生成AIで業務効率化する方法｜活用例・進め方6ステップと注意点

筆者がスノーボードを始めたのは、20歳くらい、まだ東京に住んでいたころです。若かりし日の話です。先輩に誘われて、形から入るタイプなのも手伝って、まずは道具を一式そろえました。パウダースノーにも突っ込める板、軽くてサポートの強いブーツ、3層構造のゴアテックスウェア、偏光レンズで視界の広いゴーグル。圧倒的過剰装備。鏡の前で装備を整えたときは、正直、もう半分くらい滑れる気になっていました。我ながら、おめでたい話です。

で、意気揚々とゲレンデにたどり着き、新しい板を抱えてウキウキでリフトに乗って、頂上でどうなったか。板を履いて立ち上がることすら、ままなりませんでした。

立ち上がった瞬間に、バランスを崩してよろめくと、板のエッジが雪に刺さって足を取られ、尻もちをつく。立ち上がろうとすると、今度は倒れた方と反対側に、ぐらりとまた転ぶ。これぞ、初心者スノーボーディング。そして、ちょっと前に先輩と神田小川町に繰り出した、あのショッピングの瞬間がよぎる。先輩に言われるがままに最新のイケてる道具を一式そろえても、「滑れる」とは、1ミリも関係がなかったんです。

初日は、緩斜面でひたすら転んで終わりました。正確には、リフトで登って、斜面の上で板を履く。転がり落ちて、立って、また転がり落ちて、、、を繰り返しているうちに日が暮れた。新品ゴアテックスウェアの中は汗だくなのに、進んだ距離は数メートル。斜面の上から、すいすい滑り降りていく小学生を、恨めしく見上げていたのを覚えています。あれだけ道具にお金をかけたのに、その日できるようになったのは「やや安全に転ぶこと」だけ。帰り道の、徒労感。「もう二度と行きたくない！」と不貞腐れました。（ちなみに、2、3日すると悔しすぎてまた行きたくなっていました笑）

滑れるようになったのは、その後です。次の機会に一緒に行った上手な先輩が見かねて、「まず止まり方よ」と、半日つきっきりで教えてくれた。板の傾け方、転び方、止まり方。一個ずつ。あの半日がなかったら、たぶん筆者はスノボを「高い道具を買っただけで終わった趣味」にしていたと思います。

なぜこの話をするかというと、会社に生成AIを「配った」あとに起きることが、あのスノボ初日と、見事に同じだからです。道具をそろえることと、使えるようになることは、まったくの別物。今日はその「あいだ」にある深い谷の話をします。（ちなみにこのスノボ、のちに筆者を長野移住まで連れていきます。顛末は自己紹介にて。）

① 教科書どおりに、生成AIで業務効率化を進める

谷の話に入る前に、生成AIによる業務効率化の教科書どおりの部分を先に置いておきます。どの業務に効くのか、どう進めるのか、何に気をつけるのか。ここは揃えてから進みます。

生成AIによる業務効率化とは

生成AIとは、文章・画像・コードなどを新しく作り出せるAIのことです。業務効率化とのつながりは一点で、「これまで人が下書きしていたものを、下書きの状態まで機械が用意する」ところにあります。

置き換えではなく、開始地点が変わると考えるのが実務的です。白紙から書き始める作業が、直す作業に変わります。効果が出る業務と出ない業務の差は、その仕事に「下書き」という段階があるかどうかでだいたい説明できます。

生成AI・従来型AI・RPAの使い分け

3つは競合ではなく、担当する層が違います。

	得意なこと	手順が変わると
RPA	決まった画面操作を、決まった順に繰り返す	止まる
従来型AI（予測・分類）	過去データから数値や区分を当てる	再学習が要る
生成AI	文章・要約・草案など、答えが1つに定まらないものを作る	指示を書き換えれば追随する

効率化の設計では、この3つを直列につなぐと効きます。RPAが集めて、従来型AIが分類し、生成AIが文章にする。1つのツールで全部を賄おうとすると、いちばん不得意な工程で全体が止まります。

生成AIで自動化できること・できないこと

自動化できるのは、出力の良し悪しを人が読んで判定できる仕事です。メールの下書き、議事録の要約、資料の骨子、コードの叩き台。いずれも「間違っていたら気づける」という共通点があります。

逆に、正解が1つに決まり、間違いが表に出ると取り返しがつかない仕事——金額の確定、在庫数の更新、契約条件の判断——は向きません。ここは従来型のシステムかRPAの担当です。

不得意な領域は、次の4つです。

• 最新の事実 — 学習した時点より後の出来事は知らない
• 正確な計算と集計 — もっともらしい数字を出すことがある
• 同じ答えを毎回返すこと — 実行のたびに文面が変わる
• 社内固有の前提 — 渡していない情報は推測で埋められる

3つ目が、業務に載せるときの分かれ目になります。毎回同じ形で返ってこないと、後工程が受け取れません。出力の形式（項目・順序・文字数）を指示に固定して、ばらつく余地を先に潰しておいてください。

生成AIの業務効率化が注目される背景

• 人手不足の慢性化 — 定型作業に人を割けなくなった
• 働き方改革 — 総労働時間を減らしたまま処理量を保つ必要が出た
• 使うための技術的なハードルが下がった — 専門知識が無くても、文章で指示すれば動く
• 業務ソフトへの内蔵 — 使っているソフトの機能として入り、導入の意思決定が要らなくなった

4つ目が、いまの局面をつくっています。導入するかどうかを決める前に、すでに現場で使われている状態が生まれています。把握できていない利用が先に走るので、ルールの整備が後追いになりやすい点に注意してください。

導入はどれくらい進んでいるのか

法人での導入そのものは、この2年で一気に進みました。ライセンスを配った、あるいは業務ソフトの機能として使える状態になった会社は珍しくありません。

ただし、導入率と利用率は別の数字です。配布した人数のうち、実際に週に1回以上使っている人が何%か。この2つを分けて数えていない会社では、効果の議論が噛み合いません。先に、この記事の後半の話につながる論点です。

活用①｜文書・資料の作成（メール・報告書・議事録）

議事録の要約、報告書の骨子、定型メールの下書き。もっとも効果が出やすく、失敗しても損害が小さい領域です。最初の1件はここから選んでください。

効くのは「型が決まっているのに、毎回ゼロから書いている文書」です。過去の完成品を3本渡すだけで、出力の精度が変わります。

活用②｜情報収集・リサーチとデータ分析

社内外の資料を集めて要点を並べるところまでを任せます。調べる時間が縮むというより、「どこを読むべきか」が先に分かることで、読む対象が減ります。集計結果に対して傾向の説明文を書かせる使い方も、ここに含まれます。

数字の計算そのものは、生成AIにやらせないでください。計算は表計算ソフトやBIに任せ、生成AIには「読み取った内容を言葉にする」だけを任せます。合っているように見えて合わない誤りが、いちばん見つかりません。出典を示せないものも、そのまま使わないでください。

活用③｜アイデア出し・企画立案と、翻訳・校正・要約

ブレストの相手として使います。採用するためではなく、候補を出し切るために使うと効きます。20案出させて2案を選ぶ、という使い方です。

翻訳・校正・要約は、文章の品質を揃える用途です。書ける人の時間を空けるのではなく、書き慣れていない人の出力を一定水準へ引き上げるほうが効果が大きくなります。

活用④｜問い合わせ対応・チャットボットとナレッジ検索・FAQ

社内外の問い合わせに対して、過去の回答をもとに一次回答を作ります。社内文書を横断して探し、FAQの形に整える使い方も同じ系統です。

成立する条件は1つで、過去の回答と文書が検索できる形で残っていることです。残っていなければ、まず残す作業が先になります。版が入り乱れた文書を集めると、古い規程が正解として返ってきます。

活用⑤｜マーケティング・コンテンツ生成

広告文、記事の下書き、SNSの投稿案などを量産します。公開物に使うときは、事実確認と著作権の確認を工程に入れてください。量が増えるぶん、確認の工数も増えます。

活用⑥｜コード生成・開発支援

実装、テストコード、既存コードの説明。レビューする人がいる前提でのみ効きます。レビューが追いつかない量を生成すると、後で読めないものが残ります。

活用⑦｜人材育成・研修と、人事・バックオフィス業務

研修教材の草案づくりと、ロールプレイの相手役。営業や窓口対応のように、相手の反応が変わる練習は、人を相手にするより回数を稼げます。

人事・総務では、求人票の作成、面接メモの整理、社内規程の問い合わせ対応。個人情報を入力しない範囲を先に線引きしてから始めてください。

部署別の活用イメージ

部署	まず効く使い方
営業	提案資料の下書き、商談メモの整形、顧客調査
マーケティング	広告文の量産、記事の骨子、アンケートの自由記述の分類
カスタマーサポート	一次回答の作成、FAQの整備
管理部門（人事・総務・経理）	規程の問い合わせ対応、社内文書の要約
開発	実装の叩き台、テストの作成、仕様書の読み解き

部署ごとに配るより、業務ごとに配るほうが定着します。「営業部に配る」のではなく「提案資料の下書きに使う」と決めたほうが、使い方を教えられます。

効率化しやすい業務の見極めポイント

次の4つが揃っている業務から着手すると、失敗しにくくなります。

• 件数が多い — 月に何十件も発生している
• 下書きの段階がある — いきなり完成させる必要がない
• 間違いに気づける — 出力を読んで判定できる
• やり直しが効く — 誤りが外部に直接出ない

逆に「1件あたりの時間は長いが、月に2件しかない業務」は後回しにしてください。教える手間を回収できません。

生成AIで業務効率化するメリット

• 生産性が上がる — 同じ人数で処理できる件数が増える
• 人的ミスが減る — 転記や書式の抜けが減る。ただし誤りの種類が変わるだけで0にはならない
• 人件費・外注コストを抑えられる — 下書きや翻訳の外注が減る
• 属人化が解消する — 「その人しか書けない文書」が、型として共有される
• DXと働き方改革の実感につながる — 現場が自分の手で効果を確かめられる
• 人にしかできない仕事に時間を戻せる — 判断、交渉、関係づくりの時間が増える

4つ目が、いちばん過小評価されています。生成AIに仕事を渡すには、その仕事の手順を言葉にする必要があります。言葉にした時点で、属人化はすでに半分解けています。

進め方①｜導入目的と対象業務を決める

「生成AIを導入する」は目的になりません。減らしたい時間か、増やしたい件数を、数字で書いてください。

このとき、着手前の件数と所要時間を必ず記録します。導入後には取れない数字で、これが無いと効果測定の段階で「なんとなく速くなった気がする」で終わります。

進め方②｜小さく始める（PoCの設計）

1つの業務、少人数、期間を区切って試します。PoCで確かめるのは「動くかどうか」ではなく、「人が使い続けるかどうか」です。

動くことは、たいてい最初の1日で分かります。2週目に誰も使っていないなら、それが結果です。

進め方③｜ツールの選び方（SaaS型・内蔵機能・カスタム開発）

	向いているとき	注意点
SaaS型（既製品）	一般的な業務。すぐ始めたい	自社固有の手順には合わせきれない
業務ソフトの内蔵機能	データと権限が、すでにその中にある	使えることに気づかれず、放置されやすい
カスタム開発	自社固有のデータと手順に密着させたい	保守を持つ人を決めてから作る

最初からカスタム開発を選ばないでください。何を任せたいかが固まる前に作ると、要件のほうが動いて作り直しになります。

選定の段階では、次も確認します。

• 入力したデータが学習に使われない設定にできるか
• 社内の権限（誰が何を見られるか）を持ち込めるか
• 使っている業務ソフトと連携できるか
• 日本語での問い合わせ窓口があるか
• 利用状況（誰が何回使ったか）を管理側で見られるか

最後の1つが抜けている製品は、定着しているかどうかを測れません。選定の段階で確認してください。

進め方④｜セキュリティとガバナンスの要件

ツールを決める前に、社内側の線引きを決めます。

• 入力してよい情報と、してはいけない情報の区分
• 個人情報・顧客情報・未公開情報の扱い
• 出力を社外に出すときの確認手順
• 利用ログの保存期間と、確認する人

禁止事項を並べるだけの規程は、使われない原因になります。「これは入れてよい」を先に列挙してください。

進め方⑤｜社内教育と、経営層・現場の巻き込み

配って終わりにせず、実際の自分の仕事で1回動かすところまでを、教育の範囲にします。操作説明ではなく、対象業務の指示文を一緒に作る形が効きます。

うまくいっている指示文を共有する置き場を1つ作ってください。各自が毎回書き直している状態が、いちばん時間を食います。

経営層には、削減した時間を何に使うのかを示します。「時間が浮く」だけでは投資判断になりません。

現場には、評価が下がらないことを明示します。「AIを使って早く終わった人に、仕事が積まれる」と思われた時点で、利用は止まります。

進め方⑥｜効果を測り、対象業務を広げる

測るもの	取り方
利用率	配布人数のうち、週1回以上使った人の割合
処理件数	対象業務の件数（着手前と比べる）
所要時間	1件あたりの時間（着手前と比べる）
やり直しの回数	出力をそのまま使えた割合

1行目を測っていない会社が、いちばん多いところです。処理件数と時間だけを見ると、一部の人が使い倒しているだけの状態を「全社で効果が出ている」と読み違えます。

PoC止まりを防ぐには

検証で終わる案件には、共通点があります。

• 対象業務が決まらないまま、ツールの比較から始めている
• 成功の条件を、着手前に決めていない
• 検証の担当者が、その業務の当事者ではない
• 本番に移すときの費用と担当を、決めていない

4つ目を先に決めておくと、検証の設計が変わります。「本番に移すなら誰が運用するか」を決めてから始めてください。

リスク①｜情報漏えいとセキュリティ

入力した内容が学習に使われる設定のまま、顧客情報や未公開の資料を貼り付けてしまう事故が典型です。

• 法人向けの設定で、学習に使われない状態にしてあるか
• 個人の無料アカウントでの利用を、禁止ではなく代替手段の提示で塞いでいるか
• ログにどこまで残るかを、確認しているか

禁止だけを通知すると、把握できない利用（シャドーAI）に移ります。使ってよい環境を先に用意してください。

リスク②｜著作権とコンプライアンス

生成物が既存の著作物に似てしまう可能性は残ります。公開する制作物では、生成AIを使った箇所と、確認した人を記録に残してください。

業種によっては、広告表現や資格に関わる記載に規制があります。出力をそのまま出す運用は、この点でも危険です。

リスク③｜ハルシネーション（もっともらしい誤り）

存在しない出典や、誤った数字を、自信のある文体で出します。誤りが「分かりにくい形」で出るのが厄介な点です。

対策は、確認できる形で出させることです。根拠となる社内文書を渡し、「渡した資料の中にない場合は、無いと答える」と指示に書いてください。

リスク④｜過信と丸投げ

慣れてくると、出力を読まずに使うようになります。効率化の効果が出た業務ほど、この段階に入りやすいのが実情です。

外部に出るもの、金額が動くもの、契約に関わるものは、人の確認を工程として残してください。確認を「気をつける」ではなく、手順の1行として書きます。

対策｜ガイドラインと利用ポリシーの策定

• 入力してよい情報の区分（使ってよい例を先に書く）
• 出力を使ってよい範囲と、確認が必要な場面
• 生成物の記録の残し方
• 相談先と、事故が起きたときの連絡経路

1ページに収まらないガイドラインは読まれません。詳細版とは別に、1枚の要約を配ってください。

運用上の課題｜データ・人材・既存システム・費用

課題	実際に起きること	先に決めること
データの品質と量	古い版の文書を正解として返す	参照させる文書の範囲と、更新の担当
専門人材の確保と育成	詳しい1人に質問が集中して止まる	各部署に1人、相談を受ける役を置く
既存システムとの統合	連携の開発費が別に発生する	連携が要るかどうかを、PoCの前に確認する
導入コストの把握	ライセンス費以外が見えていない	教育・連携開発・運用の工数を含めて年額で見る

2行目が、定着の実務ではいちばん効きます。詳しい人が1人しかいない状態は、その人が異動した日に止まります。

動き始めたあとのモニタリングも、属人化を防ぐ運用設計の一部です。誰が何に使っているかを月次で見られる形にしておいてください。使われている業務が分かると、次に広げる先が決まります。

生成AIによる業務効率化の導入事例

公表されている事例では、次のような形が多く見られます。

• 金融 — 社内の照会対応にチャットボットを置き、問い合わせの一定割合を一次回答で解決
• 小売 — 需要予測と組み合わせ、発注の精度を上げる
• 製造 — 設計・開発の資料作成と、間接業務の下書き
• 行政 — 回答品質を揃え、担当者による差をなくす
• 物流 — 配車と勤務シフトの計画づくりを支援

並べると分かるのは、効果が出ているのは「業務そのもの」ではなく、「その業務の中の、下書きと判断材料づくり」だという点です。事例を読むときは、AIが何を担当したのかまで見てください。

生成AIの業務効率化に関するよくある質問

Q. 生成AIは、どの業務から使い始めるとよいですか。
件数が多く、下書きの段階があり、誤りに気づけて、やり直しが効く業務からです。議事録の要約と、定型文書の下書きが、最初の1件として失敗しにくい領域です。

Q. 生成AIとRPAは、どちらを導入すべきですか。
どちらか一方ではなく、担当する層が違います。決まった操作の繰り返しはRPA、答えが1つに定まらない文章の作成は生成AI。直列につないだときに、いちばん効果が出ます。

Q. 生成AIの業務効率化で、いちばん多い失敗は何ですか。
対象業務を決めないままツールを配ることです。配布率は上がりますが、利用率は上がりません。「営業部に配る」ではなく「提案資料の下書きに使う」と決めてください。

Q. 効果はどうやって測ればよいですか。
利用率（配布人数のうち週1回以上使った人の割合）、処理件数、1件あたりの所要時間、やり直しの回数の4つです。着手前の数字を記録していないと、後からは測れません。

Q. 情報漏えいが心配です。何から手をつければよいですか。
入力したデータが学習に使われない設定の環境を先に用意し、「入れてよい情報」を先に列挙してください。禁止事項だけを通知すると、把握できない利用に移ります。

Q. PoCで終わってしまうのは、なぜですか。
本番に移すときの費用と運用担当を決めずに始めているためです。「本番に移すなら誰が運用するか」を先に決めると、検証の設計そのものが変わります。

ここまでが、生成AIによる業務効率化の教科書どおりの整理です。効く業務を選び、小さく試し、規程を整え、効果を測って広げる。この手順どおりに進めた会社は、たくさんあります。

この記事の後半で扱うのは、その先です。手順どおりに配り終えたあと、導入率と利用率のあいだに残るものを、何と呼べばいいのか。

導入率100%、活用率10%という現実

たとえば、こんな話があったとします。これも、いくつかの会社で実際に見かけた光景の、寄せ集めです。

ある企業が、全社員にChatGPTの法人ライセンスを配布しました。「これからは全社員AI活用の時代だ」と号令がかかり、導入率は見事に100%。経営会議の資料には「全社導入完了」と誇らしく書かれました。

3か月後。実際に毎日のように使っているのは、ざっと1割でした。

残りの9割が、どうしていたか。配られた初日に、ちょっと触ってはいるんです。「東京の天気は？」みたいなことを聞いて、「お、賢いな」と感心する。でも、そこで止まる。「で、これ、自分の仕事の何に使えばいいんだ？」という問いの前で、そっとタブを閉じる。そして二度と開かない。ライセンス料だけが、静かに毎月引き落とされていく。

たとえば、経理部のベテラン社員を思い浮かべてみてください。20年、几帳面に数字と向き合ってきた人です。「全社員AI活用」のメールを受け取って、いちおう真面目に開いてみる。何を聞いていいかわからないので、とりあえず「経費精算のやり方を教えて」と打ってみる。返ってきたのは、一般論としては正しいけれど、自社のルールとは微妙に違う答え。「なんだ、うちのことはわかってないのか」。そこで、そっと閉じる。彼にとって、AIは「賢いけど、うちの仕事は知らない、よその新人」でしかなかった。一回そう思ったら、もう開く理由がない。

これは、その人がサボっているわけでも、ITが苦手だからでもありません。「自分の仕事の、どこに、どう効くか」が見えなかった。ただ、それだけです。導入率は、滑れることを保証しません。板を配った数を数えているだけで、何人がゲレンデを滑り降りられるかは、まったく別の話なんです。

なぜ「配る」だけでは谷を越えられないのか

この谷には、3つの段差があります。

ひとつ目は、何でもこなせるスノーボードを渡されても、初心者はスノーボードで「滑る」以外何ができるか知らないこと。ChatGPTは「何でもできる」がゆえに、「自分の、あの作業に、どう使うか」は、自分で見つけないといけない。これが、思った以上に難しい。スノボの板を渡されて「さあ、自由に滑って」と言われても、初心者は何をどうしていいかわからないのと同じです。自由すぎる道具は、初心者には不親切なんですよね。

これは、ChatGPTが悪いわけじゃありません。むしろ万能だからこそ起きる問題です。料理の名人に最高級の包丁を渡せば一流の一皿が出てくるけれど、包丁を握ったことのない人に同じものを渡しても、何も生まれない。下手をすると指を切る。道具の切れ味と、使い手が引き出せる価値は、まったく別物なんです。生成AIは、まさにあの最高級の包丁。よく切れるぶん、「あなたの台所では、まずこれを切るのにこう使うといい」と、最初の一品を一緒に決めてくれる人がいないと、ただ怖いだけの刃物になってしまう。

ふたつ目は、最初の転倒でやめてしまうこと。慣れない人が最初に使うと、たいてい一回、うまくいきません。的外れな答えが返ってきたり、思ったように動かなかったり。スノボの初日に転ぶのと同じで、これは当たり前のこと。でも、「教えてくれる人」がいないと、その一回の転倒が「やっぱり自分には向いてない」になって、そこで終わる。

みっつ目は、社内に「滑れる先輩」がいないこと。号令はかかった。ライセンスも配られた。でも、隣で「こう使うんだよ」と教えてくれる人がいない。研修動画は一応あるけれど、誰も最後まで観ない。これも、スノボとそっくりです。

考えてみてください。もしあのとき、ゲレンデにマニュアルだけが置いてあって、「はい、これ読んで滑ってね」だったら、筆者は絶対に滑れるようになっていません。実際に隣に立って、「もうちょい後ろに体重」「そう、それ！」と声をかけてくれる人がいたから、初めて体が動いた。新しいことを身につけるとき、いちばん効くのは、立派な教科書でも、偉い人の号令でもなくて、隣にいる、ちょっとだけ先を行く人なんです。会社のAI導入で決定的に足りないのは、たいてい、この“隣の人”です。

ついでに言うと、この3つの段差は、ぜんぶ「配った瞬間」には見えません。導入率100%という数字の裏で、9割の人が静かに谷の手前で立ち止まっている。経営からは、全員が滑り出したように見えている。このズレに気づけないまま「うちはAI導入済み」と安心してしまうのが、いちばん危ないパターンです。

「配る」から「滑れるようにする」へ

ここを乗り越えた会社は、何をやっていたか。ひとことで言うと、「配る」のをゴールにせず、「滑れるようにする」をゴールにしていました。

具体的には、まず号令と一斉配布をやめます。代わりに、チームごとに膝を突き合わせて、「あなたたちの、実際の仕事の、この作業」を2つか3つ、一緒に選ぶ。営業チームなら「商談メモから議事録を作る」、人事なら「求人票のたたき台を書く」みたいに、自分のゲレンデの、具体的な斜面を決めるんです。そして、その場で一緒にやってみせる。緩斜面で「まず止まり方」を教えた、あの半日と同じことを、業務でやる。

ここでのコツは、選ぶ作業を「その人が毎週やっていて、ちょっと面倒だと思っているもの」にすること。壮大な業務改革ではなく、「あの地味な作業、AIにやらせたら30分浮きますよ」くらいの、手触りのある一個でいい。さっきの営業チームでいえば、商談のあとに記憶を頼りに議事録を起こすのに、毎回1時間かけている。そこへ「録音を貼るだけで下書きができますよ」と、その人の実際の音声でやってみせる。すると、その人の中で初めて、AIが「天気を教えてくれる賢い箱」から「自分の1時間を返してくれる相棒」に変わる。この“自分ごとへの変換”が起きないと、人は絶対に動きません。逆に、一度起きると、勝手に動き出します。

次に、各チームに一人、「滑れる人」を育てます。いわゆる社内チャンピオンです。完璧な専門家じゃなくていい。ちょっと先に慣れて、隣の人に「それ、こう書くと一発だよ」と教えられる人。この“隣の先輩”が一人いるかどうかで、チームの生成AI 活用は、びっくりするくらい変わります。

そして、最初の成功体験を、とにかく小さく作る。いきなり「業務を変革しろ」なんて言わない。「毎週の議事録の要約だけ、AIにやらせてみて」でいい。一回でも「お、これラクだ」を体験すると、人は不思議なもので、自分から次の使い道を探し始めます。一回、スーッと滑れる感覚を覚えると、もう一本滑りたくなる。あれと同じです。逆に、最初の一歩を大きくしすぎると――いきなり急斜面に連れていくと――人は転んで、怖くなって、二度とゲレンデに来なくなる。最初の斜面は、ちょっとした丘くらい。緩くて小さくていいんです。

さっきの経理のベテランも、もし誰かが隣で「経費精算の“社内ルール込み”のFAQを、AIにこう作らせると一発ですよ」と、彼の実際の困りごとに合わせて一回見せていたら、たぶん反応はまるで違っていました。「よその新人」が、急に「使えるやつ」に見えてくる。きっかけは、ほんの小さな一回の成功なんです。

こうして、測る指標も変わります。「何人に配ったか（導入率）」ではなく、「何人が自分の仕事で実際に使っているか（活用率）」。配った数を自慢するのをやめて、滑れるようになった人の数を数え始めたとき、その会社の生成AI 活用は、ようやく本物になっていきます。

配るのは、誰でもできる

身もふたもないことを言うと、生成AIを配るだけなら、誰でもできます。稟議を通して、ライセンスを買って、全社にメールを一本流せば、導入率100%の出来上がりです。難しいのは、その先。配られた9割の人が、最初の転倒を越えて、自分の斜面を滑り降りられるようにすること。地味で、手間がかかって、号令一本では絶対に終わらない仕事です。

でも、考えてみれば、当たり前のことなんですよね。高い板を買っただけでは誰も滑れるようにならないことくらい、スノボなら誰でも知っている。なのにAIになると、つい「配ったら使えるようになる」と思ってしまう。筆者も人のことは言えません。あの日、神田小川町で、装備を整えた鏡の前で、半分滑れる気になっていたクチですから。

だから、もしあなたの会社が「生成AIを全社導入したのに、なぜか盛り上がらない」と悩んでいるなら、たぶん足りないのは、追加のライセンスでも、もっと高機能なツールでもありません。チームの隣に立って、半日つきあう“滑れる先輩”です。道具は、スタート地点に立たせてくれるだけ。そこから先の一歩は、いつだって、誰かが隣で見てくれているから、踏み出せる。AIだろうとスノボだろうと、人が新しい一歩を踏み出すときの心細さは、たぶん、そんなに変わらないんです。

余談ですが、いまでもちょっと恨んでいる先輩がいます。たぶん高速代を割り勘にしたいが為に筆者をゲレンデに連れ出し、乗せに乗せてイケてる道具だけ一式買わせて、滑り方は何ひとつ教えてくれなかった、あの先輩です。そして、次の機会に黙って半日つきあい、止まり方から教えてくれた先輩には、20年以上たったいまも、こっそり感謝しています。会社のAI導入にほんとうに必要なのは、たぶん、前者みたいな威勢のいい旗振り役ではなくて、後者みたいに、隣で半日、転ぶのにつきあってくれる人なんですよね。

---

この記事は、ARCHECOが運営するメディア「AI・新規事業戦略大学」でお届けしました。ARCHECOは、UI/UXデザインとプロダクト開発を強みに、お客さまと並走しながら「使われるもの」をつくっているチームです。ご相談・お問い合わせはこちらからどうぞ。