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

01課題の棚卸しとAI適応領域の特定

最初に行うのはAIツールの選定ではありません。現行業務を、入力、処理、判断、承認、出力の5つに分解し、滞留時間、手戻り、属人化、品質のばらつきを書き出します。分解の粒度は、「誰が、何を見て、何を決めるか」が1行で書ける大きさにそろえます。

候補を選ぶ基準は、頻度が高く、入力と望ましい出力を説明でき、人が結果を検証できる作業かどうかです。目的が曖昧な経営判断、本人確認が必要な処理、誤りの影響が大きい対外回答は、最初から完全自動化しません。AIが下書きや論点整理を担い、責任者が確定する形から始めます。

この境界の引き方が成果を分けます。PwC Japan が2026年2月12日から19日にかけて、売上500億円超の企業で生成AIの導入判断に関わる管理職以上932名に行った調査では、生成AIの活用、推進度は87%に達しました。一方で、実際に導入した企業が得ている業務時間の削減は1日あたり平均75分にとどまります。大きく踏み込んだ例としては、パナソニック コネクトが2025年度に年間788,000時間を削減しており、同社の総労働時間の3.4%にあたります。導入したかどうかより、どこまで任せる設計にしたかが効いています。

下の判定表は、業務を1件ずつ当てはめて任せ方を決めるためのものです。5つの問いのうち、問い4と問い5が任せる範囲の上限を決めます。正否を判定できる人がいない作業は対象から外し、取り消せない作業は下書きまでに止めます。業務の洗い出しそのものの進め方は業務棚卸のやり方で詳しく扱っています。

• 現状の処理時間と差し戻し率を測る
• 使用データの正本と更新責任者を特定する
• AIの提案、担当者の確認、承認者の決裁を分ける

02ワークフロー定義とAIタスクの分割

一つの長い指示で業務を完結させようとすると、どこで失敗したかが見えなくなります。文書分類、必要情報の抽出、照合、提案作成、形式検査のように、結果を確かめられる単位へ分けます。分けておけば、タスクごとに合格の条件を決めて試験でき、直す箇所も限定できます。

分けたタスクごとに、入力形式、期待出力、禁止事項、失敗時の戻し先を決めます。戻し先とは、AIが判断できなかったときに処理を引き継ぐ人や工程のことです。戻し先が決まっていないタスクは、例外が出た時点で止まります。しかも誰も気づかないまま滞留しやすくなります。

外部システムへの書き込みは、読み取りや下書き生成とは別の権限にします。特に顧客連絡、支払い、権限変更は、承認済みの情報だけを実行層へ渡す設計が必要です。経理で使う場合に統制の面で決めておく事項は、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。

下のタスク定義シートは1タスクにつき1枚使います。確認者と戻し先が空欄のまま運用を始めないことを、記入のルールにしてください。業務の分解と定義の下書きは、続くプロンプトでAIに作らせることもできます。

あなたは業務設計の担当者です。以下の業務を、生成AIに任せる作業と人が確定する作業に分けたいと考えています。

【業務の説明】
- 業務名: [業務名]
- 現在の手順: [手順を箇条書きで]
- 使っているデータとシステム: [名称]
- 月あたりの件数の目安: [件数]
- 誤ったときの影響: [影響を1〜2文で]

【依頼】
1. 業務を入力、処理、判断、承認、出力の5つに分解し、それぞれ「誰が、何を見て、何を決めるか」を1行で書いてください。
2. 次の5つの問いに「はい」「いいえ」「不明」で答え、理由を1行で添えてください。月に何回も発生するか。入力の形が毎回ほぼ同じか。望ましい出力を文章で説明できるか。担当者が結果の正否を判定できるか。誤ったときに取り消せるか。
3. AIに任せる候補の作業を、結果を確かめられる単位のタスクに分け、タスクごとに入力、期待出力、合格の条件、禁止事項、失敗時の戻し先を表にしてください。
4. 情報が足りず判断できない点は、推測で埋めずに「確認が必要な質問」として列挙してください。

03記入例：請求書の受領から計上まで

以下は架空の例です。経理部門の「取引先から届いた請求書を受け取り、買掛金として計上する」業務を、判定表とタスク定義シートに当てはめました。実在の企業の業務や、調査で得た数値ではありません。

この業務を判定表にかけると、問い1から4は「はい」になります。問い5の「誤ったときに取り消せるか」は、計上後の修正に手間がかかるため「いいえ」としました。そこでAIの担当は下書きまでとし、計上の確定は経理担当者が持ちます。タスクは分類、抽出、照合、仕訳案の作成の4つに分け、ここではそのうち照合のシートを示します。

4つのタスクのうち、AIに書き込み権限を持たせるものはありません。仕訳案は会計システムへ直接登録せず、担当者が確認画面で承認した時点で登録します。差異ありの件数と、担当者が仕訳案を直した件数を記録しておけば、試行の評価にそのまま使えます。

04データと意思決定を即時につなぐAtoOモデル

Deltalyzeでは、AIを単独の機能として足すのではなく、AIを前提にオペレーティングモデルを組み替える考え方をAtoO（AI to Operating Model）と呼んでいます。情報の取得から判断、実行、記録までを一つの流れとして設計し、判断根拠が後から追える状態をつくります。

重要なのは、AIが参照したデータ、生成した提案、人が加えた修正、最終承認を分離して保存することです。これにより、誤りがあったときに原因を切り分けられ、改善を次の処理へ反映できます。

記録は大がかりな仕組みがなくても始められます。下の雛形のように1件の処理を1行にし、AIの出力と人の判断を別の列に残します。満たすべき条件は、AIが何を見て何を出し、人がどこを直したかが1行で追えることです。2行目は前節の架空の記入例を埋めたものです。

修正の理由の列は空欄を許さない運用にします。理由が残っていれば、同じ修正が何度も出ているかを後から数えられます。数えた結果から、直すべきなのが指示文か、業務ルールか、参照データかを判断できます。

05運用監視と改善ループ

本番導入後は、正答率だけでなく、処理完了率、例外率、人による修正量、処理時間、利用者の再作業を追います。正答率が保たれていても、例外が増えて担当者の手元に処理が戻っていれば、業務としては改善していません。

品質の低下を検知したら、原因が参照データ、業務ルール、指示文、モデルのどこにあるかを切り分けます。調べる順番を先に決めておくと、毎回すべてを疑う必要がなくなります。下の手順は、AIの出力より先に入力と前提を確かめる順に並べています。

改善は月次の大きな見直しだけにせず、現場が例外と修正理由を残せる仕組みにします。小さな学習を継続的に業務定義へ戻すことで、AI導入を一度きりの施策から運用能力へ変えられます。

06小さく始めてROIを検証する

最初の対象は、一部門の一つの業務に絞ります。導入前の基準値を取り、4〜8週間の試行で削減時間、品質、定着率を比較します。削減できた時間が別の手作業へ移っただけではないかも確認します。

比較する指標は、試行の前に決めて書き残します。試行が始まってから指標を選ぶと、良い結果が出た指標だけを見ることになりやすいためです。月次の締めを含む業務では、少なくとも1回の締めを試行期間に含めると、繁忙時の例外まで確かめられます。

効果が確認できたら、同じデータ定義や承認パターンを再利用できる隣接業務へ広げます。個別自動化を増やすのではなく、再利用可能な業務部品を増やすことが、全社展開を持続可能にします。