社内のAIへの期待をどう調整するか

AI活用の取り組みが止まる原因は、技術よりも社内の期待のずれにあることが少なくありません。経営は「大幅に人手が減る」と期待し、現場は「結局チェックの手間が増えただけ」と感じる。この差が埋まらないまま、取り組み自体が立ち消えになります。本記事では、AIについて社内でどう説明し、期待をどこに置くかを整理します。誰にどの役割を持たせるかという体制の話はAI活用に必要な社内スキルで扱っています。

期待がずれる本当の理由

期待のずれは、「AIにできること」の誤解から生じているように見えますが、実際の原因はもう少し具体的です。

確認の手間が計算に入っていない。 AIが業務の9割を処理できたとしても、出力が正しいかを人が確認する時間は残ります。しかも、どれが誤っているか分からないので全件に目を通すことになります。この時間を差し引かずに「9割自動化」と説明すると、期待と結果がずれます。

成果を出すまでの試行が見えていない。 実際には自社の業務に合わせて指示を調整し、例外を洗い出す期間が必要です。この期間が計画に入っていないと、「思ったより時間がかかっている」という評価になります。

デモと実務の条件が違う。 デモは都合のよい入力で動かされています。実際の業務には、書式の崩れた文書、途中で終わっている記録、前提が省略された依頼が含まれます。

つまり、ずれているのは「AIの能力」ではなく「業務に組み込んだときの総手間」です。

「できる・できない」で説明しない

社内説明でよく使われるのが、AIにできることとできないことの一覧です。出発点としては有用ですが、それだけでは期待は調整できません。多くの処理は「できるが、どこまで信用するかによる」という性質だからです。

より有効なのは、工程のどこまでをAIに任せ、どこから人が見るかという形で示すことです。たとえば「問い合わせ対応にAIを使う」という説明を、次のように書き換えます。

• 問い合わせの分類はAIが行い、結果は人が確認せず使う（誤っても次の工程で気づける）
• 回答の下書きはAIが作り、担当者が必ず目を通してから送信する
• 過去の類似案件の提示はAIが行い、採用するかは担当者が判断する
• 金額や契約に関わる回答はAIを使わず、従来どおり人が作成する

この形にすると、経営は「人の手がなくなるわけではない」と理解でき、現場は「何が自分の仕事として残るか」が分かります。抽象的な能力の話より、具体的な工程の話のほうが合意しやすくなります。工程ごとの振り分けの考え方はAIとルールベースの使い分けで詳しく扱っています。

精度を数字で語らない

「精度95パーセントを目指します」といった説明は、一見分かりやすいのですが、社内合意の材料としてはおすすめしません。何を正解とするかで数字が変わること。残りの5パーセントが軽微な表現の誤りなのか重大な金額の誤りなのかで業務への影響がまったく違うこと。そして数字が一人歩きし、達成できなかったときに取り組み全体の失敗と受け取られることが理由です。

代わりに、業務への影響で語ってください。

• 誤りが起きた場合、次の工程で気づけるか
• 気づけなかった場合に何が起きるか（社外に出るのか、社内で止まるのか、金銭が動くのか）
• 人が確認する時間は従来と比べてどうなるか
• 対応できない入力が来たとき、どう処理されるか

この四つが説明できれば、数字がなくても判断は可能です。答えられないまま数字だけ示すほうが危険です。

最初の範囲を意図的に狭くする

期待の調整で最も効果があるのは、言葉ではなく最初の適用範囲の設定です。

対象を狭くすると、短い期間で実物を見せられ、うまくいかなかった場合の損失も小さく、実物を見た後の議論が具体的になります。

想定例として、社内の複数部門から「AIで効率化したい業務」を集めた場面を考えます。十数件の候補が挙がりましたが、全部に着手すると成果が出る前に予算も熱意も尽きます。そこで、件数が多く誤っても次の工程で気づける工程を一つだけ選び、短期間で動くものを作って使ってもらいます。期待ほど手間は減りませんでしたが、「確認の時間がこれだけ残る」という実感が共有され、次の候補の見積もりが現実的になりました。この進め方はMVPの考え方と同じです。

経営への伝え方、現場への伝え方

同じ取り組みでも、伝える相手によって焦点を変える必要があります。

経営に伝えるとき。 関心は投資に対する効果です。「人件費が削減できます」と言い切るのは避けてください。確認の手間が残るため、削減幅は想定より小さくなります。代わりに、処理できる件数が増える、対応の速度が上がる、担当者が判断に時間を使えるようになる、といった形で伝えるほうが実態に合います。回収時期を問われたら、「案件により大きく異なるため、まず小さく試して実測します」と答えるのが誠実です。

現場に伝えるとき。 関心は自分の仕事がどうなるかです。工程単位で何を任せるかを具体的に示し、判定と責任は人に残ることを明確にしてください。また、AIの出力を直した記録が改善につながる仕組みであれば、その点も伝えます。直す作業が無駄ではないと分かると、協力が得やすくなります。

両方に共通して伝えること。 うまくいかなかった場合にどうするかです。「効果がなければこの条件でやめます」と着手前に合意しておくと、途中で失速したときの判断が速くなります。撤退の条件を決めていない取り組みは、成果が出ないまま続くか、放置されます。

期待が膨らんだときに戻す

一度成果が出ると、今度は期待が広がりすぎることがあります。「あの業務でもできるはずだ」という声が増え、条件の違う業務に同じ方法を当てはめようとする動きが出ます。

このときに確認すべきは、最初にうまくいった理由です。誤りに気づける工程だったからか、入力の形式が揃っていたからか、件数が多く効果が見えやすかったからか。新しい候補が同じ条件を満たさないなら、同じ結果にはなりません。範囲を広げる判断も狭める判断も、同じ基準で行ってください。成果の測り方を着手前に決めておけば、この判断は感情論になりません。指標の決め方についてはプロダクトのKPI設計とダッシュボードの考え方が応用できます。

弊社にご相談いただく場合も、期待を広げる方向ではなく、「この工程は向きません」「この範囲から始めましょう」とお伝えすることが多くなります。

実物を見せてから広げる

社内のAIへの期待を調整する要点は、能力の説明ではなく、工程のどこまでを任せてどこから人が見るかを具体的に示すことです。精度は数字ではなく業務への影響で語り、最初の範囲は意図的に狭く取り、撤退の条件を着手前に合意しておく。この順序を守れば、期待と現実の差は小さく保てます。

社内での進め方にお困りの方は、お問い合わせからご相談ください。オンラインで状況を伺い、最初に着手すべき範囲を一緒に決めます。ご相談・お見積りは無料です。