AI導入で失敗しない会社は、作る前に業務を読む

生成AIによって、何かを作る速度は大きく上がりました。

文章、画像、企画書、業務フロー、簡単なアプリ、Webページ、問い合わせ対応のたたき台。以前なら専門家に依頼し、時間をかけて形にしていたものが、いまは経営者や担当者の言葉からすぐに出てきます。

これは大きな前進です。

しかし、経営の視点では、ここに落とし穴もあります。

AIで「作れる」ことと、会社の業務として「使える」ことは違います。

見た目の整った画面が出る。もっともらしい企画書ができる。自動化の案が並ぶ。けれど実際に現場へ入れると、入力する人がいない。承認の責任者が曖昧である。例外処理が抜けている。既存の帳票、会議、顧客対応、法務確認、会計処理とつながらない。失敗したときに誰が戻すのかも決まっていない。

AI導入の失敗は、これから「作れなかった」ことよりも、「作れてしまった」ことから起きやすくなります。

だから経営者が見るべきポイントは、どのAIツールを入れるかだけではありません。

作る前に、自社の業務を読むことです。

AI導入の前に決めるべきこと

AI活用の相談では、よく次のような問いから始まります。

どの業務をAIで効率化できるか。
どのツールがよいか。
社員にどのプロンプトを教えればよいか。
どこまで自動化できるか。
費用対効果はどれくらいか。

どれも大切な問いです。

ただし、これらは少し後ろの問いです。経営者が先に決めるべきことは、もう少し手前にあります。

自社は、どの業務で、誰に、どんな価値を届けているのか。
その価値は、どの手順、どの判断、どの確認、どの責任分担によって成立しているのか。
どこをAIに任せると価値が高まり、どこをAIに任せると事故になるのか。
何が満たされれば「導入してよかった」と言えるのか。

ここを決めずにAI導入を始めると、便利な道具は増えますが、会社としての成果にはつながりにくくなります。

AI導入は、ツール選びから始めるよりも、業務の読み直しから始めたほうがよい。

これが本稿の中心です。

設計論は、昔からこの問題を扱ってきた

「設計が重要である」という話は、生成AI時代に急に現れた新発見ではありません。

日本語圏には、吉川弘之の一般設計学、一般デザイン学、設計工学、日本デザイン学会を中心とするデザイン学、さらに情報システム開発における要求工学や要件定義の実務知があります。

そこで扱われてきた設計は、単に見た目を整えることではありません。目的、制約、機能、利用者、環境、運用条件を関係づけ、まだ存在しないものを成立させる知的な仕事です。

生成AIが変えたのは、設計の重要性そのものではありません。

設計の不足が、すぐ成果物として表に出る速度です。

曖昧な目的でも、AIは画面を作ります。曖昧な要件でも、AIは提案書を書きます。曖昧な業務理解でも、AIはそれらしい自動化案を出します。

だからこそ、従来から設計論や要求工学が扱ってきた「何を、なぜ、どの条件で成立させるのか」という問いが、経営の前面に出てきます。

価値を決めるだけでは、まだ業務には乗らない

AI導入の議論では、「顧客価値を決める」「ユーザーの困りごとを考える」「優先順位を決める」といった話がよく出ます。これは正しい方向です。

しかし、経営者がもう一段見るべきものがあります。

現場の業務です。

業務には、順番があります。例外があります。承認があります。責任があります。データの制約があります。既存システムとの接続があります。担当者が実際にはやっているが、文書には書かれていない調整もあります。

ここを見ないままAIを入れると、コンセプトはよいのに使えないものができます。

たとえば「営業をAIで効率化する」と言うだけなら簡単です。

しかし営業担当者が実際に困っているのは、商談メモの作成なのか、次回アクションの抜けなのか、決裁者情報の不足なのか、案件確度の見積もりなのか、マネージャーへの報告なのか、CRM入力の二重作業なのか。

ここを分けないと、何を作るべきかは決まりません。

「顧客対応をAIで楽にする」も同じです。問い合わせの分類、一次回答、エスカレーション、返金判断、法務確認、クレーム対応、履歴保存、個人情報の扱い。どこをAIに任せてよく、どこから人間が見るべきかを決めなければ、現場は安心して使えません。

業務を読むことは、AI導入を遅くするためではありません。

作ったものを、現場で止まらないものにするためです。

要件定義は、価値を完成条件に変える

業務が見えたら、次に必要になるのが要件定義です。

要件定義という言葉は、システム開発部門だけの専門用語に見えるかもしれません。しかし経営者にとっても重要です。

要件定義とは、何が満たされれば価値が実現したと言えるのかを、判断できる形にすることです。

「仕事を効率化するツール」では、まだ要件になっていません。

どの仕事か。誰の仕事か。何分短縮するのか。どの品質は落としてはいけないのか。どの例外は扱わないのか。誰が成功を判定するのか。失敗したときにどう戻すのか。

ここまで決めると、AIへの指示も、開発会社への依頼も、社内プロジェクトの判断も変わります。

たとえばAIに「便利な顧客管理ツールを作って」と頼めば、それらしい画面は出てくるでしょう。

しかし、次のように頼むと、まったく違うものになります。

営業担当が初回接触後24時間以内に、案件確度、次回行動、決裁者情報を記録できる。マネージャーは週次で停滞案件を抽出できる。入力漏れは翌朝通知する。決裁者情報が未確認の案件は確度Aにできない。

この違いが、要件定義です。

要件定義は、細かい仕様書を増やす作業ではありません。会社として、何を成功と呼ぶかを決める作業です。

経営者が見るべき五つの問い

AI導入を始める前に、経営者は少なくとも次の五つを確認するとよいでしょう。

第一に、誰のためのAI活用か。
顧客のためか、現場担当者のためか、管理職のためか、経営判断のためか。対象が曖昧なままだと、成果の見方も曖昧になります。

第二に、どの業務で価値が出るのか。
「全社でAI活用」では広すぎます。営業、採用、問い合わせ対応、経理、商品企画、会議運営など、最初に扱う業務を絞る必要があります。

第三に、どの条件で成功と言えるのか。
時間短縮、品質向上、抜け漏れ防止、対応速度、判断の説明可能性、属人化の解消など、成功条件を決めます。数字にできるものと、数字だけでは見えないものを分けます。

第四に、どこまでAIに任せるのか。
AIに任せる作業、人間が確認する作業、人間だけが判断する作業を分けます。責任の線が曖昧なAI導入は、現場に不安を残します。

第五に、失敗したときに戻せるか。
誤回答、誤送信、誤分類、個人情報の扱い、顧客への説明、業務停止時の代替手順を確認します。戻せない導入は、小さく試すべきです。

この五つは、専門家だけが考えることではありません。むしろ、経営者が最初に持つべき判断軸です。

小さく始めるほど、設計は必要になる

「まず小さく始めましょう」という助言は正しいと思います。

ただし、小さく始めることは、曖昧に始めることではありません。

むしろ小さく始めるほど、何を試しているのかをはっきりさせる必要があります。

たとえば、営業日報のAI活用を小さく試すなら、試す対象は「AIで営業を変える」ではありません。

商談メモから次回アクションを抽出できるか。
案件確度の判断材料をそろえられるか。
マネージャーが週次会議の前に停滞案件を見つけられるか。
入力負担が減っても、確認すべき情報が抜けないか。

ここまで分けると、小さな実験になります。

小さな実験には、止める条件も必要です。現場負担が増えたら止める。顧客情報の扱いに不安が出たら止める。確認工数が想定より重ければ設計を戻す。成果が出たら次の業務へ広げる。

AI導入は、一度決めたら戻れない大規模投資だけではありません。むしろ、戻せる小さな実験を積み重ねるほうが、会社の学習になります。

AI時代の経営課題は、道具ではなく業務知能である

これからの企業に必要なのは、AIツールをたくさん入れることではありません。

自社の業務を、AIと人間が一緒に扱える形へ整えることです。

業務の言葉を残す。判断基準を明示する。例外を分ける。責任の線を引く。成功条件を置く。失敗時に戻れるようにする。試した結果を会社の記憶として残す。

この積み重ねが、AI時代の業務知能になります。

AIで誰でも形を作れる時代には、何を作るかを決める力が重要になります。ただし、その力は、単なる発想力ではありません。

業務を読む力です。
要件に落とす力です。
価値を完成条件に変える力です。
実装と運用と責任のあいだに、線を引く力です。

経営者にとってのAI導入は、最新ツールを追いかける競争ではありません。

自社の価値がどの業務で成立しているのかを読み直し、その価値をAI時代の業務へつなぎ直す仕事です。

AIを入れる前に、業務を読む。

この一歩を踏む会社ほど、AIを単なる効率化ではなく、会社の判断力を育てる力へ変えていけるはずです。

ZYX Corpで扱う支援範囲

ZYX Corpでは、AI導入を単なるツール選定やプロンプト配布として扱いません。

AI経営コンサルティングでは、経営課題、業務、情報管理、AI活用の優先順位を整理します。AI番頭では、中小企業が実務AI活用を小さく始めるために、問題の言語化、判断支援、小さな実践、検証と定着を扱います。

どちらも、AIに経営判断を丸投げするものではありません。経営者と現場が、自社の業務を読み、AIに任せる範囲と人間が責任を持つ範囲を決められるようにするための支援です。

参考文献・参照した考え方

• クウキデザイン | Kuuki Design「AIで誰でも作れる今、評価される人が持っている「唯一の能力」」YouTube、2026年6月5日公開。
• 吉川弘之「一般設計学序説 一般設計学のための公理的方法」『精密機械』45巻8号、1979年。
• 吉川弘之『一般デザイン学』岩波書店、2020年。
• 日本デザイン学会「デザイン学研究」J-STAGE。
• 日本設計工学会「設計工学」J-STAGE。
• 一般社団法人情報サービス産業協会「要求工学REBOK」。
• 独立行政法人情報処理推進機構『ユーザのための要件定義ガイド 第2版 要件定義を成功に導く128の勘どころ』。
• 経済産業省 情報処理振興課・社団法人日本情報システム・ユーザー協会『要求仕様定義ガイドライン』2007年。
• International Institute of Business Analysis, “Business Analysis Global Standards.”

本稿は、AI導入と業務設計に関する実務上の設計仮説を、経営者向けに整理した第一稿です。特定のAIツール、個別システム、導入効果を保証するものではありません。実際の導入では、個人情報、守秘義務、法務、労務、会計、監査、セキュリティの観点を分け、各組織の責任体制に基づいて判断してください。