はじめに
生成AIを導入したものの、社員が文章作成や検索に使うだけで、業務全体の改善につながっていない企業は少なくありません。
その原因の一つは、「どのAIツールを使うか」から検討を始めてしまうことです。重要なのは、先に各部門の業務を分解し、時間がかかっている作業、判断が属人化している作業、繰り返し発生している作業を明らかにすることです。
部門別AI活用ワークショップは、現場の担当者自身が業務を棚卸しし、AIによる改善可能性を検討する場です。単なる生成AI研修ではなく、実際の業務改善テーマと、翌日から試せるプロンプトや実行計画を持ち帰ることを目的とします。
部門別AI活用ワークショップが必要な理由
生成AIの導入初期には、経営層や情報システム部門が利用ツールを選定し、全社へアカウントを配布する方法がよく採られます。しかし、ツールを利用できる状態にしただけでは、現場の業務は大きく変わりません。
社員にとっては、「生成AIを使えるか」よりも、「自分が毎日行っている仕事のどこに使えるか」が重要だからです。
営業部門と経理部門では、扱うデータも業務手順も求められる成果も異なります。人事部門では応募書類や社内問い合わせを扱い、製造部門では検査記録や設備データ、過去の不具合情報などを扱います。
そのため、全社共通の活用例を紹介するだけでは、具体的な行動に移りにくくなります。部門ごとの業務プロセスを出発点にすることで、AI活用を「自分の仕事に関係する取り組み」として捉えやすくなります。
AIツール選びより先に業務を棚卸しする
ワークショップの中心となるのが、業務棚卸しです。
業務棚卸しでは、「資料を作る」「問い合わせに対応する」といった大きな業務名だけではなく、実際の作業を細かな単位に分解します。
たとえば、営業提案書の作成であれば、次のような工程があります。
- 顧客情報を確認する
- 過去の商談履歴を調べる
- 顧客の課題を整理する
- 提案の構成を考える
- 文章を作成する
- 表現や数字を確認する
- 上司の承認を受ける
このように分解すると、生成AIに任せられる作業、人が判断すべき作業、社内データとの連携が必要な作業が見えやすくなります。
業務棚卸しで確認する項目
業務ごとに、少なくとも次の情報を整理します。
業務の概要
何のために行う業務なのか、誰が担当しているのかを明確にします。
発生頻度
毎日、毎週、毎月、年数回など、どの程度繰り返される業務なのかを確認します。
作業時間
1回あたりに必要な時間と、年間でどの程度の時間を使っているかを把握します。
関係者数
一人で完結する業務か、複数の部署や承認者が関係する業務かを整理します。
使用するデータ
文章、PDF、画像、表計算、基幹システムなど、業務で利用する情報を確認します。
判断ルール
決められた条件に沿って処理できるのか、専門的な判断や経験が必要なのかを整理します。
業務名だけでAI活用の可否を判断するのではなく、頻度、時間、データ、判断方法まで確認することが重要です。
AIに向いている業務を5段階で選定する
洗い出したすべての業務を一度にAI化しようとすると、検討範囲が広がりすぎて実行に移せません。次の5段階で対象業務を絞り込みます。
1．具体的な業務を書き出す
最初に、各参加者が日常的に担当している業務を書き出します。
「事務作業」のような広い表現ではなく、「請求書の内容確認」「会議後の議事録整理」「顧客への返信メール作成」など、実際の作業単位で記載します。
2．業務量と作業条件を把握する
年間の実行回数、1回あたりの作業時間、関係者数を確認します。
短時間の作業でも、毎日繰り返していれば大きな業務負担になります。反対に、時間がかかる作業でも年に一度しか発生しない場合は、優先順位が低くなることがあります。
3．AIとの適性を評価する
生成AIが扱いやすいのは、文章、PDF、画像、表など、デジタル化された情報を利用する業務です。
また、次のような業務は比較的検討しやすい傾向があります。
- 文章の要約や分類
- 定型文の作成
- 複数資料の比較
- 情報の抜き出し
- 過去事例の検索
- アイデアや構成案の作成
- チェック項目に沿った確認
一方で、現場での物理作業や、人の感情を踏まえた最終判断、法的責任を伴う判断は、AIだけで完結させるのではなく、人による確認を組み込む必要があります。
4．効果と実現難易度で優先順位を付ける
AI活用テーマは、期待できる効果と実現に必要な労力の2軸で整理します。
効果が高く、実現難易度が低いテーマは「すぐに試すテーマ」です。小さな成功事例を作り、社内へ展開する起点になります。
効果は高いものの、システム連携やデータ整備が必要なテーマは、中長期プロジェクトとして扱います。
効果が小さくても簡単に試せるテーマは、空き時間や研修課題として段階的に検証できます。効果が小さく導入負担も大きいテーマは、いったん保留にします。
5．具体的な実行方法を決める
最後に、プロンプトだけで試せるのか、既存システムとの連携が必要なのか、RPAやデータベースを組み合わせるのかを検討します。
この段階で初めて、利用する生成AIサービスやシステムを選定します。
「日常頻度」と「専門性」で導入順を考える
価値と労力だけでなく、業務の発生頻度と専門性も重要な評価軸です。
最初に着手しやすいのは、日常的に発生し、一定の手順に沿って進められる業務です。メールの下書き、議事録の整理、報告書の構成、社内文書の校正などが該当します。
これらの業務は試行回数を確保しやすいため、プロンプトを改善しながら効果を検証できます。
その後、社内規程や過去の事例を検索する業務、熟練者の判断基準を整理する業務など、専門性の高い領域へ対象を広げます。
最初から難易度の高い業務へ取り組むのではなく、日常業務で使い方を定着させてから、専門業務へ進むことが現実的です。
1日型ワークショップの進め方
部門別AI活用テーマを抽出するワークショップは、1日程度でも設計できます。
午前：課題共有と業務プロセスの可視化
午前中は、生成AIの特徴、利用時の注意点、入力してはいけない情報などを確認します。
その後、参加者が業務棚卸しシートを使い、自分の担当業務を作業単位に分解します。
ここでは、AI活用案を急いで考えるよりも、「現在どのような手順で仕事をしているか」を正確に把握することが重要です。
午後前半：AI適性評価とテーマ選定
午後は、洗い出した業務を、効果、実現可能性、リスク、取り組みやすさなどの観点から評価します。
各自の感覚だけで決めず、なぜ優先するのかを参加者同士で説明することで、部門内の合意形成にもつながります。
午後後半：プロンプトと試作品を作成する
優先テーマが決まったら、実際の業務で使用するプロンプトやテンプレートを作ります。
成果物は、説明を聞いて終わるのではなく、翌日から業務で試せる状態にします。理想的なのは、参加者が自分の業務で利用できる複数のプロンプトと、利用時の注意点を持ち帰ることです。
最後に担当者と期限を決める
ワークショップの最後には、誰が、何を、いつまでに試すのかを決めます。
「今後活用を検討する」という曖昧な結論では、行動につながりません。試行担当者、対象業務、実施期限、効果の確認方法まで具体化します。
ワークショップの質を高めるファシリテーション
部門別ワークショップでは、参加者から多様な意見を引き出しながら、実行可能なテーマへ絞り込む必要があります。
開始時にゴールとルールを共有する
開始時には、次の内容を明確にします。
- ワークショップ終了時に持ち帰る成果物
- 当日の進行手順
- 参加者とAIの役割
- 他者の意見を否定しないなどの対話ルール
特に重要なのは、AIの回答を最初から完成品として扱わないことです。生成AIの出力をたたき台として、参加者が検証し、修正する姿勢を共有します。
AIから逆質問をさせる
プロンプトに必要な情報が不足している場合、AIが推測で回答すると、表面的な成果物になりやすくなります。
そこで、「情報が不足している場合は、回答を作成する前に質問してください」と指示します。
AIから逆質問を受けることで、業務の前提条件や目的が整理され、プロンプトの精度も高まります。
評価基準を固定して改善する
生成された文章や改善案に対して、「何となく良い」「少し違う」と評価しているだけでは、再現性が高まりません。
正確性、具体性、読みやすさ、実行可能性、社内ルールへの適合など、あらかじめ評価項目を決めます。
そのうえで、各項目を採点し、改善すべき部分をAIに示します。評価と修正を繰り返すことで、業務で使える品質へ近づけられます。
部門別に考えられるAI活用テーマ
製造・技術部門
製造・技術部門では、検査画像の確認支援、設備データの傾向分析、過去の不具合事例の検索、熟練者の判断基準の整理などが候補になります。
ただし、品質判定や安全に関わる業務では、AIの回答をそのまま採用せず、人による最終確認が必要です。
経理・財務部門
経理・財務部門では、請求書情報の読み取り、仕訳候補の作成、経費内容の確認、定型報告書の作成支援などが考えられます。
効果を測定する際は、単なる作業時間の短縮だけでなく、入力ミスや差し戻し件数の変化も確認します。
人事・総務部門
人事・総務部門では、社内FAQ、規程検索、問い合わせ回答案の作成、採用書類の整理、面接質問案の作成などが候補になります。
個人情報や評価情報を扱うため、入力範囲、閲覧権限、保存方法をあらかじめ決めておく必要があります。
営業・販促部門
営業部門では、商談履歴の要約、顧客ごとの提案構成、メールの下書き、提案書や報告書の作成支援などが考えられます。
目的は、文章作成を速くすることだけではありません。事務作業を減らし、顧客との対話や新規開拓に使える時間を増やすことが重要です。
マーケティング部門
マーケティング部門では、SNS投稿案、記事構成、広告案、画像制作の補助、複数媒体への文章展開などに利用できます。
ブランド表現がばらつかないように、使用する言葉、避ける表現、想定読者、文章の雰囲気をテンプレート化します。
顧客対応部門
顧客対応部門では、配送状況、返品方法、商品仕様など、繰り返し発生する質問への回答支援が考えられます。
すべてを自動化するのではなく、定型質問はAIが支援し、苦情や個別判断が必要な相談は担当者へ引き継ぐ設計が必要です。
ワークショップ後の30・60・90日定着ロードマップ
ワークショップは、開催しただけでは成果につながりません。終了後90日間の運用計画をあらかじめ設計します。
1日目から30日目：実際の業務で試す
最初の1か月は、参加者が作成したプロンプトを実際の業務で使います。
利用してうまくいかなかった事例も共有し、短時間の質問会や相談会を設けます。個人で作成したプロンプトは、目的、文体、文字数、禁止事項などを整理し、再利用可能なテンプレートへ改善します。
31日目から60日目：運用ルールを整備する
2か月目は、入力してよい情報と禁止する情報、利用可能なサービス、成果物の確認方法、テンプレートの管理担当者などを決めます。
部門ごとに異なる運用を放置すると、品質やセキュリティにばらつきが生じます。全社共通ルールと部門別ルールを分けて整理することが重要です。
61日目から90日目：成果とROIを確認する
3か月目は、利用回数、作業時間、修正回数、エラー件数、問い合わせ対応時間などを確認します。
研修の満足度だけでなく、実際の業務行動が変わったか、業務成果につながったかを評価します。
効果が確認できたテーマは他部門へ展開し、効果が小さいテーマはプロンプトや業務手順を見直します。個別事例の削減率をそのまま自社目標にするのではなく、自社の現状値を基準に評価することが大切です。
まとめ
部門別AI活用ワークショップの目的は、生成AIの機能を学ぶことではなく、現場の業務から改善テーマを見つけ、実行へ移すことです。
成功のポイントは、最初に業務を細かく分解し、発生頻度、作業時間、利用データ、判断方法を整理することにあります。そのうえで、期待効果と実現難易度から優先順位を付け、翌日から試せるプロンプトや実行計画を作ります。
また、ワークショップ終了後には、30日間の試行、60日以内の運用ルール整備、90日以内の効果測定まで進める必要があります。
生成AI導入は、ツールを配布した時点で完了するものではありません。現場で試し、結果を検証し、業務手順とプロンプトを継続的に改善することで、初めて組織の業務改善として定着します。
コメント