AI活用は「個人」で止まっていないか ― 4つの領域で見る、学びが会社に残る仕組み
生成AIを業務で使う人は確実に増えました。資料のたたき台、議事録、調べもの、文章の推敲。以前ならそれなりに時間がかかっていた作業が、短い時間で済むようになっています。個人の生産性が上がっていることは確かです。
一方で、「AIを導入したのに、会社としての成果が見えにくい」という声も多く聞かれます。一人ひとりの仕事が速くなったぶん、会社の仕事のやり方そのものは良くなっているのか。AIを使う人が増えることと、会社として仕事が上手くなることは、必ずしも同じではありません。
このコラムでは、AI活用を4つの領域に整理し、多くの企業で見落とされている「学びの戻り道」と、その設計の考え方を解説します。
AI活用を4つの領域で整理する
AI活用は、2つの軸で整理すると見通しがよくなります。横の軸は、AIを個人の仕事で使うか、組織の業務に組み込むかです。左が個人利用、右が組織利用です。組織利用とは、全社員にアカウントを配ることではなく、共通のデータやルール、役割のもとでAIを業務の流れに組み込むことを指します。縦の軸は、AIが支える仕事の種類です。下が作業の効率化、上が分析や判断の高度化です。
- 左下：一人ひとりの作業を支援する メールや報告書の下書き、要約、翻訳などです。ツールを配り、基本的な使い方を伝えれば、比較的すぐに効果が出ます。
- 左上：個人の分析・判断を支援する 課題の壁打ち、データ分析、施策の検討などです。判断の質を上げられる一方、どう考えて判断したのかという経緯は本人の中にとどまりやすい領域です。
- 右下：共通業務を仕組みとして効率化する 社内の問い合わせ対応、申請内容の確認、定型レポートの作成などです。業務の流れの中にAIを組み込み、誰が担当しても同じ水準で処理できるようにします。
- 右上：組織として分析・判断・改善する 共通データに基づく経営分析、判断根拠の共有、業務全体の改善などです。データの整備に加え、判断基準や役割の明確化も必要になる領域です。
多くの企業は、左の列にとどまっている
AI導入の取り組みとしてよく見られるのは、アカウントの配布、全社研修、利用率の向上です。どれも必要な施策ですが、4つの領域に当てはめると、そのほとんどが左の列、特に左下に向けたものです。
左の列で得られる成果は、まず個人の仕事に表れます。作業時間の短縮や判断の質の向上は会社にも貢献しますが、その工夫が他の人に引き継がれなければ、共通の仕事の進め方には育ちにくいものです。利用率が上がっても「会社として仕事が上手くなった」という実感が伴わない背景には、この問題があります。
逆に、右下だけを切り出し、社内問い合わせ用のチャットボットなどを情報システム部門が中心になって進めるケースもあります。これも有効な施策ですが、現場でAIを使っている人の工夫と切り離されたまま進むと、使われない仕組みになりがちです。左と右をつなぐ道筋が設計されていないこと。これが、AI活用が個人の段階にとどまる大きな理由だと考えています。
左上の学びは、なぜ組織に戻らないのか
特に注目したいのが左上です。この領域では、AIを使う人が試行錯誤を通じて、仕事の進め方そのものを学んでいるからです。
たとえば、営業企画のAさんがAIを使って競合調査をしているとします。最初は「この業界の競合について教えて」と聞いていましたが、答えはどこか浅いものでした。何度か試すうちに、「市場」「顧客」「競合」「代替手段」の順に調べると抜け漏れが減ることに気づきます。さらに、最後に結論への反証を探させると、思い込みに引きずられにくくなることも分かりました。Aさんは以前より速く、質の高い調査ができるようになりました。
しかし、Aさんが異動すると、後任のBさんはまたゼロからAIに質問を始めます。Aさんが身につけた調査の順番も、反証の探させ方も、Aさんの中にしか残っていないからです。Aさん個人は学習していますが、会社としては同じところからもう一度始めていることになります。
ノウハウが人に張り付き、異動とともに失われるのは、AI以前からある問題です。ただ、AIによって事情は2つの点で変わりました。
1つ目は、個人が学ぶスピードが上がったことです。試して、直して、別の聞き方を試す。この回数を短時間で回せるため、個人の中に工夫が速くたまります。その工夫が個人の中にとどまるなら、個人と組織の差が開くスピードも速くなります。
2つ目は、学びの跡が残りやすくなったことです。AIとの対話の履歴には、どんな順番で聞き、どこでやり直し、何を確かめたのかが、ある程度記録されます。ただし、その履歴は個人ごとに散らばり、本人でさえ見返すことはあまりありません。また、残るのは主に「何を聞いたか」で、「なぜそう聞いたのか」までは残りません。手がかりはあっても、放っておけば埋もれていきます。
左上には、もう一つ見落とされやすい点があります。AIと壁打ちして下した判断は、周囲からその根拠が見えにくいということです。判断の経緯が本人の中にとどまると、ノウハウが失われるだけでなく、判断の品質を組織として確かめることも難しくなります。
領域ごとに、必要な条件と見るべき指標は違う
4つの領域は、それぞれ実現に必要な条件も、成果を測る指標も異なります。
| 領域 | 実現に必要な条件 | 主な担い手 | 見るべき指標 |
|---|---|---|---|
| 左下：作業の支援 | ツールの配布と基本的な研修 | 個人 | 作業時間の削減 |
| 左上：分析・判断の支援 | 目的を持って良い問いを立てる個人の力 | 個人 | 判断の質（検討した観点の幅、見落としの少なさ） |
| 右下：共通業務の仕組み化 | 業務の標準化、例外処理のルール、運用・更新の責任者 | 業務部門・情報システム部門 | 処理時間・処理量、品質のばらつき、手戻り |
| 右上：組織としての判断・改善 | 判断基準と権限の明確化、共通データの整備、判断後の検証 | 経営層・管理職・業務責任者 | 判断に要する時間、結果を検証した割合、同じ問題の再発や手戻りの減少 |
この表から、3つのことが分かります。
1つ目は、ツールの配布と基本的な操作研修が、主に左下の活用を後押しするということです。左上では、それに加えて、何のために考えるのかという目的意識や、問いを立て、回答の根拠を確かめる力が求められます。操作研修だけでは、こうした力を育てるところまで届きにくいのです。
2つ目は、利用率や削減時間だけでは、活用の成果を捉えきれないということです。削減時間は右下でも重要な指標ですが、それだけでは判断の質が上がったか、知識が引き継がれるようになったかは分かりません。領域ごとの目的に合わせて、成果を確かめる必要があります。
3つ目は、成果を他の人が引き継ぎ、再利用できるかどうかが重要だということです。個人もAIを使い続けることで、分析や判断の力を伸ばせます。ただし、その工夫が本人の中にとどまると、他の人は同じ試行錯誤を繰り返すことになります。工夫を共通の仕組みに反映すれば、次の人はその到達点から始められます。組織の仕組みも、利用結果を確かめて更新し続けることで、成果が積み上がっていきます。
4つの領域は「階段」ではなく「循環」
2×2の図は、右上をゴールとする成熟度の階段のように読みたくなります。しかし、実際のAI活用は、左下から右上へ順に登っていくものではありません。
右の列の仕組みを育てるうえで、左の列で生まれる工夫は重要な手がかりになります。現場の試行錯誤を取り込めば、共通の手順や判断基準を実務に合うものへ更新できます。逆に、左で見つかった工夫を右へ戻す道筋がなければ、学びは個人の中で閉じたままです。
Aさんの例に当てはめると、次のような流れになります。
- 左上で、Aさんが調査の順番と反証の探させ方を見つける
- チームの別の担当者や案件でも試し、どのような条件で有効かを確かめる
- 検証した手順を共通の調査テンプレートに反映し、右下の標準業務として使う。運用・更新の責任者も決める
- 「結論に反する情報も確かめたか」などの判断基準を、右上の提案レビューや会議で実際に使う
- 後任のBさんは、検証された手順と基準を使って仕事を始め、利用結果や新たな工夫をチームに持ち帰る
Aさんの工夫が、どの案件でも有効とは限りません。個人の経験をそのまま標準にするのではなく、有効な条件と限界を確かめてから組み込むことが大切です。また、テンプレートや判断基準は、共有フォルダに置くだけでは参考資料にとどまります。誰が、どの場面で使い、誰が更新するかまで決めることで、組織の仕事の進め方になります。
ここで注意したいのは、戻すべきものはプロンプトだけではないということです。Aさんの「反証を探させる」やり方が効いたのは、「良い調査とは、都合の良い情報だけを集めたものではない」という基準がAさんの中にあったからです。プロンプトだけを受け取っても、その背景が分からなければ、形をなぞるだけになります。
戻すべきなのは、仕事の目的、良い状態の基準、人が判断するところ、結果の振り返り方です。これらをテンプレートやチェックリスト、判断基準の形で仕事の仕組みに組み込んでおけば、AIの製品や使い方が変わっても、学びは組織に残ります。
今年だけを見れば、工夫を仕組みに戻すことに時間を使う会社は、効率が悪く見えるかもしれません。しかし、担当が替わるたびにゼロから始める会社と、前任者の到達点から始められる会社の差は、3年、5年と経つうちに大きく開いていきます。
戻り道の担い手は誰か
循環を回すうえで見落とされやすいのが、左から右へ学びを戻す役割です。個人のAI利用を支援し、ツールを展開する担当はいても、現場で生まれた工夫を検証し、どの仕組みに反映するかを決める担当は、明確になっていないケースがあります。
私たちは、現場の管理職がこの役割の中心を担うことが重要だと考えています。業務の目的や成果に責任を持つ立場だからです。ただし、管理職だけで抱えるのではなく、業務責任者や情報システム部門、DX推進部門と連携する必要があります。AIに作業を任せる場面が増えるほど、目的と判断基準を設定し、現場の学びを仕組みに反映する役割の重みも増していきます。
戻り道は、大がかりなものである必要はありません。
- 定期的に、チームで「AIを使ってうまくいったこと、うまくいかなかったこと」を持ち寄る
- 共通のやり方にできそうな工夫を、別の担当者や案件で試し、有効な条件を確かめる
- 検証した工夫をどの手順や判断基準に反映するか、誰が運用・更新するかを決める
- AIを使って下した重要な判断は、根拠を簡単に残し、後から結果を確かめる
地味な取り組みですが、こうした戻り道があるかどうかで、学びが個人で止まるか、組織に積み上がるかが分かれます。
おわりに：AI活用を評価する問いを変える
AI活用の進み具合は、利用率や削減時間で語られがちです。それらは大切な指標ですが、会社が賢くなっているかどうかまでは教えてくれません。自社のAI施策を4つの領域に当てはめると、どこに偏っているか。左上で生まれた工夫を拾い上げる場はあるか。担当者が替わったとき、次の人は前任者の到達点から始められるか。こうした問いが、次の一手を考える手がかりになります。
AIを使う人が増えているかどうかだけでなく、AIを使うたびに、会社の仕事が少しずつ良くなっているかどうか。これからのAI活用では、その視点がますます重要になっていくはずです。
株式会社TKコンサルティングでは、AIを個人の便利な道具で終わらせず、現場の学びが組織の仕組みとして積み上がる状態づくりをご支援しています。AIを導入したものの個人の効率化にとどまっている、研修をしたのに活用が深まらないといった課題に対して、業務と判断の設計から、学びの戻り道が自ら回る組織づくりまでを伴走します。