AIを使う業務が決まらないとき、最初にAIを見ない——候補を減らすための5つの評価軸

生成AIの環境は用意した。

経営からも「AIを活用しよう」と言われている。

現場からアイデアを募れば、

• 議事録

• 資料作成

• 問い合わせ対応

• 情報検索

• データ整理

など、候補はいくつも出てくる。

それでも、どれから進めるかが決まらない。

こういうとき、AIの知識が足りないから止まっているとは限りません。

候補は出る。けれど、そこから減らせない。

止まっているのは発想ではなく、候補を比較し、優先順位を付け、検証できる形へ具体化する——意思決定できる状態まで持っていく「選定の工程」が置かれていないことかもしれません。

AIの機能から始めると、候補は増え続ける

生成AIにできることは、今も増え続けています。

文章を作る。
要約する。
検索する。
分類する。
データを読む。
複数の処理をつないで動かす。

この機能一覧から、

「自社では何に使えるだろう」

と考えると、候補はいくらでも出せます。

問題は、その後です。

「できそう」
「面白そう」
「現場から要望がある」

という理由だけでは、どのテーマから時間や予算を使うべきかまでは決まりません。

AI活用を前に進めるには、ツールを見る前に、業務側を同じ粒度で見て、候補を比較できる状態にする工程が必要になります。

最初に見るのは、AIではなく業務の流れ

対象業務を選ぶとき、まず見たいのはAs-Isです。

誰が何を受け取り、どんな判断や作業をして、何を次へ渡しているのか。

その中から、

• 時間がかかっている

• 情報が散らばっている

• 同じ処理を繰り返している

• 人によって結果が大きく変わる

• 判断待ちが発生している

といった箇所を確認します。

すると、問いが変わります。

「生成AIで何ができますか？」

ではなく、

「この業務の、この工程を変えるなら、AIはどこを担えるか？」

になる。

AIが主語ではなく、業務が主語になります。

この順番にすると、「技術デモとして面白いテーマ」と「業務成果につながる可能性があるテーマ」を分けやすくなります。

候補を減らすための5つの評価軸

評価軸は、企業や業務によって変わります。

ただ、AI活用テーマを選ぶとき、少なくとも次の5つは分けて考えた方がよいと思います。

1. どの業務課題を変えるのか

まず、そのテーマが何の問題を変えるのか。

対象業務と、現在どこで困っているのかを説明できる状態にします。

ここが曖昧なままだと、AIを入れた後も、

「便利になった」

という感想以上の成果を説明しにくくなります。

2. 何が変われば成果なのか

次に、期待する変化を置きます。

たとえば、

• 作業時間

• 処理量

• 品質

• ミス

• 判断速度

などです。

ROIまで計算する前に、まず「何を変えたいのか」が必要です。

3. AIが担う範囲を切り出せるか

業務全体をAIに置き換える必要はありません。

AIが担う部分。
人が判断する部分。
既存システムが担う部分。

この境界を切ります。

境界が曖昧なテーマは、PoCの範囲も膨らみやすくなります。

4. 検証できる形にできるか

試した結果を比較できるかも重要です。

入力条件、評価基準、確認方法を揃える。

「使えた」
「思ったより微妙だった」

だけで終わると、次へ進む判断材料が残りません。

5. 結果が次の判断につながるか

PoCが終わったときに、

• 続ける

• やめる

• 条件を変えて再検証する

• 次のPhaseへ進む

のどれかを判断できるか。

検証は、試すこと自体が目的ではありません。

次に投資するかどうかを決められるEvidenceを作ることが目的です。

難しいのは、候補を出すことより減らすこと

流れにすると、こんな形になります。

1. 業務を棚卸しする

2. As-Isと課題を整理する

3. AI活用候補を出す

4. 共通の評価軸で比較する

5. 優先テーマを絞る

6. PoCの範囲と成功条件を決める

7. 結果から次の投資判断をする

この中で、意外と難しいのが4と5です。

候補を出すところまでは比較的進みやすい。

難しいのは、候補を減らすことです。

これは机上の話でもありません。

私たちが継続的に観測している企業のAI関連の案件機会でも、業務棚卸し、AI活用テーマやユースケースの具体化、対象業務の選定、評価軸の設計、優先順位付け、ロードマップ策定など、これらを組み合わせた支援を外部に求めるケースが複数確認されています。

私たちが観測しているこうした案件で外部に求められているのは、AIツールの紹介だけではありません。

候補を意思決定できる形へ具体化する工程そのものまでが、支援の対象になっています。

全部を少しずつ試すこともできます。

ただ、それを続けるとPoCは増えても、

「結局、どれに投資すべきなのか」

が分からない状態が残ります。

選定の工程は、アイデアを出す仕事の続きではなく、投資判断の最初の一歩です。

「AI活用テーマ一覧」を作ることがゴールではない

テーマ一覧は入口です。

必要なのは、

「なぜ、このテーマを先にやるのか」

を説明できることです。

業務上の重要度。
期待効果。
実現性。
検証可能性。
次の展開へのつながり。

これらを同じ形で見られるようにすると、AI活用は「アイデア募集」から「投資判断」に変わります。

その状態まで来て、初めて技術選定やPoCも目的に沿って進めやすくなります。

自社で確認するための5つの問い

もしAI活用候補があるなら、一つだけ選んで、次の5つを確認してみてください。

1. どの業務の、どの工程を変えるのか

2. 何がどう変われば成果と言えるのか

3. AIが担う範囲と、人が判断する範囲はどこか

4. 何を測れば、成立したかを判断できるのか

5. その結果を見て、次に何を決めるのか

途中で答えが止まるなら、AIの設定やプロンプトより前に整理するものが残っているのかもしれません。

AIを選ぶ前に、業務を選べる状態を作る

AI活用で難しいのは、候補を増やすことではありません。

限られた時間と予算の中で、

何を試すか。
何を後にするか。
何をやらないか。

を決めることです。

そのためには、

「AIで何ができるか」

だけでなく、

「どの業務を変える価値があるか」を比較できる状態

を先につくる必要があります。

Latentでは、AI活用そのものを目的にせず、業務棚卸し、テーマ選定、評価基準、検証設計をつなぎ、次の投資判断ができる状態までを一つの単位として考えています。

「AIを始めたが、業務成果につながらない」という状態について、入口側と出口側のどこで止まっているかをWebsiteにまとめています。

→AI活用は始めた。それでも、業務の成果につながっていない。