AIで生まれた余力を、顧客価値へ

AIの余白を顧客接点へ回す4段階KPI

目　次

■ 「削減200時間」の下の行が、いつも空欄になる

■ 先に立場を書いておく

■ 「削減」と「再配置」は別の仕事である

■ 私の判断基準｜再配置先が空欄なら、その施策は一度止める

■ 数字で見る｜日本のAI活用は、効率化の一点に集まっている

■ 本当の詰まりは技術ではなく、評価の設計にある

■ AIが引き受けているのは「社内向けの文章」だった

■ 経験の長い人ほど、AIにできない仕事を具体的に言える

■ 顧客側で起きていること｜自社チャットボットは選ばれていない

■ 私が使っている言葉｜全社員フロントマン化

■ 全員を営業にする話ではない

■ 中小企業のほうが、この線は引き直しやすい

■ ここから先でお渡しするもの

▼ ここから有料エリア ▼

■ 手順1｜削減時間の行き先を、3つに仕分ける（余白の3区分）

■ 手順2｜4段階KPIで、削減を経営数字までつなぐ

■ 手順3｜顧客接点に人を寄せる、4つのレベル

■ 成果物1｜DX・AI施策評価シート（全文・コピペ用）

■ 成果物2｜評価シートをAIに埋めさせるプロンプト（全文）

■ 成果物3｜15分の顧客ヒアリング・スクリプト（全文）

■ 判断フロー｜この施策、続けるか止めるか（所要30秒）

■ チェックリスト｜再配置の設計が抜けていないか（14項目）

■ 部門別｜AIへ移す仕事と、人へ戻す時間

■ 組織への広げ方｜導入する順番と、先に否定しておくこと

■ 30日で始める、いちばん小さい実践

■ やってはいけないこと｜顧客接点を増やすと事故も増える

■ なぜこの話が、AI時代に値段のつく論点なのか

■ 最後に

「削減200時間」の下の行が、いつも空欄になる

「生成AIの導入で、年間200時間の業務を削減しました」

報告書のその行の下に、何も書かれていない。

削った200時間がどこへ行ったのか、社内の誰も答えられない。数字は立派なのに、会社の形は去年と同じ。

私も似た資料を作ったことがある。削減時間は出せる。使い道の欄は、埋められない。埋めないまま出しても、会議は通ってしまう。

通ってしまうから、次も同じ資料になる。

この記事で渡したいのは、その空欄を埋めるための線の引き直し方です。削る話ではなく、削ったあと人をどこへ置くかの話。

先に立場を書いておく

私はAI導入に反対していません。むしろ入れたほうがいいと思っている側です。

AI禁止も、AIによる人員削減の全否定も、この記事ではやりません。極端な打ち手は現場で持ちません。

数字は一次資料に当たったものだけを載せます。確認できなかった数字は書きません。特定のAIサービスやベンダーとの利害関係はなく、アフィリエイトも含みません。

執筆時点：2026年8月27日。

■ 「削減」と「再配置」は別の仕事である

ここを混ぜている資料が、本当に多い。

削減は、作業を短くすること。再配置は、短くして空いた時間を別の仕事に割り当てること。

前者は担当者ができます。後者は、業務設計を変えられる人にしかできません。

例えば、社員50人の会社で一人あたり1日1分の作業を減らしたとする。年間240営業日なら、1分×50人×240日＝12,000分。年間200時間です。

計算は合っています。資料にも書ける。

ただ、社員一人の一日で見れば、変わったのは1分。その1分がバラバラに発生していたら、それで新しい仕事は始まりません。

200時間は「会社が回収した時間」ではなく、「50人に1分ずつ配られた時間」でしかない。

削減と再配置を分けて書くと、この違いが資料の上に出てきます。

私の判断基準｜再配置先が空欄なら、その施策は一度止める

もったいぶらずに先に出します。

私は、削減時間の再配置先が決まっていないAI施策を、いったん止めます。

やめさせるのではありません。「止めて、行き先を書いてから再開する」という意味です。

止める理由は単純で、行き先を書かないまま走らせた施策は、たいてい二度と評価されないから。効果測定の会議で「便利になりました」で終わり、次の予算の根拠にならない。

もちろん、行き先を書かなくていい例外はあります。

残業が減った。入力ミスの原因が消えた。精神的にきつい作業から解放された。

それ自体が目的なら、それで十分な成果です。この場合は「行き先＝働き方の改善」と書けばいい。空欄なのが問題であって、答えが地味なのは問題ではありません。

数字で見る｜日本のAI活用は、効率化の一点に集まっている

感覚だけの話ではありません。

情報処理推進機構（IPA）が2026年7月30日に公開した『DX動向2026』は、国内企業1,799社への調査（2026年4月17日〜6月12日）をまとめたものです。

AI導入による具体的な効果を聞いた結果が、かなりはっきりしています。

「業務が効率化したり迅速化した」が91.6％。

「企画提案等の品質や速さが向上した」が48.9％。

「残業時間の削減につながった」が29.2％。

ここまでは、想像どおりでしょうか。問題はこの先です。

「顧客満足度が向上した」は4.5％。

「対象となる顧客が拡大した」は2.7％。

「売上や利益が向上した」は3.9％。

効率化が91.6％で、売上・利益が3.9％。同じ調査の中で、この差です。

利用用途を見ると、理由も見えてきます。上位は「文書・音声の要約・翻訳・校正」82.5％、「文書・レポートの作成」80.5％、「情報検索・収集・分析・レポーティング」77.0％。

一方で「生産・物流・サービス提供の計画支援」は6.0％、「自社製品・サービスの高度化」は10.9％。

つまり、日本企業がAIに任せているのは、圧倒的に社内向けの文章仕事です。

IPA自身も、AI導入は広がっているが活用は業務効率化・迅速化が中心で、企業価値創出への展開は限定的だと整理しています。

ちなみに、AI導入率は従業員1,001人以上で8割近く、101人以下では16.6％。中小企業はまだ入口にいる、という数字でもあります。

本当の詰まりは技術ではなく、評価の設計にある

ここからが、この記事でいちばん書きたかったところです。

Microsoftが2026年5月5日に公開した『2026 Work Trend Index Annual Report』は、日本を含む10市場・AIを業務で使う2万人への調査（2026年2月〜4月、Edelman Data x Intelligence実施）と、Microsoft 365の利用データを組み合わせた報告書です。

この報告書は、AIの効果を分けているのは個人ではなく組織だと結論づけています。

文化・上司の支援・人材評価といった組織要因が、AIの効果の説明力の67％。個人の意識や行動といった個人要因は32％。組織要因が個人要因の約2倍という結果でした。

Microsoftはこの状態を「Transformation Paradox（変革のパラドックス）」と呼んでいます。従業員は仕事の作り直しに動く準備ができているのに、評価・指標・慣習が古いままなので動けない、という構図です。

そして、この報告書には市場別のデータが付いています。日本の数字が、かなり厳しい。

「成果がすぐ出なくても、AIによる仕事の作り直しは評価される」と答えたAI利用者は、世界平均で13％。日本は8％で、公表されている市場の中で最も低い水準でした。

「経営層のAIに関する方針が明確で一貫している」と答えた人は、世界平均26％に対して日本は14％。

「1年前にはできなかった仕事ができるようになった」は、世界平均58％に対して日本は43％。

並べると、話がつながります。

日本のAI活用が効率化で止まるのは、削る技術がないからではない。削ったあとに仕事を作り直しても、誰もそれを評価しないから。

作り直しが評価されないなら、現場が選ぶ合理的な行動は「今の仕事を、今の形のまま速くすること」です。

そして、それはまさにIPAの調査に出ている姿そのものでした。

もちろん、これは自己申告の調査であり、日本の全企業を代表するものではありません。回答者はAIを業務で使っている人に限られています。それでも、効率化で止まる理由の説明としては、私にはかなり腑に落ちるものでした。

AIが引き受けているのは「社内向けの文章」だった

もう一つ、傍証になるデータがあります。

Anthropicが2026年6月26日に公開した『Anthropic Economic Index report: Cadences』は、Claudeの利用データから、会話ごとに「何が成果物として出てきたか」を分類しています。

仕事に関する会話でいちばん多い成果物は、文書・レポートで20％。次いで説明が9％、メールの下書きが7％、分析・要約が6％。

AIが受け持っているのは、やはり社内で回る紙とテキストです。

同じくAnthropicが2026年3月24日に公開した『Learning curves』では、累積で約49％の職種において、少なくとも4分の1のタスクでClaudeの利用が観測されたと報告されています。

これは「49％の仕事がAIに置き換わった」という意味ではありません。Claudeの利用データから見た、AIが関わる仕事の広がりを示す数字です。労働市場全体の統計ではない点は、押さえておく必要があります。

それでも方向は読めます。社内向けの文章仕事から順に、時間は短くなっていく。

30分が10分になる。

問題は、残った20分です。

経験の長い人ほど、AIにできない仕事を具体的に言える

同じ『Cadences』には、約9,700人分の調査回答を利用データと結びつけた分析があります。

その中に、私が読んで手が止まった箇所がありました。

経験年数が長い人ほど、「AIが自分の仕事のうちどれくらいをできるか」を低く見積もっている。実務経験15年以上の層は、1年目の層より約10ポイント低く答えていました。

なぜか。自由記述で「AIには決してできないと思う仕事は何か」を聞いた結果、多かったのは、判断、文脈の理解、状況に応じた推論。

そして経験15年以上の層がとくに多く挙げたのが、信頼を築くこと、人をマネジメントすること——つまり関係性の側面でした。

最初に読んだとき、私はこれを「ベテランがAIを過小評価しているだけでは」と思いました。

でも、よく考えると逆かもしれない。

経験が長い人は、自分の仕事の中で「言語化されていない部分」がどこにあるかを知っています。仕様書に書かれていない前提、客先の空気、過去の経緯。それらを含めて仕事だと理解しているから、AIができる範囲を小さく見積もる。

だとすれば、これは過小評価ではなく解像度の差です。

そして、その言語化されていない部分の多くは、顧客と直接触れている時間の中にしか存在しません。

顧客側で起きていること｜自社チャットボットは選ばれていない

企業側の話が続いたので、顧客側も見ておきます。

Gartnerが2026年4月28日に公表した調査（世界のカスタマーサービス・サポート責任者321人、2025年9〜10月実施）では、85％の責任者が、AI導入に伴って現場担当者の業務範囲を広げていると回答しました。75％は、担当者をサポート組織内の新しい役割へ移しているとしています。

ここだけ切り取ると明るい話に見えますが、同じ調査には別の顔もあります。

80％の責任者が人員体制の変更を迫られていると回答し、63％は自然減によって前線の人員を段階的に減らしています。AIを理由とした人員削減を実施済み、または2027年第1四半期までに計画しているのは31％。

つまり、「人が増えている」わけではない。総数は絞りながら、残った人の役割を上へずらしている、というのが実態に近い。

この動きが妥当かどうかを示す予測も出ています。Gartnerは2026年2月3日に、2027年までに、AIを理由として人員を削減した企業の50％が、同様の職務のために人を再雇用すると予測しました。職名は変わるが、仕事は戻る、と。

理由として挙げられているのは、AIが人の専門性・共感・判断を完全に代替できるほど成熟していないこと。そして、2025年の人員削減の多くは自動化よりも経済環境によるものだった、という指摘です。

顧客側の数字も出ています。

Gartnerが2026年8月4日に公表した調査（B2B・B2Cの顧客3,566人、2026年2〜3月実施）では、87％の顧客が、企業が生成AIを顧客対応に使う場合でも人間の担当者に到達できる選択肢は不可欠だと答えました。一方で、50％は生成AIによって対応が楽になったとも答えています。

拒否しているのではない。人への経路を塞ぐな、と言っている。

そして同じ調査から、もう一つ。顧客がサービス上の問題を解決するとき、企業が用意したチャットボットより、外部の生成AIツールを使う割合が約3倍。企業提供チャットボットの利用は2022年から統計的にほぼ横ばいでした。

これは、中小企業にとってはむしろ朗報だと私は思っています。

自社チャットボットの出来で勝負がつかないなら、勝負どころは別の場所にある。顧客が「この件は人に聞きたい」と判断したとき、そこに誰がいるか。

私が使っている言葉｜全社員フロントマン化

ここで一つ言葉を置きます。

「全社員フロントマン化」。

一般に確立された経営用語ではありません。この記事で、組織の方向性を一語で扱うために私が使っている言葉です。

意味は、全社員を営業にすることではありません。

営業、開発、制作、事務、管理という役割は残したまま、必要な範囲で顧客の声に直接触れる人を増やす。それだけです。

これまでの会社では、営業が顧客を知り、開発が仕様を知り、経理が数字を知り、制作が制作物を知る、という分断が起きやすかった。

AIが内勤作業を引き受けるなら、この境界線は少し動かせます。

例えば、Web制作の会社。

以前なら、営業が要望を聞き、ディレクターが整理し、デザイナーとエンジニアへ渡し、出来上がったものを営業が説明する。分業として合理的です。

そこにAIが入り、デザイン案や実装や資料作成の時間が短くなったとする。

エンジニアが「空いた時間でもう一本コードを書く」だけなら、会社の仕事の構造は変わりません。速くなっただけ。

でも、そのエンジニアが月に1時間だけ顧客との打ち合わせに入ったら。

営業経由では「入力画面が使いにくいそうです」としか聞こえていなかった話が、直接聞くと「現場では手袋をしたままタブレットを触るので、小さいボタンが押せない」まで見えてくるかもしれない。

解くべき問題そのものが変わります。

全員を営業にする話ではない

ここは誤解されやすいので、はっきり書いておきます。

全社員フロントマン化を、「全員に営業ノルマを持たせる」「技術者にも売らせる」「事務にも電話をかけさせる」と読むと、まず失敗します。

目的は販売人数を増やすことではない。顧客理解を社内に分散させることです。

営業が聞く話と、技術者が聞く話は違います。

営業には「価格をもう少し下げてほしい」と言う顧客が、エンジニアには「実はこの操作だけ毎日面倒なんです」と言う。

事務担当者には「請求書のこの項目、毎回社内で説明しにくいんですよ」と言うかもしれない。

接点が違えば、出てくる課題も違う。だから価値がある。

中小企業のほうが、この線は引き直しやすい

大企業には、営業部・開発部・マーケ部・サポート部・経理部という明確な壁があります。役割を横断させようとすると、権限と評価制度から変えることになる。

20人や50人の会社なら、「来月から開発メンバーも月1回だけ顧客の打ち合わせに入ってみよう」で試せます。

もちろん、中小企業には人手不足という現実がある。

だからこそ順番が要ります。AIで作業時間を削る。空いた時間をまとめる。まとめた時間の一部を顧客理解へ回す。

AIを入れる目的が「今の仕事を速く回すこと」だけなら、会社は今の形のまま高速化します。

「これまで時間がなくてできなかった仕事へ人を移す」まで決めると、組織が動き始める。

ここから先でお渡しするもの

ここまでが、問題の見取り図です。

ここから先では、明日の会議で使える形にします。渡すものは5つ。

1. 削減時間の行き先を仕分ける「余白の3区分」と、その判定手順

2. 削減時間を経営数字までつなぐ「4段階KPI」の書き方と記入例

3. コピペで使えるDX・AI施策評価シート（全文）、評価シートをAIに埋めさせるプロンプト（全文）、15分の顧客ヒアリング・スクリプト（全文）

4. 施策を続けるか止めるかの判断フロー（所要30秒）と、14項目のチェックリスト（効くのは3つだけ、という優先順位つき）

5. 顧客接点を組織へ広げる導入順序と、先に否定しておくべき打ち手。そして30日で始める最小の実践手順

「削減した時間を何に再配置するか」の欄を、来週の資料から埋められるようにします。