AIで業務を効率化する。どの仕事から渡すかの決め方と、うちの実例

「AI 業務効率化」で出てくる記事をひととおり読んでみました。書いてあることはだいたい同じで、「大幅に削減できます」「生産性が上がります」で終わっています。どの業務を、どこまで渡して、人間の手元に何が残ったのか。そこが書かれていないので、読み終わっても月曜の朝に何をすればいいか分かりません。

うちは少人数の会社で、業務のかなりの部分をAIに渡してきました。だからこの記事は一般論ではなく、実際に渡してみて分かったこととして書きます。うまくいったものだけでなく、うまくいかなかった入れ方も書きます。

**この記事の結論：**AIに渡すのは「判断」ではなく「作業」です。渡す仕事は、頻度・定型度・失敗しても取り返しがつくか、この3つで選ぶと大きく外しません。

この記事で分かること：

• AIに渡していい仕事と、手元に残しておく仕事の線引き
• どの業務から手をつけるかを決める3つの軸
• うちが実際に自動化した業務と、そこに残っている人間の手間
• 生成AI導入でよくある、失敗しやすい入れ方

1. 効率化が進まない一番の理由は、渡す仕事を選べていないこと

AI導入がうまくいかない会社の話を聞いていると、ツール選びで止まっているケースはあまりありません。だいたいは、契約はしたけれど何を任せるか決まっていないところで止まっています。

これは道具の問題ではなく、業務の棚卸しの問題です。自分の会社の仕事を「作業」と「判断」に仕分けできていないと、何を渡していいか分かりません。分からないから、とりあえず全社員にアカウントを配って「使ってみて」と言う。そして三か月後、誰も使っていない。

だから最初にやるのは、ツールの比較ではありません。いま自分がやっている仕事を、作業と判断に分けて書き出すことです。ここができれば、あとは順番に渡していくだけになります。

2. AIに渡すのは「判断」ではなく「作業」

線引きの基準は一つだけです。結果が間違っていたときに、責任を取る人が要るかどうか。

責任が要るものが判断で、要らないものが作業です。

**作業（渡していい）**は、手順が決まっていて繰り返しがあるもの。転記、集計、下書き、分類、チェック、定型連絡。間違えてもやり直せば済みます。

**判断（手元に残す）**は、前提の設定、優先順位づけ、取捨選択。何を作るか、いくらで受けるか、誰に任せるか、公開するか。間違えると信用やお金や人間関係に跳ね返ります。

うちで一番効いているのはこの分け方です。AIは疲れないし文句も言わないので、作業に関しては人間より安定します。一方で、その仕事がなぜ必要なのか、誰に向けたものなのかという前提は持っていません。前提が要る仕事を渡すと、それらしいけれど的外れなものが返ってきます。

AIに渡す作業と、手元に残す判断の線引きです。

ここで「AIとRPAは何が違うのか」という質問をよく受けます。ざっくり言うと、RPAは決まった手順を寸分たがわず繰り返すのが得意で、想定外の入力が来ると止まります。生成AIは手順が多少ぶれても意味を汲んで処理できますが、そのぶん出力にばらつきが出ます。きっちり同じ形のものを大量に処理するならRPA的な発想、形がばらつくものを読み取らせるなら生成AI、という使い分けが実務的です。

3. どの仕事から渡すか — 3つの軸で決める

作業を書き出したら、次は順番です。うちは3つの軸で見ています。

3つとも高いものが最初の一手です。逆に、頻度が低くて、毎回中身が違って、外部に出るものは、最後まで手元に残す。ここを最初に渡すと事故ります。

具体的には、こう並びます。

1. すぐ渡していい：社内の集計、転記、フォルダ整理、定型連絡、下書きの生成、記事や資料の一次チェック
2. 検査をつけて渡す：社外に出る文章、数字の入る資料、顧客への一次返信の案
3. まだ渡さない：見積もりの最終決定、人の評価、契約に関わる判断、謝罪の連絡

順番を守ると、最初の1〜2件で「これは効く」という手応えが社内に残ります。その手応えがないまま範囲を広げると、だいたい途中で止まります。

4. うちの実例 — 実際に渡した仕事と、残っている手間

抽象論だと伝わらないので、うちが実際に渡したものをそのまま並べます。

月次報告の集計は分かりやすい例なので補足します。もともとは個別に数字を聞いて、もらった数字を表に手入力して、誰が未報告か目視で確認する、という流れでした。いまはメンバーが決まった形式で投稿すれば、AIがスクリーンショットを読み取って集計まで終わります。メンバー側の手間は月1回・約2分、管理者側はゼロです。

この件で一番大きかったのは、実は作業時間ではありませんでした。「報告まだ？」という催促が人間の仕事から消えたことです。人が言うと角が立つ連絡を仕組みが肩代わりしてくれる。これは効率化の副産物ですが、小さいチームほど効きます。

月次報告の集計を渡す前と渡した後の比較です。

この仕組みの中身は別の記事に詳しく書いています。

あわせて読みたいDiscord月次報告の自動化実録 — AIがスクショを読んで集計まで全自動

5. 失敗しやすい入れ方4つ

うまくいった話だけ書くとフェアではないので、つまずいた入れ方も書きます。

① 全社に配ってから考える

アカウントを配れば誰かが使い方を見つけてくれる、とはなりませんでした。渡す仕事を1つ決めて、それが回ってから広げるほうが速いです。

② 一番難しい仕事から試す

「これができたらすごい」という仕事から始めると、たいてい期待外れになって「使えない」で終わります。最初は、結果をその場で確認できる小さい仕事にしたほうがいいです。

③ 検査工程を用意せずに社外へ出す

AIは自信のある口調で間違えます。社外に出るものは、必ず人の目を通す工程を残しておく。ここを省くと、削減した時間の何倍もの時間を後始末に使うことになります。

④ 効果を測らないまま続ける

「なんとなく楽になった気がする」で続けると、やめる判断もできません。渡す前に「この作業に月どれくらい触っているか」をざっくりでも書き留めておくと、後で比べられます。

**注意：**社内の情報をAIに渡すときは、どの情報をどこまで渡していいかを先に決めてください。顧客名や契約内容、個人情報を含むデータを扱うなら、利用するサービスの規約と自社のルールの両方を確認してから始めるのが安全です。ここを曖昧にしたまま進めると、後から止めるほうが大変になります。

最初の1か月はこの順番で進めると失敗しにくいです。

6. 進め方 — 最初の1か月でやること

順番だけ書いておきます。

1. 1週間：自分の仕事を作業と判断に分けて書き出す。細かくなくていい
2. 翌1週間：3つの軸で並べ替えて、一番上の1件だけ選ぶ
3. その次の2週間：その1件を渡してみる。うまくいかなければ範囲を狭めて再挑戦
4. 1か月後：手元に残った手間を書き出す。ここが次に渡す候補になる

ポイントは、最初の1件を終わらせるまで2件目に手を出さないことです。同時に3つ始めると、どれも中途半端になって「AIは使えなかった」という結論だけが残ります。

よくある質問

小さい会社でも意味はありますか

むしろ小さい会社のほうが効きます。人が少ないほど、一人が事務作業に取られる割合が大きいからです。うちも少人数ですが、集計・投稿・サイト運用といった手を動かす仕事を渡すことで、Webサイト4つの運用を並行して回せています。大企業のような大規模な導入プロジェクトは要りません。1つの作業から始められます。

AIに任せると品質は落ちませんか

渡し方によります。作業を渡して判断を残す分担なら、むしろ安定します。人間は疲れると転記を間違えますが、機械は間違え方が一定なので、検査の仕組みを一度作れば同じ精度が続きます。逆に、判断まで渡すと品質は落ちます。何を作るか、誰に向けるかを決めるのは人間の仕事のままにしておくのが安全です。

生成AI導入でまず何にお金をかけるべきですか

ツールよりも「最初の1件を回しきる時間」です。多くの場合、月額数千円から数万円のプランで足りる仕事から始められます。高いプランを契約しても、渡す仕事が決まっていなければ使いません。逆に、渡す仕事が決まっていれば安いプランでも成果は出ます。使ってみて足りなくなってから上げる、で間に合います。

まとめ

• AIに渡すのは作業。判断は手元に残す。線引きは「間違えたときに責任が要るか」
• 渡す順番は頻度 × 定型度 × 取り返しのつきやすさで決める
• うちは集計・催促・投稿・サイト運用を渡して、少人数でも並行して回せるようになった
• 失敗の多くは、全社配布・難題からの着手・検査省略・効果を測らないこと

AI導入の話は誇張されて語られがちですが、実態は「どの作業を、どんな検査つきで渡すか」という地味な設計の話です。派手さはありませんが、順番さえ間違えなければ、小さい会社でも確実に手元の時間は増えます。

自社の場合はどこから渡せばいいか整理したい、という方はお問い合わせからどうぞ。うちが実際にやってきた範囲であれば、具体的にお話しできます。

関連記事：Claude Codeの使い方 — 会社まるごとAIで回して分かった導入から実運用まで／ブログを半自動化した話