生成AIの普及によって、これまで人が行っていたさまざまな業務をAIに任せられるようになりました。文章の作成や資料の要約だけでなく、データの整理、問い合わせ対応、さらには業務システムの操作まで、AIが対応できる範囲は急速に広がっています。
こうした状況の中で、「自社でもAIを使って業務を効率化したい」と考える中小企業も増えているのではないでしょうか。しかし、すべての業務にAIを使うことが最適とは限らないということも覚えておいてください。従来のITシステムや簡単なプログラムを使ったほうが、安く、速く、正確に処理できる業務もあるのです。
AIと従来のITは何が違うのか
AIと従来のITシステムの違いを整理しておきましょう。従来のITシステムは、基本的に人間があらかじめ決めたルールに従って処理を行います。
例えば、「売上金額が10万円以上の場合は上長の承認を必要とする」「毎月末に売上データを集計する」「申込フォームに入力された内容を顧客管理システムに登録する」といった処理です。こうした業務は、条件や手順が明確であれば、プログラムによって正確に実行できます。同じデータを入力すれば、原則として同じ結果が得られるのが特徴です。
一方、生成AIは、文章の意味を理解したり、状況に応じて柔軟に回答を作成したりすることを得意としています。
例えば、顧客から届いた問い合わせメールの内容を理解し、過去の対応履歴を参考にしながら回答案を作成するような業務です。
このように、決められたルールに従う処理と、文章や状況を理解して判断する処理では、適した技術が異なります。
業務の頻度と定型性で考える
AIと従来のITを使い分ける際に役立つのが、「業務の頻度」と「処理の定型性」という2つの視点です。
業務の頻度とは、その仕事をどれくらい繰り返しているかということです。毎日何十回も行う業務もあれば、月に一度、あるいは年に数回しか発生しない業務もあります。
処理の定型性とは、仕事の手順や判断条件がどれくらい決まっているかということです。
例えば、毎日決まった形式の売上データを集計する業務は、頻度も定型性も高い業務です。
一方、顧客ごとに異なる相談内容を理解し、個別に回答する業務は、定型性が低い業務といえます。
頻度が高く、定型性も高い業務
この領域では、従来のITシステムやプログラムによる自動化が有力な選択肢になります。
例えば、毎日届く注文データを集計する、決まった条件で請求金額を計算する、顧客管理システムからデータを取得して一覧表を作成するといった仕事です。
処理内容が明確であれば、Excelの関数やマクロ、Google Apps Script、RPAなどで対応できる場合があります。
AIに毎回処理を依頼する必要がなく、処理結果も安定しやすいため、運用コストを抑えられる可能性があります。
頻度が高く、定型性が低い業務
例えば、顧客から毎日届く問い合わせメールを読み取り、内容に応じて分類し、回答案を作成する業務を考えてみましょう。
問い合わせの文章や表現は顧客によって異なります。すべてのパターンをあらかじめプログラムに登録することは現実的ではありません。こうした業務では、AIに文章を理解させることで、従来のITだけでは難しかった効率化を実現できる可能性があります。ただし、回答の送信や重要な判断については、人間による確認を組み合わせることが重要です。
頻度が低く、定型性が高い業務
例えば、年に一度の報告書の集計や、半年に一度の定型データの整理などを考えてみましょう。
このような業務は、自動化すること自体は難しくないかもしれません。しかし、年に数回しか発生しない仕事のために専用システムを開発すると、投資に見合う効果が得られない可能性があります。Excelのテンプレートを整えたり、既存の機能を利用したりするだけで十分な場合もあります。
頻度が低く、定型性も低い業務
新規事業のアイデア出しや、初めて取り組むイベントの企画書作成などが該当します。毎回内容が異なるため、決まったルールで動く専用システムを作ることには向いていません。
一方、ChatGPTなどの汎用的な生成AIを使えば、その都度必要な資料を整理したり、企画案を作成したりできます。この場合は、専用の仕組みを開発するよりも、人間がAIと対話しながら仕事を進める方法が適しているでしょう。
身近な業務で考えるAIとITの使い分け
売上データの集計にAIは必要か
ある会社では、毎月、販売管理システムからCSVファイルを出力し、担当者がExcelで売上を集計しているとします。
商品別、担当者別、月別に金額を集計するだけであれば、Excelのピボットテーブル、簡単なプログラムで処理できます。わざわざ生成AIにCSVファイルを読み込ませて集計させる必要はありません。
一方で、集計された売上データから、売上が減少した商品の特徴を整理したり、今後の販売施策を検討したりする場面では、AIが役立つ可能性があります。
つまり、データの集計は従来のITに任せ、集計結果の分析やアイデア出しにはAIを活用するという役割分担が考えられます。
請求書の処理にAIは必要か
請求書の処理も、作業を分解すると適した方法が異なります。
例えば、取引先から届く請求書のPDFを読み取り、取引先名、請求日、金額などを抽出する処理には、OCRやAIが役立ちます。取引先ごとに書式が異なる請求書でも、柔軟に情報を取り出せる可能性があります。
一方、抽出した請求金額に対して、決められた条件で税額を計算したり、支払期日を設定したりする処理は、従来のプログラムで十分に対応できます。さらに、実際に振込を行う段階では、金額や振込先の誤りが大きな損失につながるため、人間による確認や承認が必要です。
このように、一連の業務をすべてAIに任せるのではなく、AI、従来のIT、人間がそれぞれ得意な部分を担当することが効果的です。
顧客からの問い合わせ対応にAIは必要か
顧客からの問い合わせ対応では、内容によって適した方法が変わります。
例えば、営業時間や店舗所在地、商品の価格など、回答が明確に決まっている質問であれば、FAQページを充実させるだけでも問い合わせ件数を減らせる可能性があります。一方、顧客ごとに異なる事情を理解し、複数の資料を参照して回答を作成する場合には、AIが役立ちます。ただし、返金の可否や契約条件に関する判断などは、AIの回答案を担当者が確認する仕組みが望ましいでしょう。
ここでも重要なのは、AIの導入だけを考えるのではなく、問い合わせ対応という業務全体を見直すことです。
AIができる仕事でも、任せないほうがよい場合がある
ここまでは、業務の頻度と定型性を中心に考えてきました。しかし、もう一つ重要なのが「間違えたときの影響」です。
例えば、社内会議の議事録をAIに要約させた場合、一部に誤りがあっても、担当者が確認して修正することができます。一方、取引先への支払い、契約の締結、従業員の給与計算などでは、誤りが重大な問題につながる可能性があります。技術的にAIが実行できるからといって、すべてをAIに任せるべきとは限りません。
AIに相談だけをするのか、下書きを作らせるのか、データの編集まで許可するのか、外部システムへの登録や送信まで任せるのかによって、必要な管理の水準は変わります。特に、金銭の移動、重要な契約、個人情報の取扱いなどに関わる業務では、人間による承認、操作履歴の記録、問題発生時の停止方法なども考えておく必要があります。
AIの導入コストだけでなく、運用コストも考える
AIの導入を検討するとき、月額利用料や開発費用に目が向きがちですが、実際には運用にかかる負担も無視できません。AIの出力に誤りがないかを確認する時間、誤った結果を修正する時間、業務ルールが変更された際の設定変更、トラブル対応なども必要です。
例えば、これまで30分かかっていた資料作成が、AIによって5分で完了するようになったとしても、その内容を確認・修正するのに25分かかるのであれば、作業時間はほとんど削減されません。また、AIサービスの仕様変更によって、それまで問題なく動いていた処理が期待どおりに動かなくなる可能性もあります。
従来のITシステムにも保守は必要ですが、AIの場合は出力結果のばらつきや、利用するモデルの変更なども考慮しなければなりません。導入前には、AIの処理時間だけでなく、人間の確認・修正時間、利用料金、運用管理の負担も含めて比較することが重要です。
まとめ
AIの進化によって、これまで自動化が難しかった業務にも、効率化の可能性が広がっています。しかし、すべての業務にAIを使うことが最適とは限りません。処理手順や条件が明確な仕事には従来のITシステムが適している場合があり、文章の理解や柔軟な判断が必要な仕事にはAIが役立つ可能性があります。また、業務の頻度や定型性だけでなく、判断を間違えた場合の影響や、導入後の運用負担も考慮する必要があります。
まず現在の業務を見直し、必要な仕事を整理したうえで、AI、従来のIT、人間の役割を適切に分担することが、中小企業の業務改善を成功させるための重要なポイントです。