生成AI導入で業務選定を間違えて失敗した3つの事例｜現場で見た教訓

たとえば、生成AIの導入を任された担当者の手元に、各部署から6つの候補が届いたとします。会議の議事録、見積の計算、契約書のチェック、採用の合否、社内規程への問い合わせ、取引先への定型メール。どれも「AIでできそう」に見えますが、1件目にどれを選ぶかで、2週間後に社内へ見せられる記録が残るかどうかが分かれます。

生成AI導入の優先順位は、2段で決めます。先に「毎回の判断が人によって違う」「手作業で数分で終わる」「担当者が強く反対している」の3条件に当たる候補を外し、残りを4つの基準（週の件数と1件の手間、社外に出る前に人が直せるか、入力の材料が手元にそろうか、誤りが金額・契約・人事に直結しないか）で0〜2点に採点します。以下、点の付け方と候補6件の採点例、選んだ理由を経営層に1枚で伝える書き方までを、この順に整理します。

生成AI導入の優先順位は、何で決まるのか

生成AI導入の優先順位とは、社内から集めた候補の仕事のうち、1件目にどれを試し、2件目以降にどれを回すかの順番です。決め手は「効果が大きそうか」ではありません。外す条件に当たらず、2週間で前後の差を測れて、誤っても人が止められるか。この3点で順番が決まります。

外す3条件と採点の4基準、2段で絞る

候補をいきなり点数で並べると、難しいけれど効果が大きそうな仕事が上位に来て、1件目で止まりやすくなります。そこで先に、1件目には向かない候補を条件で消します。残った候補だけを4つの基準で採点し、合計点と誤りの影響の点で第1候補を決めます。流れは下の図のとおりです。

文章の仕事が上位に来やすい背景

総務省の令和8年版情報通信白書（2026年7月公表）では、自社の何らかの業務で生成AIを使っていると答えた日本企業は86.4%でした。業務の種類別に見ると、「議事録・メール作成補助」での活用が約7割で最も高く、「営業・販売」が約6割、「社内ヘルプデスク」が約5割と続きます。導入効果を実感した割合も、議事録・メール作成補助が約7割で、ほかの種類より顕著に高い結果でした。

同じ白書で、企業が懸念するリスクは社内情報の漏洩などのセキュリティが最も多く、次に多かったのが出力結果の精度です。議事録やメールの下書きは、出力が多少ずれていても、社外に出る前に書いた本人が読んで直せます。情報処理推進機構（IPA）の「DX動向2026」（2026年7月公表）でも、2025年度に生成AIを導入している企業は44.0%で、前年度の22.6%からほぼ倍になりました。AIの用途は「文書・音声の要約・翻訳・校正」が82.5%、「文書・レポートの作成」が80.5%と、文章の仕事が上位を占めています。

精度の心配を人の確認で吸収できる仕事ほど、効果の実感まで届きやすいと読めます。これは白書の数字からの見立てで、どの会社でも議事録が1件目になるという意味ではありません。

候補は部署ではなく、作業の単位で並べる

「営業部で使う」「総務で使う」という部署単位の候補は、採点ができません。1つの部署の中に、AIに向く作業と向かない作業が混ざっているからです。候補は、担当、入力、出力、判断、例外の5つを1行に書ける大きさまで分けます。

この形で並べると、同じ部署の中でも「報告書の下書き」は採点に進み、「値引きの判断」は外す、という区別が付きます。社内に推進役がいない会社では、この並べ直しの担当者を決めるところから始まります。白書では、生成AIの組織的な取組はないと答えた日本企業が27.0%あり、企業規模別では中小企業で特に高い傾向でした。任命された後の30日の進め方はAI推進担当者が任命後30日で進める5つの順番にまとめています。

候補を並べて採点する4つの基準

外す3条件を通った候補を、次の4つの基準で0〜2点に採点します。合計は最大8点。6点以上で、しかも「誤りの影響」が0点でない候補が第1候補の範囲です。基準の数字は、兼任の担当者が2週間で前後の差を測れるように置いた目安で、会社の規模に合わせて動かしてかまいません。

4つの基準と点の付け方

採点するのは推進担当者1人ではなく、候補を出した部署の担当者と2人で行います。「人が直せるか」と「材料がそろうか」は、その仕事を毎日している人でないと点が付けられないからです。1件あたり10分もあれば4つの点は付きます。4つ目の基準だけは、合計点と別に見ます。誤りの影響が0点の候補は、合計が7点でも第1候補にしません。白書は、AIの適用領域を検討するときに、企業価値への寄与に加えて、人間が負うべき責任の範囲とハルシネーションなどのAIの特性を踏まえるよう求めています。1件目は、その責任の線を試しながら引く段階なので、線を越えたときの損失が小さい仕事を選びます。

候補6件を採点するとこうなる

冒頭の6件を採点した例です。週の件数と1件の手間は、説明のために仮に置いた数字です。自社で採点するときは、各部署に今週の実際の件数と時間を1回ずつ測ってもらってください。

規程の問い合わせとメールの下書きは同じ6点ですが、件数と手間の点が高い規程の問い合わせを第2候補にしました。メールの下書きは週30件と件数は多いものの、1件5分なので手間の点が1点にとどまります。見積と契約書は、合計点では規程の問い合わせに近くても、誤りの影響が0点なので1件目からは外れます。

同点や意見が割れたときの決め方

同点なら、週の件数が多い候補を上にします。件数が多いほど、2週間で前後の記録が早くそろうからです。部署どうしで第1候補が割れたときは、担当者が決めずに、採点表を添えて経営と部門責任者に選んでもらいます。その部署の人の時間を試行に回すことになるため、担当者の裁量を超えるからです。

経営層に出す1枚には、第1候補の名前と点数、外した候補と外した条件、候補ごとの人が残す判断、2週間で測る2つの項目（1件あたりの作業時間と、社外に出す前に直した箇所の数）の4つを書けば足ります。数字の欄には自社で測った値だけを入れ、測る前の段階では「試行後に記入」と書いておきます。社員が入力してよい情報の線を先に決めておきたい場合は、会社の情報を生成AIに入れてよいか判断するルールの記事が使えます。

社内の採点だけでは決めきれない場面

社内だけで採点を進めると止まりやすい場面は2つあります。1つは、部署ごとに作業の分け方がばらばらで、候補の大きさがそろわないとき。もう1つは、顧客の個人情報や取引先の機密を含む書類を入力に使う候補で、誤りの影響を何点にするか社内の誰も決められないときです。DX動向2026でも、AIの導入と運用の課題として「専門人材が不足している」が50.1%、「適切な利用を管理するためのルールや基準の作成が難しい」が39.7%挙がっています。どちらかに当たるなら、外部の専門家と一緒に線を引く方が早く進みます。

部門ごとに対象を選んで広げた公開事例

白書は、効果を生む取組の一歩目を、汎用的な生成AIを社員の個人作業で使うことの浸透に置いています。その例として紹介されている日清食品グループでは、生成AIの効果を見込める対象業務を部門ごとに選び、指示文のひな形を作り、効果を測る取組を少しずつ社内に広げた結果、社内の生成AI利用率が直近で7割超に届いたといいます。

この事例から借りられるのは規模ではなく順番です。対象を部門ごとに1つずつ選び、使い方の型と測り方をそろえてから広げています。候補を採点して1件ずつ選ぶやり方は、同じ順番を小さな会社の単位で回すものです。

難しすぎる仕事から始めると、なぜ止まるのか

毎回の判断が人によって違う仕事は、1件目の候補から外します。AIの出力が正しいかどうかを決める基準が社内に無いため、使うたびに「これで合っているか」の議論が起き、2週間では前後の差を測れないからです。

外す条件1：毎回の判断が人によって違う

見分け方は単純です。同じ入力を2人のベテランに渡したとき、同じ答えが返ってくるか。見積の値引き幅、クレームへの対応方針、採用の合否は、担当者ごとに答えが変わりやすい仕事です。答えが割れる仕事では、AIの出力を直す人によって直し方も変わり、何件試しても記録が比べられません。

材料が散らばっている仕事も、2週目で止まる

材料が散らばっている仕事も、同じ理由で止まりやすくなります。過去の資料が個人のフォルダに分かれて保存され、書式もそろっていない場合、AIに渡す前の準備に1件30分以上かかることがあります。準備の時間が作業の時間を上回ると、担当者は2週目に使わなくなります。

難しい仕事は、分解して2件目以降に回す

外した仕事を諦める必要はありません。分解すると、その中にAIに向く作業が見つかることがあります。見積の仕事なら、取引先から聞いた条件のメモを決まった書式に整える作業と、金額を計算して確定する判断に分けられます。前者は4つの基準で採点に進められ、金額の計算と確定は人が持ったまま残します。

1件目で前後5件ずつの記録を残せれば、2件目を選ぶときに「この程度の直しで使える」という社内の基準が1つ手に入ります。難しい仕事ほど、その基準ができてから切り出した方が、試す期間を短くできます。分けた作業を決まった流れで回す段になったら、繰り返し作業の効率化の進め方が参考になります。

手作業で数分の仕事は、1件目に向かない

1件の手間が5分未満の仕事は、採点の前に外すか、練習用の別枠に回します。前後の差が小さすぎて2週間の記録に表れず、経営層に報告できる結果が残らないからです。

前後の差が測れないと、評価が残らない

DX動向2026では、AIを導入した企業のうち「期待以上の効果があった」は13.7%、「期待どおり」は18.1%で、合わせて31.8%でした。最も多かったのは「一定の効果はあった」の50.6%です。効果の中身は「業務が効率化したり迅速化した」が91.6%で、「売上や利益が向上した」は3.9%にとどまります。効果が出ていても、期待とどれだけ差があるかを示せない会社が半数いる、と読める数字です。

仮に1件3分の仕事が週5件あるとすると、手作業で週15分です。AIを使って半分になっても、減るのは週8分に届きません。一方で、指示を書く時間と出力を確かめる時間が加わるため、最初の1週は手作業より時間がかかることもあります。

この結果を報告されても、経営層は次の範囲を決められません。「AIは入れたが、何が変わったのか分からない」という評価だけが社内に残り、2件目の候補を出す部署が減ります。1件目に求めたいのは大きな削減ではなく、前後の差が読み取れる記録です。

練習の仕事と、本番の1件目を分ける

数分で終わる仕事にも使い道はあります。社員がAIに慣れる練習としては、短い文章の言い換えや要約のように、失敗しても困らない題材が向いています。練習は測らずに自由に使ってもらい、本番の1件目だけは測る、と分けておけば、両方の役目が混ざりません。

分けずに進めると、練習の仕事の結果で本番の評価が下される事態が起きます。担当者が報告の場で「これは練習でした」と後から説明するのは難しいので、試行を始める前に、上司と「どれを測るか」を1行で合意しておくのが確実です。

記録の欄は、試す前に6つ決めておく

測る仕事を決めたら、記録の欄も先に決めます。日付、作業の名前、使う前か後か、1件にかかった分数、社外に出す前に直した箇所の数、直した理由の6つがあれば、2週間後に前後5件ずつを並べられます。直した理由の欄は「事実の誤り」「言い回し」「抜け」の3つから選ぶ形にしておくと、どこを人が確かめるべきかが記録から読み取れます。

現場の抵抗が大きい仕事を1件目にしない

その仕事を長く担当してきた人が強く反対している場合、4つの基準で点が高くても1件目にはしません。1件目は、担当者本人が出力を直す側に立って初めて記録が取れる段階だからです。

反対の中身を、試す前に聞いておく

反対の中身は、たいてい3種類に分かれます。自分の仕事がなくなるのではという不安、出力の品質への心配、覚えることが増えて手間が増えるという予想です。どれに当たるかで、担当者が打てる手が変わります。

品質の心配なら、社外に出す前に必ず本人が直すという線を先に決めれば、話は前に進みます。仕事がなくなる不安は、担当者だけでは答えられません。人の配置や評価に関わる話なので、経営や上司から、試す仕事で空いた時間を何に使うかを伝えてもらう方が早く片付きます。

試す人は1〜2人、担当者本人が直す側に立つ

1件目の試行に参加するのは、その仕事を持つ1〜2人で足ります。AIの出力を受け取り、直し、直した箇所を記録するのは担当者本人です。推進担当者が代わりに出力を作って渡すと、担当者は「やらされている」側に回り、2週間が終わると元のやり方に戻ります。

反対が強かった仕事は、1件目の記録ができてから、その記録を見せたうえで2件目以降の候補として相談します。部署の中で先に使い始めた人の記録があると、同じ部署の別の作業にも広げやすくなります。社内に定着させる段階の進め方は生成AIを社内に定着させる段階ごとのガイドで扱っています。

ビフォーアフター：候補を1つに絞る前と後

2週間で差が出なければ、第2候補へ移る

1件目の試行で、使う前と後の5件ずつを比べても、1件あたりの時間が変わらず、直した箇所も減らなかったなら、第2候補に移ります。選び直しは後退ではなく、採点表の見立てが1件ずれたという記録です。2週間の週ごとの動き方は生成AI導入の最初の1ヶ月を週ごとに書いた記事が参考になります。RPAなどの自動化投資まで含めて順番を考える場合は、自動化する仕事の優先順位の決め方もあわせて使えます。

2026年9月