企業のAI導入、何から始める?要求整理から評価・運用まで

著者: Lucy.·2026年11月12日 (木)
企業のAI導入、何から始める?要求整理から評価・運用まで

AI導入のミーティングで「問い合わせ対応を自動化しよう」と決まったのに、具体的に何を作るかは曖昧なまま。そんなことはありませんか。

AIが回答案を作るだけなのか、お客様に直接返すのか。誰が内容を確認し、間違いに気づいたらどうするのか。同じ「自動化」でも、人によって思い描く範囲は違います。

情報処理推進機構(IPA)の「AI時代の要求管理ハンドブック」は、こうした認識のずれを埋めるための考え方を紹介しています。特に実務で役立つと感じたのは、AIに任せる条件を整理する作業にも、AIを使えるという点です。

まず解決したい問題を決める

「AIで業務を効率化したい」だけでは、必要なツールも、導入がうまくいったかどうかも判断できません。まずは、どの仕事に時間がかかり、何を改善したいのかを具体的にします。

たとえば問い合わせ対応なら、「自動で返信する」より「配送案内を毎回書く時間を減らす」の方が、目的がはっきりします。回答案だけをAIに作らせるのか、送信まで任せるのかで、必要な権限や確認方法も変わります。

そもそも、すべての仕事にAIが必要なわけではありません。決まった条件で処理できるなら、既存の機能やルールで十分な場合もあります。AIを使う場合と使わない場合の効果、費用、間違いが起きたときの影響を比べて考えたいところです。


現場の声を集める

同じ業務でも、経営側は処理時間、現場は回答を修正する手間、開発側は接続するデータや権限を気にするかもしれません。

それぞれの意見を「効率化」という一言でまとめると、大切な条件が抜け落ちます。誰が、どんな場面で困っているのか。意見同士に矛盾はないか。現場も含めた関係者で確認する必要があります。

たとえば、返答を早くしたくても、補償条件をAIが勝手に約束しては困ります。「回答を早くする」と「承認なしに補償を約束しない」の両方を条件に入れ、優先順位と最終承認者を決めます。


要求の整理にもAIを使う

ミーティングの記録や業務マニュアルをもとに、AIに要求の候補を整理させたり、確認し忘れた点や条件の食い違いを探させたりできます。

たとえば、こんな依頼です。

次のミーティング記録から、AI導入の目的、必要な機能、入力してはいけない情報、人の承認が必要な作業を整理してください。未決定の点と矛盾する意見を分け、各項目の根拠となる発言も示してください。記録にないことは推測しないでください。

ただし、AIがまとめた内容をそのまま決定事項にはできません。発言の意図を取り違えたり、話していない条件を補ったりすることがあるからです。関係者が元の記録と照らし合わせ、優先順位や許容できるリスクを判断します。

個人情報や機密資料を入力する前に、社内の利用ルールと利用するサービスのデータ取扱条件も確認します。


曖昧な条件を具体的に

「適切に」「安全に」だけでは、人によって解釈が異なり、守れているかも確かめにくくなります。対象と動作を具体的にすると、関係者が同じ条件で確認できます。

曖昧な依頼確認できる条件
顧客情報を安全に扱う許可していない個人情報を外部のAIに送信しない
AIが顧客に回答するAIは回答案を作り、担当者が確認してから送信する
正確な情報を伝える承認済み文書に根拠がない場合は回答を確定せず、担当者に引き継ぐ

「送信しない」とプロンプトに書くだけでなく、実際の送信権限や接続も確認します。決めた条件を、どうテストするかまで一緒に考えることが大切です。


平均点だけでは分からない

AIは同じような質問にも異なる回答を返すことがあります。全体の評価が良くても、影響の大きい質問で間違いが続くなら、そのまま任せるわけにはいきません。

問い合わせ対応では、配送案内と返金条件を分けて確認できます。間違えた場合のお客様への影響が違うからです。テストする質問の範囲と数、人に引き継ぐ条件、許容できる間違いの程度は、業務の担当者と決めておきます。

資料に答えがない場合も試します。内容を作り出さず、担当者の確認に回せるか。テスト結果は、実際に試した質問と条件の範囲で判断します。


変更したら再確認

導入時に問題がなくても、モデルやプロンプト、参照文書、業務ルールが変われば、回答も変わり得ます。変更に関係する条件を確認し、必要なテストをやり直すことが欠かせません。

要求とテスト結果を結び付けておくと、変更の影響を追いやすくなります。配送ルールを更新したなら、古い案内を使わないかを、対応するテストで確かめられます。

運用中に誰が品質を見て、どの状態になったらAIの回答を止め、担当者が引き継ぐかも決めておきます。

AI導入で最初に考えたいのは、どのモデルが一番優れているかより、自分たちの仕事の何を解決し、その結果をどう確かめるかです。その基準があって初めて、モデルの性能を自社の仕事に照らして比べられます。


出典