AI導入を検討するとき、「どこまで自動化するのか」という問いに、すぐ答えを出すのは簡単ではありません。完全自動化を目標にすると、現場の不安が大きくなったり、確認事項が増えたりすることがあります。一方で、人がすべての作業を従来どおり行う形では、期待した改善効果につながりにくい場合もあります。そこで今回は、AI活用を一度に完成させるのではなく、人の判断と責任を残しながら、段階的な業務支援として設計する考え方を整理します。

1．AIの自動化レベルとは何か

AIの自動化レベルとは、業務の中でAIや連携システムがどこまで下処理や候補作成を担い、人がどの段階で確認・判断・承認するかを表す整理方法です。AIが文章の下書きを作るだけの場合もあれば、人が承認した内容をもとに、システムが登録用データや記録案を作る場合もあります。

これらをすべて同じ「AI導入」として扱うと、期待する効果、人の役割、必要な管理体制が分かりにくくなります。そのため、AIに任せる作業だけでなく、担当者が確認する内容、最終判断を行う人、処理結果を記録する方法まで含めて整理します。

前回は、AIに任せる範囲を業務名だけで決めるのではなく、作業単位や判断単位で考えることを確認しました。たとえば「社内問い合わせ対応をAI化する」という表現だけでは、AIが質問を分類するのか、回答案を作るのか、回答登録の準備をするのかが明確ではありません。

今回は、その作業単位を「AIがどこまで支援し、人がどこで確認するか」という観点で段階化します。実務では、AI、業務システム、担当者の役割を区別し、最終判断や責任の所在が曖昧にならないようにすることが大切です。

AIは最初から完全自動化する必要があるのか

AIは、最初から業務を完全に自動化する必要はありません。事業会社で初めてAIを導入する場合は、人が確認できる形を残しながら、AIの出力傾向や業務への影響を確かめる方が検討を進めやすくなります。

完全自動化には、入力情報の品質、参照情報の正確性、判断条件、権限、記録、例外時の対応など、複数の前提が関係します。これらが十分に整理されていない状態でAI支援の範囲だけを広げると、確認負担が別の工程へ移ったり、誰が最終判断をしたのか分かりにくくなったりすることがあります。

一方で、AIが作成した案を人が確認する形であれば、現行業務を大きく変えずに試しやすくなります。担当者は、どのような入力で適切な案が出やすいか、どの箇所に修正が集中するか、どの参照情報が不足しているかを把握できます。

したがって、「完全自動化できるか、できないか」という二択ではなく、「現在の業務では、どの段階までなら効果と管理可能性を両立しやすいか」と考えることが大切です。

2．AI支援を四つのレベルで整理する

AIの自動化レベルに唯一の名称や区分があるわけではありません。社内で共通認識を持てるように整理されていれば、段階名そのものを暗記する必要はありません。本講座では、AIによる段階的な業務支援を、次の四つのレベルに分けて考えます。

レベル1：AIが下書きや候補を作る

最初の段階は、AIが下書きや候補を作り、人が確認して使う形です。生成AIの業務活用では、比較的取り組みやすい支援レベルです。

たとえば、社内問い合わせへの回答案、会議記録の要約、文書の構成案、問い合わせ内容の分類候補などをAIが作成します。担当者は、事実関係、表現、社内ルールとの整合性、参照根拠を確認し、必要に応じて修正します。最終的な判断と利用は人が担います。

生成AIは、自然な文章を作れても、事実と異なる内容や根拠のない説明を出力することがあります。これは一般に「ハルシネーション」と呼ばれる性質です。そのため、「社内資料を参照させたから正しい」と考えず、回答案に対応する根拠資料や該当箇所を担当者が確認できるようにします。

また、AIへ入力してよい情報、利用してよいサービス、個人情報や機密情報の扱い、出力内容の確認方法などを、社内の利用規程やガイドラインで整理しておくと運用しやすくなります。資料がそろっていない段階では、対象部署や入力情報を限定した試行から始める方法があります。

レベル2：人の承認後に定型作業の下準備を行う

次の段階は、AIが作成した内容を人が確認し、承認後の定型作業について、AIや連携システムが下準備を行う形です。本講座では「確認付き業務支援」として整理します。

たとえば、AIが社内FAQの回答案を作成し、担当者が内容を確認した後、システムが社内ポータルへの登録候補や問い合わせ管理表への記録候補を作ります。担当者は、登録先、公開範囲、記録内容を確認し、必要な操作を行います。

レベル1との違いは、人が確認した後に発生する定型的な準備作業まで支援対象に含めることです。文章をコピーする、決められた項目へ整形する、記録用データを作るなど、判断を伴いにくい後続作業を減らしやすくなります。

この段階では、担当者が何を承認したのかを明確にします。回答文だけを承認するのか、登録先、公開範囲、通知対象まで含めて承認するのかによって、必要な確認項目が変わります。最終的な確定や実行の責任は、権限を持つ担当者または責任者に残します。

レベル3：定型作業を限定して部分的に支援する

限定的な部分支援とは、業務全体ではなく、定型性が高く、影響範囲が限られている部分について、事前に決めた条件の範囲でAIやシステムに下処理を任せる形です。

たとえば、社内FAQの中でも、申請書の保管場所、社内システムの基本操作、定型的な窓口案内など、回答元が明確な質問を対象にします。AIは質問の分類や回答候補の抽出を行い、担当者が根拠と回答内容を最終確認します。

対象外とする条件も具体的にします。たとえば、AIによる分類の信頼度が社内で定めた基準値を下回る場合、参照資料から根拠を一意に特定できない場合、複数の規程が関係する場合、個別事情を含む場合は、担当者へ戻します。

対象を「総務への問い合わせ全体」のように広く設定するのではなく、「申請書の保存場所を案内する」「問い合わせを担当部署別に分類する」など、作業や質問の種類を限定すると、確認基準を作りやすくなります。

レベル4：条件が整った作業で支援範囲を広げる

参照情報、確認基準、記録方法、見直しルールが整い、一定期間の運用結果から安定性を確認できた作業では、AIやシステムが担う下処理の範囲を広げることを検討できます。

この段階でも、AIが自由に判断してよいわけではありません。どの情報を参照するか、どの条件なら処理を続けるか、どの状態で人へ戻すか、誰が最終確認するか、結果をどのように記録するかを明確にします。

重要な意思決定、法的・金銭的影響の大きい処理、人事評価、契約判断などは、AIが情報整理や候補作成を支援できても、最終判断を人に残す設計が基本となります。支援レベルの高さ自体を成果とせず、業務品質、処理時間、確認負担、管理可能性のバランスで判断します。

3．自社に合うAI自動化レベルを判断する五つの軸

AI支援のレベルを決めるときは、「技術的にできるか」だけで判断しないことが大切です。実務では、処理件数、影響範囲、誤りの許容度、参照情報の整備状況、確認体制を並べて検討すると、社内で説明しやすくなります。

五つの軸は、いずれか一つだけで結論を出すものではありません。件数が多くても、影響範囲が大きく、参照情報が不十分な場合は、レベル1の候補作成から始める方が適しています。一方で、件数がそれほど多くなくても、毎回同じ転記や分類が発生し、確認体制が整っている作業は、限定的な部分支援を検討できます。

初期レベルを決めるための確認事項

1. AIの出力を誤った場合、誰に、どのような影響が及びますか。
2. AIが参照する情報について、最新版と根拠箇所を確認できますか。
3. 人が確認するときの判断基準は、担当者間で共有されていますか。
4. 確認者、確認項目、根拠情報、確認記録を明確にできますか。
5. 対象外とする条件や、人へ戻す条件を具体的に定められますか。
6. 運用結果を記録し、定期的または問題発生時に見直せますか。

すべての事項が最初から明確でなくても、検討を止める必要はありません。回答が曖昧な項目がある場合は、人の確認を多めに残す、対象業務を小さくする、参照情報を限定するなど、初期レベルを調整できます。

4．社内FAQ対応を段階的に支援する例

ここでは、総務、人事、情報システムなどに寄せられる社内FAQを例に、AI支援をどのように段階化できるかを見てみましょう。

社内FAQ対応には、質問の受付、分類、関連資料の確認、回答案の作成、担当者確認、回答、記録といった複数の作業があります。これらをまとめてAIへ任せるのではなく、作業ごとにAI、システム、担当者の役割を分けます。

段階1：回答案を作り、人が根拠を確認する

導入初期では、AIが質問内容を整理し、指定された社内資料から回答案を作成します。担当者は、回答が質問に合っているか、根拠資料が正しいか、資料の版が最新か、社内向けの表現として適切かを確認します。

AIが社内資料を参照する仕組みを用いても、資料内容の取り違えや、資料にない説明の補完が起こる可能性があります。そのため、回答案とともに参照資料名、版、該当箇所などを確認できる状態にします。根拠を確認できない回答案は、そのまま利用しない運用とします。

また、AIへ入力してよい質問内容、個人情報や機密情報の扱い、利用できるAIサービス、回答案の確認責任などをガイドラインで整理します。利用規程やガイドラインは、現場を一律に制限するためではなく、担当者が判断しやすくなる共通基準として位置づけます。

段階2：承認後の登録や記録の下準備を支援する

回答案の品質と確認方法が安定してきたら、担当者が承認した後の定型作業について、システムによる下準備を検討できます。

たとえば、承認済み回答をもとに社内ポータルへの登録候補を作る、問い合わせ管理表の記録項目を生成する、担当部署への通知文案を作るといった支援です。システムが準備した内容について、担当者が登録先、公開範囲、記録内容を確認してから確定します。

この段階では、回答内容の判断主体は人に残ります。AIやシステムは、承認後に毎回行っていた整形、転記、記録案の作成を支援し、担当者は内容確認と最終確定を担います。

段階3：定型質問を限定して候補提示を支援する

運用結果が蓄積したら、質問のうち定型性が高いものに限定して、分類や回答候補提示の支援を広げます。

たとえば、「経費精算の締切日」「申請書の保存場所」「研修の申込窓口」など、回答元が明確で、個別事情による判断が少ない質問です。AIは質問を分類し、承認済み資料から根拠を特定したうえで回答候補を提示します。

一方、分類の信頼度が基準値を下回る質問、参照情報から根拠が一意に定まらない質問、複数の規程が関係する質問、個人情報や個別の労務事情を含む質問は担当者へ戻します。ここでいう基準値は、利用する仕組みや業務に応じて社内で設定します。

支援範囲を広げるかどうかは、処理件数だけでなく、回答案の修正率、根拠不明となった件数、担当者への差し戻し率、再問い合わせ、誤回答、利用者からの指摘などを見ながら判断します。

5．AI導入時の注意点とよくあるつまずき

AI支援レベルを考える際には、技術面よりも、目標の置き方、確認体制、見直し方法でつまずくことがあります。ここでは、実務で起こりやすい状態と、整理しておきたい方向性を確認します。

確認体制は四点で整理する

人間確認を実効性のあるものにするには、確認者、確認項目、根拠情報、確認記録の四点で整理すると分かりやすくなります。

• 確認者：誰が確認し、誰が最終確定するのか
• 確認項目：事実関係、表現、対象者、登録先など、何を確認するのか
• 根拠情報：どの資料、版、該当箇所を根拠として判断するのか
• 確認記録：誰がいつ確認し、何を修正し、どの判断をしたのか

確認記録は、責任追及のためだけに残すものではありません。どの質問で修正が多いか、どの資料が不足しているか、どの基準が担当者間で異なるかを把握し、業務とAI支援の両方を改善する材料になります。

見直しの時期ときっかけを決める

支援レベルは、月次や四半期などの定期的な見直しに加え、特定の出来事が発生したときにも見直します。

• 誤回答または根拠のない回答案が発生したとき
• 差し戻しや担当者による修正が一定期間増加したとき
• 事故、苦情、ヒヤリハットが発生したとき
• 規程、マニュアル、法令、社内制度が変更されたとき
• 対象部署、利用者、利用目的を拡大するとき
• 利用するAIサービスや連携システムを変更するとき

見直しの結果、支援範囲を広げるだけでなく、人の確認を増やす、対象を限定する、一時停止するという判断も含めます。あらかじめ見直し条件を定めておくと、問題発生後の対応を属人的にしにくくなります。

自動化率の高さを成果としすぎない

自動化率は分かりやすい指標ですが、高いほど業務改革として優れているとは限りません。回答候補の作成だけをAIが支援し、すべて人が確認する運用でも、作成時間や情報探索時間が短縮され、回答品質が安定する場合があります。

経営層や関係部門へ説明するときは、自動化率だけでなく、処理時間、修正率、根拠確認に要した時間、差し戻し件数、再問い合わせ、担当者の負担などを組み合わせて評価します。

6．経営者・責任者向けの確認ポイント

経営者や部門責任者は、AIの機能だけでなく、現在の業務にどの支援レベルが適しているかを確認します。過度なリスクを避けながら効果を広げるには、次の観点を押さえておくと判断しやすくなります。

導入初期の成果を適切に設定しているか

下書き支援の段階では、完全自動化や人員削減ではなく、作成時間、情報探索時間、修正量、確認のしやすさ、担当者ごとの品質差などを評価対象にします。

AI、システム、担当者の役割を説明できるか

AIは案や分類候補を作る、システムは登録準備を行う、担当者は根拠確認と最終確定を行うというように、主体ごとの役割を整理します。社内外への説明でも、「AIが判断する」と一括りにせず、最終判断者を明示します。

利用規程やガイドラインが業務と合っているか

入力してよい情報、利用できるサービス、個人情報や機密情報の扱い、出力確認、記録、問題発生時の報告先を整理します。規程を作るだけでなく、対象業務の担当者が実際に判断できる内容になっているかを確認します。

支援範囲を広げる判断材料があるか

次の段階へ進むかどうかを感覚だけで決めず、修正率、差し戻し率、根拠不明件数、確認時間、再問い合わせ、誤回答など、取得できる運用記録から判断します。

定期見直しと臨時見直しの条件があるか

定期的な評価時期だけでなく、事故、誤回答、規程変更、利用範囲拡大など、予定外の見直しを行う条件も確認します。必要に応じて支援範囲を縮小できる運用にしておくと、継続的に管理しやすくなります。

経営判断では、「どこまでAIに任せられるか」だけでなく、「どの範囲なら人が根拠を確認し、責任を持って継続運用できるか」を見ることが重要です。小さな範囲から始めることは、消極的な選択ではなく、判断材料を増やすための実務的な進め方です。

7．AI導入支援者としての着眼点

AI導入コンサルタントや社内推進担当者が支援レベルを提案するときは、顧客や現場の不安を単に「AIへの抵抗」と捉えず、何を心配しているのかを具体的に確認します。

不安の背景には、誤った回答が利用されること、誰が責任を持つか分からないこと、確認作業が増えること、機密情報の扱いが不明であること、業務知識が失われることなどがあります。支援レベルを分けて説明すると、それぞれの懸念に応じた導入案を示しやすくなります。

業務名ではなく、作業と判断を聞く

「どの業務を自動化したいですか」と尋ねると、「問い合わせ対応」「報告書作成」のような大きな単位になりやすくなります。そこで、次のように作業と判断を分けて確認します。

• 現在、担当者は最初に何を確認していますか。
• 毎回ほぼ同じ手順で行う作業はどこですか。
• 担当者によって判断が分かれる部分はどこですか。
• 誤った場合に影響が大きい処理はどこですか。
• 人が最終的に確認・確定したい内容は何ですか。
• どのような場合に担当者へ戻す必要がありますか。

段階別の選択肢として提案する

一つの完成形だけを示すのではなく、「初期は回答案の作成まで」「次に登録候補の作成まで」「定型質問は根拠付き候補提示まで」というように、段階ごとの対象範囲、人の役割、確認方法を示します。

後の段階へ進むことを前提にしすぎないことも重要です。レベル1で十分な効果が得られ、その状態が業務に適している場合は、確認付きの運用を継続する判断もあります。

法務・管理部門と現場をつなぐ

利用規程やガイドラインは、法務・コンプライアンス部門だけで作ると、現場で判断しにくい内容になる場合があります。一方、現場だけで運用を決めると、情報管理や対外説明の観点が不足することがあります。

支援者は、入力可能な情報、出力確認、根拠確認、記録、問題発生時の報告などを、実際の業務の流れに沿って両者で整理できるようにします。

導入後の見直しを提案に含める

提案段階で、どの記録を確認し、いつ定期評価を行い、どの事象が発生したら臨時見直しを行うかを示しておくと、顧客は段階的導入を具体的にイメージしやすくなります。

8．ミニチェックリスト

自社のAI自動化レベルを検討する際は、次の項目を確認してみましょう。資料がそろっていない段階でも、現在の業務の流れから整理できます。

• 対象業務を、下書き、判断、承認、登録、通知などの作業単位に分けていますか。
• AI、連携システム、担当者の役割を区別し、最終判断者を明確にしていますか。
• 処理件数、影響範囲、誤りの許容度、参照情報、確認体制を並べて検討していますか。
• AIが参照する資料の最新版、管理担当者、根拠箇所を確認できますか。
• 確認者、確認項目、根拠情報、確認記録の四点を整理していますか。
• 信頼度不足、根拠不明、複数規程への該当など、人へ戻す条件を具体化していますか。
• 利用規程やガイドラインに、入力情報、出力確認、記録、報告先を定めていますか。
• 定期見直しと、誤回答・事故・差し戻し増加などの臨時見直し条件を決めていますか。

チェックが付かない項目があっても、直ちにAI導入が難しいという意味ではありません。最初は回答案の作成だけに限定する、人の確認を厚くする、対象部署や質問の種類を絞るなど、現在の状況に合わせて支援レベルを設定できます。検討事項がまとまっていない場合も、現在の業務の流れから一つずつ整理していくことが大切です。

9．まとめ