%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png?width=130&height=39&name=%E6%9C%80%E7%B5%82Start%20Link%20(500%20x%20150%20px)%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png "StartLink"){kind=logo}
この記事の結論
AI導入の成否は、ツール選定ではなく業務棚卸しの精度で決まります。「どの業務をAIに渡し、どの業務を人が持ち続けるか」を先に決めることが、AI活用の出発点です。
AI導入の成否は、ツール選定ではなく業務棚卸しの精度で決まります。「どの業務をAIに渡し、どの業務を人が持ち続けるか」を先に決めることが、AI活用の出発点です。
「AIツールを入れたが、現場が使っていない」「効果を経営層にどう説明すればいいか分からない」「そもそも自社のどの業務がAIに向いているのか分からない」——AI活用のご相談で、最初に出てくるのはたいていこの3つです。
AI業務棚卸とは、自社の業務を最小単位のタスクまで洗い出し、ルール化可能性やデータの利用可能性など5つの基準でAI化の可否を判定する作業です。自動化判定は、ルール化可能性・データの利用可能性・エラーの許容度・頻度と業務量・感情的な関与の5つの基準で行います。共通しているのは、ツールの話から入ってしまい、自社の業務がどうなっているかを誰も正確に把握していない、という点です。
本記事では、AI導入の成否を分ける「業務棚卸し」の具体的な方法と、自動化判定のフレームワークを実践的に解説します。AI活用完全ガイドで、AI活用の全体像を把握できます。
この記事でわかること
この記事は、業務棚卸しをどう進め、どの基準でAI化の可否を判定するかを知りたい方に向けて書いています。読み進めると、自社の業務リストを前にして「この業務はAI、この業務は人」を自分の言葉で説明できるようになります。
- 業務棚卸しを省略したときに何が起きるか — ツール先行で導入すると、AIが不得意な業務に当てはめてしまい、精度も納得感も得られないまま止まります。棚卸しが「ツールを選ぶ前の設計図」になる理由を整理します。
- 業務を洗い出し、4層に分類する手順 — ヒアリング・タイムスタディ・ツールログの3方式を比較し、戦略／判断／遂行／支援の4層に分けるまでの流れを解説します。
- 自動化判定の5つの基準と判定マトリクス — ルール化可能性、データの利用可能性、エラーの許容度、頻度と業務量、感情的な関与。この5軸で「AI化推奨／AI主導＋人間レビュー／人間主導」を切り分けます。
- 優先順位付けとロードマップの作り方 — 「効果の大きさ×実装の容易さ」の2軸でQuick Winを特定し、1〜3ヶ月／3〜6ヶ月／6〜12ヶ月の3フェーズに落とす方法を示します。
- 棚卸しを一度きりで終わらせない仕組み化 — 棚卸し結果をCRMや社内システム上のデータと接続し、運用しながら更新していく考え方を扱います。
情報システム部門やDX推進担当の方、部門のマネージャーとして自部門のAI活用を任されている方、経営としてAI投資の優先順位を決めたい方に向けて書いています。最後まで読むと、自社の業務を洗い出してから優先順位をつけ、最初の一歩を選ぶところまで一気に進められるようになります。
なぜ「ツール選び」より先に業務棚卸しが必要なのか
AI活用が進まない理由の多くは、技術ではなく設計にあります。どの業務にAIを当てるかを決めないままツールを契約すると、現場は「使い道を自分で探す」ことを強いられ、結局使われなくなります。ここでは、棚卸しを省略したときに起きることと、棚卸しが果たす3つの目的を整理します。
ツール先行で失敗する3つのパターン
複数の外部調査で、AIの導入プロジェクトの多くが期待した成果に至らず止まっているケースが報告されています。その主な原因は技術力ではなく、「どの業務にAIを適用するか」の設計が不十分なことだと指摘されています。詳しくは「AI採用プロセスの設計ガイド」で解説しています。
業務棚卸しなしにAIを導入すると、次の3つのパターンに陥りやすくなります。
| 失敗パターン | 何が起きるか | 根本原因 |
|---|---|---|
| ミスマッチ型 | AIが得意でない業務に無理に適用し、精度が低く現場が使わない | 業務のルール化可能性を評価していない |
| 効果不可視型 | 効果の小さい業務から導入し、投資対効果を説明できず経営層の支持を失う | 頻度と業務量の把握が無いまま着手した |
| 現場乖離型 | 導入計画が現場の業務実態と合わず、従業員が従来のやり方に戻る | 実際の作業時間と手順を誰も見ていない |
この3つはいずれも「自社の業務がどうなっているか分からない」という一点に帰着します。ツールの優劣ではなく、当てる場所の問題です。
棚卸しの3つの目的
目的1: 現状の可視化 — 「誰が」「何を」「どれくらいの時間」やっているかを正確に把握します。感覚で語られていた業務量を、数字と手順に置き換える工程です。
目的2: AI適性の判定 — 各業務のAI代替可能性を、担当者の主観ではなく共通の基準で評価します。基準を先に決めておくことで、部門間で判定がぶれなくなります。
目的3: 優先順位の決定 — 効果が大きく、リスクが低い業務から着手する順序を決めます。全部を同時に進めようとすると、どれも中途半端に終わります。
スプレッドシート管理の限界を、棚卸しの入口として見る
ご相談をいただく現場では、棚卸し以前の問題として、スプレッドシートによる管理がたびたび出てきます。顧客リストが営業のExcel、進捗が別のスプレッドシート、やり取りはメールとチャットに散っている、という状態です。
この状態だと、そもそも「月次売上レポートの作成」という業務が何時間かかっているのかを誰も答えられません。ファイルを探す時間、転記する時間、数字が合わずに確認する時間が、業務名としてどこにも記録されていないためです。
業務棚卸しは、こうした「名前のついていない作業」に名前を付ける作業でもあります。そして名前が付いた瞬間に、その多くが「そもそもツールを分けているから発生している作業」だと分かります。AI化を検討する前に、データを一元管理すれば消える作業がかなりの割合で含まれている、と考えています。
業務棚卸しの実践ステップ
棚卸しは大きく3つのステップに分かれます。洗い出し、分類と構造化、AI適性の判定です。ここでは各ステップの進め方と、期間の目安を示します。いきなり全社で始めず、1部門で試してから横展開する進め方をおすすめします。
ステップ1: 業務の洗い出し（1〜2週間）
部門ごとに、すべての業務を最小単位のタスクまで分解して洗い出します。「営業活動」では粗すぎるので、「アポ取得後の提案資料作成」「見積書の作成と社内承認依頼」というレベルまで分解します。
洗い出しの方法は3つあり、それぞれ長所と短所があります。
| 方法 | 概要 | メリット | デメリット |
|---|---|---|---|
| ヒアリング方式 | 各メンバーに業務内容を聞き取り | 暗黙知も把握できる | 時間がかかる、主観が入る |
| タイムスタディ方式 | 1〜2週間の業務時間を記録 | 客観的なデータが取れる | 記録の手間がかかる |
| ツールログ分析 | 使用ツールの操作ログを分析 | 自動で客観データが取れる | ツール外の業務が漏れる |
最も精度が上がるのは、ヒアリング＋タイムスタディの組み合わせです。メンバーへのヒアリングで業務の全体像を把握し、1週間のタイムスタディで実際の時間配分を検証します。ヒアリングだけだと「印象に残っている業務」に偏り、タイムスタディだけだと「なぜその作業をしているか」が残りません。詳しくは「AIリスキリング計画の作り方」で解説しています。
ただし、ツールログ分析は単独では使えません。紙の資料を見ながらの確認作業や、口頭での調整といった、システムに痕跡が残らない業務が丸ごと抜け落ちるためです。あくまで補助的な検証手段として位置づけるのが現実的です。
ステップ2: 業務の分類と構造化（1週間）
洗い出した業務を、意思決定の重さで4つの層に分類します。この分類が、後の判定作業の下地になります。
- 戦略業務: 方針決定、計画策定、重要な意思決定
- 判断業務: 状況に応じた判断、例外処理、問題解決
- 遂行業務: 定められた手順に従った実行、ルーティンワーク
- 支援業務: データ入力、ファイル整理、スケジュール調整
一般的に、下の層ほどAI化の適性が高く、上の層ほど人間の関与が必要です。ここで重要なのは、1つの業務名の中に複数の層が混在しているケースが多いことです。例えば「月次レポート作成」は、データ収集（支援業務）、集計と作図（遂行業務）、数値の解釈とコメント作成（判断業務）に分解できます。業務丸ごとで判定せず、層ごとに切り分けて判定することで、「レポートの大部分は自動化でき、コメントだけ人が書く」という現実的な設計にたどり着きます。
ステップ3: AI適性の判定（1〜2週間）
分解した業務それぞれについて、次章の5つの基準でAI適性を評価します。層による大まかな見立てと、基準ごとの評価を突き合わせたところが、実態に近い判定になります。
自動化判定の5つの基準
AI適性の判定は、感覚ではなく共通の物差しで行う必要があります。ここでは5つの基準を一覧にしたうえで、判定に迷いやすいポイントを絞って解説します。5つすべてが高得点である必要はなく、どの基準が低いかによって「向かない」のか「条件付きで使える」のかが変わってきます。
5つの基準を一覧で把握する
| 基準 | 何を見るか | 高い（AI向き）例 | 低い（人向き）例 |
|---|---|---|---|
| ルール化可能性（定型度） | 処理ルールを明確に定義できるか | 請求書処理、データ入力、定型メール送信 | 顧客との信頼構築、新規事業企画、組織文化の醸成 |
| データの利用可能性 | 判断に必要なデータがデジタル化・集約されているか | CRMなどに一元化された顧客・取引データ | 紙ベースや担当者の頭の中にしかない情報 |
| エラーの許容度 | AIの判断ミスが発生した際の影響度 | 社内向けの一次分類、下書き作成 | 金額・契約条件・法的リスクに関わる判断 |
| 頻度と業務量 | 発生頻度と月間の業務量 | 日次・週次で大量に発生する定型業務 | 年に数回しか発生しない業務 |
| 感情的な関与 | 人間の感情に深く関わるか | 情報収集、返信文の下書き作成 | クレーム対応の最終判断、部下のキャリア相談 |
ルール化可能性の判定に迷ったら、「新入社員に手順書だけ渡して任せられるか」を考えてみてください。手順書で説明しきれる業務は、AIにも説明できます。逆に「これは経験を積まないと分からない」という業務は、ルール化可能性が低い業務です。
エラー許容度と感情的関与は、精度が高くても人を残す理由になる
エラーの許容度は、AIの判断ミスが発生した場合の影響度です。人命や法的リスクに直結する業務は、たとえ技術的にAI化が可能でも、人間の監督付きで運用したほうが安全です。
当社では、AIによる外部向けの送信や更新は、原則として送信前に人が確認する設計をおすすめしています。AIが自律的に判断して送ってしまう設定は、たしかに手間は減りますが、誤送信が顧客に届いた時点で取り返しがつきません。
特に金額や契約条件に触れる内容は、人のレビューを挟む前提で組むべきだと考えています。
感情的な関与も同様です。顧客の不満対応、部下のキャリア相談、チーム内の軋轢解消など、人間の感情に深く関わる業務は、AIに完全に任せることが適切ではありません。ただし、「一切AIを使わない」という意味ではありません。クレーム対応であれば、次の分担になります。
- AIが担える ── 過去の類似事例の検索や、返信文の叩き台作成
- 人が決める ── 最終的に何を伝え、どう謝罪するか
感情的関与が高い業務は「人間主導＋AIサポート」に置く、と整理すると分かりやすくなります。
頻度とデータの利用可能性が、着手順位を左右する
高頻度で大量に発生する業務ほど、AI化の投資対効果が高くなります。判定の実務では、ステップ1で記録した「月間総時間」をそのまま使います。月間総時間が大きい上位の業務から並べると、着手すべき順序が自然に見えてきます。逆に年に数回しか発生しない業務は、優先度を下げて構いません。
一方、データの利用可能性でよくあるのが、「デジタル化はされているが、分散している」というケースです。顧客情報はCRM、契約情報は共有フォルダのPDF、やり取りはメールボックスの中、という状態では、AIに渡せる形になっていません。この場合、AI化の前工程として、データを1つの場所に集約する作業が必要になります。頻度が高い業務ほど、この集約作業への投資対効果も上がりやすくなります。
AI適性判定マトリクスの読み方
5つの基準を業務ごとに並べると、総合判定が見えてきます。以下は判定の例です。
| 業務例 | ルール化 | データ | エラー許容 | 頻度 | 感情 | 総合判定 |
|---|---|---|---|---|---|---|
| 請求書処理 | 高 | 高 | 中 | 高 | 低 | AI化推奨 |
| 競合分析レポート | 中 | 高 | 高 | 中 | 低 | AI化推奨 |
| メール一次対応 | 高 | 高 | 中 | 高 | 中 | AI主導＋人間レビュー |
| 採用面接 | 低 | 中 | 低 | 中 | 高 | 人間主導 |
| 新規事業企画 | 低 | 中 | 高 | 低 | 中 | 人間主導＋AIサポート |
| クレーム対応 | 中 | 中 | 低 | 中 | 高 | 人間主導 |
この表はあくまで一般的な例であり、企業様によって最適な判定は異なります。同じ「メール一次対応」でも、問い合わせの内容が定型的な業態と、個別性の高い専門サービスとでは判定が変わります。自社の業務実態に合わせて、基準の重みづけごと設計し直していただくのがよいかと思います。
AI×人間の役割分担をどう設計するか
判定結果が出たら、次は「AIに何を渡し、人が何を持つか」を具体的な役割として書き下ろします。ここを曖昧にしたまま導入すると、現場は「結局どこまで自分がやるのか」が分からず、二重作業になります。
AIが得意なこと・人間が判断すべきこと
AI活用のご支援で使っている分担の考え方は、次の表のとおりです。
| AIが得意なこと | 人間が判断すべきこと |
|---|---|
| 問い合わせの分類（営業か通常の相談か） | 業務プロセスそのものの設計 |
| レコードや議事録の要約 | 各ステージ・各ステータスの定義 |
| 企業情報のWebリサーチ | 最終的な送信・提出の判断 |
| パーソナライズしたメールの下書き | 営業戦略や投資の意思決定 |
| データのクレンジング・分類 | 重要案件へのアプローチ方針 |
| 案件のランク付けなどの一次評価 | プロンプトやルールの設計・改善 |
左側は「量が多く、基準が書ける仕事」、右側は「基準そのものを決める仕事」です。この線引きを業務ごとに当てはめていくと、多くの業務は「完全自動化」でも「完全手作業」でもなく、その間のどこかに落ち着きます。
AIは「超一流」ではなく「アシスタント」と考える
AIに対する期待値の置き方も、役割分担の設計に直結します。AIを「超一流の担当者が考えた成果物が出てくるもの」ではなく、「アシスタントがリサーチして、ある程度の方向性をまとめて提案段階で持ってきてくれるもの」として捉えるのがよいと考えています。
この前提に立つと、業務の設計はシンプルになります。叩き台の作成はAIに任せ、そこから先の精度と責任は人が持つ。初めてワークフローを組むときも、まずAIに初期案を作らせて、あとから手動で直していくほうが着手しやすくなります。
ただし、重要度の高い案件は例外です。規模の大きい商談や、関係性が繊細な顧客へのコミュニケーションは、リサーチや情報整理にAIを使いつつも、文面は人が書くべきだと考えています。ここを効率化の対象にすると、短期的には時間が浮いても、長期的に失うものが大きくなります。
人間レビューを「仕組み」に組み込む
「AIの出力は人が確認する」というルールは、口頭で伝えるだけでは守られません。担当者の判断に委ねると、忙しい日にはスキップされます。
そこで、レビューを業務フローの中に構造として埋め込みます。例えばCRM上であれば、AIが作成した下書きは「下書き」ステータスで保存され、担当者が承認プロパティを更新しない限り次の工程に進まない、という形にします。ステータスの遷移条件に人の承認を入れてしまえば、誰が担当でも、新人が入っても、同じ品質で回る仕組みになります。
これは個人の注意深さに依存させないための設計です。属人的な「気をつける」ではなく、飛ばせない手順として組み込むことが、運用を続けるうえでの要になってきます。
棚卸し結果を「データが集まる場所」に接続する
ここは棚卸しの議論で抜けやすい論点です。棚卸しシートをスプレッドシートで作って終わりにすると、数ヶ月後には実態と合わなくなります。判定結果を実際の業務データとつないで、運用しながら更新できる状態にしておく必要があります。
棚卸しシートが陳腐化する理由
棚卸しシートは、作った瞬間がいちばん正確で、そこからは劣化していきます。組織変更、担当者の異動、新しいツールの導入、取扱商材の追加。どれも業務内容を変えるのに、シートだけが古い記述のまま残ります。
そして「もう一度棚卸しをやり直しましょう」となったとき、前回と同じ工数がかかります。この繰り返しが、業務棚卸しを「大掛かりで、たまにしかやらないイベント」にしてしまいます。
CRMに乗せるべき業務、乗せなくてよい業務
すべてをCRMに載せる必要はありません。判断の目安は、「その業務が顧客との接点に関わるかどうか」です。
| 業務の種類 | 置き場所の考え方 | 具体例 |
|---|---|---|
| 顧客接点に関わる業務 | CRM上のオブジェクトとプロパティで管理し、履歴が残る形にする | 問い合わせ対応、商談進行、契約更新の案内 |
| 社内完結の定型業務 | 既存の業務システム内で完結させ、CRMには結果だけ連携する | 経費精算、勤怠、社内申請 |
| 部門横断の調整業務 | タスクやチケットとして可視化し、誰が滞留させているかを見えるようにする | 見積承認、稟議、他部門への依頼 |
HubSpotであれば、コンタクト・会社・取引・チケットがリレーションデータベースとして紐づくため、「どの顧客の、どの案件で、誰が、いつ何をしたか」が1箇所に集まります。棚卸しで洗い出した顧客接点業務を、この構造の中のどこに置くかを決めていく形になります。
自社固有の管理単位がある場合は、カスタムオブジェクトで表現できます。例えば、製造業での機器台帳、人材サービスでの求職者、サブスクリプション事業での契約明細など、標準オブジェクトに収まらないものは自社の業務に合わせた形で定義できます。棚卸しの段階で「この業務は何という単位で数えているのか」を確認しておくと、この設計がスムーズになります。
一気通貫のフローの中に置く
個別の業務を個別に自動化しても、全体の効率は思ったほど上がりません。前工程の出力が後工程の入力になっていないと、結局どこかで転記が発生するためです。
AI化を検討する際は、コンタクト獲得 → リード管理 → 商談（取引）→ 受注 → 顧客対応 → 請求、という一連の流れのどこに位置する業務なのかを確認してください。そのうえで、前後の工程とデータが自動で受け渡されるかを見ます。ここが切れていると、「AIで作った下書きを人がコピーして別システムに貼る」という新しい手作業が生まれます。
上の画面は、公式サイト上で稼働しているサポートAIのチャットです。Webサイトでの一次対応をAIが担い、その内容がCRM側のデータとつながる、という形の一例です。
以下の画面は、StartLink公式サイト(Syncプロダクトページ)の「StartLinkサポートAI」チャットです。
AI化の優先順位マトリクス
AI適性の判定が終わっても、すべてに同時着手することはできません。ここでは「効果の大きさ」と「実装の容易さ」の2軸で優先順位を決める方法を扱います。この2軸で並べるだけで、議論が早く収束しやすくなります。
4象限の考え方
| 象限 | 判断 | 該当する業務の例 |
|---|---|---|
| 効果大 × 容易（Quick Win） | 最優先で着手 | データ入力の自動化、定型メールの自動送信、レポートの自動生成 |
| 効果大 × 困難（戦略的投資） | 中期的に取り組む | 複雑な業務プロセスの再設計を伴うAI化、基幹システムとの連携が必要なもの |
| 効果小 × 容易（小さな改善） | Quick Winの後に着手 | 個人の業務効率化、補助的なAIツールの導入 |
| 効果小 × 困難（見送り） | 現時点では着手しない | 投資に見合わないもの |
「効果の大きさ」は、ステップ1で記録した月間総時間を軸に判断します。「実装の容易さ」は、既存ツールの機能で実現できるか、開発や外部連携が必要かで判断します。
Quick Winを最初に取る理由
最初にQuick Winを取るのは、時間を浮かせること自体が目的ではありません。社内に「AIで本当に業務が変わる」という実感を作ることが目的です。
効果が見えない取り組みは、どこかで予算も関心も失われます。逆に、1つでも「この作業がなくなった」という体験が生まれると、次の議論が前に進みます。まずは自部門で効果が出そうな業務を1つか2つ見極めて、優先順位をつけてトライいただくのがよいかと思います。
ただし、Quick Winだけを積み上げても限界がある
率直に言うと、Quick Winの積み上げだけでは、ある時点で伸びが止まります。個別作業の効率化はできても、業務プロセスそのものの構造は変わらないためです。
例えば、見積書の作成をAIで速くしても、その見積が承認されるまでに3部門を回覧している構造が残っていれば、リードタイムはほとんど変わりません。Quick Winで信頼を得たあとに、戦略的投資の象限——プロセス自体の再設計——へ進む前提でロードマップを引いておく必要があります。
業務棚卸しの具体的なテンプレート
棚卸しシートは、項目が多すぎると誰も埋めなくなり、少なすぎると判定に使えません。ここでは最小限で判定まで到達できる項目セットを示します。
記録すべき項目
業務棚卸しシートには、以下の項目を記録します。
- 業務名: 何をする業務か（例: 「月次売上レポートの作成」）
- 担当者/部門: 誰が担当しているか
- 頻度: 日次/週次/月次/不定期
- 所要時間: 1回あたりの作業時間
- 月間総時間: 頻度×所要時間
- 使用ツール: どのシステム/ツールを使っているか
- インプット: 何を入力として使うか
- アウトプット: 何を成果物として出すか
- 判断の有無: 業務中に判断が必要か（Yes/No）
- AI適性スコア: 5つの基準の総合評価（A/B/C）
人間とAIの業務分担の詳しい設計方法については、AI業務分担設計ガイドもあわせてご覧ください。
項目を増やしすぎないことが続けるコツ
業務システムの設計でよく起きるのが、「あったほうがいいかもしれない項目」が増え続け、結果ほとんどが空欄のまま放置される、という現象です。棚卸しシートも同じです。
項目が少ないほうが、記入する側も判定する側も集中できます。上の10項目は、「効果の大きさを測る」「AI適性を判定する」という2つの目的にそれぞれ必要な最小構成です。追加したくなったときは、「この項目が空欄だと判定できないか」を自問してみてください。判定できるなら、その項目は不要です。
誰が埋めるかを決めておく
シートを配って「各自で埋めてください」とすると、粒度がばらばらになります。業務名の書き方（「営業」なのか「初回提案資料の作成」なのか）だけでも、記入前に部門内で揃えておく必要があります。ヒアリング担当を1人決め、その人がシートの表現を最終的に統一する役割を持つと、部門間の比較がしやすくなります。
棚卸し結果からAI導入ロードマップを作る
判定と優先順位が出たら、時間軸に落とします。3つのフェーズに分けることで、「今やること」と「後で考えること」が分離され、現場が動きやすくなります。
フェーズ1: Quick Win（1〜3ヶ月）
AI適性スコアAかつQuick Winに該当する業務から着手します。
このフェーズでは、新しくツールを開発するのではなく、すでに契約しているSaaSに搭載されているAI機能で実現できないかを先に確認してください。
HubSpotであればBreezeの各機能がこれにあたります。既存ツールの範囲で始められれば、検証のサイクルを短くできます。
Claude Codeを使った経営データの可視化にも、こうした「まず手元の環境で小さく試す」という考え方が反映されています。
フェーズ2: プロセス再設計（3〜6ヶ月）
AI適性スコアAだが、業務プロセスの変更が必要な業務に着手します。既存の手順をそのままAI化するのではなく、人間とAIの協働を前提にプロセスを再設計します。
ここでの論点は、「その承認は本当に必要か」「その転記はなぜ発生しているのか」という、AI以前の問いです。手作業を前提に組まれた手順は、AIを入れる前に整理する余地があることが多くあります。
フェーズ3: 高度なAI活用（6〜12ヶ月）
AI適性スコアBの業務、つまり「AI主導・人間レビュー」や「協働」型の業務に取り組みます。AIの精度を検証しながら段階的に権限を拡大します。
権限拡大の進め方は、いきなり全件をAIに任せるのではなく、対象を絞って精度を確認する流れが安全です。例えば、次の流れです。
- 特定の問い合わせカテゴリだけをAI一次対応の対象にする
- 一定期間のレビュー結果を見る
- 範囲を広げる
この間、人のレビューで差し戻された件数と理由を記録しておくと、そのままプロンプトやルールの改善材料になります。
AI組織全体の設計については、AI組織設計ガイドで体系的に解説しています。
棚卸し時の注意点と、向かないケース
最後に、実際に棚卸しを進める際につまずきやすい点と、この進め方が適さないケースを率直に書いておきます。
注意点1: 「暗黙の業務」を見落とさない
公式な業務一覧に載っていない「暗黙の業務」——他部門からの突発的な依頼対応、非公式な情報共有、チーム内の調整——が、全業務時間のなかで一定の割合を占めているケースがあります。ヒアリングではこれらの業務を意識的に聞き出してください。
聞き出し方のコツは、「業務は何ですか」ではなく「昨日1日、何をしていましたか」と時系列で聞くことです。業務一覧を前提に聞くと、一覧に載っていることしか出てきません。
注意点2: 現場の抵抗への対処
業務棚卸しは「自分の仕事が奪われるのでは」という不安を生みやすいプロセスです。棚卸しの目的が「業務の質を上げること」であり、「人を減らすこと」ではないことを、実施前に明確に伝えてください。
伝え方としては、棚卸し後に空いた時間を何に使うのかを、先に示しておくのが有効です。「この時間で顧客訪問を増やす」「提案の質を上げる」といった行き先が見えていれば、協力は得やすくなります。
注意点3: 完璧を求めない
すべての業務を完全に正確に棚卸しすることは困難です。8割程度の精度で棚卸しし、AI導入を始めながら残りを補完していくアプローチが実践的です。
この進め方が向かないケース
正直に書くと、本記事の方法がうまく当てはまらないケースもあります。
| ケース | 理由 | 先に取るべき対応 |
|---|---|---|
| 業務データが紙・口頭中心 | 判定基準2（データの利用可能性）が全業務で低くなる | まずデータのデジタル化と一元管理 |
| 組織変更の直後 | 業務分担が固まっておらず、棚卸し結果がすぐ陳腐化する | 分担が安定してから着手 |
| 業務が完全に個別対応 | ルール化可能性が構造的に低い | 一部の共通工程だけを対象に絞る |
| 経営層の合意がない | 判定結果が出ても意思決定に進まない | 小規模な実証で材料を作ってから提案 |
該当する場合は、無理に全社棚卸しを進めるより、条件を整える作業を先に置いたほうが結果的に早く進みます。
よくある質問
Q1. 業務棚卸しにはどれくらいの時間がかかりますか？
部門の規模にもよりますが、1部門あたり2〜4週間が目安です。全社一斉に実施する場合は、各部門の責任者が並行して進めることで、4〜6週間で完了できます。完璧な棚卸しを目指すよりも、まず8割の精度で完了させ、運用しながら精緻化するアプローチをおすすめします。
Q2. 棚卸しの結果、ほとんどの業務がAI化できないと判定された場合はどうすべきですか？
AI化の判定基準を「完全自動化」だけに限定している可能性があります。完全自動化が難しい業務でも、「AI主導・人間レビュー」「AIによる支援」など部分的なAI活用は可能なケースが多くあります。また、業務を丸ごとで判定しているケースもよく見られます。1つの業務を支援・遂行・判断の層に分解すると、下の層だけはAI化できることが分かる場合があります。
Q3. 業務棚卸しは誰が主導すべきですか？
経営層のスポンサーシップのもと、各部門の業務に精通したマネージャークラスが実務を主導するのが効果的です。IT部門だけに任せると現場の業務実態との乖離が生じ、現場だけに任せると全社最適の視点が欠けがちです。
Q4. 既にAIツールを導入済みの業務も棚卸し対象に含めるべきですか？
はい、含めるべきです。すでに導入済みのAIツールが期待通りの効果を発揮しているか、より適切なツールや運用方法がないか、を見直す良い機会になります。「導入済み＝最適化済み」ではないことを意識してください。特に、AIの出力を人が別システムに転記している工程が残っていないかは確認する価値があります。
Q5. 棚卸し結果を経営層にどう報告すべきですか？
「AI化による削減時間（人月換算）」「コスト面の効果見込み」「品質向上の見込み」の3つを中心に報告すると伝わりやすくなります。あわせて、Quick Winの具体的な業務リストと、それぞれの導入スケジュールを提示すれば、経営層の意思決定を得やすくなります。数値の根拠として、ステップ1で記録した月間総時間を添えておくと説得力が増します。
まとめ
AI業務棚卸は、ツール選定の前に置くべき設計工程です。本記事の要点を整理します。
- 業務を最小単位まで洗い出し、戦略・判断・遂行・支援の4層に分類したうえで、5つの基準（ルール化可能性・データの利用可能性・エラーの許容度・頻度と業務量・感情的関与）でAI適性を判定する
- 判定は業務丸ごとではなく層ごとに行い、「完全自動化」ではなく「AI主導＋人間レビュー」「人間主導＋AIサポート」まで選択肢に入れる
- 「効果の大きさ×実装の容易さ」でQuick Winを特定し、1〜3ヶ月／3〜6ヶ月／6〜12ヶ月の3フェーズに落とす。ただしQuick Winの積み上げだけでは限界があり、プロセス再設計まで見据えておく
- 人のレビューは口頭ルールではなく、ステータスや承認条件として業務フローに組み込み、担当者が変わっても同じ品質で回る状態にする
- 棚卸しシートを作って終わりにせず、顧客接点に関わる業務はCRM上のデータとつないで実態を常時把握できる形にする
まずは全社ではなく、1部門・1週間のタイムスタディから始めてみてください。そのうえで、次の3ステップを進めていただくのがよいかと思います。
- 対象部門を1つ決め、1週間のタイムスタディとヒアリングで業務を洗い出す（月間総時間まで算出する）
- 洗い出した業務を4層に分類し、5つの基準でA/B/C判定を付ける
- 判定結果を「効果×容易さ」で並べ、Quick Winを1つだけ選んで、既存ツールのAI機能で試す
企業様によって最適な棚卸しの粒度も判定基準の重みづけも異なりますので、まずは小さく試し、自社に合う形に調整しながら広げていくのが現実的です。
CRMを活用した業務効率化やAIとの連携に関するご相談は、CRM特化型コンサルティングのHubSpotゴールドパートナーのStartLinkまでお気軽にお問い合わせください。
あわせて読みたい
記事の内容を、そのまま実務に落とし込みたい方向け
HubSpotゴールドパートナーのStartLinkが、HubSpot導入・AI活用・CRM整備・業務効率化までをまとめて支援しています。記事で気になったテーマを、そのまま相談ベースで整理できます。
次に読む
株式会社StartLinkは、事業推進に関わる「販売促進」「DXによる業務効率化（ERP/CRM/SFA/MAの導入）」などのご相談を受け付けております。 サービスのプランについてのご相談/お見積もり依頼や、ノウハウのお問い合わせについては、無料のお問い合わせページより、お気軽にご連絡くださいませ。
著者情報
