AI導入を検討している企業では、「この業務はベテラン担当者でないと判断しにくい」「マニュアルには書かれていないが、現場では何となく分かっている」といった場面がよくあります。こうした属人化した業務は、担当者の経験に支えられている一方で、AI活用や業務標準化を進める際には、判断の根拠が見えにくくなりやすい領域です。このセクションでは、担当者の頭の中にある判断を、AI導入前に言葉にして整理する考え方を扱います。

基本解説：属人化した判断基準とは何か

属人化した判断基準とは、業務上の判断が、特定の担当者の経験、記憶、勘、過去の対応履歴に大きく依存している状態を指します。たとえば、顧客問い合わせの一次対応で「これは通常対応でよい」「これは上長に確認した方がよい」「これは専門部署に回した方がよい」と判断している場合、その分け方が明文化されていなければ、判断基準は担当者の頭の中にあるといえます。

ここで大切なのは、属人化そのものをすぐに否定的に捉えすぎないことです。経験を積んだ担当者が、状況に応じて柔軟に判断できることは、現場にとって大きな強みです。特に、顧客対応、営業、管理部門の確認業務では、資料に書ききれない細かな判断が業務品質を支えていることがあります。

一方で、AI導入や業務標準化を進める場面では、「なぜその判断になるのか」を説明できる状態に近づけておくと、社内で検討しやすくなります。AIに何を補助させるか、人間がどこを確認するか、どの情報をもとに判断するかを考えるには、まず人間が現在どのように判断しているかを把握する必要があるためです。

AI導入前に判断基準を整理する理由

AI導入では、既存業務をそのまま自動化すればよいとは限りません。前回までに見てきたように、業務の流れを見直し、どこに課題があるのかを確認することが重要です。その中でも、担当者の暗黙知に基づく判断は、AI活用の検討前に整理しておきたい領域です。

たとえば、問い合わせ内容をAIで分類する場合でも、分類の考え方が曖昧なままだと、AIにどのような分類をさせたいのかを定義しにくくなります。「通常対応」「上長確認」「専門部署確認」という分類があったとしても、それぞれの違いが言葉で説明されていなければ、AI活用の前提となる業務設計が不安定になりやすくなります。

反対に、判断基準がある程度言語化されていれば、AIが補助できる部分と、人間が責任を持って確認する部分を分けやすくなります。AIに重要判断を単独で任せるのではなく、判断材料の整理、問い合わせの仮分類、確認漏れの防止など、現実的な活用範囲を考えやすくなります。あわせて、最終的な判断責任の所在を明確にしておくことも大切です。

また、個人情報や機密情報を扱う業務では、利用するAIツールの仕様や情報管理体制を確認したうえで、活用範囲を検討する必要があります。便利さだけでなく、情報の取り扱い、アクセス権限、ログの管理、社内規程との整合性も確認しておくと、社内で説明しやすくなります。

実務での考え方：何を、どのように言語化するか

判断基準を言語化するときは、最初から詳細なマニュアルを作ろうとしなくても大丈夫です。まずは、日常的に発生している判断を取り上げ、「どのような情報を見ているか」「どの条件で対応を分けているか」「迷ったときに誰へ確認しているか」を整理します。

たとえば、カスタマーサポートで顧客問い合わせを振り分ける業務を考えてみます。担当者は、問い合わせ内容、顧客属性、契約状況、過去の対応履歴、金額、クレームの有無、社内規程、経理・技術部門への影響などを見ながら、対応先を判断しているかもしれません。その観点が明文化されていない場合、ほかの担当者が同じように判断することは難しくなります。

言語化の第一歩としては、シンプルな条件分岐の形にしてみる方法があります。「もし〜なら」「〜を確認し」「〜へ振り分ける」という形にすると、担当者の判断を記録しやすくなります。スプレッドシートやメモでも構いませんので、まずは実際の問い合わせや案件をもとに書き出してみましょう。判断の癖や確認ポイントが見えやすくなります。

通常時の判断を整理する

まず確認したいのは、通常時の判断です。通常時とは、例外的な事情が少なく、一定のルールや過去の対応に沿って処理できる場面を指します。問い合わせ対応であれば、「よくある質問に該当する」「契約内容に変更がない」「金額や権限に関わる判断を伴わない」といったケースが考えられます。

通常時の判断を整理すると、AIによる分類や回答案作成を検討しやすくなります。ただし、ここでもAIに最終判断を任せるという発想ではなく、人間が確認しやすい形に情報を整えるという見方が現実的です。

例外時の対応を整理する

次に、例外時の対応を整理します。例外時とは、通常の流れだけでは判断しにくい場面です。たとえば、顧客から強い不満が示されている、契約条件に関わる可能性がある、金額が大きい、社内規程や専門部署への確認が必要になりそう、複数部署に影響する、といった場合です。

AI導入の検討では、例外対応を曖昧にしたまま進めないことが大切です。例外対応こそ、人間の確認や責任ある判断が必要になりやすい領域だからです。どのような場合に上長へ相談するのか、どのような場合に専門部署や外部専門家へ確認するのかを整理しておくと、AI活用の範囲を社内で説明しやすくなります。

特に、契約の妥当性や紛争性のある事項の評価など、個別具体的な法的判断に関わる可能性がある内容については、AIや社内の一般担当者だけで判断する前提にしないことが重要です。AIの活用は、関係部署や弁護士等の専門家へエスカレーションするための一次仕分け、確認漏れの防止、情報整理の補助として位置づけると、実務上の責任分界を整理しやすくなります。

確認ポイントを整理する

判断基準の言語化では、「結論」だけでなく「確認ポイント」も重要です。たとえば、「上長確認に回す」という結論だけでは、判断の背景が伝わりにくい場合があります。担当者が何を見て上長確認が必要だと判断したのかを整理しておくと、次に同じような案件が出たときに活用しやすくなります。

確認ポイントには、問い合わせの内容、顧客との関係性、過去の対応履歴、社内ルール、金額、納期、リスクの大きさ、関係部署の有無などが含まれます。こうした観点を言葉にしておくことで、AI導入だけでなく、教育や引き継ぎにも使いやすくなります。

判断基準の言語化は、AI活用以外にも役立つ

判断基準を言語化する目的は、AI活用だけではありません。むしろ、業務標準化、教育、引き継ぎ、品質の安定化にも大きく関係します。属人化の解消やAI導入というテーマで検討するときも、AIを導入すれば属人化がすぐに解消するというより、業務の判断構造を整理することで、AIを活用しやすい状態に近づけていくと考える方が実務的です。

たとえば、新任担当者が業務を覚える場面では、「この問い合わせは注意して見る」「この条件があると上長確認に回す」といった判断の目安があるだけで、学習しやすくなります。引き継ぎの場面でも、担当者の経験に基づく判断を言葉にしておけば、後任者が業務の背景を理解しやすくなります。

また、複数拠点や複数チームで同じ業務を行っている場合、判断基準が共有されていると、対応品質のばらつきを確認しやすくなります。完全に同じ対応にそろえることが目的ではなく、どこに違いがあり、どの部分を共通化できるかを話し合う材料になります。

よくあるつまずき

判断基準の言語化を進めるときには、いくつかつまずきやすい点があります。どれも実務では自然に起こることなので、最初から整った資料を作ろうとせず、現在の状況を確認するところから始めると進めやすくなります。

「何となく判断している」と感じてしまう

現場の担当者に話を聞くと、「特別な基準はなく、何となく判断しています」と言われることがあります。しかし、実際には何らかの着眼点があることが少なくありません。顧客の言葉遣い、過去のトラブル、金額、納期、社内ルール、関係部署の有無など、判断の手がかりになっている情報を一緒に確認していくと、少しずつ言葉にできます。

例外が多く、整理できないように見える

例外が多い業務では、判断基準を整理することが難しく感じられるかもしれません。その場合は、すべての例外を一度に整理するのではなく、よく発生するもの、影響が大きいもの、確認先が毎回同じものから取り上げるとよいでしょう。

たとえば、「金額が一定以上の場合は上長確認」「契約条件や規程上の確認が必要な場合は法務部門または外部専門家への確認」「システム仕様に関わる場合は情報システム部門へ確認」といった形で、頻度や影響度の高い判断から整理します。細かな例外は、後から追加していく形でも構いません。

担当者が責められているように感じてしまう

属人化という言葉は、使い方によっては現場の担当者を責めているように受け止められることがあります。しかし、判断基準の言語化は、担当者の経験を否定するためのものではありません。むしろ、現場で培われた知見を組織の資産として共有しやすくするための取り組みです。

社内で進める際には、「あなたの判断を置き換えたい」ではなく、「いつも見ているポイントを、ほかの人にも分かるように整理したい」という伝え方が適しています。現場の協力を得ながら進めることで、AI導入や業務標準化の検討も進めやすくなります。

経営者・責任者向けの確認ポイント

経営者や部門責任者が確認しておきたいのは、どの業務が特定の担当者の経験に大きく依存しているかです。特に、顧客対応、見積確認、契約前後の社内確認、請求・支払に関する判断、社内承認の前さばきなどは、担当者ごとの判断差が出やすい領域です。

AI導入を検討する際には、「どのツールを使うか」だけでなく、「判断基準が社内で説明できる状態になっているか」を確認しておくと、導入目的を整理しやすくなります。判断基準が見えてくると、AIに補助させたい業務、人間が確認すべき業務、先に標準化した方がよい業務を分けて考えられます。

契約や法的確認に関わる可能性がある業務では、最終的な法的判断や契約の妥当性評価そのものをAIに委ねるのではなく、法務部門や専門家（弁護士等）へエスカレーションするための一次仕分けを効率化する観点が重要です。AIは、確認すべき情報を整理したり、関係部署へ回す候補を示したりする補助として活用し、人間の責任ある確認と組み合わせて考えることが大切です。

また、判断基準の言語化は、短期間で完了させる性質のものではありません。まずは影響の大きい業務や、問い合わせ件数の多い業務から始め、整理できた内容を少しずつ更新していく方法が現実的です。

AI導入支援者としての着眼点

AI導入コンサルタントを目指す方や、社内でAI導入を支援する立場の方は、顧客や現場担当者に対して「判断基準を教えてください」と単刀直入に聞くだけでは、十分な情報を得にくいことがあります。担当者自身も、普段の判断を明確な言葉で意識していないことがあるためです。

そのため、支援者は具体的な場面から聞くことが大切です。たとえば、「最近、上長に確認した問い合わせにはどのようなものがありましたか」「通常対応にした問い合わせと、専門部署に回した問い合わせの違いは何でしたか」「迷ったときに最初に見る情報は何ですか」といった聞き方をすると、判断の着眼点が見えやすくなります。

また、支援者はAIで置き換える前提ではなく、業務を理解する姿勢を持つことが重要です。現場の判断には、顧客関係、社内事情、過去の経緯など、データだけでは分かりにくい背景が含まれていることがあります。こうした背景を丁寧に整理することで、AI導入の範囲やリスク管理の検討につながります。

さらに、契約、法務、個人情報、機密情報などに関わる業務では、支援者が最終判断を代替するのではなく、関係部署や専門家へ確認すべき条件を整理することが重要です。AI活用の設計では、「AIが何を補助するのか」「誰が確認するのか」「どの段階で専門部署や外部専門家へつなぐのか」を明確にしておくと、導入後の運用を説明しやすくなります。

ミニチェックリスト

自社の業務を整理する際は、次の項目から確認してみましょう。すべてを一度に埋める必要はありません。よく発生する判断から、できる範囲で言葉にしていくことが大切です。

• 特定の担当者でないと判断しにくい業務があるか
• 通常対応、上長確認、専門部署確認などの分岐があるか
• 担当者が判断時に見ている情報や確認資料は何か
• 例外対応になりやすい条件やパターンは何か
• 判断に迷ったとき、誰にどのような内容を相談しているか
• 契約、法務、個人情報、機密情報に関わる場合の確認先が整理されているか
• AIに補助させる前に、人間が確認すべき範囲と判断責任の所在を説明できるか

まとめ：属人化解消とAI導入は、判断を言葉にすることから始まる