AI導入の優先順位を機能の比較だけで決めてはいけない
生成AIやAIエージェントの普及により、多くの企業が「どの業務からAIを導入するべきか」という課題に直面しています。
議事録作成、文書検索、問い合わせ対応、需要予測、検査、承認業務など、AIを活用できそうな工程は数多くあります。しかし、目についた業務へ個別にAIを導入しても、組織全体の生産性が上がるとは限りません。
ある工程の処理時間だけを短縮しても、その後の承認工程が滞っていれば、業務全体のリードタイムはほとんど変わらないからです。AIの処理速度が上がった結果、次工程の待ち行列や確認作業が増えることもあります。
重要なのは「AIで何ができるか」から考えることではありません。
顧客への価値提供を妨げている工程を特定し、その制約を解消する手段としてAIが適切かを判断する必要があります。そのために活用できるのが、VSM（バリューストリームマッピング）です。
VSMとは業務全体の価値の流れを可視化する手法
VSMは、商品やサービスが顧客へ届くまでの工程を一連の流れとして可視化する手法です。
各工程の作業内容だけでなく、処理時間、待ち時間、手戻り、情報の受け渡し、担当部門などを整理します。これにより、業務全体のどこに停滞や無駄があるのかを把握しやすくなります。
AI導入の検討でVSMを活用する目的は、単に業務フロー図を作ることではありません。AIを導入した場合に、顧客への価値提供がどのように変わるのかを確認することです。
部分最適ではなく業務全体を見る
AI導入では、特定の作業時間が短くなったことだけを成果として評価しがちです。
例えば、AIによって申請書の作成時間を短縮できても、承認者の確認に数日かかっていれば、顧客が得られる価値はほとんど変わりません。入力作業を自動化した結果、確認すべき申請が急増し、承認部門の負担が大きくなる可能性もあります。
VSMを使えば、前工程から後工程までをつなげて確認できます。「誰の作業が速くなったか」ではなく、「顧客へ届くまでの時間や品質が改善したか」という視点でAIの効果を考えられます。
AI導入前に業務プロセスを整える
既存の業務に重複、複雑な承認、属人的な判断、古いシステムとの手作業連携が残っている場合、そのままAIを追加しても根本的な改善にはつながりません。
先に行うべきなのは、不要な工程の廃止、承認ルールの整理、データ形式の統一、責任範囲の明確化です。
AIは崩れた業務プロセスを自動的に正常化する仕組みではありません。業務の標準化と再設計を行ったうえで導入することで、初めて継続的な効果を期待できます。
VSMでAI導入候補工程を特定する6つの手順
VSMを使ったAI導入候補の選定は、次の手順で進めます。
1．現場を含む検討チームを編成する
経営層や情報システム部門だけでAI導入候補を決めると、実際の業務とのずれが生じやすくなります。
検討チームには、対象業務を担当する現場社員、業務責任者、IT担当者、データ管理担当者などを加えます。部門をまたぐ業務では、前後の工程を担当する部門も参加させることが重要です。
誰が最終判断を行うのか、誰がデータを提供するのか、誰が導入後の運用に責任を持つのかも決めておきます。
2．対象となるバリューストリームを選ぶ
すべての業務を一度に可視化しようとすると、調査範囲が広がりすぎます。
最初は、顧客への影響が大きい業務、リードタイムが長い業務、問い合わせや手戻りが多い業務などから対象を選びます。
例えば「受注から出荷まで」「問い合わせ受付から回答まで」「申請受付から承認まで」のように、開始点と終了点を明確にします。
3．現在の業務プロセスを可視化する
対象業務について、実際に行われている工程を記録します。
規程上の理想的な手順ではなく、現場で実行されている業務を確認することが重要です。メール、表計算ソフト、紙、基幹システムなど、工程間で使用される媒体も記録します。
担当者への聞き取りだけでなく、可能であればシステムログや業務記録も確認します。担当者が認識していない待ち時間や、非公式な手作業が見つかることがあります。
4．時間と品質に関するデータを集める
各工程について、次のような情報を整理します。
- 実際に作業している時間
- 作業開始までの待ち時間
- 処理件数と滞留件数
- 手戻りや修正の発生回数
- エラーや欠陥の発生状況
- 担当者による処理時間の違い
- 顧客からの問い合わせや不満
AI導入の効果を判断するには、導入前の基準値が必要です。正確なデータを取得できない場合でも、測定方法と対象期間を統一し、継続的に比較できる状態をつくります。
5．ボトルネックと無駄を特定する
集めた情報から、業務全体の流れを止めている工程を探します。
特に確認したいのは、長い待ち時間、繰り返される転記、重複した確認、過剰な承認、検索に時間がかかる状態、不良や手戻りです。
リーン生産で整理される代表的な無駄は、次の7つです。
- 必要以上に作る「作りすぎ」
- 承認や処理を待つ「手待ち」
- システム間で情報を移す「運搬」
- 不要な確認や加工を行う「過剰処理」
- 未処理案件がたまる「在庫」
- 情報を探し回る「動作」
- 修正や再作業を生む「不良」
これらを業務プロセスに当てはめると、AIが効果を発揮しやすい場所を見つけやすくなります。
6．AI以外の解決策も含めて検討する
ボトルネックが見つかっても、すぐにAI導入へ進むべきではありません。
業務ルールの変更、入力項目の削減、システム連携、既存機能の活用など、より簡単な方法で解消できる可能性があります。
AIが適しているのは、文章の分類、情報の抽出、予測、異常検知、類似情報の検索、複数条件に基づく判断支援など、従来のルールだけでは対応しにくい工程です。
AIを使うこと自体を目的にせず、ボトルネックを最も合理的に解消できる手段を選びます。
AI導入候補を評価する3つの判断基準
複数の候補が見つかった場合は、効果と実現可能性を共通の基準で比較します。
制約理論で最大のボトルネックを見極める
制約理論（TOC）では、業務全体の成果を制限している最も大きな制約に改善を集中させます。
改善しやすい工程が複数あっても、それらが全体の流れを妨げていなければ、投資効果は限定的です。
AI導入では、「最も時間がかかる工程」だけでなく、「改善した場合に後工程まで影響が及ぶ工程」を優先します。
効果と実現可能性のバランスを確認する
AI導入候補は、効果と導入の容易さから4つに分類できます。
- 効果が大きく導入しやすい領域：最優先で試行する
- 効果が大きく導入が難しい領域：中長期の戦略投資として扱う
- 効果が小さく導入しやすい領域：必要に応じて既存機能などで対応する
- 効果が小さく導入も難しい領域：原則として見送る
効果が大きくても、学習や検証に必要なデータがない、運用責任者が決まらない、説明可能性を確保できない場合は、すぐに導入できません。
反対に、簡単に導入できても、業務全体への影響が小さければ、優先順位を下げる必要があります。
DX評価マトリクスで優先順位を整理する
候補工程ごとに、次のような項目を評価します。
- 顧客や事業への効果
- リードタイム短縮の可能性
- 品質や正確性への影響
- 導入に必要な期間と費用
- 利用できるデータの量と品質
- 既存システムとの連携難易度
- セキュリティや個人情報上のリスク
- 導入後の運用負担
- 人による確認が必要な範囲
評価結果を一覧化すれば、「声の大きい部門の提案」や「目新しいAIサービス」に判断が左右されにくくなります。
AI導入の効果は便益仮説として事前に定義する
AI導入前には、「何を導入するか」だけでなく、「何がどの程度改善すれば成功なのか」を便益仮説として定義します。
例えば、問い合わせ対応へのAI導入であれば、単にAIの回答数を増やすことではなく、初回回答までの時間、担当者への引き継ぎ率、回答の修正率などを測定対象にします。
最小限の実行可能な範囲で検証する
最初から全社展開するのではなく、対象部門、利用者、業務範囲を限定して検証します。
既存の業務フローとAIを利用する業務フローを並行して動かし、同じ条件で結果を比較します。AIの出力精度だけでなく、確認や修正にかかった時間も含めて評価することが重要です。
AIによる作業時間が短くなっても、人による確認時間が増えていれば、業務全体の改善にはなっていません。
5つの指標で継続的に評価する
AI導入の効果は、次の5つの側面から確認します。
- 財務的影響
売上への貢献、業務コスト、システム費用、トークンやライセンスなどの総コストを確認します。 - 戦略的成果
顧客満足、解約防止、納期短縮、コンプライアンス対応など、事業上の成果を確認します。 - 業務プロセスKPI
処理時間、待ち時間、手戻り、エラー、欠陥、再作業の変化を測定します。 - ユーザー採用度
現場で実際に利用されているか、AIの出力がどの程度修正されているかを確認します。 - 技術的性能
回答精度だけでなく、不適切な出力、システム停止、処理速度、運用コストの変化を確認します。
利用回数だけをKPIにすると、AIを使うことが目的化します。業務改善と顧客価値につながる指標を設定する必要があります。
VSMだけでは把握できないデジタル業務の課題
VSMは業務全体の価値の流れを把握するうえで有効ですが、物理的な製造工程を起源とする手法です。
複数のシステムや部門をまたぐデジタル業務では、担当者への聞き取りだけでは実際の流れを正確に把握できない場合があります。
そのため、複雑な業務ではBPM（ビジネスプロセスマッピング）やプロセスマイニングを併用します。
BPMでは、部門間の役割、顧客との接点、システム連携、意思決定の分岐などを詳細に整理できます。プロセスマイニングでは、ERP、CRM、ワークフローシステムなどに残されたログから、実際の処理経路や滞留を確認できます。
VSMで全体の価値の流れを捉え、BPMで業務を詳しく分解し、プロセスマイニングで客観的なデータを確認することで、AI導入候補の精度を高められます。
まとめ｜VSMで「AIを入れやすい工程」から「AIを入れるべき工程」へ
AI導入の優先順位は、技術の新しさや導入の手軽さだけでは決められません。
VSMを活用して業務全体を可視化し、顧客への価値提供を妨げているボトルネックを特定することが出発点です。そのうえで、効果、実現可能性、データ、リスク、運用体制を比較し、AIを導入する工程を選びます。
最初は効果が期待でき、かつ限定的な範囲で検証できる候補から着手します。便益仮説と評価指標を事前に定め、既存業務と比較しながら成果を確認することが重要です。
VSMは、AI導入候補を探すためだけの図ではありません。個別業務の効率化を、組織全体の業務改善と顧客価値につなげるための意思決定基盤です。
コメント