業務棚卸のやり方。AIに任せる業務を判定する情報基盤のつくり方

01なぜ今、業務棚卸をやり直す必要があるのか

業務棚卸をやり直す理由は、判定の軸が変わったからです。従来の棚卸は「ムダを削る」「標準化する」ための洗い出しでした。しかし生成AIを前提にした棚卸では、1つの業務に対して「AIが単独で処理できるか」「人の承認が必要か」「AIには渡せないか」という3段階の判定が必要になります。この判定軸が無いまま棚卸表をつくっても、AI導入の優先順位を決める材料にはなりません。

総務省の令和7年通信利用動向調査では、デジタルデータの収集や解析のためにIoTやAI等のシステムを導入している企業の割合が27.3%でした。前年比で8.9ポイント増えています（総務省, 2026年5月29日）。導入は進んでいますが、どの業務から着手するかを決める棚卸が追いついていないと考えられます。生成AIを「積極的に活用」または「領域を限定して活用」する方針の企業は68.9%に上り、前年度の49.7%から大きく伸びました（総務省, 2026年7月24日）。方針は決まっても、対象業務の選定基準が無い企業が多いと見ています。

こうした傾向は、生成AIを社内の業務フローそのものに組み込む動きとも重なります。生成AIを組み込んだ次世代の社内ワークフロー構築手法で扱ったように、ワークフローにAIを組み込む設計は、個々の業務がどこまで構造化されているかを事前に把握していないと破綻しやすくなります。業務棚卸は、ワークフロー設計の前提条件を整える作業だと位置づけられます。

棚卸をワークフロー構築より先に終わらせておくべき理由は、順序を逆にすると二度手間になるからです。ワークフローの設計図を先に描いても、現場の業務が作業単位まで分解されていなければ、どの工程にAIを差し込めるかを図面上で判断できません。結局は設計を中断して棚卸に戻ることになり、関係者の合意も取り直しになります。棚卸を情報基盤として先に固めておけば、ワークフロー設計はその上に積み上げるだけで済みます。

02経理、人事、営業、企画で棚卸の粒度は揃わない

職種によって棚卸で記録すべき単位は異なります。経理は仕訳単位まで分解する必要があります。例えば「月次決算」という大分類だけでは、AIに渡せる作業と渡せない作業が混在したままになります。「仮払金の消込」「固定資産の減価償却計算」「勘定科目の自動分類」というレベルまで分けると、どこにAIを入れられるか判定できます。

人事は個人情報の取扱いが発生する工程を分けて記録する必要があります。採用選考での書類スクリーニング、評価面談のメモ作成、退職手続きの書類発行は、同じ人事業務でもAIに渡す際の統制レベルが違います。特に採否や処遇など労働者の身分に直結する判断は、AIの出力をそのまま適用するのではなく、判断根拠を人が確認し、最終決定の責任者を明確にしておく運用が欠かせません。棚卸の段階でこうした工程を切り出しておけば、どこまでAIに任せ、どこから人が承認するかを後から議論しやすくなります。

営業は顧客ごとの個別判断が発生する箇所を切り分けます。見積書の作成、提案書のドラフト、議事録の要約はAIに任せやすい一方、価格交渉や契約条件の最終判断は人が残すべき領域です。企画は情報収集と意思決定の境界で分けます。市場データの収集や競合情報の整理はAIに任せられますが、戦略の優先順位づけは人の判断が必要です。職種が違えば、棚卸の分解単位も判定基準も変わります。一律のテンプレートで全部署を棚卸すると、粒度が粗い部署だけ判定を誤ります。

製造業の現場でも同様の課題が見られます。製造業におけるAI伴走型オペレーションモデルへの転換で述べたように、製造現場は設備単位、工程単位での粒度の揃え方が品質や安全に直結するため、オフィス業務以上に分解の精度が問われます。職種ごとの粒度設計は、業種を問わず棚卸の成否を左右する論点です。

粒度を揃える作業は、部署横断のプロジェクトとして進めるとかえって停滞しがちです。各部署の実務を把握していない担当者が全社共通のテンプレートを先に決めてしまうと、経理の仕訳レベルの細かさと、企画の案件レベルの粗さが同じ列に並び、比較も優先順位づけもできなくなります。先に3段落で挙げたような職種ごとの着眼点を部署側から出してもらい、それを後から共通フォーマットに統合する順番のほうが、現場の実態に即した棚卸になります。

03棚卸を怠ると属人化リスクが可視化されない

業務棚卸をしない企業ほど、特定の個人に業務が集中している実態に気づけません。SIGQの調査によると、インシデント対応が特定の1〜2名に依存していると回答した組織は72.0%でした。そのうち88.9%が、その担当者の1〜2年以内の退職リスクを認識しています（株式会社SIGQ, 2026年4月2日）。リスクを認識していても、担当者が何をしているかを棚卸で言語化していなければ、引き継ぎもAI化も進みません。

引き継ぎ資料をつくるだけでは不十分です。資料をつくっても使われなくなる理由は、属人化対策で作った資料は、なぜ使われなくなるのかで書いた通り、資料が業務の判断基準まで記録していないためです。棚卸の段階で「この業務は誰が、どの基準で判断しているか」まで記録しておくと、AIに渡す際の判定材料とリスク低減の両方に使えます。

経理領域での属人化対策は、特に統制強化とセットで検討する必要があります。経理の属人化を解消する：統制強化とAIエージェント導入のロードマップで示したように、棚卸で判断基準を記録しておくことが、属人化解消とAIエージェント導入の両方の土台になります。

退職リスクを認識しながら対策が進まない背景には、何を引き継げばよいかが言語化されていない事情があります。担当者本人も、自分の業務のどこが判断でどこが定型作業かを明確に説明できないケースは珍しくありません。棚卸の台帳に判断基準の列を設けて記入を求めること自体が、担当者に業務を言語化させるきっかけになります。属人化対策を資料作成の課題として捉えるのではなく、棚卸の設計課題として捉え直すことが、形骸化を防ぐ近道です。

04AIに任せられるかを判定する3つの基準

AIに任せられるかどうかは、入力の構造化度、判断の再現性、誤りの影響範囲の3つで判定します。入力が定型フォーマットかフリーテキストか、同じ条件なら毎回同じ結論になるか、間違えた場合に金銭や契約に直結するかを、棚卸した業務1件ごとにチェックします。

この3基準に沿うと、経理の仕訳入力は入力が構造化され判断も再現性が高いため、AIに任せやすい業務に分類できます。一方、人事の評価面談のような業務は、入力がフリーテキストで判断の再現性も低いため、AIは下書き支援にとどめ、最終判断は人が残す業務に分類します。経理領域でAIを使う前に統制面で整理すべき論点は、経理でAIを使う前に、統制まわりで整理しておく論点にまとめています。

3基準のうち、特に判断を誤りやすいのは「誤りの影響範囲」です。入力が構造化されていて判断の再現性も高い業務であっても、誤りが契約条件や対外的な金額提示に直結する場合は、AIの出力をそのまま確定させず、人の最終確認を挟む設計にしておく必要があります。逆に、入力が多少フリーテキストでも、誤りの影響が社内のドラフト作成にとどまる業務であれば、AIに任せる範囲を広げやすくなります。3基準は足し算ではなく、影響範囲の基準を他の2つより重く見る運用が実務的です。

05棚卸データの管理権限を決めないと社外持ち出しリスクになる

業務棚卸でつくる台帳は、それ自体が機密情報です。取引先名、単価、承認フロー、顧客対応の判断基準が並ぶため、閲覧権限を設計せずに共有フォルダに置くと、社外への持ち出しリスクになります。棚卸を始める前に、誰が台帳を編集でき、誰が閲覧だけできるかを決めておく必要があります。

AIエージェントに棚卸データを読み込ませる場合も同様です。AIエージェントが参照できる範囲を部署単位や業務単位で区切らないと、ある部署の棚卸データが別部署の担当者に見える状態になります。常時稼働し続けるエージェントほど、参照権限を一度設定したまま放置しがちなので、棚卸の更新に合わせて権限も定期的に見直す運用が必要です。どの業務にどこまでの権限を与えるかは、棚卸台帳のAI判定区分と閲覧権限の列をセットで設計しておくと、後から見直しやすくなります。

06業務棚卸を始める5つの手順

業務棚卸は、台帳の形を先に決めてから書き出しを始めます。形を決めずに書き出すと、職種によって粒度がバラバラになり、後から統合できません。以下の手順で進めます。

あなたは業務プロセスの棚卸を支援するアシスタントです。以下の業務について、「入力の構造化度」「判断の再現性」「誤りの影響範囲」の3つの観点で評価し、`AIに任せられる` `AI下書き+人の承認` `人が担当` のいずれかに分類してください。分類理由も1〜2文で添えてください。

業務名: [業務名を入力]
業務内容: [具体的な作業内容を箇条書きで記入]
現在の担当者: [担当者名または役職]
頻度: [毎日/週次/月次/四半期など]
過去のミスの事例: [あれば記入、無ければ「特になし」]

出力形式:
- AI判定区分:
- 判定理由:
- 人が残すべき判断ポイント（あれば）:

07自社で次に測るべきこと

まず測るべきは、自社の棚卸台帳に AI判定区分 の列があるかどうかです。業務一覧表はあっても、AIに任せられるかどうかの判定列が無い企業が多いと考えられます。IPAの調査では、組織横断で業務プロセスのデジタル化に取り組む日本企業のうち、成果創出に至ったのは36.4%にとどまります（IPA, 2025年6月26日）。取り組みを始めていても、どの業務をAIに任せ、どこで人の承認を挟むかという判定基準を事前に用意していなければ、デジタル化の施策自体が成果に結びつきにくいと考えられます。取り組みと成果の差を埋めるには、棚卸の段階で判定基準を入れておくことが近道だと考えられます。

従業員100人以下の企業でDXに取り組んでいない割合は48.0%です（IPA, 2025年6月26日）。規模の大小に関わらず、棚卸をやっていない企業ほど、AI導入の優先順位を決められずに止まっています。 次の一手は、自社の業務一覧を開き、AI判定区分 の列が埋まっているかを確認することです。埋まっていなければ、この記事の手順とプロンプトで1部署分から始めてください。

こうした棚卸の積み重ねは、最終的に現場主導でAIによる変革を進める土台になります。現場主導のAXを成功させる3つの条件で挙げた条件の多くは、業務単位の棚卸が済んでいることを前提にしています。判定基準づくりを先送りにせず、小さな単位から着手することが遠回りに見えて最短の進め方です。

棚卸で蓄積したデータは、AI判定の材料にとどまらず、経営の意思決定にも使える情報資産になります。Deltalyze Platformが目指す、データと意思決定の即時連結で述べているように、現場データと意思決定を直結させる仕組みは、個々の業務が構造化され、判定区分が付与されていることが前提になります。棚卸は一度つくって終わりではなく、更新し続けることで初めて、こうしたデータ活用の土台として機能し続けます。