AIに『この業務のムダを洗い出して』と頼んだら、改善テーマ出しにも使えた話

改善会議が毎回『抽象論』で終わっていた頃の話

毎週水曜の午後、第二会議室で業務改善の定例会をしていました。会議そのものは真面目に続いていたのですが。半年経っても具体的な成果はほとんど出ませんでした。発言する内容も「全体最適が大事」「DXを進めたい」といった大きな話に寄りがちで。目の前の作業をどう直すかまで落とし込めませんでした。問題意識は全員にありましたが。解けるサイズまで分解するところで毎回止まっていました。

議事録には「ペーパーレス化の検討」「コミュニケーションの活性化」といった耳障りの良い言葉が踊りますが。翌週には「引き続き検討」の文字が追記されるだけです。会議が終わると、参加者はどっと疲れた顔で自席に戻っていきます。上司から「何か面白いテーマは出たか？」と聞かれるたびに。胃のあたりがずしりと重くなりました。進捗がないことへの焦りと、何も生み出せない自分への無力感。

この停滞した状況をどうにかして打ち破りたいと思っていました。しかし、そのための突破口がまるで見当たりませんでした。

実際、毎週の改善会議で「何か意見は？」と振られるたびに冷や汗が出ていました。悩みはあるのに言語化できず。結局「特にありません」と答えてしまう週も多かったです。会議後に山積みの請求書を手処理しながら。この作業こそ改善対象なのにと、何度も感じていました。

あとで振り返ると、足りなかったのは「改善テーマを見つける手順」でした

あとで振り返ると、足りなかったのは「改善テーマを見つける手順」でした。毎日の業務量が多すぎて。どこが本当のボトルネックなのかを言語化できていませんでした。方針だけを話す会議では、現場の小さな詰まりが拾えませんでした。必要だったのは、作業を1つずつ分解して。どこから直すかを決めるための具体的な視点でした。このまま続けると、時間だけが減っていく感覚が強くなっていました。

まずは自分の業務をそのままAIに渡してみた

突破口が見えないまま数週間が過ぎたある日。藁にもすがる思いで試したのが生成AIでした。当時はChatGPTやClaudeといったツールが話題になり始めた頃です。半信半疑でしたが、今の状況を変えられるなら何でもやってみる価値はあります。しかし、AIに何をどう聞けばいいのでしょうか。いきなり「業務改善のアイデアを教えて」と尋ねても。おそらく会議で出るような抽象的な答えしか返ってこないでしょう。

そこで、全く違うアプローチを取ることにしました。AIをコンサルタントではなく。自分の業務を黙って観察する「新人」と見なすことにしたのです。まず、自分が担当している「請求書処理」業務について。一日の流れをありのまま、時系列で書き出してみました。思考の迷いやちょっとした手待ち時間まで、包み隠さず記録します。

非効率な請求書処理、ChatGPTで改善検討

「午前9時、共有フォルダに取引先からPDF形式の請求書が届いているか確認する」
「PDFを開き、請求番号、金額、支払先口座を目視で確認する」
「基幹システムを開き、新規支払い伝票を作成する画面へ移動する」
「PDFの情報を、基幹システムの各項目に一つずつ手で転記する」
「転記ミスがないか、PDFとシステム画面を2往復してダブルチェックする」

こんな調子で、一連の作業を20項目ほどのリストにしました。そして、この生々しい業務ログをそのままコピーし。ChatGPTの入力欄に貼り付けました。プロンプトはごくシンプルにしています。「あなたは業務改善の専門家です。以下の業務プロセスを読んで、非効率な点、自動化できる可能性のある点。リスクが高い点を第三者の視点から指摘してください。」

AIが指摘する業務の盲点

数秒の沈黙の後、AIが返してきた回答を見て、思わず息をのみました。そこには、これまで自分では気づかなかった、あるいは気づかないふりをしていた問題点が。驚くほど的確な言葉でリストアップされていたのです。「手作業によるデータ転記は、ヒューマンエラーの温床です」「目視でのダブルチェックは非効率であり。時間的コストが高い」「PDFからのデータ抽出は、OCR技術で自動化可能です」。それは、まるで熟練のコンサルタントが隣で業務を見てくれていたかのような。具体的で鋭い指摘でした。この瞬間、停滞していた状況が動き出す確かな手応えを感じました。

返ってきた候補を『頻度×手戻り』で並べ替えた

AIが提示してくれた改善候補は、全部で15個にも及びました。玉石混交ではありましたが、どれも的を射ているように見えます。しかし、ここで新たな問題が浮上しました。あまりに多くの選択肢を前に。一体どれから手をつければいいのか、判断がつかないのです。このままでは、せっかくの具体的な候補も「検討事項リスト」に載るだけで。またしても実行に移せないまま終わってしまいます。

ここで、以前読んだ工場の生産管理に関する本の内容を思い出しました。改善活動の鉄則は、インパクトの大きいものから着手することです。そこで、AIが出してきた候補を評価するための。自分なりのシンプルな物差しを作ることにしました。それが『発生頻度』『手戻り時間』『影響範囲』という3つの軸です。これらの客観的な事実に基づく3軸評価は。実務上の判断を下す上で非常に有効でした。

まず、AIの回答をすべてコピーしてExcelに貼り付けました。そして、各候補の横に「頻度」「手戻り」「影響」の列を追加し。それぞれを5段階でスコアリングしていきました。

頻度・手戻り時間・影響範囲

「頻度」は、その作業がどれくらいの頻度で発生するかです。毎日発生する請求書の転記作業は「5」。月に一度の報告書作成は「2」といった具合です。「手戻り時間」は、その作業でミスが起きた場合。修正にどれだけの時間がかかるかを示します。金額の転記ミスは、経理部や取引先を巻き込む大きな手戻りを生むため「5」。社内資料の誤字脱字は、比較的軽微なので「1」としました。

最後の「影響範囲」は、その作業が関わる部署や人数の広さです。

自分たちの記録では。請求書1件で手戻りが出た場合の修正時間は平均12分前後でした。

スコアリングを終え、3つの数値を掛け合わせた総合点で並べ替えると

スコアリングを終え、3つの数値を掛け合わせた総合点で並べ替えると。取り組むべき課題の優先順位が驚くほど明確になりました。「請求書PDFからのデータ自動抽出」が、圧倒的なスコアで1位に躍り出ました。これは毎日発生し（頻度:高）、ミスがあった際の手戻りが甚大で（手戻り:高）。経理部全体に影響する（影響範囲:中）ためです。これまで漠然と「大変だ」と感じていた業務が。

客観的な数値によって「最優先で解決すべき課題」として可視化された瞬間でした。

最初は「全社のファイルサーバー整理」のような大きいテーマに惹かれましたが。スコア化すると優先順位は中位でした。評価軸なしで進めていたら、実行できないテーマを抱えて止まっていたと思います。地味でも小さい一歩を選ぶ方が、結果的に前へ進めると実感しました。

実際に採用した改善案と、捨てた改善案

優先順位付けの結果。自分たちは「請求書PDFからのデータ自動抽出と基幹システムへの転記」に絞って試すことにしました。これは「上位1件だけを1週間テストする」という運用ルールに合わせた判断でした。一度に多くの改善をやると、結局どれも中途半端になることを。これまで何度も経験していたからです。

採用したこの改善案は、まさに日々の業務の痛みの中心にありました

採用したこの改善案は、まさに日々の業務の痛みの中心にありました。Power Automate DesktopのようなRPAツールを使えば、特定のフォルダに保存されたPDFを自動で読み取り。指定した箇所のテキストを抽出してExcelやシステムの特定のフィールドに転記できます。最初は設定に戸惑ったものの、試行錯誤の末。請求番号と金額を8割方の精度で抽出できるフローが完成しました。

残りの2割はAIが読み取れなかったり。特殊なフォーマットだったりするもので、これらは従来通り手動で対応します。100%の自動化は目指しません。8割の定型業務を機械に任せ、人間は例外対応に集中します。この割り切りが、プロジェクトを前に進める上で重要でした。

一方で、AIの提案の中には意図的に見送ったものもありました。代表例が「基幹システムそのもののUI/UX改善」です。AIの指摘自体は正しかったのですが。全社システムの改修は情報システム部と外部ベンダーが関わる年単位の案件です。自分たちの部署だけでは動かせませんでした。正しくても、今すぐ実行できない提案は一度外す判断が必要でした。

もう一つ見送ったのは、「関連部署とのコミュニケーションプロセスの再設計」です

もう一つ見送ったのは、「関連部署とのコミュニケーションプロセスの再設計」です。これも筋の良い案でしたが、他部署まで含めると調整コストが一気に上がります。まずは自分たちの部署内で完結する改善から始める方が。実際には前に進みやすいと判断しました。AIは可能性を出してくれる相手で、最終判断は現場の事情を知っている人間がやる。この線引きが大事でした。

1週間回してわかった『効く聞き方』と『効かない聞き方』

最初の1週間、AIを相棒に改善活動を試行錯誤する中で。こちらの「聞き方」ひとつで、得られる回答の質が劇的に変わることに気づきました。AIは魔法の杖ではありません。優れた道具であることは間違いありませんが、使い手の技量が問われるのです。特に、漠然とした質問は、漠然とした答えしか生みません。

最初に「経理業務を効率化する方法を教えて」と聞いたときは。一般論の回答しか返ってきませんでした。改善会議と変わらないと感じましたが、半日ほど試して。問題はAIではなく聞き方にあると分かりました。

最も効果的だった「効く聞き方」は、徹底的に具体的であることです

最も効果的だった「効く聞き方」は、徹底的に具体的であることです。自分の業務プロセスを箇条書きで全て提示し。「この中でボトルネックになっている箇所はどこか？」と尋ねる方法が一番確実でした。さらに、「あなたはトヨタ生産方式の専門家です」といったように。AIに特定の役割（ロール）を与えることで、回答に明確な視点と深みが生まれます。例えば、「この業務の『7つのムダ』を指摘してください」と聞けば。

単なる非効率の指摘に留まらず、体系化されたフレームワークに沿って問題点を整理してくれます。

逆に、「効かない聞き方」の典型は、文脈を無視した丸投げです。「何かいいアイデアない？」という聞き方では、AIも答えようがありません。また、AIの提案を鵜呑みにするのも危険です。生成AIの出力には誤りが含まれる可能性があるため、「この改善案を実行した場合の潜在的なリスクや副作用を3つ挙げてください」と。あえて批判的な視点を求める質問を投げかけることが重要になります。これにより、メリットだけでなくデメリットも考慮した。バランスの取れた意思決定が可能になりました。AIとの対話は、一方的な質問ではなく。多角的な視点から議論を深める「壁打ち」なのだと分かってきて、少しずつ効果が出始めています。

個人情報と社内情報を守るために先に決めたルール

AI活用の道筋が見えてきた一方で。無視できない大きな懸念が頭をもたげてきました。セキュリティの問題です。業務プロセスをAIに入力するということは。社内の情報を外部のサーバーに送信するということです。もし、入力したデータに個人情報や顧客の機密情報が紛れ込んでいたら。取り返しのつかない事態になりかねません。このリスクを管理できなければ、どんなに便利なツールであっても。

組織として利用することは不可能です。

そこで、本格的に使う前に、チーム内で安全運用のルールを決めました。発想を縛るためではなく、全員が安心して使うための土台づくりです。決めた内容は次の4つでした。

第一に、「個人情報・顧客情報は絶対に入力しない」ことです。これは大原則です。氏名、住所、電話番号はもちろん、個人が特定できる可能性のある情報は。全て入力前に削除またはダミーデータ（例：「山田太郎」→「〇〇商事 担当者A」）に置き換えることを徹底しました。個人情報保護委員会のガイドラインでも、個人情報を取り扱う際には利用目的の特定と通知・公表が求められますが。

そもそもAIへの入力は想定外の利用にあたる可能性が高いです。だから、入力しないのが最も安全なのです。

第二に、「社内の固有名詞は一般名称に変換する」運用にしました

第二に、「社内の固有名詞は一般名称に変換する」運用にしました。プロジェクト名、製品コード、部署名といった内部情報も。そのまま入力するのは避けるべきです。「経理部」は「会計部門」、「プロジェクトPhoenix」は「新製品開発プロジェクト」のように。意味が通じる範囲で抽象化する癖をつけました。

第三に、「AIの出力を鵜呑みにしない」ことです。AIが生成したコードや文章を。内容を精査せずにそのまま業務で利用することは禁止しました。必ず人間がファクトチェックを行い。自社の状況に合わせて修正を加える工程を必須としました。

最後に、「会社の情報セキュリティポリシーを守る」ことを確認しました。会社が許可したAIツール以外は業務で使わない、という運用です。これらのルールをA4一枚にまとめて共有したところ。使ってよい範囲が明確になり、迷いが減りました。地味な作業でしたが、結果的にトラブル予防にかなり効いています。

社内でリスクを試算したところ。情報漏えいが起きた場合は対応費用が数百万円単位になる可能性があると共有しました。
AIを使った業務の洗い出しは、単発で終わるとすぐ元に戻りました。継続するには、誰がやっても同じ流れで進められる形が必要でした。そこで、自分たちはプロンプトをテンプレート化することにしました。

試してみて使いやすかったテンプレートは、次の5つの要素で作っています

試してみて使いやすかったテンプレートは、次の5つの要素で作っています。

役割設定（Role）: 「あなたは[トヨタ生産方式を熟知した業務改善コンサルタント]です。」
目標設定（Goal）: 「以下の業務プロセスの中から、[手戻りの発生率を削減する]という観点で。最も改善効果の高いボトルネックを3つ指摘してください。」
情報提供（Context）: 「[ここに。時系列で書き出した具体的な業務プロセスを貼り付けます。

例：9:00 共有フォルダ確認、9:05 PDF開封…]」
制約条件（Constraints）: 「ただし、提案する改善策は、特別なプログラミングスキルを必要とせず。既存のツール（Excel, Power Automate）で実現可能な範囲に限定してください。」
出力形式（Format）: 「指摘するボトルネックごとに。具体的な改善アクション案と、期待される効果をセットで記述してください。」

このテンプレートを使えば、AIとの対話に慣れていないメンバーでも。要点を押さえた質の高い質問を投げかけることができます。重要なのは、AIに丸投げするのではなく。こちらが解決したい課題の「型」を明確に示してやることです。

このテンプレートは部署の共有フォルダに置き。毎月第一月曜日に見直す運用にしました

このテンプレートは部署の共有フォルダに置き。毎月第一月曜日に見直す運用にしました。各担当者がテンプレートを使って候補を出し。週末の定例会で『頻度×手戻り』の軸で並べ替える形にしました。最後に、その週に試すテーマを1つだけ決めるようにしています。

この運用を回し始めてから。改善会議で「今週はこれを試す」という結論を出せる回数が増えています。AIが答えを全部出してくれるわけではありませんが。検討のたたき台を出してもらえるだけでも、会議の進み方はかなり変わりました。自分たちにとっては、止まっていた議論を動かすきっかけになりました。

関連リンクとチェックリスト

学習サービスとアンケート