AIツールを導入したのに、現場の作業時間が減らない。むしろ確認と手直しが増えた——この相談は珍しくありません。

結論から述べます。AIが工数を増やすのは、標準化されていない業務にAIを接ぎ木しているからです。ツールの性能を比べ直しても解決しません。先に必要なのは、対象業務から例外を切り離し、入力と出力の形式を固定する作業です。

本記事では、工数が増える構造を2つに分解したうえで、着手前に決めるべき線引き、業務プロセスを組み直す手順、そして実行時に必ず起きる落とし穴を整理します。

なぜAIを入れると工数が増えるのか

工数が増える現場では、ほぼ例外なく次の2つのどちらか（あるいは両方）が起きています。

1. AIに渡すための前処理が、本来の作業を上回る

担当者ごとに判断の基準が違う業務では、AIに何をさせたいのかを毎回言語化し直す必要があります。必要な資料を集め、形式を整え、条件を書き添える——この準備が、元の作業時間を超えます。

これは能力の問題ではありません。標準化されていない業務は、入力の形が決まっていないというだけのことです。形が決まっていなければ、毎回ゼロから形を作ることになります。

2. 出力を人が検品する側に回る

もう一つは、AIが出したものを人が見直す工程が固定化するパターンです。何をもって合格とするかが決まっていない状態では、判断の基準は見る人の感覚になります。感覚での判定は時間がかかり、しかも人によって結果が変わります。

結果として、自分で最初から作ったほうが早い、という逆転が起きます。ここで「AIは使えない」と結論づけると、原因が業務側にあることが見えなくなります。

「使ってはいるが、設計がない」という現在地

総務省の『令和7年版 情報通信白書』（2025年）によれば、何らかの業務で生成AIを利用していると回答した企業の割合は、日本で55.2%でした。

一方、生成AIの活用方針について「積極的に活用する方針」「活用する領域を限定して利用する方針」を定めている企業の比率は49.7%で、2023年度調査の42.7%からは増えたものの、同時に調査された他国より低い水準にとどまっています。企業規模別に見ると、中小企業では「方針を明確に定めていない」との回答が約半数を占めます。

そして導入に際しての懸念事項として、日本で最も多く挙げられたのは「効果的な活用方法がわからない」でした。次いで「社内情報の漏えい等のセキュリティリスク」「ランニングコストがかかる」「初期コストがかかる」が続きます。

この並びが示しているのは、使ってはいるが、どこに効くのかを決めていないという状態です。工数が増える現象は、この状態の当然の帰結として現れます。

AIを入れる前に決める3つの線引き

着手前に決めておくべきことは、技術の選定ではありません。次の3点です。

決めること決まっていないと起きること決め方の基準
標準と例外の境目例外に合わせた指示を毎回書くことになる件数の多い基本形だけを対象にし、残りは人が処理する領域として隔離する
入力と出力の形式渡す材料と完成の基準が担当者ごとに変わる必要な項目を列挙し、出力の合否をチェック項目として文章にする
人が介入する箇所全件を人が見直す運用に戻る最終承認か、定義外のエラー処理だけに限定する

特に重要なのは1つ目です。現場が「うちの業務は複雑でマニュアル化できない」と言うとき、その複雑さの大半は、少数の例外に対応するために継ぎ足されたルールに由来します。基本形と例外を同じ流れの中に置いたままにしていることが、複雑さの正体です。

この「そのまま置き換える」発想の危うさは、AIに限った話ではありません。既存の手順をそのままシステムに移すと何が起きるかは、DXが単なるデジタル置換に終わる構造としても繰り返し現れています。

標準化が進まないのは、現場の怠慢ではない

標準化に着手すると、必ず抵抗が起きます。これを理解不足やIT への苦手意識として扱うと、対処を誤ります。

特定の担当者にしか処理できない業務は、その人の組織内での代替しにくさを支えています。業務を誰でもできる形にすることは、その裏づけを手放すことでもあります。つまり抵抗は、その人にとっては合理的な行動です。

したがって「AI導入で仕事が楽になる」という説明は、動機として弱いままです。動くのは、評価の対象が変わったときです。難しい案件を個人の力でさばいたことを評価している限り、業務を属人的に保つ行動は続きます。DX推進で現場の反発を防ぐKPI設計で扱っている論点と同じ構造です。

業務プロセスを組み直す4つの手順

1. 例外を基本プロセスから切り離す

まず、対象業務のうち件数の多い定型部分だけを抽出し、入力と出力の形式を固定します。残りは「人が処理する領域」として明示的に分けます。ここを曖昧にしたまま進めると、どこまでを自動化したのかが誰にも説明できなくなります。

2. ヒアリングではなく記録から可視化する

判断基準の抽出を、担当者への聞き取りだけで行わないでください。人は自分の判断を後から筋の通った形に整えて語ります。実際の操作ログ、入力データの履歴、差し戻しの記録といった、残っている事実から工程を逆算するほうが確実です。

記録に残っていない判断は、標準の手順からいったん外します。外して業務が回らなければ、そのとき初めて明文化すればよい判断です。

3. AIが起点になる順序に並べ替える

人間の作業を前提とした順序のまま一部だけをAIに置き換えると、前後の工程が滞留します。一次処理をAIが行い、人はその後に入る——という順序に組み替えて初めて、全体の所要時間が変わります。

4. 評価指標を作業量から完遂率に変える

処理件数や作業時間を評価していると、自動化は評価を下げる行為になります。標準の手順で最後まで完了した比率、例外として人に戻った件数の推移といった指標に置き換えてください。

実行時に必ず起きる3つの落とし穴

  • 例外を「学習させれば解決する」と考える：例外は、定義が足りないから例外なのです。条件が書けないものは、学習の材料としても足りません。切り離すほうが早く、安定します。
  • 効果測定の基準を後から作る：着手前に「1件あたりの所要時間」と「月間の件数」を同じ方法で実測しておかないと、後からどう集計しても比較になりません。
  • ルールを人の注意力に預ける：手順書を配って周知するだけの運用は、繁忙期に必ず崩れます。入力必須項目や自動振り分けのように、手順から外れられない形で組み込んでください。

AIの導入は、ツールの選定ではなく業務の再設計です。どのAIを選ぶかという問いは、AIを「思考様式」で選ぶ判断基準のとおり後から効いてきますが、その前に決めるべきは、自社のどの業務を、どの形に整えるのかという線引きのほうです。

より広い文脈での進め方は、生成AIマーケティング戦略の作り方でも導入の順序として整理しています。

出典

  • 総務省『令和7年版 情報通信白書』第Ⅰ部第1章第2節「企業におけるAI利用の現状」（2025年）