生成AIの導入相談は増えていますが、「入れてみたが、結局あまり使っていない」という話も同じくらい聞きます。
失敗しているケースには、いくつかの共通点があります。
共通点1：業務を把握していない
どの業務に、誰が、どれだけの時間をかけているか。これを把握しないまま導入を始めると、的外れな施策になります。
月に2時間しかかからない業務を自動化しても、利益は変わりません。一方、複数の担当者が毎日1時間ずつ費やしている業務があれば、そこには年間で相当な工数が埋まっています。
まず業務を棚卸しし、時間と費用の観点で順位をつけます。地味ですが、ここを飛ばすと成果は出ません。
共通点2：効果の測り方が決まっていない
「業務が効率化した」では評価できません。何をもって効果とするのかを、着手前に決めておく必要があります。
- 対象業務にかかる時間が月何時間減ったか
- 外注していた作業を何件内製に戻せたか
- 対応までのリードタイムが何日短縮されたか
測れないものは、改善できません。そして測っていないと、次にどこへ投資すべきかも判断できません。
共通点3：現場が使い方を知らない
ツールを配っただけでは使われません。特に、日常業務で手一杯の現場では、新しいものを学ぶ余裕がありません。
有効なのは、具体的な業務に紐づけた形で教えることです。「生成AIの使い方」ではなく「見積書の下書きを作る手順」として渡すと、使われ始めます。
共通点4：提案と実装が分かれている
コンサルティング会社が構想を描き、実装は別の開発会社に外注する、という分業では、途中で意図が失われます。
現場の業務を理解した人が実装しないと、「仕様どおりだが使えないもの」が出来上がります。
どこから始めるか
当社では次の順序で進めています。
- 業務のヒアリングと棚卸し
- 時間と費用の観点での優先順位づけ
- 効果の測定方法を決める
- 小さく作って試す
- 効果を確認してから広げる
最初から大きく作らないことが要点です。試作に1〜2週間かけ、実際に使ってもらい、そこで得た反応をもとに作り込みます。
内製化まで見据える
外部に依存し続ける形では、改善のたびに費用と時間がかかります。
当社では、社内でAIを使いこなせるようになるまでの定着支援を含めてご提供しています。グループ内にエンジニア組織を保有しておりますので、提案だけを行い実装を外部に再委託するということはございません。
詳しくはAI活用支援をご覧ください。