メインコンテンツへスキップ
見出し画像

AIに何を任せればいいか分からない会社へ。まず「探す仕事」を渡してみる

    AIを何かに使ってみたい。ただ、自社の何に使えばいいのかが分からない。

    中小企業の経営者と話していると、こういう声をよく聞きます。
    始められない理由として挙がるのは、大量のデータをそろえないと使えないのではないか、大事な判断をAIに任せるのは不安だ、やるなら完全に自動化しないと意味がない、といったものです。

    こうした受け止め方があると、AI導入は一気に重い話に見えてきます。
    ですが実際には、判断そのものを任せるより手前に、AIへ渡しやすい仕事が残っていることが多いのです。

    その入口になりやすいのが、人が毎日、時間をかけて「探している仕事」です。
    今回は、私が15年ほど前に鳥取の農業法人から受けた相談を出発点に、この考え方をお話しします。

    15年前、鳥取の梨園で受けた「探す仕事」の相談

    私が受けたのは、鳥取県で進物用の梨を手がける農業法人からの相談でした。贈答向けの梨は見た目や熟度の基準が厳しく、収穫の見極めがそのまま商品価値に直結します。

    収穫期になると、毎朝、人が園内を歩いて回り、今日はどこから穫るか、どの木が収穫適期かを目で確かめていました。園が広いうえに高齢化も進んでいて、この収穫できる場所を探すための巡回そのものが、日々かなりの負担になっていました。

    そこで受けたのが、上空から園を撮影して、収穫できそうな場所だけを絞り込めないか、という相談です。

    当時、上空から撮る手段は、農薬散布などに使われていた産業用のラジコンヘリコプターしかなく、その本体だけで1000万円を超えました。
    画像を解析する技術は当時いた会社ですでに持っていて、そこ自体はコストを抑えられました。壁になったのは、天気や木の陰といった現場の条件です。
    晴れや曇り、時間帯によって光の入り方が変わり、枝葉の陰も乗ります。
    進物用として通用する精度で、この変動に左右されずに収穫候補を判定しようとすると、その部分を詰めるだけでおよそ700万円規模になりました。

    撮影用のラジコンヘリと合わせると、収穫の見極めを助けるための投資として、見合う金額ではありませんでした。
    結局、この相談は見送りになりました。

    ここで振り返っておきたいのは、私が最後に見ていたのが機材の値段ではなかった、という点です。
    見ていたのは、進物用の品質で、天気や木陰に左右されずに収穫候補を判定できるか、というその業務が求める条件のほうでした。
    安い撮影手段を探すのではなく、業務が要る精度と安定性に届くかどうかで、可否を判断していました。

    4年後、JAから受けた「置き換え」の相談

    梨園の相談から4年ほどあと、今度はJAから別の相談を受けました。農家へ貸し出している農薬散布用のラジコンヘリが古くなり、更新をどうするかという話です。

    当時使われていた散布用のラジコンヘリは1000万円を超えるクラスでした。ちょうどドローンが広まり始めた頃で、もっと安いドローンに置き換えられないか、という検討です。

    判断の軸は値段ではなく、置き換えたあとに同じ防除をそのまま回せるかどうかでした。話を詰めると、壁がいくつも出てきます。
    このヘリは液剤を30リットル規模で積んで散布していて、貸出防除をそのまま回すにはその容量が必要でした。
    当時実用化され始めていた散布ドローンは5リットルから10リットル級で、この要件には届きません。10リットル級でも、広い面積を貸し出しで安定して回せるかとなると、ヘリほどの実績はまだありませんでした。
    さらに、散布にはヘリもドローンも農水協の技能認定が要り、ドローンにはこれに加えて国土交通省の飛行承認も必要です。
    JAが各農家へ貸し出して使ってもらう運用まで含めると、機体が安くなっても現場が回る条件は揃っていませんでした。

    この相談も見送りになりました。

    梨園の話と並べると、私が見ていたものは同じでした。
    機体の値段ではなく、その業務が動くために何が必要か、のほうです。
    更新のように、置き換えが避けられない場面でも同じです。
    安くなった新しい道具に飛びつくのではなく、置き換えた後に同じ業務をそのまま回せるかどうかで選ぶ。
    そこを外すと、安く更新できても現場が回らなくなります。

    なぜ、どちらも見送りになったのか

    二つの相談は分野もタイミングも違いますが、つまずき方はよく似ていました。
    どちらも、今ある仕事を機械ごと別のものに置き換えようとして、その一式が高くつき、条件も揃わずに止まったのです。

    梨園では、人が毎朝歩いて収穫場所を探すという仕事を、撮影機材と解析の一式でまるごと肩代わりさせようとしました。
    JAでは、散布ヘリという機械そのものを、より安いドローンにまるごと入れ替えようとしました。
    置き換える単位が仕事まるごと、機械まるごとだったので、必要なものが一気に増え、金額も条件もふくらみました。

    当時はこれが普通の考え方でした。
    業務を良くするというと、機械を新しくするか、人の作業を機械に肩代わりさせるか、そのどちらかで考えるのが自然だったからです。

    そして、この発想は今のAI導入にもそのまま残っています。
    AIを入れると聞いて、今の仕事をまるごとAIに任せる姿を思い浮かべると、話は一気に大きく、重くなります。
    冒頭で挙げた、始められない理由の多くは、このまるごと置き換えるという前提から来ています。

    当時と今で大きく変わったのは、この置き換える単位を、まるごとから仕事の一部にまで小さくできるようになったことです。
    次の章では、見送りになった梨園の相談が、今ならどう変わるのかを見ていきます。

    今なら、梨園の相談はどう変わるか

    見送りになった梨園の相談を、今の道具で考え直してみます。

    この梨園では、穫り頃かどうかの最終確認を、標本にした木の袋を破いて、中の実を直に見て行っていました。梨は大きくなるほど甘みが乗るので、標本の実の育ち具合から、その区画がそろそろ穫り頃かを見極めます。
    この破いて確かめる部分は、経験のいる大事な判断です。

    この標本を選ぶために、毎朝、園を回って袋の育った木を探していました。相談として挙がったのは、袋の大きさを撮って見分けられれば、見に行く木をかなり絞れるのではないか、という要望でした。

    今なら、この絞り込みの部分を切り分けられます。
    実の高さで園内を撮って回り、撮った画像から、袋が十分に大きくなっている木をAIに候補として挙げさせる。
    人は、挙がった木の中から標本を選び、これまでどおり袋を破いて中を確かめ、穫り頃かを判断する。

    ここでAIに渡しているのは、どの木を見に行くかを絞るところまでです。
    実際に破いて確かめ、進物として穫ってよいかを決める最終判断は、これまでどおり人が担います。

    変わるのは、人の動き方です。これまでは広い園を毎朝くまなく回って、確かめる木を一から探していました。
    それが、候補として挙がった木に的をしぼって確かめる形になります。
    探す部分を任せ、見極める部分を残す。この切り分けができれば、同じ人手でも、一日の始まりの負担はかなり軽くなります。

    そして、この切り分けは梨園に限った話ではありません。
    人が毎日、時間をかけて何かを探している仕事なら、同じように、探すところだけをAIに渡して、判断は人に残すという形が考えられます。

    求めるのは精度より、人が見る範囲がどれだけ減ったか

    AIを入れるとなると、どれくらい正確なのかが気になります。
    外したら困る、だから完璧に当ててくれないと任せられない、と考えると、なかなか踏み切れません。

    ですが、ここまで見てきた形では、最終の判断は人が残しています。
    梨園なら、候補として挙がった木を人が確かめて、穫り頃かを決める。だとすれば、AIが多少余分な木を候補に入れても、確かめる段階で人が落とせます。逆に、穫り頃の木がいくつか候補から漏れても、確認する木が減った分の時短は残ります。
    完璧でなくても、使いようがあるのです。

    そこで、AIに求めるものの測り方を変えます。
    どれだけ正確に当てたか、ではなく、人が見て回る範囲をどれだけ減らせたか、で見る。園全体を毎朝くまなく回っていたのが、挙がった候補を確かめるだけで済むなら、その差がそのまま浮いた手間になります。
    精度をあと数パーセント上げることより、この減った範囲のほうが、現場では効いてきます。

    画像

    この見方に立つと、導入のハードルはぐっと下がります。
    完璧に仕上がるまで待つ必要はなく、人が見る範囲が目に見えて減るなら、その時点で入れる意味があります。
    まず手間の減る形で始めて、使いながら精度を上げていけばいい。

    自社にあてはめるときも、同じ物差しが使えます。全部を見ていた仕事が、AIの挙げた候補を確かめるだけになれば、それは十分な改善です。
    次の章では、その候補になりそうな仕事を、自社の中からどう見つけるかを見ていきます。

    あなたの会社の「探す仕事」は何か

    ここまでは梨園の話でしたが、同じ形は、どの会社にもあります。
    分かりやすいのがFAXです。

    紙で受けたFAXは、あとで見返そうとすると、束のどこにあるかを毎回探すことになります。汚れや紛失も起きます。今はアプリでPDFにして残せますが、ふだんが紙中心の職場では、データにしてあっても結局また紙を探している、ということが起きています。

    これは、探す仕事の形にそのまま当てはまります。
    毎日のように発生し、目的のものかは中身を見れば分かり、そして目的の1枚にたどり着くまでに束の全部へ目を通す負担が大きい。

    今なら、この探す部分だけを切り分けられます。
    貯めておいたFAXのデータから、取引先や日付、内容を手掛かりに、目的の1枚をAIに絞らせる。それで合っているかの最終確認は人がする。
    ここでもAIに渡しているのは、どれを見るかを探すところまでです。

    FAXはどの会社にもあるので分かりやすいだけで、大事なのはここからです。自社を見回して、FAXのように毎日誰かが探しているものがないか、一つ挙げてみてください。
    それが見つかれば、AIをどこから使うかの入口になります。

    まとめ

    AIを何に使えばいいか分からないとき、いきなり大きな判断を任せる形から考えると、話は重くなります。
    そうではなく、人が毎日、時間をかけて何を探しているかを見てみる。梨園の相談も、FAXの例も、探すところだけをAIに渡し、判断は人に残すという同じ形でした。

    AIに仕事を全部渡す必要はありません。人が時間をかけて探しているところだけでも渡せないか。そこから見直すと、自社のどこからAIを使えばいいかが、見えてきます。

    まず一つ、毎日誰かが探している仕事を挙げてみる。それが、踏み切れなかったAI導入の、無理のない入口になります。

    Nexep Labでは、自社のどの仕事を切り出してAIに渡せるかの見極めから、業務改善やDXの導入までを支援しています。
    探す仕事が自社のどこにあるか整理しづらいときも、一緒に洗い出すところからお手伝いできます。

    ご相談はnoteのメッセージ、または当社サイトのお問い合わせフォームからお気軽にどうぞ。

    画像
    ホームページはこちらから

    この記事が参考になった方は、ぜひスキ・フォローをお願いします。
    毎週火曜日・金曜日に、現場で使える業務改善・AI活用のヒントを発信しています。

    あなたへのおすすめ