HOW TO — AI活用術 ／ 初級〜中級

AI導入前にやるべき業務ボトルネック特定の実践手順【5ステップ】

なぜ「何となく導入」が失敗するのか

AI導入の相談を受けると、「とりあえずChatGPTを使わせてみたが定着しなかった」「ツールを契約したが誰も触らなくなった」という声が非常に多く聞かれます。原因はほぼ共通していて、「どの業務の、どの工程を変えるか」を決めないまま着手したことにあります。

AIはあくまで手段です。業務の流れを把握しないまま導入しても、痛みのある場所に薬を塗れないのと同じで効果は出ません。投資回収どころか、現場の混乱とツール費用だけが残る結果になりがちです。

だからこそ、AI導入の前に業務ボトルネックを特定するプロセスが不可欠です。このステップを踏むだけで、導入候補の絞り込みが格段に楽になり、費用対効果の試算も現実的な数字で出せるようになります。

ボトルネックとは何か――AI文脈での定義

一般的に「ボトルネック」とは、プロセス全体の速度や品質を制限している工程のことです。AI導入の文脈では、以下のいずれかに当てはまる業務を指します。

• 時間がかかりすぎる工程：担当者が1日のうち多くの時間を費やしているが、付加価値が低い
• ミスや確認作業が多い工程：転記・照合・チェックが繰り返し発生している
• 属人化している工程：特定の人しかできず、その人が不在だと業務が止まる
• 情報の集約・整形が発生する工程：複数のシステムや紙から情報をまとめる作業がある

重要なのは「忙しい工程」と「ボトルネック」は必ずしも一致しない点です。忙しく見える工程が実は別の上流の詰まりの結果である場合も多く、表面だけ見て判断すると誤った場所にAIを入れてしまいます。

5ステップ実践手順――ボトルネックを数値で特定する

以下の手順を順番に進めることで、感覚ではなく数値に基づいたボトルネック特定が可能になります。チームで1〜2時間のワークショップ形式で実施するのが最も効率的です。

1. 業務の棚卸し（全工程を書き出す）
   まず部門・チームの主要業務を付箋やスプレッドシートに列挙します。「〇〇の入力」「〇〇の確認メール送信」など、できるだけ細かい単位で書き出すのがポイントです。この段階では良し悪しの判断をせず、とにかく網羅することを優先します。
2. 各工程を3軸で数値化する
   以下の3軸でスコアをつけます（各1〜5点）。

   軸	評価の観点	高スコアの目安
   頻度	週・月に何回発生するか	毎日〜週複数回
   所要時間	1回あたりの作業時間	30分以上
   ミス・手戻り率	確認・修正がどれだけ発生するか	10%以上の頻度で手戻り

   3軸の合計点が高い工程ほど、ボトルネック度が高いと判断できます。
3. 上位工程の「入力と出力」を明確にする
   スコアが高かった工程について、「何を受け取って、何を生み出す作業か」を言語化します。例えば「見積書の作成（入力：顧客メールの要望／出力：Excelの見積書）」のように整理します。この整理がAI実装の設計に直結します。
4. 「AI向き」と「人向き」に仕分けする
   特定した工程をAI活用に適しているかどうかで分類します。
   • AI向き：パターンが繰り返し、正解が明確、テキスト・数値・画像を扱う
   • 人向き：状況判断・感情対応・利害調整・倫理的判断が必要
   「AI向き」に分類された工程が最初に着手すべき優先候補です。
5. インパクト試算でTOP3を確定する
   AI化した場合の削減効果を概算します。「月に30時間かかっている工程を70%削減できれば月21時間の創出」という形で計算し、コストに換算。この試算をもとにTOP3の優先工程を経営判断できる形に整えます。

よくある落とし穴：特定を誤りやすいパターン

ボトルネック特定の際に、実務でよく見られる誤りを整理します。事前に把握しておくことで、分析の精度が上がります。

• 声の大きい人の課題がボトルネックになってしまう：ワークショップで発言力の強い担当者の意見が優先され、全体最適でなく個人最適の課題が選ばれるケース。数値スコアで客観化することで防げます。
• 「自動化できる」と「自動化すべき」を混同する：技術的にAI化できても、頻度が低すぎたり、精度要求が極めて高い工程だと費用対効果が合わないことがあります。
• 上流の問題を下流の工程で解決しようとする：例えば「報告書の修正が多い」原因が、実は「依頼の仕様が毎回曖昧」であるケース。ここにAIを入れても根本解決にはなりません。
• IT部門だけで決める／現場だけで決める：双方の視点が必要です。IT側は実装可否、現場側は実際の業務フローを知っています。必ず両者が参加する場で特定してください。

特定後の次のアクション：「小さく始める」設計

ボトルネックが特定できたら、最初は最も小さいスコープで実証（PoC）を設計することをお勧めします。いきなり全社展開や大規模なシステム連携から始めると、失敗時のリカバリーコストが大きくなります。

具体的には以下の流れが現実的です。

1. TOP1の工程に絞り、2〜4週間の小規模実証を設計する
2. 成功の定義（KPI）を数値で決める（例：処理時間を〇%削減、担当者の体感工数を週〇時間削減）
3. 実証結果をもとに「続ける・修正する・やめる」を判断する
4. 成功した工程を横展開し、順次TOP2・TOP3へ進める

「AIを入れてみたが結果がよくわからなかった」という状況を防ぐには、実証前にKPIを決めることが絶対条件です。何をもって成功とするかを関係者全員で合意しておきましょう。

また、ボトルネック特定の段階でAIツールの候補もある程度視野に入れておくと、実証設計がスムーズになります。生成AI（テキスト処理）・RPA（定型操作）・OCR（書類読み取り）など、課題の性質によって適切なカテゴリが異なります。

よくある質問