メインコンテンツへスキップ
見出し画像
Photo bysuzukiyutaka

経営者がまず捨てるべき「自分でやる」という発想 — AIに任せる業務の見極め方




    ◆ リード

    正直に言います。私はつい最近まで、業務のかなりの部分を「自分がやらないと不安」という理由だけで抱えていました。経営者として判断すべきことと、スタッフに任せるべきことの線引きは意識していたつもりでしたが、AIに関してはまるで別の話でした。AIに任せるなんて、品質が落ちる。ニュアンスが伝わらない。結局自分で直すなら意味がない。そう思い込んでいたのです。でも実際にやってみると、その思い込みは完全に間違っていました。


    ◆ なぜこのテーマか

    株式会社コミクスは、外国人技能実習生の受入企業を支援する登録支援機関を主軸のひとつとして運営しています。受入企業は現在8〜10社、実習生は40名超。月に作成する書類は30〜40ファイルに及び、入国管理局のフォーマットに沿った正確な記載が求められます。ミスが許されない、かつ量も多い。典型的な「処理業務の爆発」が起きていました。

    さらに、AI活用支援という事業柱もあります。中小企業の経営者に対して、AIをどう業務に組み込むかをコンサルティングする立場です。ところが私自身、自社の業務にAIを本格導入したのは恥ずかしながらごく最近のことでした。「顧客に教えている側が、自分では使えていない」という矛盾を長い間放置していたのです。

    このテーマを書こうと思ったのは、そういう経緯があります。経営者が「自分でやる」にこだわり続けることのコストは、想像以上に高い。その気づきを、具体的な経験と方法論を通じてお伝えします。


    ◆ 実体験パート

    ■ 書類地獄と向き合った日々

    登録支援機関の業務で最も時間を奪われていたのが、書類作成でした。入管フォーマットに合わせた実習計画書、受入企業ごとに異なる雇用条件通知書、在留資格の更新に必要な各種申請書類。フォーマットは決まっているのに、記載内容は企業ごとに違う。企業マスターから情報を引っ張ってきて、テンプレートに当てはめて、担当者が確認して、修正して、また確認して。このサイクルが毎月30〜40回繰り返されていました。

    当初は「この業務はAIには無理だ」と思っていました。正確性が要求される、法的な文書だ、入管の審査に通らないと実習生の在留が危うくなる、だから責任を持って自分たちで処理しなければならない。その思考は正しい部分もありましたが、同時に大きな見落としがありました。AIに任せるというのは、最終判断まで丸投げすることではない、ということです。

    転機は、ある受入企業から急ぎの書類依頼が重なったときでした。スタッフ全員が別の対応に追われていて、私が直接対応するしかない状況になりました。夜の10時過ぎに、5社分の書類を翌朝までに準備しなければならない。そこで初めて、企業マスターのデータをAIに渡して「この情報を使って書類のドラフトを作れ」と試みました。

    結果は、予想の倍以上の精度でした。フォーマットの読み取りも正確で、企業ごとの情報の差し込みも適切。もちろん最終チェックは必要でしたが、1社あたりの作業時間が3分の1程度に短縮されました。あの夜に5社分を処理できたのは、AIのドラフト作成があったからです。それがなければ徹夜でも終わらなかったかもしれない。

    その後、この仕組みを整備しました。企業マスターのデータ構造を整え、AIへの指示テンプレートを作り、最終確認のチェックリストを用意する。最初のセットアップに数時間かかりましたが、それ以降は毎月30〜40件の書類作成が安定して回るようになりました。月間で見ると、スタッフの手が空く時間が増え、実習生への生活指導や相談対応に充てられる余裕が生まれました。「処理する」のではなく「支援する」という、本来の業務に戻ることができたのです。

    特に印象に残っているのは、あるスタッフが「前よりも実習生と話す時間が増えた」と言ってくれたときです。書類に追われていたときは、実習生が事務所に来ても「少し待ってください」としか言えなかった。それが今は、ちゃんと向き合える。登録支援機関の仕事の本質は書類ではなく、実習生の生活を支えることです。AIが書類処理を担うことで、人間が人間らしい仕事に戻れる。この変化を目の当たりにして、AIへの見方が根本から変わりました。

    ■ 議事録という「誰もやりたくない仕事」

    Zoomでの商談や、受入企業との定例ミーティング。これらの議事録作成も、長い間「自分でやるか、スタッフに任せるか」で揺れていました。議事録は正確さが命です。特に商談記録は、後の提案書や契約条件に直結する。だから、スタッフに任せても結局確認が必要で、「じゃあ自分でやった方が早い」という結論になっていました。

    実際のところ、私が書く議事録も完璧ではありませんでした。会議中に頭の中で整理しながら、後から記憶で補足しながら書く。重要な発言が落ちることもある。でも「自分でやっている」という安心感があったので、その不完全さに気づきにくかったのです。

    変わったのはZoomのVTTファイル(字幕ファイル)をAIに渡して議事録を生成するフローを作ってからです。会議が終わったら自動でVTTを取り込み、AIが要点・決定事項・ネクストアクションを整理したドラフトを生成する。私はそのドラフトを5分見て、判断が必要な部分だけ修正する。

    最初は「AIが作った議事録は使えない」と思っていました。でも実際に使い始めると、ポイントの抽出精度が高く、むしろ私がゼロから書くよりも拾い漏れが少ないくらいでした。私の頭にある「重要なこと」というフィルターが、逆に情報を落としていたのです。AIは感情なく全発言を処理するので、参加者が短く言及しただけの重要な指摘も拾ってくれます。

    今では会議後30分以内に議事録ドラフトが出来上がります。私の作業は確認と修正で10分以下。その時間を、議事録の内容を踏まえた次の商談準備に充てられるようになりました。

    さらに気づいたのは、議事録の質が上がったことで、商談の進みが速くなったということです。決定事項が明確に記録され、ネクストアクションに担当者と期限が紐付いて残る。「あの件、どうなっていましたっけ」という確認のやりとりが減り、次回の商談で本題に早く入れるようになりました。書類作成と同じで、AIが処理を担うことで、人間が本来の仕事——判断し、関係を深めること——に集中できます。

    ■ 朝の情報整理という沼

    もうひとつ正直に話します。毎朝の情報整理が、私のもっとも非効率な時間でした。Gmailの未読を確認し、Chatworkの未対応メッセージを確認し、その日のカレンダーを確認し、優先度を決めて、タスクを整理する。これだけで1時間以上かかっていました。

    「自分でやらないと見落とす」という恐怖が、この習慣を変えられなかった最大の原因です。でも実際には、1時間かけて確認しても、何かを見落とすことはゼロではありませんでした。量が多すぎて、精読できていなかったのです。全部のメッセージを読んでいるつもりで、実際には斜め読みしかできていない。それでも「自分でやった」という達成感はありました。

    現在は、朝のルーティンとしてGmail・カレンダー・Chatworkを並列でAIが確認し、優先度付きで整理されたレポートをChatworkに投稿してもらっています。私が受け取るのはすでに整理済みの情報です。朝の確認時間は15分以下になり、かえって見落としが減りました。

    「自分でやらないと不安」という感覚は、実は「情報過多で処理しきれていない現実」を覆い隠すための言い訳だったのかもしれない。今ではそう思います。

    1時間の情報確認を15分に削減するだけで、月間に換算すると15〜20時間が手元に戻ります。その時間を、重要な取引先への個別フォローや、スタッフとの1on1に使っています。数値にすると小さく見えますが、経営者にとってその時間の質は、処理業務の時間とはまるで違います。

    ■ 気づいたこと

    これら三つの体験に共通していたのは、「最終判断は自分がする、処理はAIがする」という分担が確立できたとき、初めてAIを信頼できるようになったということです。丸投げではなく、プロセスの特定部分を委ねる。その設計が整ってから、AIへの向き合い方が根本から変わりました。

    もうひとつ気づいたのは、AI導入の最大の壁は技術ではなく、心理だということです。「自分でやらないと不安」「品質が下がる気がする」「責任を取れない」。これらはすべて、やってみる前の感覚です。実際にやってみると、多くの場合その不安は的外れで、むしろAIが介在することで精度が上がる場面すらあります。最初の一歩を踏み出すことが、最も難しく、最も重要です。


    ◆ 手法・ノウハウパート

    ■ AIに任せる業務の見極め方:3軸分類フレームワーク

    経営者がAI活用を語るとき、よくある失敗は「何でもAIでできるはず」か「うちの業務はAIには向かない」のどちらかに偏ることです。実際の答えはその中間にあります。私がコンサルティングの現場で使っている分類を、自社の経験も重ねながら整理します。

    業務を次の3つに分類することから始めます。

    ① 完全自動化できる業務
    ② AIと人間が協働する業務
    ③ 人間がやるべき業務

    この3分類は一見シンプルですが、多くの経営者が①か③の話しかしていません。「全部AIでできるでしょ」か「うちは人の仕事だから無理」か。②の協働ゾーンが最も実践的で、かつ一番効果が出やすい場所であることを見落としているのです。

    ■ ① 完全自動化できる業務

    完全自動化が向いている業務の特徴は、次の4点が揃っていることです。

    • 手順が明確に定義できる(判断の分岐が少ない)

    • - インプットとアウトプットが定型化されている

    • - 品質基準が数値や形式で確認できる

    • - 繰り返し頻度が高い

    弊社で言えば、書類のドラフト生成がこれに当たります。企業マスターのデータを入力として、決まったフォーマットのドラフトを出力する。品質は「フォーマット準拠かどうか」「情報の差し込みが正確かどうか」で確認できます。

    他に自動化しやすい業務の例を挙げます。

    メール・メッセージの初回分類: 受信したメッセージを優先度・種別・担当者別に仕分けする作業。人間がやると感情が入って時間がかかりますが、AIは一定基準で高速処理できます。私の場合、朝の情報整理がこれです。Gmailの未読を全部読むのではなく、AIが「今日中に返信が必要なもの」「来週以降でいいもの」「参照するだけでいいもの」に分けてくれます。

    定期レポートの収集・整形: 複数チャネルのデータを集めて、指定フォーマットに整形する作業。数字の集計や表組みの変換は、AIが最も得意とする領域のひとつです。受入企業ごとの実習状況レポートや、月次の進捗サマリーなどは、データを渡すだけでドラフトが出来上がります。

    FAQ対応の初稿作成: よくある質問への回答ドラフト生成。最終送信前に人間が確認するという前提で、初稿はAIに任せる。これだけで担当者の時間を大幅に削れます。実習生からの「給与明細の見方がわからない」「健康保険証の使い方は?」といった定型的な質問への回答は、AIがドラフトを作り、担当者が確認して送る流れにしています。

    SNSの定期投稿の初稿生成: テーマと方向性を決めたら、投稿文の複数パターンをAIが生成する。毎日ゼロから考えていた投稿作成の手間が、週1回のまとめ作業に変わります。

    ■ ② AIと人間が協働する業務

    協働ゾーンは、完全自動化と人間専担の間にある、最も広いエリアです。ここを設計できるかどうかが、AI導入の成否を左右します。

    協働の基本パターンは「AIが生成・整理、人間が判断・修正」です。

    議事録作成の例で言えば、AIが全発言から要点を抽出してドラフトを作り、人間が5〜10分で確認・修正する。完全にAIに任せると文脈の読み違いが起きる可能性があり、完全に人間がやると時間がかかりすぎる。AIのドラフトがあることで、人間は「ゼロから書く」のではなく「確認して直す」という、負荷の低い作業になります。認知的な負担がまるで違うのです。

    提案書・企画書の作成も協働が機能する場面です。提案の骨格・構成・論点の抽出はAIに任せ、実際の文脈や関係性を踏まえた調整は人間がする。私の場合、商談後のフォローアップ提案書は、議事録のドラフトと商談メモをAIに渡して構成案を作ってもらい、そこから自分でブラッシュアップしています。ゼロから書く時間の3分の1以下で仕上がります。しかも、AIが構成の抜け漏れを指摘してくれることもある。人間だけでやっていたときより、提案書の完成度が上がっています。

    採用候補者の一次スクリーニングも協働ゾーンです。応募書類をAIに渡して「当社が重視するポイントから評価してください」と指示すると、各候補者の概要と評価コメントのドラフトが出てきます。最終判断は人間がしますが、大量の書類を読む時間が大幅に削減できます。受入企業から「採用を手伝ってほしい」と言われたとき、この仕組みをそのまま提供できるようになりました。

    コンテンツ企画のアイデア出し。ブログや動画のテーマを「登録支援機関の経営者向けに、実習生受入の課題をテーマにしたアイデアを20個出して」と指示すると、すぐに候補リストが出てきます。そこから「使えそう」「使えなさそう」を判断するのは人間ですが、白紙から考える時間と比べると桁違いに速い。アイデアを「作る」のではなく「選ぶ」という、ずっと楽な作業になります。

    クライアントへの定期報告書の作成。月次の活動報告をAIにドラフトさせ、数値と特記事項だけ自分で入れて送る。以前は報告書作成だけで半日かかっていた案件が、1〜2時間に収まるようになりました。

    ■ 優先度の決め方:売上インパクト×実装難易度マトリクス

    「どこから手をつけるか」の判断に迷うことが多いのが、AI導入の現実です。やりたいことはたくさんあるけれど、リソースは限られている。そこで使えるのが、業務ごとに「売上インパクト」と「実装難易度」の2軸で評価するマトリクスです。

    売上インパクトは、その業務をAI化したときに売上や利益に直接・間接的に影響する度合いです。顧客対応に関わる業務は高く、内部の管理業務は低くなる傾向があります。ただし、内部管理業務でも、それが原因でボトルネックになっている場合は間接的インパクトが高い。書類作成が詰まって、本来の支援業務ができていない状態は、顧客満足度を下げています。だから書類処理のAI化は売上インパクトが高いと判断しました。

    実装難易度は、実際にAIを組み込むまでのコストです。既存のツールやAPIで対応できるかどうか、データの整備が必要かどうか、スタッフの習慣変更が必要かどうかで変わります。書類ドラフト生成は、企業マスターのデータを整えるのに時間がかかりましたが、そこさえ乗り越えれば実装は比較的シンプルでした。

    この2軸でマッピングすると、優先すべきは「売上インパクトが高く、実装難易度が低い」業務です。書類のドラフト生成、議事録作成、メッセージ分類などは、多くの企業でここに入ります。反対に「売上インパクトが低く、実装難易度が高い」業務は最後に回すか、そもそもやらない判断が合理的です。

    私がコンサルティングクライアントにこのマトリクスを見せると、多くの場合「最初に取り組もうとしていた業務が、実は後回しでいい位置にあった」という発見があります。「これができたらかっこいい」という業務と、「これをやると一番効果がある」業務は、必ずしも一致しません。

    ■ ③ 人間がやるべき業務

    AIに任せるべきでない業務も存在します。それは「関係性の構築」と「最終的な価値判断」が核にある業務です。

    初めての取引先との商談、信頼関係が問われる場面での対応、重要な意思決定。これらはAIがドラフトを補助することはできますが、本質的な部分は人間がやるべきです。AIはデータを処理しますが、相手の表情を読んだり、場の空気を察したり、長期的な信頼を積み上げたりすることには向いていません。

    もうひとつ、人間がやるべきなのは「AIの仕事を評価する仕事」です。AIが生成したドラフトを確認し、品質を判断し、修正方針を決める。この仕事は人間が担い続けなければなりません。AIに任せた後も、アウトプットの質を評価する目を磨くことが経営者には求められます。

    逆説的ですが、AIを使いこなすために必要な能力は「良し悪しを判断する能力」です。AIが生成したものを見て、何が足りないか、何が間違っているかを見抜く。その判断力を経営者が持っていることが、AI導入成功の最低条件です。だからこそ、経営者自身がAIに関与しないままスタッフに丸投げする導入は、うまくいかないことが多い。

    ■ 「任せる」を設計する4ステップ

    業務をAIに任せるには、設計が必要です。「AIに任せよう」と思うだけでは機能しません。具体的には次の4ステップです。

    ステップ1:業務を言語化する
    今やっていることを、手順として書き出す。AIに指示するためには、業務の流れを自分が理解していなければなりません。「なんとなくやっている」業務はAI化できません。逆に言えば、「AIに任せようとしたら業務を言語化できなかった」という場合、その業務は標準化が不十分だという発見でもあります。AI導入の前段階として、業務の言語化は非常に価値があります。

    ステップ2:インプットとアウトプットを定義する
    AIへの入力として何を渡すか、AIからの出力として何を期待するかを明確にします。漠然と「議事録を作って」ではなく、「このVTTファイルと会議の目的を渡すので、決定事項・ネクストアクション・懸念点の3セクションで整理して。各セクションは箇条書き、ネクストアクションには担当者名と期限を必ず含めて」という形で定義します。この定義が曖昧だと、AIのアウトプットが毎回バラバラになり、確認の手間が増えます。

    ステップ3:品質基準を決める
    AIのアウトプットが「合格か不合格か」を判断する基準を決めます。チェックリスト形式で良い。「決定事項が3項目以上ある場合はすべて記載されているか」「担当者名が明記されているか」「フォーマットが指定通りか」。基準が曖昧だと、確認作業に時間がかかり、AIを使う意味が薄れます。

    ステップ4:小さく始めてフィードバックをかける
    最初から全件AIに任せず、まずパイロット件数(2〜3件)で試す。品質を確認してから展開する。AIへの指示(プロンプト)も、最初から完璧なものはありません。実際にやってみて、ずれを修正することで精度が上がっていきます。私の場合、書類ドラフト生成のプロンプトを最初に完成させるまでに10回以上調整しました。でも今はほぼ修正なしで使えています。最初の手間を惜しまないことが、長期的な効率につながります。


    ◆ 変化・ビフォーアフター

    AIに業務を任せ始めてから、私の1日の構造が変わりました。以前は、処理業務が割り込み続けるため、経営者として本来やるべき判断・対話・設計の時間が後回しになっていました。スタッフへの指示も、細かい確認が多く、「マイクロマネジメント化しているな」と自覚しながら抜け出せなかった。

    今は違います。朝の情報整理は15分以下。書類作成の確認は1件あたり数分。議事録の確認は10分以下。これらの「処理業務」に使っていた時間の合計は、以前と比べて週に10〜15時間は削減されています。その時間が、顧客との関係深化、新規事業の検討、スタッフとの対話に使えるようになりました。

    コストで見ると、AIに使っているコストよりも、人件費換算での削減額が明らかに大きい。これは弊社だけでなく、コンサルティングクライアントでも同様の結果が出ています。

    もうひとつの変化は、スタッフの変化です。私が「確認しないと不安」で抱えていた業務をAIに移したことで、スタッフが自律的に動く場面が増えました。AIのアウトプットを確認・修正するのはスタッフです。その役割を担うことで、業務の全体像を把握するようになり、判断力が上がってきています。「任せる」を設計することが、組織の成長にもつながる、という想定外の副産物でした。

    そして私自身の変化として、「経営者の仕事とは何か」という問いに対する答えが、以前より明確になりました。処理業務に埋もれていたときは、忙しさが経営者としての有能さと混同されていた気がします。AIが処理を担うことで、判断すること・動かすこと・育てることが、私の仕事だという実感が戻ってきました。


    ◆ 経営者・読者へのメッセージ

    「自分でやる」にこだわることは、一見すると責任感の表れに見えます。でも実際には、処理業務に追われて経営判断が後回しになることの方が、組織にとってのリスクです。

    AIに任せることへの抵抗感は、多くの場合「品質が下がる」という懸念よりも「コントロールを手放す怖さ」から来ています。その怖さは正直なものですし、私も同じでした。でも、コントロールを手放すのではなく、設計をすることで、AIは制御できます。任せる設計ができれば、最終判断はあなたの手元に残ります。

    経営者が一番貢献できることは何か。私の答えは「誰もできない判断をすること」と「信頼関係を築くこと」です。それ以外の処理業務は、できる限り仕組みに任せた方が良い。AIはその仕組みの中で、今最もコストパフォーマンスの高い選択肢です。

    「まず捨てるべき発想」は、「AIに任せたら品質が落ちる」という思い込みでも、「うちの業務はAIには向かない」という諦めでもありません。「自分でやらないと気が済まない」という、無意識の習慣です。その習慣を手放すことで、経営者として本来使うべき時間が手に入ります。

    登録支援機関という「正確さが命」の業務領域で、AIを実際に使い始めた私の経験から言えることがあります。怖さを感じながらも、小さく試してみることが全てのスタートでした。試してみなければ、自分の思い込みを崩す機会は永遠に来ません。


    ◆ 締め

    AIは道具です。道具を使いこなすかどうかは、持っている人間次第です。どれだけ優れたAIがあっても、「何を任せるか」を設計しなければ、道具は眠り続けます。

    私自身が経営者として、AI活用の入り口に立ったのは決して早くありませんでした。むしろ遅い方だったかもしれない。それでも、実際に動かしてみると、思っていた以上に手ごたえがありました。

    最初の一歩は、自分の業務リストを眺めて「これはAIに任せてみてもいいかもしれない」と思った業務を1つ選ぶことです。小さく試して、結果を見て、次に進む。それだけで、1か月後の自分の時間の使い方は変わります。

    「自分でやる」から「設計して任せる」へ。その発想の転換が、今の経営者に最も求められていることだと、私は思っています。設計した先に、本来の経営者の仕事が待っています。


    鈴木章裕
    株式会社コミクス 代表取締役

     
     
    AI活用のご相談→ https://www.comix.co.jp/contact/ 株式会社コミクス代表取締役。生成AI活用支援実績304社(2026年9月末現在)。営業・提案資料・AIエージェント導入を支援。何から始めるか未定でもご相談ください。

    あなたへのおすすめ