1. 変えるべき業務が決まっていない

「生成AIを使う」ことが先に決まり、何の成果を改善するかが曖昧な状態です。全社員に用途を考えてもらっても、メールや要約など分かりやすい個人作業へ集中しやすくなります。

  • 売上・利益・品質・判断速度など、改善したい成果を決める
  • その成果を生む業務を、開始から完了まで整理する
  • 効果と実現しやすさから、最初の候補業務を1つに絞る

2. 会社固有の情報を渡せない

重要な仕事には、顧客履歴、商品情報、過去の判断、KPI、社内ルールなどが必要です。毎回人が背景を説明している限り、AIは仕事を理解しているのではなく、その場の入力に答えているだけです。

3. AIと人の判断範囲が曖昧

AIに何を任せ、何を人が確認し、誰が最終責任を持つかが決まっていないと、現場は安心して使えません。リスクや例外を含む業務ほど、AIと人の役割を明確にする必要があります。

4. 出力が次の作業につながらない

AIが分析や文章を作っても、その後に転記・確認・承認が必要なら、仕事全体は変わりません。AIへの質問だけでなく、業務の開始、情報取得、提案、承認、実行、記録までを一つの手順として設計します。

5. 成果を測る基準がない

利用回数やプロンプト数だけでは、業務が良くなったか判断できません。時間、品質、再作業、待ち時間、判断の一貫性など、対象業務の導入前後を測ります。

  • 全社展開より、価値のある1業務で検証する
  • 利用率ではなく業務成果を測る
  • 結果を見て、継続・修正・中止を判断する