DX推進を担当していると、経営層や上司から突然「AIを導入してほしい」「競合も生成AIを使っているらしいから、うちも何かやって」と言われることがあります。
しかし、この段階で生成AIサービスやAIベンダーの比較から始めると、「AIを使うこと」自体がプロジェクトの目的になりやすくなります。
AI導入で最初に確認したいのは、どのAIを使うかではなく、何を改善し、どの判断や業務を変えたいのかです。
AIは業務課題を解決するための選択肢の一つです。既存システムの設定変更、ExcelやRPAによる自動化、業務フローの見直しだけで解決できるのであれば、AIを使わない方が安価で安定する場合もあります。
本記事では、経営層から抽象的なAI活用を求められたDX担当者を想定し、AIツールやベンダーを選ぶ前に確認したい「課題」「データ」「判断」「費用・効果」「運用」の5項目を解説します。
「競合もAIを使っているから何かやって」と言われたら
例えば、経営層から次のような指示を受けたとします。
「競合もAIを使っているから、うちも何かやって」
この時点では、AI導入プロジェクトとして判断するための情報がほとんどありません。
- 何の業務を改善したいのか
- どのようなデータを使うのか
- AIに何を出力させるのか
- 誰がその出力を利用するのか
- どの程度の費用なら許容できるのか
- 導入後に誰が運用するのか
が決まっていないからです。
そこで、「AIを導入する」という依頼を、そのままシステム要件に変えるのではなく、業務上の問いへ分解していきます。
AI導入そのものを目的にしない
AIを導入する理由として、「競合が使っている」「生成AIが話題になっている」「経営層から指示された」という背景はあり得ます。しかし、それだけでは導入後の評価ができません。
例えば、導入後に「AIは使えるようになったが、何が改善したのか分からない」という状態になれば、継続投資の判断も難しくなります。
2026年のデジタルスキル標準ver.2.0でも、データ・AI活用は、単なるAI実装だけではなく、データ・AI活用戦略、業務設計、事業実装・運用、ガバナンスまで含む形で整理されています（IPA, 2026）。
したがって、AIプロジェクトでは「導入できるか」だけではなく、「業務上の価値があるか」「継続して運用できるか」まで確認する必要があります。
AI導入前に確認すべき5つのこと
何を改善・解決するのか
必要な情報を利用できるか
出力を誰が何に使うのか
何をもって価値とするのか
導入後に誰が維持するのか
1. 課題：何を改善・解決したいのか
最初に、「AIで何ができるか」ではなく、現在の業務で何が問題になっているかを整理します。
- 資料作成に時間がかかっている
- 問い合わせ対応が担当者に集中している
- 設備の異常確認に時間がかかっている
- 顧客情報が多く、確認に時間がかかっている
- 判断基準が担当者ごとに異なる
といった形です。
ここで重要なのは、現在の業務と問題を具体化することです。「業務をAI化したい」だけでは、導入後に何を評価するべきか決まりません。
2. データ：AIに必要な情報はあるか
次に、対象業務で人が現在どのような情報を使っているかを確認します。
例えば営業提案書の作成支援であれば、商品資料、過去の提案書、FAQ、顧客情報などが候補になります。
ただし、データが存在することと、AIへ利用できることは同じではありません。
- 情報が最新か
- ファイルの所在が分かるか
- 利用権限に問題がないか
- 個人情報や機密情報が含まれていないか
- 重複・誤記・古い情報が多くないか
なども確認します。
データやAIを効果的に利用するためには、データの精度・整合性・利用ルールを含めた品質確保が前提になることが、2026年のデジタルスキル標準でも示されています（IPA, 2026）。
3. 判断：AIの出力を誰が何に使うのか
AI導入では、「何を入力するか」と同じくらい「出力を誰が何に使うか」が重要です。
例えば生成AIが提案書を作るとしても、そのまま顧客へ送信するのか、営業担当者が初稿として利用するのかでは、求められる精度やリスク管理が大きく異なります。
- AIは候補を提示するだけか
- 人が必ず確認するのか
- AIの結果で自動処理を行うのか
- 最終判断者は誰か
- 誤った出力が出た場合の影響は何か
を整理します。
特に、金銭、契約、品質、安全、個人情報などに影響する業務では、人による確認をどこまで残すかを事前に決める必要があります。
4. 費用・効果：何をもって導入価値とするか
AI導入の費用は、ライセンス料金だけではありません。
- AIサービスやAPIの利用料
- システム開発・連携費
- データ整理・整備費
- 利用者教育
- AIの出力確認にかかる時間
- 運用・監視・問い合わせ対応
なども含めて考えます。
一方、効果についても「AIを導入できた」ではなく、資料作成時間、処理件数、修正量、利用率、意思決定までの時間など、対象業務に応じた指標を設定します。
経済産業省が2026年に公開したGENIACの企業事例整理でも、生成AI導入における共通課題としてROI・モニタリング、人材・組織、インフラ・データ基盤、セキュリティ・リスク管理が挙げられています（経済産業省, 2026）。
ROIを一つの金額だけで表現することが難しい場合でも、「何を改善すれば次の投資判断ができるか」をあらかじめ決めておくことが重要です。
5. 運用：導入後に誰が維持・確認するのか
PoCでは動いたAIが、本番導入後に利用されなくなることを避けるには、運用設計が必要です。
- 誰が利用者を管理するか
- 誰が問い合わせを受けるか
- 出力品質を誰が確認するか
- 参照するデータを誰が更新するか
- 利用ルールを誰が管理するか
- 効果をいつ再評価するか
まで確認します。
AI事業者ガイドライン第1.2版では、AI利用に関するリスクをライフサイクル全体で捉え、継続的にガバナンスを行う考え方が整理されています（経済産業省, 2026）。AIは導入時だけ確認すれば終わるものではなく、利用状況に応じた継続的な管理が必要です。
「AIで何かやる」を具体的なPoCテーマへ変える
ここまでの5項目を、架空の営業部門のケースへ当てはめてみます。
当初の指示は「競合もAIを使っているから、うちも何かやって」でした。
対象業務・データ・成果・予算・運用担当が未定。
このように整理すると、AI導入という抽象的なテーマが、「営業提案書の初稿作成支援に業務価値があるかを限定範囲で検証する」という評価可能なテーマへ変わります。
PoCで確認するのも、単に「生成AIが文章を作れたか」ではありません。
- 実際に作成時間が減るか
- 修正に時間がかかりすぎないか
- 必要な情報を正しく参照できるか
- 顧客情報や機密情報を適切に扱えるか
- 営業担当者が継続して利用したいと感じるか
などを確認します。
AIを使わない方がよいケースもある
AI導入を検討した結果、「AIを使わない」という結論になることもあります。
例えば、毎月決まったExcelから同じ形式の集計表を作るだけであれば、AIよりも既存システムの機能、マクロ、RPA等の方が処理結果を安定させやすい場合があります。
また、利用頻度が極めて低い業務で、AI環境を維持する費用や確認工数の方が大きいなら、手作業を継続することも合理的です。
AIを導入しない判断は、AI導入検討の失敗ではありません。課題と手段を比較した結果、より適した方法を選べたのであれば、検討自体に意味があります。
PoCでは「AIが動いたか」だけを評価しない
AIのPoC（Proof of Concept：概念実証）では、技術的に動作するかだけで評価すると、本番導入へつながらないことがあります。
例えば、AIが提案書を生成できても、人が全面的に書き直す必要があるなら業務時間は減らないかもしれません。
PoCでは、技術評価と業務評価を分けて考えます。
| 確認領域 | 確認する内容 |
|---|---|
| 技術 | 必要な入力から期待する出力を生成できるか |
| 品質 | 実務で利用可能な内容か、人の修正量はどの程度か |
| 業務 | 既存業務の時間・負担・判断が改善するか |
| 費用 | 導入・運用・確認コストに見合うか |
| リスク | 情報管理、誤出力、権限等を許容できるか |
| 運用 | 本番導入後に継続利用・管理できるか |
業務価値と実現性から優先順位を考える
AI活用候補が複数ある場合は、「AIでできそうか」だけで優先順位を決めず、業務価値と実現性の両方から整理する方法があります。
業務価値と実現性の両方が確認できるテーマ。
データ、業務、システム等の整備を検討する。
実装しやすくても経営・業務価値が小さくないか確認する。
現時点でAI化する必要性があるか再検討する。
この整理は、AI導入の合否を自動的に決めるものではありません。社内で複数の候補を比較し、「なぜこのテーマから試すのか」を説明するための補助として利用します。
ベンダーへ相談する前に整理しておきたい情報
AIベンダーへ相談する際にも、「AIで何かできませんか」だけでは、提案範囲が広くなります。
最低限、次の情報を整理しておくと、自社の課題に沿った議論をしやすくなります。
- 対象業務
- 現在の業務フロー
- 困っていること
- 現在かかっている時間・工数
- 利用できるデータ・資料
- 期待する出力
- 出力を使う担当者
- 許容できない誤り
- 機密情報・個人情報の有無
- PoCで確認したい指標
ここまで整理できれば、AIありきではなく、既存システムの改善、業務整理、データ整備を含めて比較できます。
「AIで何かやる」という状態から進まない場合は、まず現在の業務について「誰が、何を入力し、何を判断し、どこに時間がかかっているか」を1業務だけ書き出してみると、AIを使う意味があるかを整理しやすくなります。
AI導入前チェックリスト
| 確認事項 | 確認内容 |
|---|---|
| 業務課題 | 解決したい問題を1文で説明できるか |
| 現状値 | 現在の時間、件数、費用等を把握しているか |
| 入力情報 | AIに渡すデータ・文書等が分かっているか |
| データ品質 | 古い情報、誤記、欠損、重複等を確認したか |
| 期待する出力 | AIから何を得たいか説明できるか |
| 利用者 | 出力を誰が利用するか決まっているか |
| 最終判断 | 人が確認・承認する範囲を決めているか |
| リスク | 誤出力が発生した場合の影響を確認したか |
| 評価 | PoCで確認するKPIを設定しているか |
| 費用 | 初期費用だけでなく運用費も確認したか |
| 情報管理 | 機密情報・個人情報・権限を確認したか |
| 運用責任 | 導入後の管理部門・責任者が決まっているか |
まとめ
経営層から「AIを導入して」と言われたときに、最初からAIツールやベンダーを探す必要はありません。
まず確認したいのは次の5点です。
- 課題：何を改善・解決したいのか
- データ：AIに必要な情報を利用できるか
- 判断：AIの出力を誰が何に使うのか
- 費用・効果：何をもって導入価値とするのか
- 運用：導入後に誰が確認・管理・改善するのか
この5点を整理した結果、生成AIを試す場合もあれば、従来のシステム改修や業務改善の方が適切な場合もあります。
AI導入の目的はAIを使うことではなく、企業の業務や意思決定を改善することです。
SCI総合研究所株式会社のKAMUSHIRUBEでは、AIやDXの導入そのものを前提とせず、現在の課題、利用できるデータ、判断したいこと、運用上の制約等を整理し、次に確認すべき事項や進め方を検討しています。
「経営層からAI活用を求められたものの、何をテーマにすべきか分からない」「AIベンダーへ相談する前に論点を整理したい」「そもそもAIを使うべきか判断できない」といった段階から、検討を始めることができます。
参考文献
- 経済産業省・IPA/AISI. 2026. AI事業者ガイドライン 第1.2版.
- 独立行政法人情報処理推進機構. 2026. デジタルスキル標準 ver.2.0（DX推進スキル標準）.
- 経済産業省. 2026. GENIACで見えた生成AI導入の共通課題と成功事例導出に向けたヒント.