
社内AI稟議、3回落とされてわかった「反対意見3型」と突破フレーム全手順
社内AI稟議、3回落とされてわかった「反対意見3型」と突破フレーム全手順
社内AI稟議が3回落ちた。変えたのは内容ではなく「反対意見の型」に合わせたフレームだった。ROI・セキュリティ・PoCの3フレームを順番に使い、4回目で通した。その全手順を書く。
私はAIツール(ChatGPT・Copilot)の社内導入を提案し続けた実務担当者だ。
上司・情シス・法務、3つの壁にそれぞれ跳ね返された。
失敗の共通点を分析したら、反対意見には「型」があることがわかった。
*alt*
なぜ稟議は落ちる?反対意見の「3つの型」
稟議が落ちる理由は、提案が弱いからではない。
「反対意見の型」にフレームが合っていないから落ちる。
型は3種類しかない。
私の3回の失敗はこうだった。
1回目:コスト試算なし。「月いくらかかるの?」で会議が終了(コスト型)
2回目:セキュリティ資料なし。「情報漏洩リスクは?」に答えられず終了(セキュリティ型)
3回目:全社導入提案。「まず試してから」で先送り(効果不明型)
全部、別の失敗に見える。
でも「型」で整理すると、対策が一本化できる。
情シス担当者の64.1%が「社員の情報リテラシーが十分でなく事故が怖い」と回答している。
(出典: https://www.softcreate.co.jp/rescue/solution_column/article/168)
また全社的に生成AIを利用している企業の59.9%が「社内の機密情報が外部に漏えいする」ことを最大の懸念として挙げている。
(出典: https://blog.cbsec.jp/entry/2025/03/21/060000)
反対意見は「怖い」という感情から来ている。
感情の種類が違うから、フレームも変える必要がある。
あなたの社内AI稟議は、どの型の反対意見で止まっていますか?コメントで教えてください。
過去に落ちた稟議書を開いてほしい。
反対意見が「コスト・セキュリティ・効果不明」のどの型だったかをメモする。
それだけで次のステップが決まる。
フレーム①「ROI試算」でコスト懸念を潰す
コスト懸念への返し方は「数字の先出し」だ。
「いくらかかるの?」と聞かれる前に、「いくら戻ってくるか」を提示する。
これだけで会話の流れが変わる。
ROI試算の計算式
実績データがある。
ChatGPT Enterpriseを含む企業向けAIツールの調査(約100社・9,000名対象)では、労働者が平均1日40〜60分の時間を節約している。
(出典: https://www.sbbit.jp/article/cont1/176944)
AI研修50社以上のデータでは、1人あたり月間約26時間の業務削減が見込める。
(出典: https://0120.co.jp/blog/ai-training-15/)
10名の営業部門に当てはめた試算例はこうなる。
(出典: https://0120.co.jp/blog/ai-training-15/)
稟議書には2ラインの試算を載せる。
最悪ケース(効果ゼロ)でも月○円のコスト
標準ケースで○ヶ月で回収
「失敗しても損害はこの範囲」という安全網を見せると、決裁者が動きやすくなる。
生成AI導入で効率性と生産性向上を実現している組織はすでに約3分の2(66%)に達している。
(出典: https://www.deloitte.com/us/en/what-we-do/capabilities/applied-artificial-intelligence/content/state-of-generative-ai-in-enterprise.html)
「導入しないリスク」も試算に加えると、さらに効果的だ。
*alt*
フレーム②「セキュリティ条件提示」で情シスの壁を越える
情シスの反対意見の本質は「情報漏洩が怖い」ではない。
「ルールがないから怖い」だ。
生成AI利用時のセキュリティ関連規則が策定されている企業は20%未満にとどまっている。
(出典: https://www.ipa.go.jp/pressrelease/2024/press20240704.html)
規則がないから禁止するしかない。それが情シスの立場だ。
だから逆に、こちらからルールの草案を持っていく。
情シスは「反対者」から「共同設計者」に変わる。
実際の社内情報漏洩インシデントと、情シスが参照すべき判断基準については以下の記事で詳しく解説しています。
ChatGPT社内秘漏洩で呼ばれた実録と判断基準3つ
情シスへの提示資料3点セット
データ学習の設定確認
ChatGPT Business・Enterprise・EduはデフォルトでユーザーのデータがAIモデルの学習に使われない設定になっている。
通信・保存時の暗号化も標準装備だ。
(出典: https://weel.co.jp/media/innovator/chatgpt-opt-out)
この設定画面のキャプチャを見せるだけで、会話が変わる。
利用ガイドライン草案
入力禁止情報のリストを草案として持参する。
「顧客名」「契約金額」「個人情報」などを明記する。
情シスに「不足している項目を教えてください」と聞く。
ログ取得・監査プランの概要
誰がいつ何を入力したかを把握できる監査フローを提示する。
管理できる体制を見せると、情シスは安心する。
このアプローチのポイントは「情シスと一緒に作る」姿勢を見せることだ。
情シスが怖いのは「後から問題が起きた時に自分が責任を取らされること」でもある。
共同設計者になれば、責任が分散される。それが情シスにとっての実利だ。
フレーム③「小規模PoC提案」で効果不明懸念を消す
「まず全社導入で」という稟議は落ちやすい。
規模が大きいほど、失敗した時のリスクも大きくなるからだ。
BCG調査では、PoC成功後も全社展開で期待通りの成果を達成できない企業は74%に上る。
(出典: https://www.japan-it.jp/hub/ja-jp/blog/article-72.html)
この数字を逆に使う。
「全社導入は74%が失敗しています。だから最初は小規模でやります」
失敗リスクを先に提示すると、「小さく始める」提案が合理的に見える。
PoC提案書の必須5項目
目的:何を証明するか(例:「週5時間の業務削減が可能か」)
期間:3ヶ月
対象:1部署5〜10名
測定指標:時間削減量・エラー率・出力品質
拡大展開の判断ゲート条件:効果が目標水準を満たし、重大事故ゼロ、入力ルールとログ方針が暫定合意できていること
(出典: https://ainow.ai/2026/04/07/277895/)
5〜10名の小規模部門で3ヶ月パイロット導入から開始することを推奨する実績データもある。
(出典: https://0120.co.jp/blog/ai-training-15/)
決裁者が「失敗しても被害が小さい」と判断できる設計にする。
これが「効果不明型」の反対意見を消す最速の方法だ。
なお、PoC通過後の全社展開フェーズで「3ヶ月後に誰も使わなくなる」失敗が多い。その実態と回避策は以下の記事に詳しくまとめています。
AI入れたのに3ヶ月で誰も使わなくなった話
*alt*
反対派別・返し方スクリプト(上司・情シス・法務)
企業の生成AI導入率はすでに約40%に達している(2025年12月調査・505名対象)。
利用ツール首位はChatGPT(45.5%)、次いでMicrosoft Copilot(33.9%)、Google Gemini(30.7%)だ。
(出典: https://prtimes.jp/main/html/rd/p/000000054.000119123.html)
この数字は「競合他社の動向」として使える。
上司向けスクリプト
「競合他社の40%がすでに導入済みです。3ヶ月・5名のPoC費用は月○円です。もし効果がなければ撤退します。続けない条件を先に決めてから始めましょう」
ポイントは「撤退条件を先に提示する」こと。
上司が怖いのは「取り返しのつかない失敗」だ。出口を見せると入り口に入りやすくなる。
情シス向けスクリプト
「データ学習は初期設定でオフになっています。この画面を一緒に確認しませんか。入力禁止情報のリストも草案を作ってきたので、追加・修正をお願いできますか」
「一緒に確認する」「修正をお願いする」という言い方が大事だ。
情シスを審査者ではなく共同設計者として迎える。
法務向けスクリプト
「IPA(情報処理推進機構)が公開しているガイドラインをベースに社内版を作ってきました。修正点を教えていただけますか。法務部門が確認したという事実を稟議書に記載させてください」
法務が怖いのは「法的リスクへの無知」と「責任の所在の曖昧さ」だ。
公的機関のガイドラインをベースにすることで、一次情報の信頼性を担保する。
また「法務部門が確認した」という事実を稟議書に載せることで、法務担当者の貢献を可視化する。
S&P Global調査では、企業のAIプロジェクトの大半を中止した割合が2024年の17%から2025年には42%に急増している。
(出典: https://www.japan-it.jp/hub/ja-jp/blog/article-72.html)
プロジェクトが中止になる最大の原因は、反対意見への準備不足だ。
スクリプトを準備するだけで、この確率を下げられる。
稟議通過後の6ヶ月:効果測定と次のサイクルへ
稟議が通ったらゴールではない。
6ヶ月後の効果測定データが、次の全社展開稟議の最も強い「証拠」になる。
測定方法を最初から設計しておく。
それが次の稟議を楽にする。
業務別の削減実績(50社以上の研修データより)
(出典: https://0120.co.jp/blog/ai-training-15/)
全社的なAI活用が2024年の12.2%から2025年に24.7%へ倍増している。一方で「ガイドラインなし・個人任せ」が最多の31.4%を占めている。
(出典: https://prtimes.jp/main/html/rd/p/000000321.000058707.html)
この数字が意味することは、「個人レベルの草の根活用」と「組織レベルの公式導入」の間に大きなギャップがあるということだ。
そのギャップを埋めるのが、あなたのPoC報告書だ。
効果測定の3指標
業務別時間削減量(ログから取得)
アウトプット品質(修正回数・差し戻し件数)
利用率(ログから取得・週次でトラッキング)
月次で1枚のサマリーシートを作る。
PoC終了時に経営層へ報告する形式にする。
それだけで次の稟議が通りやすくなる。
ROI計算式で言えば、1人月26時間の削減が証明できれば、次の稟議で「試算」が「実績」に変わる。
「試算で746%のROI」より「実績で746%のROI」のほうが、決裁者には100倍刺さる。
ROI試算の計算式、あなたの部署の人数と業務に当てはめてみると月何時間の削減になりそうですか?ぜひコメントで教えてください。
まとめ:3フレームの使い順
3フレームは順番に使う。
内容を変える必要はない。
フレームを型に合わせるだけだ。
今日の次のアクション
まず今日、過去の稟議書(または次に出す稟議書の草案)を開く。
想定される反対意見を「コスト・セキュリティ・効果不明」の3つの型に分類する。
型が分かれば、使うフレームが決まる。
フレームが決まれば、スクリプトを準備できる。
それだけで次の稟議の通過率は変わる。
この記事が役に立ったら
次回は「AI導入PoC通過後の全社展開稟議の通し方」について書きます。
稟議→定着→横展開のフルサイクルを実務ベースで解説していく予定です。
社内AI活用の実践記事を週2本ペースで更新しています。
フォローいただけると次の記事が届きます。
参考になった点があれば「スキ」を押していただけると、次の記事を書く励みになります。
あわせて読みたい
AI入れたのに3ヶ月で誰も使わなくなった話 ― 稟議通過後の定着フェーズで失敗しないために
ChatGPT社内秘漏洩で呼ばれた実録と判断基準3つ ― セキュリティ懸念に先手で答えるための事例集
AIに丸投げして3回失敗してわかった仕事の渡し方 ― AI導入後の現場運用でつまずかないために