AI導入の候補業務を洗い出し、参照する社内資料やデータを整理した後、多くの担当者が迷いやすいのが、「この業務をAIにどこまで任せてよいのか」という点です。業務を効率化したい一方で、回答の品質や社内外への影響、個人情報・機密情報の取扱い、最終的な責任の所在も考える必要があります。このセクションでは、業務を丸ごとAIに任せるのではなく、作業と判断を分けながら、AIが担う範囲と人が確認する範囲を整理します。

AIに任せる業務は、作業単位・判断単位で考える

AI業務選定で最初に押さえておきたいのは、ひとつの業務の中にも、性質の異なる作業が含まれているという点です。

たとえば「問い合わせ対応」には、問い合わせの受付、内容の読み取り、分類、過去事例の検索、回答案の作成、回答内容の確認、顧客への送信、対応履歴の記録などがあります。

この一連の流れをまとめて「AIに任せる業務」と捉えると、任せる範囲が広すぎるように感じたり、リスクを考えて導入を見送ったりしやすくなります。一方、作業ごとに分ければ、AIが支援しやすい部分と、人が確認した方がよい部分を別々に検討できます。

AI業務選定の基本は、業務全体を「任せる・任せない」の二者択一で評価することではありません。AIに任せる作業と、人が確認・判断する作業を組み合わせて、ひとつの業務フローをつくることです。

AIが支援しやすいのは、情報を整理して案をつくる作業

生成AIは、与えられた情報を読み取り、文章としてまとめたり、一定の観点で分類したり、複数の案を提示したりする場面で活用しやすい傾向があります。要約、分類、下書き、候補提示、表現の調整、資料からの情報抽出などが代表例です。

これらに共通するのは、AIの出力を人が確認し、必要に応じて修正できることです。たとえば、会議記録の要約に抜けがあっても、元の記録と照合して修正できます。問い合わせの回答案も、担当者が社内ルールや顧客の状況を確認したうえで整えられます。

ただし、「要約であれば常にAIだけでよい」「分類であれば確認は不要」という意味ではありません。同じ要約でも、社内会議の参考メモと、経営判断に使う報告書では影響の大きさが異なります。作業名だけでなく、その出力が何に使われるのかまで確認します。

また、生成AIは、文章として自然であっても、事実と異なる内容や、入力資料に記載されていない内容をもっともらしく生成することがあります。これは一般に「ハルシネーション」と呼ばれます。重要な内容に利用するときは、AIの回答だけで判断せず、一次情報や正式な社内資料と照合することが大切です。

人が確認したいのは、結果を確定する作業

人による確認を設けたいのは、最終判断、対外的な確定回答、法的・金銭的な影響が大きい処理、個人の権利や評価に関わる処理などです。

こうした作業では、出力内容が正しいかだけでなく、判断の前提、社内規程との整合性、例外事情、法令や契約上の制約、説明責任なども確認する必要があります。

たとえば、人事部門では、応募書類の整理や、面接で確認する論点の候補作成にAIを補助的に利用できる場合があります。一方、採用・不採用、配置、昇進、評価などの確定を、AIの出力だけで行うのではなく、人が情報を確認して判断する設計が考えられます。

特に、人選や評価に関わる領域では、不当な差別や偏見、いわゆるバイアスの排除が重要です。個人情報やプライバシーに配慮し、利用目的や取扱範囲を整理したうえで、個人情報保護法などの関係法令や社内規程に沿って運用します。

営業部門でも、提案書の構成案やメールの下書きはAIが支援しやすい一方、価格、納期、契約条件などの確定回答には、人の確認が必要です。総務部門で社内規程に関する回答案を作る場合も、規程の改定状況や対象者の条件を確認したうえで案内します。

AIの出力は、判断を補助する参考情報として位置づけるのが基本です。AIを利用して作成した内容であっても、最終判断、承認、対外的な表示や回答の責任は、人と組織が負います。誰が確認し、どの権限で確定するのかを、業務フローの中で明確にしておくと、現場でも利用しやすくなります。

AIに任せる範囲を決める5つの判断基準

AIに任せるかどうかは、ひとつの条件だけでは決まりません。重要度が高い業務でも、AIの役割を資料整理や下書きまでに限定すれば活用できることがあります。反対に、重要度が比較的低い作業でも、参照情報が整理されていなければ、安定した出力を得にくい場合があります。

ここでは、AI導入の判断基準を5つに整理します。必ずしも点数化する必要はありません。まずは候補業務について、関係者が同じ観点で話せる状態をつくることが目的です。

1．業務の重要度

業務の重要度とは、AIの出力に誤りや不足があった場合に、会社、顧客、従業員などへどの程度の影響が生じるかという観点です。重要度は、業務名だけでなく、出力の利用目的によって変わります。

たとえば、社内会議の議事録案と、取締役会に提出する意思決定資料の要約では、同じ「要約」でも重要度が異なります。前者は参加者が修正しやすい一方、後者は情報の抜けや表現の違いが判断に影響する可能性があります。

重要度が高いからAIを利用できないと考えるのではなく、AIには資料の整理や論点抽出までを任せ、最終的な内容確認は責任者が行うなど、役割を調整します。

2．可逆性

可逆性とは、処理後に誤りが見つかった場合、元の状態へ戻したり、訂正したりできる度合いです。たとえば、社内文書の下書きは、公開前であれば修正できます。商品情報の分類結果も、後から変更できる場合が多いでしょう。

一方、顧客への確定回答、支払いの実行、契約条件の通知、従業員への処分通知などは、後から訂正できたとしても、信頼や権利関係への影響が残ることがあります。

特に、法的効果や対外的な意思表示を伴う行為は、形式上は取消しや訂正が可能でも、相手方との関係や取引上の影響まで含めると、実質的に元へ戻しにくい場合があります。このような作業では、実行前に人が確認する方法が考えられます。

3．影響範囲と判断の複雑さ

同じ誤りでも、影響がひとりの担当者の作業にとどまる場合と、多数の顧客や複数部門に広がる場合では、必要な確認の程度が異なります。一括送信、一括更新、大量処理など、ひとつの出力が広い範囲に反映される作業では、実行前の確認を厚くすることが考えられます。

判断の複雑さも重要です。基準が明文化され、参照情報が限られている作業は、AIによる支援を設計しやすい傾向があります。反対に、顧客との経緯、社内事情、例外的な配慮、複数の規程の優先関係などを総合的に考える作業は、人による確認の比重が大きくなります。

たとえば、規程上は返金不可であっても、災害などの不可抗力による解約申請や、会社側の案内に特別な事情がある場合には、通常とは別の確認が必要になることがあります。このような例外事象では、規程の文言だけでなく、事実関係、契約条件、過去の対応、顧客への影響などを踏まえて判断します。

判断が複雑な業務でも、関連情報の収集、比較表の作成、確認項目の提示など、判断の前段階をAIに支援させる方法があります。「判断そのものを任せるか」だけでなく、「判断の準備を任せられるか」という視点も持っておくと整理しやすくなります。

4．参照情報の整備状況

AIが適切な回答案や候補を作るには、参照する情報が整理されていることが重要です。社内規程、業務マニュアル、FAQ、商品情報、価格表などが古いままであれば、AIがそれらを正確に参照しても、現在の運用に合わない結果になる可能性があります。

Chapter 4で整理した社内データや資料は、AIに任せる範囲を判断する土台になります。資料が十分にそろっていない段階でも、業務の流れから必要な情報を整理できます。参照情報が不十分な場合は、AIの役割を限定する方法があります。

たとえば、最新の社内規程が一元管理されていない段階では、AIに確定的な案内を作らせるのではなく、問い合わせの分類や、確認すべき規程の候補提示までを任せます。情報の整備が進んだ後に、回答案の作成まで範囲を広げることもできます。

参照情報については、正確性や更新状況だけでなく、その情報をAIへ入力・利用してよいかも確認します。外部の書籍、記事、画像、調査資料、顧客から提供された文書などを利用するときは、著作権、契約条件、利用許諾、秘密保持義務などの範囲を確認します。

AIが生成した文章を提案書、広告、ウェブサイトなどに利用する場合も、事実関係に誤りがないか、既存の文章と不必要に類似していないか、第三者の著作権や商標権などを侵害していないかを、人が確認します。

5．現場の確認体制

「人が確認する」と決めるだけでは、実際の運用にはつながりません。誰が確認するのか、どの時点で確認するのか、何を基準に確認するのかを整理します。

たとえば、問い合わせの回答案をすべて管理職が確認する設計では、件数によっては管理職の負担が増え、回答が遅くなることがあります。担当者が通常案件を確認し、法務や契約に関わる問い合わせだけを責任者へ回す方法であれば、役割を分けられます。

確認項目としては、事実関係、数字、固有名詞、引用元、適用する社内規程、契約条件、個人情報、機密情報、第三者の権利、対外的な表現などが考えられます。すべての出力を同じ方法で確認するのではなく、業務の性質に応じて確認項目を決めると、運用しやすくなります。

このセクションでは、承認フローや条件分岐の詳細までは扱いません。ただし、AIに任せる範囲を検討する段階でも、「現場で確認できる量か」「確認に必要な知識を持つ人がいるか」という点は押さえておきましょう。

実務では、AIと人の役割をひとつの流れとして設計する

事業会社でAIに任せる範囲を検討するときは、個別の作業だけでなく、その前後の流れも確認します。AIが作った出力を誰が受け取り、その後のどの処理に使うのかによって、必要な確認が変わるためです。

たとえば、AIが問い合わせを誤って分類しても、その分類が担当部署への振り分け候補として表示され、担当者が変更できるのであれば、影響を限定しやすくなります。一方、分類結果に基づいて定型回答が自動送信される場合は、誤分類がそのまま対外回答につながります。同じ分類作業でも、後続処理によって判断が変わります。

問い合わせ対応における役割分担の例

部門別に見る、AIと人の役割分担

AIに任せる範囲は、部門名だけでは決まりません。ただし、各部門で考えられる切り分けを確認しておくと、自社の業務に当てはめやすくなります。

人事部門では、応募情報、面談記録、評価情報、健康に関する情報など、慎重な取扱いが求められる情報を扱うことがあります。AIの利用目的、入力する情報の範囲、アクセスできる担当者、保存期間などを整理します。AIの結果に差別的な偏りが含まれていないかを、人が確認することも重要です。

営業部門では、顧客名、商談内容、未公表の商品情報、価格戦略、契約条件などが、営業秘密や契約上の秘密情報に当たる場合があります。利用するAIサービスへ入力できる情報を社内で整理し、生成された文章を外部へ出す前に、事実関係、契約内容、第三者の権利などを確認します。

確認しやすい範囲から段階的に始める

AI導入では、最初から広い範囲を任せる必要はありません。出力を人が確認しやすく、誤りがあっても修正しやすい範囲から始めると、現場がAIの特徴を理解しながら運用方法を整えられます。

この段階分けは、自動化レベルの詳細設計そのものではありません。ここでは、AIに任せる範囲を固定せず、実際の運用を見ながら調整する考え方として押さえておきましょう。次回は、AIが案を出す段階、人の承認を前提に処理する段階など、自動化レベルの整理方法を扱います。

AI業務選定でよくあるつまずき

AI導入範囲の検討では、技術そのものよりも、業務の捉え方や役割分担が曖昧なために、話を進めにくくなることがあります。ここでは、実務で起こりやすいつまずきを整理します。

経営者・責任者が確認したいポイント

経営者や部門責任者は、AIを導入するかどうかだけでなく、どの判断をAIに補助させ、どの判断を人が引き受けるかを確認します。現場へ「AIを活用してください」と伝えるだけでは、担当者によって任せる範囲が変わる可能性があります。

最終責任を持つ役割が明確か

AIが作成した内容であっても、社外へ送信した回答や、社内で確定した判断については、組織として説明できる状態が必要です。AIの出力はあくまで参考情報であり、最終判断、承認、対外的な表示・回答内容の責任は、人と組織が負います。

誰が最終確認を行い、どの権限で確定するのかを明確にすると、現場もAIを利用しやすくなります。

効率化の対象と、守りたい品質が共有されているか

AI導入の目的が作業時間の短縮だけになると、確認時間を減らすことが優先されやすくなります。回答の正確性、顧客への分かりやすさ、個人の公平な取扱い、社内ルールとの整合性、第三者の権利への配慮など、維持したい品質も共有します。

個人情報・機密情報を扱う条件が明確か

個人情報・機密情報をAIに入力する場合は、利用規約、保存範囲、学習利用、第三者提供、アクセス権限などを確認します。そのうえで、社内規程、契約上の義務、個人情報保護法などに沿った運用を検討します。

「入力しない情報」「条件付きで入力できる情報」「承認を得て利用する情報」を区分しておくと、担当者が判断しやすくなります。

人の確認が形式的にならないか

確認件数が多すぎたり、短時間で大量の承認を求められたりすると、人の確認が形式的になることがあります。AI導入後の件数や処理時間を想定し、確認者が事実関係、出典、例外事情、権利関係などを実質的に確認できるかを検討します。

情報整備と現場教育を一体で考えているか

参照情報を整えるだけでは、担当者が出力のどこを確認すべきか分からない場合があります。反対に、研修を行っても、資料が古ければ適切な回答案を得にくくなります。情報整備、利用ルール、確認方法の共有を、ひとつの導入準備として捉えます。

AI導入支援者としての着眼点

AI導入を支援する立場では、顧客から「どの業務をAIに任せられますか」と聞かれたときに、すぐに対象業務を断定するのではなく、業務の中身と運用条件を確認します。同じ問い合わせ対応でも、扱う情報、回答権限、顧客層、例外の多さによって、適切な役割分担は変わります。

業務名だけでなく、実際の流れを聞く

ヒアリングでは、「誰が、何を受け取り、何を参照し、どのように判断し、誰に渡すか」を確認します。手順書だけでは分からない場合は、実際の問い合わせ例、帳票、作成物などを見ながら整理すると、作業単位へ分けやすくなります。

扱う情報と利用条件を確認する

AIへ入力する情報に、個人情報、顧客の秘密情報、営業秘密、未公表情報、外部の著作物などが含まれるかを確認します。そのうえで、利用するAIサービスの契約形態、データ保存、学習利用、アクセス制御などを整理します。

技術的に入力できることと、業務上・法務上入力してよいことは、分けて考える必要があります。

例外が起きる場面を確認する

通常処理だけを見ると、広い範囲をAIへ任せられるように見えることがあります。しかし、特定の顧客、一定金額以上の案件、苦情、個人情報、契約条件、災害による申出など、例外時には別の確認が必要な場合があります。

例外処理の詳細設計は後続の検討事項ですが、AIに任せる範囲を決める段階でも、例外の種類と頻度を把握しておくと、提案の妥当性を説明しやすくなります。

「使えるか」だけでなく「どこで人に戻すか」を提案する

支援者の役割は、AIの利用可否を一言で判断することではありません。AIが情報整理を行った後、どの条件で人が確認するか、どの出力を参考情報として扱うか、どの情報はAIへ入力しないかを整理することも重要です。

顧客の資料や確認体制が十分でない場合は、対象業務を否定するのではなく、分類だけ、下書きだけ、匿名化した情報だけ、社内利用だけなど、現在の状況で始めやすい範囲を提示します。相談内容がまだまとまっていなくても、現在の業務と情報の流れから一緒に整理できます。

AIに任せる範囲を確認するミニチェックリスト

AI導入候補業務について、次の項目を確認してみましょう。すべてに明確な回答がなくても問題ありません。回答しにくい項目が、これから整理したい論点になります。

• 対象業務を、要約、分類、検索、下書き、確認、判断、承認、送信などに分けている
• AIの出力が、参考情報なのか、後続処理へ直接使われる情報なのかを確認している
• 誤りがあった場合に、実質的に修正・取消し・再処理できるかを確認している
• 顧客、従業員、取引先、金銭、契約などへの影響範囲を整理している
• 参照資料の正式版、更新状況、利用条件、管理担当者を確認している
• 個人情報・機密情報を入力できる条件と、入力しない情報を整理している
• 誰が、いつ、どの観点で事実・出典・権利関係を確認するかを説明できる
• 確認しやすい範囲から始め、運用結果を見て役割分担を見直せるようにしている

まとめ：AIに任せる作業と、人が確認する作業を分ける

次回は、AIに任せる範囲を段階的に考えるため、自動化レベルの整理方法を扱います。AIが案を出す段階、人の承認を前提に処理する段階などを区別し、自社の業務に合った導入段階を検討していきます。