生成AIは、思いついたときに質問する便利ツールのままでは、効果が使う人の手元で止まります。業務プロセスの決まった工程として組み込み、データの記録と人のレビューまでを仕組みにしたときに、組織の成果になります。
「ChatGPTを契約したのに、使いこなす人と使わない人の差が開くばかり」「うまくいったプロンプトが個人のメモに散らばっている」「AIで作った議事録を、結局Excelや別のツールに手で貼り直している」——。
生成AIの実務活用とは、文章作成・要約・分類・分析といった生成AIが得意な処理を、営業・マーケティング・バックオフィスの業務手順に組み込み、出力のレビューとデータの記録までを含めて運用することです。本記事では、ChatGPT・Claude・Geminiの選び方の基準からプロンプト設計、RAG・AIエージェント、社内ガイドラインまでを、2026年10月時点の情報で、導入の順番に沿って整理します。各ツールの料金・機能は変わりやすいため、契約前に各社の公式ページで最新の内容を確認してください。
この記事でわかること
生成AIを個人の試用から部門の業務へ広げたい担当者が、ツール選定から定着までの順番と、各段階で何を決めればよいかを把握できます。
- ChatGPT・Claude・Geminiの選び方 — 各ツールの特徴と、自社の業務環境から選ぶ判断の基準・順番を整理します。
- プロンプトを組織の「型」にする方法 — 5要素のフレームワークと、テンプレートを共有して誰が書いても同じ品質を出す仕組みを解説します。
- 業務別・ツール別のAI活用 — メール・議事録・資料・データ分析・翻訳、そしてExcel・Slackでの活用を、AIに任せる工程と人が判断する工程に分けて示します。
- RAG・AIエージェントとCRMのつなぎ方 — 社内ナレッジやCRMデータとAIをつなぐ設計と、自律実行の範囲の決め方を扱います。
- 導入ロードマップとガイドライン — ガイドラインを先に整え、スモールスタートで型を作って横展開する進め方を整理します。
生成AIの基礎と「業務に組み込む」という考え方
生成AIを業務に導入する最初のステップは、技術の全体像と主要な用語の関係を把握することです。そのうえで、自社のAI活用がいまどの段階にあるかを見極めると、次に手を付けるべきことが決まります。ここでは用語の整理と、活用段階の見極め方を扱います。
生成AI・RAG・AIエージェントの関係
本記事では、生成AIを「文章や要約を生み出す土台の技術」、RAG(検索拡張生成)を「生成AIに社内ナレッジを検索させ、その内容を参照して回答させる仕組み」、AIエージェントを「目標に向けて計画を立て、外部ツールを使いながらタスクを進める仕組み」と整理します。土台の生成能力に社内の知識が加わり、さらに実行の機能が加わる、という順に役割が積み上がる関係です。学ぶ順番もこの順をおすすめします。
「たまに使う」で効果が止まる理由
生成AIを導入しても成果が組織に広がらない背景には、AIの出力がどこにも記録されず、次の業務に引き継がれないという構造があると考えています。メールの下書きは個人のPCに、議事録の要約はチャットに、分析結果は個人のスプレッドシートに残り、それぞれが手作業で別の場所へ転記されます。これは、顧客リストと担当者リストをExcelで別々に持ち、差分が生まれていく状況とよく似ています。
AIを「速く書ける道具」として使うだけなら、この分散は解消されません。成果を組織のものにするには、出力の保存先と、その出力を次に使う人を業務手順の中で決めておくことがポイントになります。
自社の活用段階を見極める
AI活用の定着は、「アドホック利用→プロセス組み込み→自動化・連携」の3段階で進めると整理できます(ChatGPT業務活用の実践ガイドで詳しく解説しています)。自社がどの段階にいるかで、次に決めることが変わります。
| 段階 |
状態 |
次に決めること |
| アドホック利用 |
個人が思いついたときにAIへ質問している |
繰り返し使っている業務を洗い出し、プロンプトを共有する |
| プロセス組み込み |
業務手順の中にAIを使う工程が決まっている |
出力の保存先と、レビューする担当者を決める |
| 自動化・連携 |
CRMやワークフローとつながり、AIが工程を処理する |
自動で実行する範囲と、人が止めて判断する地点を決める |
判断の手がかりは2つです。まず「同じ指示を何度も書き直している業務があるか」を見ます。あるのに共有されていなければアドホック利用の段階なので、プロンプトのテンプレート化から始めます。テンプレートはあるのに出力が個人の手元に散らばっているなら、プロセス組み込みの段階として、保存先とレビュー担当を決めることを優先してください。
ChatGPT・Claude・Geminiの選び方
ChatGPT・Claude・Geminiは、それぞれ特徴が異なります。ツールの優劣を比べるよりも、自社の業務とデータがどこにあるかから選ぶほうが、導入後に使われ続けやすいと考えています。ここでは特徴の整理と、選ぶ基準・順番を示します。
3つのツールとClaude in Excelの特徴
2026年10月時点で、各ツールの詳細ガイドで扱っている特徴を、BtoB業務の観点で並べると次のようになります。
| ツール |
特徴(各ガイドで扱う内容) |
活用例のあるBtoB業務 |
| ChatGPT |
柔軟な指示への対応、部門をまたいだ幅広い活用パターン |
マーケティング・営業・カスタマーサクセスの日常業務 |
| Claude |
長文の処理能力、指示への追従、Claude Codeによる開発支援 |
契約書レビュー、RFP回答、コード生成、長文の翻訳 |
| Gemini |
Gmail・Docs・Sheets・SlidesなどGoogle Workspaceとの統合 |
メール返信の下書き、自然言語でのSheets分析、スライド構成 |
| Claude in Excel |
ワークブック全体を構造的に理解し、セルを引用しながら分析 |
財務モデルの解読、感度分析、予実差異分析 |
表の「活用例」は、各ツールで「できる業務」の上限ではありません。どのツールでも文章作成や要約はこなせるため、差が出るのは日常の作業環境との相性と、扱う文書の長さや指示の細かさです。
選ぶ順番:ツールより先に業務と環境を決める
ツール選定は、次の順番で進めることをおすすめします。
- 解決したい業務を1つ決める:「メール作成」「議事録」のように、繰り返し発生する業務に絞ります。
- その業務のデータがどこにあるかを見る:業務データの置き場所(Google Workspace、Excelのブック、長文の契約書や提案依頼書のファイルなど)と、各ツールが直接つながれる環境を照らし合わせて、候補を2〜3つに絞ります。つながれる環境は各ツールの公式ページで確認します。
- 候補を同じ業務・同じプロンプトで試す:結果を並べ、修正にかかった手間が少ないほうを採用します。
試すときは、比較の条件をそろえるほど判断がぶれません。目安として、次の表のように条件を決めます。数値は社内で試すときの目安であり、公的な基準ではありません。
| 項目 |
目安 |
理由 |
| 試す業務の数 |
1〜2業務 |
多いと比較の手間が増え、結論が出ない |
| 1業務あたりの入力件数 |
実際の業務から5件前後 |
1件では偶然の出来に左右される |
| 評価する人 |
業務の担当者と、その上長の2人 |
作る側と確かめる側の目を分ける |
| 評価の指標 |
修正が必要だった箇所の数、修正にかかった時間 |
「良さそう」という印象を数字に置き換える |
| 試用期間 |
2週間程度 |
業務の繁閑による偏りをならす |
試用の前に、契約先の料金も確認しておきます。例として、Claudeの個人・チーム向けプランは次のとおりです(出典:Claude pricing、2026年10月19日確認)。
| プラン |
料金(2026年10月時点) |
補足 |
| Pro |
年払いで月$17、月払いで月$20 |
Claude Codeも利用できる |
| Max |
月$100から |
Proの5倍または20倍の利用量。Claude Codeを利用できる |
| Team(スタンダード) |
1人あたり年払い月$20、月払い月$25 |
Claude Codeを利用できる |
| Team(プレミアム) |
1人あたり年払い月$100、月払い月$125 |
Claude Codeを利用できる |
| Enterprise |
1人あたり年払い月$20(20席以上)に加えAPI料金 |
Claude Codeを利用できる |
無料プラン(Free)ではClaude Codeは使えません。ChatGPT・Geminiの料金は、それぞれの公式ページで同じ日付に確認し、同じ形の表にして比べると、契約前の判断材料になります。
ただし、1つのツールに全業務を寄せきれないケースもあります。その場合は「業務ごとに使うツールを決めて一覧にする」という運用にすると、担当者が迷わずに済みます。ツールの比較を深めたい場合はAIツール比較、開発や業務自動化でClaude Codeを使う場合はClaude Code実践もあわせてご覧ください。
各ツールの詳しい活用ガイド
プロンプト設計を個人技から組織の型にする
生成AIの出力品質は、プロンプトの設計に大きく左右されます。うまく書ける人だけが成果を出す状態では、担当が替わった時点で品質が元に戻ってしまいます。フレームワークを共通言語にし、業務別のテンプレートを整備して、組織全体の活用レベルをそろえることをおすすめします。
RCTFCフレームワークの5要素
プロンプトは、Role(役割)・Context(背景)・Task(作業)・Format(形式)・Constraint(制約)の5要素で組み立てると、抜け漏れが減ります。次の表は、商談前のリサーチを例に各要素へ何を書くかを示したものです。
| 要素 |
書く内容 |
商談前リサーチでの記入例 |
| Role(役割) |
AIに担わせる立場 |
BtoB営業のリサーチ担当として |
| Context(背景) |
自社・相手・状況 |
自社の商材、相手企業の業種、商談の段階 |
| Task(作業) |
具体的にしてほしいこと |
公開情報から相手企業の課題の仮説を整理する |
| Format(形式) |
出力の形 |
見出し付きの箇条書き、仮説ごとに根拠を併記 |
| Constraint(制約) |
守ってほしい条件 |
推測は推測と明記する、社外秘の情報は入力しない |
さらに精度を上げたい場合は、入出力の例を示すFew-Shot、考える手順を段階的に書かせるChain-of-Thought、AIにプロンプト自体を改善させるメタプロンプティングといった上級テクニックを組み合わせます。
公式ドキュメントが示す設計の基本
各社の公式ドキュメントも、プロンプトの構造化を推奨しています。Anthropicは、指示・参考資料・例などをXMLタグで区切ることで、Claudeが各部分を取り違えにくくなると説明しています(出典:Use XML tags to structure your prompts)。OpenAIのガイドでも、指示の与え方や、入出力の例を示して望む出力に近づけるFew-shotの考え方が解説されています(出典:Prompt engineering - OpenAI API)。
日本のBtoB業務で使う場合は、これに加えて、丁寧語の使い方や社外向け文書のお作法をConstraintに明記しておくと、言い回しの修正にかかる手間を減らせます。
テンプレートを共有して「誰が書いても同じ品質」にする
プロンプトを個人のメモに置いたままにすると、うまくいく書き方が属人化します。業務ごとのテンプレートを共有の場所に置き、業務名・用途・管理者・更新日を添えて管理すると、新しく加わったメンバーも同じ型から始められます。人の力量に頼らず、仕組みで品質をそろえる発想です。
テンプレート化するかどうかは、次のように判断します。
| 確認すること |
結果 |
次の行動 |
| 同じ業務で複数人が使うか |
使う |
テンプレートにして共有の場所へ置く |
| 出力を顧客にそのまま送るか |
送る |
Constraintに禁止表現を入れ、送信前のレビュー担当を決める |
| 1人だけの社内用途か |
そうである |
個人の工夫に任せ、うまくいったものだけをテンプレートに昇格させる |
業務別のAI活用:AIに任せる工程と人が決める工程
メール、議事録、資料作成、データ分析、翻訳、ライティングなど、生成AIは日常業務の多くの場面で使えます。成果を分けるのは、1つの業務の中で「AIに任せる工程」と「人が判断する工程」をはっきり分けているかどうかです。ここでは業務ごとに分担の考え方を整理します。
メール作成と議事録
メール作成では、関係性の明示、目的とアクションの明確化、数値での制約指定、コンテキストの提供、NG表現の指定の5原則を押さえると、修正の少ない下書きが出やすくなります。下書きはAIに任せ、送るかどうかと最終的な言い回しは人が決める分担が基本です。
議事録では、tl;dv、Notta、Fireflies.aiなどのツールを日本語の精度とCRM連携の観点で比べて選び、商談の録音からHubSpotへの記録までを一気通貫でつなぐ構成が考えられます。HubSpotでは、商談の記録は取引のレコードにひもづけておくと、次の取引ステージへ進めるかの判断や、担当交代時の引き継ぎにそのまま使えます。
- AIメール文面作成ガイド — 5原則でメール作成の工数を減らす方法。営業・CS・社内メールのテンプレート付きです。
- AI議事録・要約の活用ガイド — 主要ツールの日本語精度・CRM連携の比較と、商談録音からHubSpot自動記録までのパイプラインの構築方法を解説しています。
資料作成とデータ分析
資料作成では、Gamma、Beautiful.ai、Microsoft Copilot、Canva AIなどを比較し、提案書を5つのステップで作るワークフローが有効です。構成はAIに任せ、デザインと最終的な主張は人が仕上げる分業にすると、AIの得意な部分だけを取り込めます。
データ分析では、SQLやPythonを書かずに、自然言語の指示でCRMデータの分析や売上トレンドの可視化、顧客セグメンテーションを進められます。HubSpot データエージェント、Tableau AI、Power BI Copilotなどが選択肢です。ただし、AIが読む元データに表記ゆれや入力漏れが多いと、分析結果もそれを反映した不正確なものになります。分析の前に、取引の金額やクローズ日といった集計に使う項目が埋まっているかを見て、空欄が目立つなら入力ルールの整備を先に進めてください。
- AI資料作成ガイド — 主要ツールの比較と、提案書のAI作成ワークフロー5ステップ。構成はAIに、デザインは人間に任せる分業を解説しています。
- AIデータ分析の実践ガイド — 自然言語の指示だけでCRMデータを分析・可視化する方法と、HubSpot データエージェント、Tableau AI、Power BI Copilotの活用パターンを解説しています。
翻訳とライティング
翻訳では、DeepL(安定した品質・用語集機能)、ChatGPT(柔軟な指示への対応)、Claude(長文翻訳・ニュアンスの表現)を用途で使い分けます。契約や製品仕様のように訳語の統一が大事な文書は用語集のあるツール、トーンを細かく指定したい文書は指示に柔軟なツール、と分けると選びやすくなります。
ライティングには、AI主導型・人間主導型・AI支援型の3つのパターンがあります。どのパターンでも、事実の正確性、SEO要件、BtoBとしての品質、ブランドとの整合性といった品質チェックの基準を先に決め、公開前に人が照合する工程を残しておくことをおすすめします。
業務別の役割分担一覧
ここまでの分担を一覧にすると次のとおりです。本記事では、AIの出力が社外に出るか、金額や契約に関わるかを境目に、人の判断を残す工程を決めると整理します。
| 業務 |
AIに任せる工程 |
人が判断する工程 |
| メール |
下書き、言い回しの候補 |
送信の可否、最終的な文面 |
| 議事録 |
文字起こし、要約、CRMへの記録 |
次のアクションと取引ステージの判断 |
| 資料作成 |
構成案、ストーリーライン |
デザインの仕上げ、主張の妥当性 |
| データ分析 |
集計、可視化、傾向の指摘 |
数字の解釈と経営判断 |
| 翻訳 |
下訳、用語の統一 |
契約・仕様に関わる表現の確定 |
| ライティング |
構成、初稿 |
事実確認、ブランドとの整合 |
Excel・SlackのAI活用から業務改善を始める
日々の数字をExcelやスプレッドシートで、社内のやり取りをSlackで回している企業では、まずそこにAIを足すのが、始めやすい入り口のひとつです。普段の作業画面を変えずに効果を試せるため、現場の抵抗も小さく済みます。ただし、データの置き場所が分散したままだと、AIを足しても転記の手間は残ります。
Excel・スプレッドシートのAI自動化
Excel業務では、データ入力・検証・分析・レポート作成の各工程にAIを組み込めます。財務シミュレーションでの売上予測や感度分析、スプレッドシートのデータ分析など、数字を扱う業務ほどAIの補助が効きやすい領域です。
SlackをAI活用のハブにする
Slackでは、チャンネルの要約や検索で情報過多を解消するところから始め、ワークフローによる承認フローや日報要約、問い合わせ対応の自動化へと広げられます。さらに、ClaudeやChatGPT、自社Botを統合してAIエージェントの窓口にしたり、やり取りに埋もれた暗黙知をFAQや新人オンボーディングに活かしたりする使い方もあります。
どこまでExcel・Slackで回し、どこからCRMに移すか
Excel・SlackのAI活用は手軽ですが、顧客の情報が複数のシートやチャンネルに分散している状態は解消しません。顧客ごとの経緯を一か所で追いたくなった時点が、CRMへの集約を考えるタイミングです。次の表で、自社の状況がどちらに近いかを見てください。
| 確認すること |
Excel・Slack中心で続ける |
CRMに集約する |
| データを更新する人 |
少人数、または単発の分析 |
部門をまたいで複数人が更新する |
| 同じ顧客情報の置き場所 |
一か所にまとまっている |
複数のシートやチャンネルに分散している |
| 過去の経緯を参照する場面 |
ほとんどない |
商談や問い合わせのたびに参照する |
| 担当交代時の引き継ぎ |
口頭で足りる |
記録から追えないと業務が止まる |
右の列に当てはまる項目が多いなら、AIの導入と並行して、コンタクト・会社・取引を関連付けて管理できるCRMへの集約を検討することをおすすめします。HubSpotに限らず、関連付けのできるCRMであれば同じ考え方で設計できます。
RAG・AIエージェントで社内データとAIをつなぐ
業務への組み込みが進むと、次は社内のナレッジやCRMのデータをAIに参照させ、AIに一連の作業を任せる段階に入ります。ここで成果を左右するのは、AIの性能よりも、参照させるデータの品質と、AIに任せる範囲の線引きです。RAG・AIエージェント・接続規格の順に整理します。
RAGの精度はナレッジの品質で決まる
RAGは、AIが社内の資料を検索して回答の根拠にする仕組みです。そのため、参照先の資料が古い、重複している、矛盾しているといった状態では、AIの回答も同じ問題を抱えます。
以下の画面は、HubSpotのBreezeアシスタントで、読み込ませる入力ソースを選ぶダイアログです。

ソースを選ぶ前に、どのフォルダを「正」とするかを決めておくと、回答のぶれを減らせます。回答が外れたときは、次の順で原因を切り分けます。
- 根拠に使われた資料を見る:資料が古い・誤っているなら、資料の修正か参照先からの除外を優先します。
- 資料は正しいのに回答が外れる:同じ内容の資料が複数あって矛盾していないかを見て、1つに統合します。
- 資料も統合も問題ない:プロンプトや回答のガイドラインを見直します。
AIエージェントの自律範囲は段階的に広げる
AIエージェントには、Webでのリサーチ、メールの下書き、レコードの要約などを任せられます。ただし、AIが作った文面を人の確認なしに顧客へ自動送信する運用はリスクが残るため、送信前に人がレビューする設定から始めることをおすすめします。受注確度が高い案件や規模の大きい案件も、AIのリサーチを材料にしつつ、文面は担当者が自分で書くほうが安全です。
次の画面は、Breezeのカスタマーエージェントで、トーンや応答スタイルのガイドラインを入力する設定画面です(入力欄は空の状態です)。なお、この画面は2026年10月時点で確認した撮影当時のもので、ガイドラインがベータ版として表示されています。HubSpotの現行の公式ヘルプでは、左サイドバーの「Train」>「Guidelines」を開き、「Communication style」などの区分ごとに指示を追加する構成で案内されています。名称や配置は変わることがあるため、実際の画面と公式ヘルプで確認してください。

ガイドラインには、丁寧語の使い方や、回答できない質問を担当者へ引き継ぐ条件を書き込んでおくと、エージェントの振る舞いを担当者間でそろえられます。AIと人の分担は、本記事では次のように整理します。
| AIが得意なこと |
人が判断すること |
| 問い合わせの分類(営業か通常の問い合わせか) |
パイプラインの設計 |
| レコードの要約 |
ライフサイクルステージの定義 |
| 企業情報のWebリサーチ |
最終的なメール送信の判断 |
| パーソナライズしたメールの下書き |
営業戦略の意思決定 |
| データの分類・整理 |
大型案件へのアプローチ |
| 議事録の自動生成 |
プロンプトの設計と調整 |
| 案件のランク付けの候補出し |
ビジネスルールの定義 |
エージェントに繰り返しの作業を任せるときは、動かし方も決めておきます。Claude Codeには定期実行の方法が3種類あります。クラウドで動くスケジュールタスク(旧Routines。/schedule)、デスクトップアプリのスケジュールタスク(手元のPCで実行)、CLIのセッション内で動く/loopです。あわせて、auto memory(/memory)という学習内容を自動で保存する仕組みもあります(出典:Claude Code overview、確認日2026-10-19)。保存された内容は誤りを含むことがあるため、定期的に人が見直す運用にします。
エージェント運用をさらに深めたい場合は、AIエージェント運用のカテゴリをご覧ください。
MCP・A2Aで広がるツール連携
AIと外部ツールをつなぐ標準規格も整ってきています。MCP(Model Context Protocol)は、AIアプリケーションが外部のデータやツールに接続する方法を標準化するオープンなプロトコルで、ホスト・クライアント・サーバーで構成されます(出典:Introduction - Model Context Protocol)。A2Aは、エージェント同士が通信するためのプロトコルです。
2026年10月時点のClaude Codeを例にすると、MCPサーバーの追加はclaude mcp add --transport http <名前> 名前>のHTTP方式が推奨で、SSE方式は非推奨(SSEにしか対応しないサービスに限って使う)と公式ドキュメントに記載されています。また、2026年10月の更新(v2.1.299)で許可ルールの照合範囲が限定され、mcp__aというルールが別のサーバーa__bには一致しなくなりました。サーバー全体を許可する場合はmcp__<サーバー名>__*サーバー名>の形で書くのが推奨です(出典:Connect Claude Code to tools via MCP、Configure permissions、確認日2026-10-24)。
規格があることで、ツールごとに個別の連携を作り込む手間は減らせます。一方で、どのデータにAIがアクセスしてよいかを決めるのは規格ではなく自社の役割です。接続を増やす前に、AIに読み取りだけを許すデータと、書き込みまで許すデータを分けて一覧にしてください。
接続の実装例はMCP連携、技術動向はAIテックトレンド、開発への応用はAI駆動開発で扱っています。
HubSpotの全体フローの中にAIを置く
AIを個別の機能として足していくと、どこで何が自動化されているのかが見えにくくなります。本記事では、コンタクト→取引→顧客→請求という顧客の流れに沿って、各段階のどこにAIを置くかを決める設計をおすすめします。
| 段階 |
AIを置く工程の例 |
人が判断する工程 |
| コンタクト |
フォームの問い合わせ内容の分類、ライフサイクルステージ更新の候補出し |
ステージの定義そのもの |
| 取引 |
商談議事録の要約、次のアクションの下書き |
取引ステージを進める判断、大型案件の提案内容 |
| 顧客 |
問い合わせへの一次回答、ナレッジに基づく回答案 |
回答できない問い合わせへの対応 |
| 請求 |
請求関連の問い合わせの分類 |
金額と請求内容の確定 |
例えば、失注した取引の理由をAIに分類させて集計すれば、マーケティング側が掘り起こしの施策を考える材料になります。このように、AIの出力をCRMのデータとして残しておくと、営業とマーケティングの連携にもつながります。
導入ロードマップと社内ガイドライン
ツールを導入するだけでは、生成AIは定着しません。ガイドラインの策定、組織への展開、効果を測る仕組みまで設計しておくことが、定着のポイントになってきます。StartLinkでは、実装や調査の中心にClaude Codeを使い、その成果物を別のAI(Codex)にも検証させる役割分担で運用しています。作る側と確かめる側を分ける考え方は、業務へのAI組み込みでも共通です。Claude Codeを使った経営データの可視化やコンテンツマーケティングにも、こうした考え方が活かされています。
段階ごとのやることと次へ進む目安
最初から全業務をAI化しようとせず、段階を区切って進めることをおすすめします。AI導入は費用の発生ではなく、業務の進め方を変えて成果を積み上げる投資です。投資として扱うなら、効果を測る指標と見直す時期を最初に決めておく必要があります。次の表は、本記事で整理した導入の順番です。
| フェーズ |
やること |
次へ進む目安 |
| 1. ガイドライン整備 |
入力禁止情報、出力の品質ルール、インシデント対応フローを定める |
利用者が「入力してよいか」を迷わず判断できる |
| 2. スモールスタート |
メール・議事録・資料作成の3領域でテンプレートを作る |
作った本人以外が使っても同じ品質の出力が出る |
| 3. プロセス組み込み |
出力の保存先とレビュー担当を業務手順に書き込む |
AIの出力がCRMや共有の場所に記録されている |
| 4. 自動化・連携 |
ワークフローやエージェントに工程を任せる |
自動で実行する範囲と、人が止める地点が文書化されている |
目安を満たしていないうちに次のフェーズへ進むと、例えばテンプレートがないまま自動化して、品質のばらつきまで自動で広がることになります。各フェーズの目安を満たしたかを見てから進めてください。
ガイドラインを先に整える
ガイドラインの核は、入力してよい情報の区分です。まず次のように3段階に分けると、利用者が迷わず判断できます。
| 区分 |
例 |
扱い |
| 入力してよい |
公開済みの資料、一般的な業務知識、個人が特定できない文面 |
契約済みのツールで自由に使う |
| 条件付き |
顧客名を伏せた商談メモ、社内向けの未公開資料 |
学習に使われない設定を確認し、管理者の承認した範囲で使う |
| 条件付き |
売上予測や予実管理などの財務データ(ダミーデータ、または集計・匿名化したもの) |
財務分析の試行はダミーデータで行う。実データは、管理者が承認した環境(学習に使われない設定の確認済み)に限る |
| 入力しない |
個人情報、パスワード・APIキー、機密保持契約の対象情報、実際の契約金額 |
どのツールにも入力しない |
区分を決めたら、新しいツールを使いたいときの申請先と、誤って入力したときの報告先も1か所に決めておきます。
全社展開の前に、入力禁止情報・出力品質の基準・インシデント対応を定義しておくことをおすすめします。Samsung Electronicsの情報漏洩事案は、利用ルールが整う前に業務で使われた場合のリスクを示す例として、社内ガイドライン記事で取り上げています。
ルールの考え方を深めたい場合はAIガバナンス・倫理もご覧ください。
作る役と確かめる役を分ける
生成AIの出力は、もっともらしく書かれていても誤りを含むことがあります。そのため、同じAIが作って同じAIが確認する運用は、見落としが重なりやすくなります。StartLinkが業務で重視しているのは、作る役と確かめる役を分け、確かめる側には別の目(別のAIまたは人)を置くという考え方です。役割分担は次の表のように決めておくと、レビューが形骸化しません。
| 工程 |
作る役 |
確かめる役 |
確かめる観点 |
| 顧客向けの文面 |
AIが下書き |
担当者(人) |
事実・金額・固有名詞・トーン |
| 数値の集計・分析 |
AIが集計 |
別のAIまたは人が元データと突き合わせ |
件数・合計が元データと一致するか |
| 設定やコードの変更 |
AIが作成 |
別のAIが読み取り専用で検証し、人が承認 |
意図しない変更がないか、戻せるか |
確かめる役は「問題なさそうです」で終わらせず、元のデータや公式ドキュメントといった一次情報に当たった結果を添えて報告する決まりにします。この一手間が、AIの出力を業務に使える水準へ引き上げます。
少人数の組織での始め方と効果の測り方
専任の担当者を置けない組織では、個人向けの有料プランから始め、メール・議事録・資料作成・CS対応・データ分析のうち、毎日発生している業務を1つ選んで試すのが現実的です。効果は、AIを使う前後で同じ業務にかかった時間と、手戻りの回数を記録して比べます。記録する指標は次の3つで十分です。
| 指標 |
測り方 |
見直しのサイン |
| 1件あたりの所要時間 |
同じ業務を、AIあり・なしで数件ずつ計測 |
短縮が見られない |
| 手戻りの回数 |
上長やレビュー担当の修正指示の回数 |
時間が減っても手戻りが増えている |
| 利用の定着 |
テンプレートを使った人数と頻度 |
作った本人しか使っていない |
時間が減っても手戻りが増えているなら、プロンプトかレビューの工程を見直すサインです。
記録は、次のような1枚のシートで足ります。数値の欄は自社で計測した値を入れるもので、下の例は書式を示すためのものです。
| 日付 |
業務 |
使ったツール・テンプレート |
所要時間(AIあり) |
所要時間(従来) |
修正指示の回数 |
気づき |
| (記入) |
議事録の要約 |
契約済みのツール/議事録テンプレートv1 |
(記入) |
(記入) |
(記入) |
固有名詞の誤りが多い、など |
数件分たまったら、「所要時間が短くなり、修正指示が増えていない業務」だけを次の段階へ広げます。判断の軸は、速くなったかどうかではなく、レビューの手間を含めても業務全体が楽になったかどうかです。
経営の視点でAI活用の方針を考える場合はAI経営・戦略、組織や役割の変え方はAI組織変革で扱っています。
よくある質問
生成AIの実務活用は、何から始めればよいですか?
まずは社内ガイドラインで入力禁止情報を決め、そのうえでメール・議事録・資料作成のうち毎日発生している業務を1つ選んでください。選んだ業務のプロンプトをテンプレートにし、作った本人以外が使っても同じ品質になるかを試すのが最初の一歩です。全業務を一度に広げるより、型を1つ作って横展開するほうが定着しやすいと考えています。
ChatGPT・Claude・Geminiのどれを選べばよいですか?
特定のツールを断定せず、判断の基準で選んでください。基準は3つです。業務のデータがどこにあるか(Google Workspace、Excel、長文の契約書や提案依頼書のファイルなど)、そのデータに各ツールが直接つながれるか、社内ルールで入力してよい情報の範囲に収まるか。この3点で候補を2〜3つに絞り、同じ業務・同じプロンプトで試して、修正の手間が少ないほうを採用します。各ツールの料金・機能は2026年10月時点でも更新が続いているため、各社の公式ページで確認してください。
RAGとAIエージェントは、どちらから導入すべきですか?
社内の質問に正しく答えさせたいならRAG、調査から下書きまでの一連の作業を任せたいならAIエージェントが向いています。どちらも参照するデータの品質に結果が左右されるため、ナレッジや顧客データが整理できていない段階では、先にデータの置き場所と「正」とする資料を決めることをおすすめします。
AIが作ったメールや回答を、そのまま顧客に送ってもよいですか?
送信前に人がレビューする運用から始めることをおすすめします。特に受注確度が高い案件や規模の大きい案件では、AIのリサーチを材料にしつつ、文面は担当者が自分で書くほうが安全です。AIエージェントのガイドラインには、丁寧語の使い方や人に引き継ぐ条件を書き込んでおくと、振る舞いを担当者間でそろえられます。
ExcelやスプレッドシートのAI機能だけで十分ですか?
少人数で単発の分析をする用途なら、Excelやスプレッドシートに付いたAI機能で十分に効果が出ます。一方で、同じ顧客の情報が複数のシートに分散している、部門をまたいで複数人が更新している、といった状況では、AIを足しても転記の手間は残ります。その場合は、コンタクト・会社・取引を関連付けて管理できるCRMへの集約をあわせて検討してください。
まとめ
生成AIの実務活用で押さえたい要点を整理します。
- 業務プロセスに組み込むことが本質です:AIの出力の保存先とレビュー担当を業務手順の中で決めると、効果が個人から組織に広がります。
- ツール選定より先に、業務とデータの置き場所を決めます:ChatGPT・Claude・Geminiは得意領域が異なるため、日常の作業環境との相性で選びます。
- プロンプトは組織の型にします:RCTFCの5要素でテンプレートを作り、共有の場所で管理すると、担当が替わっても品質を保てます。
- AIと人の分担を線引きします:社外に出る文面や金額・契約に関わる判断は人に残し、AIには下書き・要約・分類を任せます。
- ガイドラインを先に整え、スモールスタートで型を作ります:段階ごとの目安を満たしてから次へ進むと、品質のばらつきを広げずに済みます。
まずは、毎日発生している業務を1つ選び、そのプロンプトをテンプレートにするところから始めてください。次の行動は3つです。
- 社内ガイドラインで、AIに入力してはいけない情報を一覧にする
- メール・議事録・資料作成のうち1つの業務でテンプレートを作り、別の担当者に使ってもらう
- AIの出力をどこに記録し、誰がレビューするかを業務手順に書き込む
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、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