式な入力資料、確認者、許容できない結果を決める。開発側は出力形式、権限、ログ、停止・復旧方法を仕様にする。双方で合意した受入条件に、時間と手直し率の基準を置く。ここまで決めれば、市販サービスで足りるのか、連携開発が必要なのかも判断しやすい。
正直なところ、最初の目標は「年間何万時間」ではなくてよい。毎週発生する一つの仕事を、品質を落とさず20％短くできるか。その答えが出れば、次の投資を数字で話せる。生成AI導入の稟議書にも、試行結果を根拠として載せられる。
どの業務を切り出すか決めきれない場合は、Atsumellに相談してほしい。業務フローの可視化から、入力・出力、確認者、停止条件、2週間の評価設計まで一緒に整理できる。
