AIを使った業務自動化を仕事にしたいと考えると、まず新しいモデルやツールを探したくなります。しかし、提案の成否を決めるのは、ツールの名前よりも「どの業務の、どの負担を、どの条件で軽くするか」です。
顧客の課題が曖昧なまま機能を見せると、できることの説明だけが増え、対象範囲と責任の境界がぼやけます。反対に、受注前に課題を小さく記録し、限られたデータで実証できれば、実装する価値があるか、見送るべきかを落ち着いて判断できます。
この記事では、AI自動化の提案前に作る「課題台帳」を紹介します。収益額や処理人数を約束するものではなく、現場の事実と検査結果をもとに次の一歩を決めるための道具です。
仕事の入口は、モデル比較ではなく課題の所有者
最初に確認するのは「誰が困っているか」です。経営者が気にしている売上の数字と、担当者が毎日つまずいている入力作業は、同じ課題の別の側面かもしれません。所有者が分からないまま自動化を進めると、完成後に誰も受け入れ判断をできません。
ヒアリングでは、業務名だけでなく、作業を開始するきっかけ、入力される資料、途中で人が判断する箇所、完了とみなす条件を分けて聞きます。これらがそろうと、ツールの紹介を先にしなくても、自動化の対象を具体的にできます。
課題台帳に残す六つの確認
受注前の会話を、次の六項目に整理します。
| 項目 | 確認する問い | 記録の例 |
|---|---|---|
| 課題の所有者 | 最終的に困りごとを説明し、受入を判断するのは誰か | 営業責任者、経理担当など |
| きっかけと入力 | 何が起きたら始まり、何を読み込むのか | 問い合わせ、申込書、社内メモ |
| 現在の手順 | 人はどの順番で処理し、どこで迷うのか | 転記、分類、確認、返信案作成 |
| 失敗時の影響 | 間違えた場合に、誰へどの程度影響するのか | 差戻し、再確認、顧客連絡 |
| データの境界 | AIへ渡してよい情報と、除外すべき情報は何か | 公開情報、匿名化済み資料、機密情報 |
| 受入条件 | 何が変われば試行を続ける価値があるのか | 確認者が結果を再現できる、など |
「時間を減らしたい」という要望だけでは、試す範囲が決まりません。台帳には、今の手順を否定せずに、観察できる事実と判断者を分けて残します。
いきなり全社へ広げず、一業務で実証する
課題台帳ができたら、最も影響範囲が小さく、結果を確認しやすい一業務を選びます。実証の単位は、対象業務一つ、入力データの範囲一つ、受入条件一つです。データの種類を増やしたり、複数の部署へ同時に広げたりすると、何が効いたのか分からなくなります。
実証では、生成結果だけを評価しません。入力を匿名化できたか、途中で人が確認できたか、出力を元資料と照合できたか、失敗時に元の手順へ戻れたかを記録します。処理時間や確認回数を測る場合も、比較する期間と条件を先に決めます。
提案前に渡す成果物をそろえる
自動化の提案は、デモ画面だけでは判断できません。少なくとも次の成果物を、読み手が同じ順番で確認できる形にします。
- 現在の手順と、対象にする一部分を示す課題シート
- 匿名化した入力例と、期待する出力例
- 人が確認する箇所、外部送信の有無、許可された操作の一覧
- 受入条件、測定する指標、実証を止める条件
- うまくいかなかった場合に元の手順へ戻す方法
ここまで書くと、提案を受ける側も「何を頼み、何は頼まないか」を判断できます。提案者にとっても、範囲外の作業を善意で抱え込むことを防げます。
実績の誇張ではなく、再現できる証拠を見せる
受注を急ぐほど、大きな数字や派手な導入例を掲げたくなります。しかし、他社の結果や未確認の処理人数は、そのまま次の顧客へ移せません。代わりに、匿名化した入力、判断基準、レビュー記録、失敗時の修正を、再現できる範囲で示します。
公開プロフィールやポートフォリオを整える場合も、実際に作ったものと、現在提供できる範囲を分けて記載します。まだ実績がない場合は、公開データや自分の業務で作った小さな例を使い、顧客データを持ち出さないことが前提です。見せるものが少ない状態を、根拠のない成功談で埋める必要はありません。
情報と接点の境界を先に決める
相談先を探すときは、相手の業務課題を聞くことと、機密情報を預かることを同じに扱わないようにします。最初の会話では、会社名や個人名を伏せた業務の流れだけを確認し、具体的な資料は許可された保管場所と利用目的を決めてから扱います。
外部の交流や紹介を使う場合も、主催者、参加者、費用、連絡先の扱いを確認します。短時間で契約を迫る場や、個人情報の提出を先に求める場は、AIの話題とは別にリスクを評価します。提案の入口を広げることと、守るべき境界を薄くすることは別の判断です。
見送る条件を、提案の前に書いておく
次のいずれかが解消できない場合、受注を急がずに見送ります。
- 課題の所有者と最終確認者が決まっていない。
- 入力データの利用許可や保存場所を説明できない。
- 失敗時の影響が大きいのに、人の確認工程を置けない。
- 受入条件や比較する現状値が決まっていない。
- 成果物の範囲、納期、費用の前提を合意できない。
見送りは機会損失ではなく、無理な自動化で信頼を失うことを防ぐ判断です。条件が整ったら、台帳を更新して、より小さな実証から再開できます。
Optiensの見方
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（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。
まとめ
AI自動化を仕事として提案するとき、最初に必要なのは強いモデルの紹介ではありません。課題の所有者、入力と手順、失敗時の影響、データ境界、受入条件、停止条件を台帳に残し、一業務の小さな実証で確かめます。再現できる証拠と見送り条件をそろえることで、顧客にも提案者にも無理のない範囲を保てます。