AIで効率化しやすい仕事、しにくい仕事

AIで楽になりやすいのは、答えを決める仕事より、探す仕事と下書きを作る仕事です。過去の資料から条件を探す、以前の似た対応を見つける、マニュアルにない問い合わせの返事を下書きする。この3つです。

議事録やメールの下書きも便利ですが、現場で時間がかかるのは「前の資料はどこだっけ」という作業の方です。金額や補償のように、間違えると困る判断は人が残します。

向いている仕事の見分け方

出力を人が確かめられ、間違えても直せる仕事が向いています。

観点	効率化しやすい	慎重に扱う
AIの役割	検索、比較、下書きまで	最終判断まで任せる
確認方法	資料や記録と人が照合できる	専門家や責任者の判断が必要
間違えた影響	直せば元の業務に戻せる	顧客や社員の権利、お金に直結する
扱うデータ	使ってよいと決めた文書や記録	個人情報、未公開の取引条件
仕事の進め方	手順や判断材料が残っている	担当者の経験だけで回っている
効果の測り方	検索、確認、修正の時間を比べられる	「便利になった」という感想しか残らない

「効率化しやすい」側が多い仕事は、小さく試せます。「慎重に扱う」側が多いなら、ツールを探す前に、誰が何を確認するかを決めた方がよいです。

試しやすい3つの仕事

途中から入った人が、過去の資料を探す

人が途中で代わると、検討資料を最初から読み直す時間がかかります。知りたいのは、資料の全文ではなく「この条件は、どのファイルのどこに書いてあるか」です。

AIには、その質問と、見てよい資料だけを渡します。回答には、参照したファイル名を付けます。表は列の意味が分かる形に整えてから渡します。金額、納期、担当者は、元の資料と人が照合します。

古い記録から、似た対応を探す

同じトラブルへの対処が、担当者の記憶と古いファイルに分かれていることがあります。

日鉄エンジニアリングの事例では、海洋工事で10年以上たまった約1,700件の記録を、チャットボットで探せるようにしています。技術部の6,000件以上の技術資料や、40年以上前からの設備の整備記録も対象です。回答には参照したファイル名が出るので、過去の事例を見てから作業できます。

同社の事例では、起動に手間がかかり、最初は一部の人しか使っていなかったと書かれています。社内のアプリ一覧から開けるようにして、そこを改善しています。検索の精度だけでなく、普段の仕事からすぐ開けるかも大事です。

修理履歴、クレーム対応、失注メモでも、日付、対象、起きたこと、対処が残っていれば同じ探し方ができます。頭の中にしかない経験は探せません。

この「自社の資料を先に探してから、その内容で答える」やり方を、RAG（検索拡張生成）と呼びます。AIがもともと知っていることだけで答えさせないための仕組みです。

マニュアルにない問い合わせの下書きを作る

よくある質問は、FAQに書けば足ります。時間がかかるのは、その外側です。

損保ジャパンは2025年6月、営業店や本社への照会に対して、マニュアルやQ&Aをもとに回答案を出す仕組みを使い始めました。画面には回答案と参照した資料が並び、最終的な返事は人が作ります。

自社でも、保証、返品、適用条件のように「これは対象か」で迷う問い合わせから試せます。下書きと参照箇所を出し、料金や例外は人が決めます。検索に使う文書は、正式版と下書きを分け、参照したファイル名を画面に出す前提を先に決めます。

件数のグラフを渡して「次の施策を書いて」と頼むと、文章は整います。ただ、次に何をするかは、現場を知っている人が決める仕事です。

任せきらない方がよい仕事

契約や知的財産、税務、会計、人事評価は、AIの回答をそのまま決めごとにしない方がよいです。与信、返金、投資、資金繰りも同じです。

資料の要約や、確認したい論点の洗い出しには使えます。決めるのは、社内の責任者や、必要なら専門家です。

入力してよい情報を先に決める

顧客名や未公開の条件を、確認せずに入れない方がよいです。利用するサービスが、入力内容をどのくらい保存するのか、学習に使うのかを先に見ます。

社内では、入れてよい情報と入れてはいけない情報、出力を確認する人、間違いの直し方、ログを見られる人を決めておきます。

最初は1つの仕事で試す

全社で一斉に始めると、何が良くなったのか分かりにくくなります。たとえば例外の問い合わせなら、次の範囲に絞ります。

FAQで答えられる質問は外す
質問と、関連する規程、過去の回答だけを渡す
AIは回答案と参照箇所を返す
担当者が条件と金額を確認して送る
直した理由、作業時間、誤りを記録する

続けるかどうかは、AIを入れたかどうかではなく、担当者の手間が減ったかで判断します。

開発が必要かを先に見る

公開できる資料だけなら、既製のAIサービスでも試せます。少人数で試してから、個別開発が必要かを判断した方が、費用を抑えられます。

個別開発を考えるのは、部署や役職ごとに見られる文書を分けたいとき、今のシステムとつなぎたいとき、参照資料と回答を同じ画面で確認したいときです。修正の履歴を残して改善したい場合も同じです。

相談した会社が、何でも作ろうとせず「この範囲は既製サービスで足ります」と言えるかも見ておきます。

会社は、今回の仕事との相性で選ぶ

1部署の小さな検証なら、実装する人と直接話せて、小さく始められる会社が合います。基幹システムや複数部門が関わるなら、セキュリティと保守まで体制を組める会社が候補です。何に使うか決まっていないなら、業務の整理から相談できる会社を探します。

中小企業では、少ない金額で試せること、月額費用の見通し、担当者が変わったときの対応を確認します。大企業の部門で導入するなら、情報システム、セキュリティ、法務、調達の条件を先に集めます。全社のAI基盤と重複しないか、あとから他部門へ広げられるかも見ておきます。

見積もりは、作ったあとの費用も並べる

初期費用に、資料の整理、業務整理、PoC、本番開発のどこまでが入っているかを確認します。クラウドやAIの利用料、資料の更新、回答の確認にかかる社内の時間、保守、追加改修、終了時のデータ移行も含めて比べます。

導入前の作業時間、件数、確認時間、修正件数を残しておくと、あとで効果を見られます。回答を作る時間が短くなっても、確認や修正が増えれば、全体では楽になっていません。

費用の内訳は、AIシステム開発の費用は何で決まるかで整理しています。

各社には、同じ質問を渡す

金額が違うときは、会社の力量より、提案に含まれる作業が違うことがあります。

対象に含む仕事と、含まない仕事
参照する資料と、更新する人
PoCで試す質問と、合格の条件
誤答や回答できない質問を、誰へ戻すか
初期費用、月額、資料整備、追加改修の金額
データとログの保存場所、契約終了時の引き継ぎ

「精度が高い」「AIに強い」という言葉だけでは比べられません。自社の質問と資料でどう評価するのか、運用後に誰が直すのかまで聞くと、違いが見えます。

相性は、短い仕事で確かめる

話しやすい営業担当でも、開発が進めやすいとは限りません。本番の前に、短期間の業務整理やPoCを別に頼むと、進め方が分かります。

実装する人と直接話せるか。決まったことと未決のことを文書に残すか。問題を早めに共有するか。モデルの説明より先に、使う資料、試す質問、確認する人を聞くか。このあたりを見ます。

分からないことをそのまま伝え、不要な機能は「作らなくてよい」と言える会社なら、発注後も相談しやすいです。比較の項目は、AIシステム開発会社の選び方にまとめています。

まとめ

始めるなら、議事録の要約より、過去資料の検索、似た対応の抽出、マニュアルにない問い合わせの下書きが向いています。1つの仕事に絞り、参照箇所と人の確認を付けて試すと、効果と問題点が見えます。

個別開発が必要になったら、会社の知名度や最初の金額だけで決めない方がよいです。作ったあとの費用、自社の作業、担当者との進め方まで比べると、合う会社を選びやすくなります。

ウィステリアコードでは、AIを使う業務の整理から、小規模なPoC、業務改善ツールの開発まで相談を受け付けています。既製サービスで足りるか分からない段階でも、お問い合わせからご相談ください。