AI導入をPoCで終わらせないための「業務設計」
株式会社FUDAI様主催「デジタル技術人材育成講座」に登壇しました

データインテリジェンスチームの河野です。
2026年8月19日、株式会社FUDAI様が企画・運営する「デジタル技術人材育成講座」に講師として登壇しました。
株式会社FUDAI様は、大阪府立大学内ベンチャー企業として設立され、大阪拠点の中小企業を中心に人材育成や技術支援を展開されています。

今回の講座では、AIエージェントの基本や活用事例に加え、AI導入を業務成果につなげるために必要な「業務設計」の考え方についてお話ししました。ここで言う業務設計とは、現行業務を分解し、AIに任せる処理、人が判断する処理、必要なデータ、例外時の対応、運用方法を整理することです。

AI導入で見落とされやすい「業務との接続」

AIを業務で活用できる範囲は広がっています。
社内からの問い合わせ対応、書類や画像の読み取り、情報整理、作業手順の確認など、これまで人が行っていた業務の一部をAIが支援できるようになりました。

一方、実際の業務には、次のような課題があります。

• 担当者によって判断基準が異なる
• 例外時の対応方法が決まっていない
• AIが参照する情報が整理されていない
• 業務の進め方が担当者の経験に依存している

このような状態で現在の業務をそのままAIに置き換えても、期待した成果が得られるとは限りません。

期待した結果が出ないと、原因が「AIの精度不足」にあると捉えられ、PoCの段階で検討が止まってしまうことがあります。しかし、AIそのものの性能ではなく、入力するデータや判断基準、業務フローに原因があるケースも少なくありません。

そこで講義では、AI活用の成功事例だけでなく、期待した結果に届かなかった事例も取り上げながら、何を見直せばよいのかをご紹介しました。

現行業務をそのままAIに置き換えない

例えば、書類や画像の確認業務にAIを導入する場合、単に「人が見ていたものをAIに見せる」だけでは、業務で使える仕組みにならないことがあります。

• 撮影条件やレイアウトが統一されていない
• 判断基準が言語化・標準化されていない
• 例外が発生した場合の対応方法が決まっていない
• AIの判定結果を誰が確認するか決まっていない

このような状態では、AIによる処理自体はできても、「結局、人がすべて確認しなければならない」「確認作業があまり減らない」といった結果になりがちです。

AI導入時には、AIが処理できるかどうかだけでなく、下記の点を整理する必要があります。

• AIが読み取りやすい形に情報を整えられるか
• AIに任せる処理と、人が判断する処理を分けられるか
• AIが判断に迷った場合の確認方法を決められるか
• 現場が継続して運用できるルールになっているか

業務設計から見直したAI活用事例

講義では、画像に含まれる情報を担当者が目視で確認していた業務を例に、AI活用を前提とした業務設計について紹介しました。

この業務では、担当者の確認負担を減らすためにAIの導入を検討していました。しかし、画像の撮影条件やレイアウトにばらつきがあると、AIが正しく情報を読み取れない場合があります。また、画像内の文字を正しく読み取れたとしても、その内容が業務上問題ないかどうかについては、人の判断が必要になるケースもあります。

そこで、AIの性能だけを改善するのではなく、業務全体について次のような見直しを検討しました。

• 撮影条件や入力形式を、AIが読み取りやすい形に整える
• AIが一次確認する範囲と、人が最終判断する範囲を分ける
• 読み取り結果に不安がある場合の確認ルールを決める
• 例外が発生した場合の対応方法を明確にする

重要なのは、すべての確認作業を完全に自動化することではありません。AIが安定して処理できる範囲を広げ、人が確認すべき対象を絞ることで、業務全体の負担を減らすという考え方です。

AI導入では、「AIでできるか」だけでなく、「AIが力を発揮できるように業務を整えられるか」を考えることが大切です。

PoCを、業務を見直す機会にする

PoCは、現行業務をAIで再現できるかを確認するだけのものではありません。期待した結果が得られなかった場合は、次の点を再検討します。

• AIに任せる範囲は適切か
• 人による確認をどこに残すか
• AIが使う情報は整備されているか
• 業務や例外時のルールを変える必要はないか

検証結果を踏まえ、人とAIの役割や、業務の進め方を見直し、AIが効果を発揮できる形へ再設計することが重要です。

参加者の皆さまの声

登壇後のアンケートでは、次のような声をいただきました。

※アンケート回答より一部抜粋。読みやすいよう表記を一部整えています。

AIに関する情報では成功事例が注目されがちですが、実際に導入する際には、「うまくいかなかったときに、何を見直すか」という視点も欠かせません。今回いただいた声からも、期待した結果に届かなかった理由や、その後の見直し方までお伝えすることの大切さを、あらためて感じました。

AIの導入を、業務成果につなげるために

AIを業務成果につなげるためには、ツールや技術を選ぶだけでなく、次のような準備が必要です。

• 対象業務や課題、関係者の負担を整理する
• AIが参照・処理する情報を整備する
• AIの特性に合わせて業務や運用を再設計する
• 現場、DX推進担当者、意思決定層を巻き込む
• 導入後の効果を測定し、継続的に改善する

一方、これらを自社だけで整理し、技術面と業務面の両方から検証することは簡単ではありません。

神戸デジタル・ラボでは、対象業務や課題の整理から、PoC、業務設計、システム導入、導入後の効果測定・改善まで、一気通貫でご支援しています。
「AIをどの業務で活用できるか分からない」「生成AIを試しているが、成果につながっていない」といったお悩みがありましたら、ぜひKDLへご相談ください。
AIを業務の成果につなげることから、一緒に考えていきます。