AIに判断を渡す前に、中小企業が決めるべき「委譲レベル」

AIを使い始めると、最初は「何ができるか」に目が向きます。文章を作れる。資料を整えられる。コードを書ける。問い合わせ文面を整理できる。ここまでは、比較的わかりやすい段階です。

ところが実務に入ると、すぐに別の問いが出てきます。

「この判断までAIに任せていいのか」

AI導入で本当に難しいのは、ツールを触ることではありません。AIにどこまで情報を渡し、どこまで判断させ、どこから人間が引き取るかを決めることです。

この線引きがないまま導入すると、現場では二つの失敗が起きます。一つは、怖くて下書き以外に使えないこと。もう一つは、便利さに引っ張られて、本来は人間が見るべき判断までAIに寄せてしまうことです。

中小企業のAI導入では、最初に「AIに任せる業務」を決めるだけでは足りません。あわせて、業務ごとに「AIへ渡す権限の深さ」を決める必要があります。

AIを使うほど、問題は「能力」から「権限」へ移る

AIの性能は日々上がっています。ですが、会社の中で問題になるのは、モデルの賢さだけではありません。

たとえば、同じ「見積もり作成」でも、AIの役割は複数に分かれます。

過去の見積もりを探す
類似案件の条件を整理する
見積もり文面の下書きを作る
粗利率や納期の注意点を示す
顧客へ送る内容を確定する

このうち、どこまでAIに任せるかでリスクは大きく変わります。検索や下書きなら小さな失敗で済みますが、価格や条件の確定までAIに寄せるなら、売上、利益、信用に直接影響します。

つまり、AI導入は「できるかどうか」から「どの権限を渡すか」へ移っていきます。

この考え方は、NISTのAI Risk Management Frameworkにも近い見方があります。NIST AI RMF Coreでは、AIリスク管理を Govern、Map、Measure、Manage の四つの機能で整理しています。中小企業に翻訳すると、AIを使う前に、目的、影響範囲、測定方法、管理方法を決めるということです。

委譲レベルを5段階で分ける

実務では、AIへの任せ方を五つのレベルに分けると整理しやすくなります。

レベル1: 材料集め

AIは情報の整理や候補出しだけを担当します。過去資料の要約、問い合わせ内容の分類、議事録からのToDo抽出などです。判断はまだ人間が行います。

レベル2: 下書き

AIが文章、メール、資料、回答案を作ります。ただし、そのまま送信せず、人間が確認して直します。多くの中小企業は、このレベルから始めるのが現実的です。

レベル3: 推奨

AIが複数案を比較し、「この案がよい」と理由付きで提案します。たとえば、問い合わせの優先度、在庫補充の候補、求人応募者への返信案などです。ここでは、AIの判断根拠が読めることが重要になります。

レベル4: 条件付き実行

決めた条件内であれば、AIが実行まで行います。たとえば、低リスクな定型返信、社内タスク登録、既存テンプレートに沿った通知などです。金額、顧客種別、例外条件を超えたら止める設計が必要です。

レベル5: 人間承認なしの自動実行

AIが判断から実行まで進めます。中小企業でいきなりここから始めるべき領域は多くありません。仮に使うとしても、失敗時の影響が小さく、ログが残り、すぐ止められる業務に限定します。

大切なのは、レベル5を目指すことではありません。業務ごとに、今どのレベルまで許可するかを決めることです。

レベルを決める前に見る4つの条件

委譲レベルは、AIの性能だけで決めない方が安全です。少なくとも、次の四つを見ます。

1. 間違えた時の損害

誤字、言い回し、社内メモの整理であれば、失敗しても戻せます。一方で、契約、価格、採用、与信、クレーム対応は、間違えた時の影響が大きくなります。

2. 判断基準の明確さ

「こういう時はこうする」が言葉にできる業務は、AIへ渡しやすいです。逆に、担当者の経験や暗黙知に依存している業務は、AIに任せる前に基準を言語化する必要があります。

3. 証跡を残せるか

AIが何を見て、どう判断したかを後から追えるか。これがないと、出力が外れた時に原因を直せません。高リスク業務ほど、判断ログや参照元の記録が重要になります。

4. 止める条件があるか

例外、上限金額、個人情報、顧客影響、社外送信など、AIが人間へ戻す条件を先に決めます。「不安なら人間が見る」ではなく、「この条件なら止める」と書ける状態にします。

「人間が最後に見る」だけでは足りない

AI導入の安全策として、「最後は人間が確認する」と言われることがあります。考え方としては正しいのですが、それだけでは弱い場面があります。

なぜなら、人間はAIの出力を見慣れるほど、確認が浅くなりやすいからです。毎回それっぽい文章が出てくると、だんだん「大丈夫そう」に見えてきます。

そのため、高リスク業務では、確認者を置くだけでなく、確認者が見るべき項目を決めます。

数字は元データと一致しているか
社外に出してよい情報だけか
顧客との約束を変えていないか
価格、納期、契約条件を勝手に確定していないか
例外条件に該当していないか

人間確認を残すなら、確認の中身まで設計します。ここまで作ると、AIは「勝手に判断する存在」ではなく、「人間が決めた範囲で働く補助者」になります。

中小企業で最初に作る委譲レベル表

最初から立派な規程を作る必要はありません。まずは、よく使う業務を五つほど選び、次の形でメモにします。

業務名:
AIの役割レベル:
AIに渡す情報:
AIがしてよいこと:
AIがしてはいけないこと:
人間確認が必要な条件:
ログとして残すもの:
次回見直し日:

たとえば、問い合わせ対応なら次のように書けます。

業務名: 問い合わせ一次返信
AIの役割レベル: レベル2 下書き
AIに渡す情報: 問い合わせ本文、公開済みFAQ、過去の回答例
AIがしてよいこと: 回答案を作る、確認事項を抜き出す
AIがしてはいけないこと: 価格確定、納期確約、返金判断
人間確認が必要な条件: クレーム、個人情報、契約条件、金額が含まれる場合
ログとして残すもの: 元問い合わせ、AI下書き、人間の修正後本文
次回見直し日: 2週間後

この程度で十分です。完璧なAI規程より、現場で読める短い表の方が役に立つ場面は多くあります。

AI導入は、スピード競争だけではない

AIを使う会社と使わない会社の差は広がります。ただし、焦って権限を渡しすぎると、別のリスクを抱えます。

AI時代の競争力は、単に速く使うことではありません。何を任せ、何を任せず、どこで人間へ戻すかを決める力です。

OECDのAI原則でも、信頼できるAIのために、人権、民主的価値、透明性、安全性、説明責任などが重視されています。企業の現場に置き換えるなら、AIの出力を便利に使いながらも、人間の責任、説明、見直しを残すことです。

中小企業にとって、これは大企業向けの難しい話ではありません。むしろ、少人数だからこそ、短いルールで始められます。

Optiensの見方

Optiensでは、AI導入を「ツール選び」だけではなく、業務と権限の設計として見ています。

AIに向く業務を探すだけでなく、どのレベルまで任せるか、どこで人間確認を残すか、ログをどう残すかを整理してから導入する方が、後で混乱しにくくなります。

AI活用をどこから始めるべきか迷っている場合は、まず AI活用診断簡易版（無料）で、既存業務のどこがAIパッケージ化しやすいかをご確認ください。実装まで進めたい候補が見えた場合は、導入前スコープ整理で対象業務、含む範囲、費用感、5営業日で初期版にできるかを整理します。

AIに判断を渡す前に、委譲レベルを決める。小さな表ですが、AI導入後の安心感と修正しやすさを大きく変えます。

参考資料

NIST AI Risk Management Framework: https://www.nist.gov/itl/ai-risk-management-framework
NIST AI RMF Core: https://airc.nist.gov/airmf-resources/airmf/5-sec-core/
OECD AI Principles: https://oecd.ai/en/ai-principles