AIに仕事を任せるには？業務分解から自動化の進め方まで

AIに仕事を任せても、期待した成果にならなかったり、出力の確認にかえって時間がかかったりすることがあります。一つの業務には、情報を集める、条件を確かめる、内容を判断する、成果物を作る、承認を得る、外部へ送るといった性質の異なる作業が含まれているためです。

たとえば「月次報告を作る」と依頼しても、AIには参照する資料、数字の集計方法、報告先が重視する点、公開してよい情報が見えていません。長い指示で業務全体を説明するより、AIの作業結果を確認できる大きさまで分けた方が、担当範囲は明確になります。

AIに仕事を任せる準備とは、業務を小さな工程へ分け、AIに任せる範囲と、人が確認・判断する範囲を決めることです。 この記事では、工程の分け方から、AI・自動処理・人の役割分担、送信やシステム更新をAIに任せる前に決めておく確認方法まで解説します。

この記事のまとめ

• AIに任せる仕事は、始まりと終わりが見える一工程まで分けると、担当範囲が明確になります。
• AIにどこまで任せるかは、「提案まで」「作成まで」「条件を満たした案件の処理まで」「送信やシステム更新まで」の4段階に分けて考えます。
• AIに任せる一工程では、いつ作業を始め、どの情報を使い、何を作るかを決めます。完成とする基準、許可する操作、担当者に引き継ぐ場合も明確にします。
• やり直しにくい工程では、人が確認してから実行する流れが必要です。

1. 業務を一工程ずつ見ると、AIと人の役割が分かる

業務名は、複数の作業と判断をひとまとめにした呼び名です。人は経験をもとに作業を補いながら進められます。一方、AIは、依頼に書かれていない参照先や判断条件、どの状態を完了とするかを正確には把握できません。

具体例として「見積書を作る」という業務を考えると、その中には依頼内容の確認、商品と数量の抽出、不足情報の問い合わせ、価格表の参照、金額の計算、説明文の作成、価格の承認、顧客への送付が含まれます。内容の整理や文案作成にはAIを使えます。正確な計算には、計算式やプログラムが適しています。値引きの可否や最終的な価格は、担当者や責任者の判断が必要です。

この業務を一つの依頼にまとめると、見積書の作成と、価格の決定や顧客への送付までを同じ仕事として扱うことになります。 業務を工程へ分けると、AIに見積書の作成を任せながら、価格の決定と送付前の確認は人が行えます。

国際労働機関（ILO）の生成AIと仕事に関する分析も、職業を構成する個々の作業に分けて自動化の可能性を評価しています。多くの職業には人の関与が必要な作業が残るため、職業全体が一度に置き換わるより、仕事の一部が変わる可能性が高いという見方です。

AIに任せる仕事は、職種や業務名よりも、その中にある一工程で考える方が実態に合います。 一工程ごとに担当と確認方法を決めれば、業務全体を手放さなくても、AIに任せられる範囲を広げられます。

2. 業務は「始まり」と「終わり」が見える大きさまで分ける

業務を分けるときは、別の担当者に引き継げて、その結果を見れば完了したか判断できる大きさが目安になります。作業を細かくしすぎると、工程間の受け渡しばかりが増えます。反対に、「調査する」「資料を作る」のような大きな単位では、途中の判断や失敗した場所が見えません。

分ける目安は、どの情報を受け取り、どの結果ができたら完了するのかを説明できることです。 担当者、参照する情報、判断の内容、成果物のいずれかが変わる場所に注目すると、工程の境目を見つけやすくなります。

目的と完成物が決まると、必要な工程が分かる

工程を書き出す前に、対象業務の目的と完成物を一つに絞ると、どこまで分解すればよいかが見えてきます。同じ「見積対応」でも、見積条件を社内で検討できる状態にすることと、顧客へ正式な見積書を送ることでは、必要な工程と責任が異なります。

ここで区別したいのが、完成物と完了条件です。見積書のPDFが完成していても、責任者の承認や顧客への送付が必要なら、業務はまだ終わっていません。完成物は業務の途中で作られます。完了条件は、その業務を終えたと判断できる状態を表します。

たとえば、対象を「顧客から届いた見積依頼を受け、承認済みの見積書を返信できる状態にする業務」と置けば、依頼を受け取った時点が始まり、承認済みの文書と送付先が揃った時点が終わりだと分かります。 目的と完了条件が決まると、AIに任せたい作業が業務のどこにあるのかを見失いにくくなります。

担当者や判断内容が変わるところで工程を分ける

工程の境目は、仕事の進め方が切り替わる場所にあります。担当者が変わる、別の資料を参照する、条件を判断する、別のシステムへ情報を書き込むといった変化があれば、そこで工程を分けられます。

具体例として見積対応を見ると、依頼メールから商品名と数量を抜き出す作業と、価格表を使って金額を計算する作業では、参照する情報も確認方法も違います。さらに、値引きの可否を決める場面では判断する人が変わり、顧客へ送る場面では誤りが社外へ影響します。ここを分けておけば、内容の抽出はAI、計算は自動処理、価格判断は責任者という形で担当を決められます。

待ち時間や差し戻しも、見落とせない工程です。承認待ちで半日止まる、情報不足のたびに営業担当へ確認する、といった時間を工程の一覧から外すと、AIで作成が速くなっても業務全体の遅れは残ります。 作業が止まる場所まで含めて分けると、自動化によって時間を減らせる作業と、人の確認を早めるために整えるべき情報が見えてきます。

作業内容と確認できる結果が、一工程の大きさを決める

工程を「どの情報を使い、何を作るか」まで表すと、AIに任せる内容が具体的になります。「見積書を作る」や「依頼内容を確認する」では、扱う情報と完成の基準がまだ曖昧です。

たとえば、「依頼メールと添付資料から、商品名・数量・納期・個別条件を抜き出し、指定項目の一覧にする」と表せば、使う情報、AIが行う作業、できあがる結果が見えます。結果を元のメールと照らせるため、抜けや読み違いも確認できます。

一つの工程に複数の判断や成果物が含まれ、確認方法も異なる場合は、さらに分ける余地があります。情報を抜き出す工程と、不足情報を顧客へ問い合わせる工程では、後者だけが社外へ影響します。同じAIを使う場合でも、情報の抽出は自動で進め、問い合わせ文の送信前には担当者の確認を残せます。

AIに任せやすい一工程では、「使う情報」「AIに任せる作業」「確認できる結果」が一続きになっています。 この大きさまで分かれていれば、次にAI・自動処理・人のどれに任せるかを決められます。

3. 工程ごとに、AI・自動処理・人を使い分ける

業務を工程に分けると、それぞれに合った進め方を選べるようになります。文章や画像の制作、数値の計算、システムへの転記では、適した処理方法が異なります。内容を読み解く柔軟さと、決めた処理を正確に繰り返す安定性の両方が必要だからです。

情報を読み解いて案を作る工程にはAI、答えを一つに決められる処理にはプログラムやRPA、目的や責任を伴う判断には人が向いています。 一つの業務の中で、この3者を組み合わせると、AIの柔軟さを生かしながら、正確さが必要な部分を安定させられます。

情報を読み、整理し、案を作る工程はAIに任せやすい

生成AIが力を発揮しやすいのは、形式のそろっていない情報を読み、その内容を別の形へまとめ直す工程です。メールや資料から必要事項を抜き出す、複数の情報源を調べて比較する、会議記録を論点ごとに整理する、といった使い方ができます。文章、画像、企画案など、新しい成果物を作る仕事にも利用できます。

こうした工程には、唯一の正解がないことも少なくありません。その場合でも、良い見本や評価基準があれば、AIは目指す品質に近い案を複数作れます。たとえば提案書なら、過去に評価された資料、盛り込む項目、避ける表現を示すことで、担当者が一から考える範囲を減らせます。

複数案を作る利点は、同じ基準で比べながら、良い部分を選べることです。 ただ数を増やすと、確認する量も増えます。採用できる条件を先に決め、基準を満たす案がなければ作り直す方が、質の低い案を無理に選ばずに済みます。AnthropicのAIエージェント実装ガイドでも、複数回の試行や、生成と評価・修正を分ける方法は、評価基準が明確な仕事に向くとしています。

AIに任せた工程を確認しやすくするには、完成物と一緒に、参照した情報や判断の根拠も残すことが大切です。 調査結果には出典、要約には元の文章、比較結果には比較した条件があれば、担当者は事実の取り違えや論理の飛躍を見つけやすくなります。

AIが作った成果物を別のAIに評価させ、元資料との一致、誇張表現、論理のつながりを調べると、人が確認する候補を絞れます。ただし、AIによる評価にも見落としがあります。NISTの生成AIリスク管理プロファイルが示すように、元資料との照合、機械的な検査、AIによる評価、人の確認を組み合わせれば、一つの検査で見逃した誤りを別の検査で見つけやすくなります。

数値計算や形式検査は、決めたルールで処理すると安定する

計算式や判定条件が決まっている工程は、同じ入力から同じ結果を返す仕組みが適しています。金額の計算、日付や文字数の確認、必須項目の検査、決まった場所へのデータ転記などは、プログラムやRPAで処理すると結果が安定します。

見積書であれば、依頼文から商品名や数量を読み取る部分にはAIを使えます。しかし、単価と数量から金額を求め、消費税を加え、合計額を出す部分は、決めた計算式で処理した方が確実です。作成後に、合計額が内訳と一致しているか、必須項目が埋まっているかを自動で検査することもできます。

AIの前後に機械的な確認を加えると、AIが読み取った情報の欠落や、作成した成果物の形式不備を早い段階で止められます。 AIと従来の自動処理を、それぞれが得意な工程でつなぐと、柔軟さと正確さを両立できます。

目的、例外、責任を伴う判断は人が決める

どの成果を目指すのか、通常と異なる案件をどう扱うのか、複数の案から何を採用するのかは、業務の責任を持つ人が決める領域です。値引きによって顧客との関係を優先するのか、利益率を守るのかといった判断は、数値だけでは決まりません。AIは過去の事例や選択肢を整理できますが、最終的な判断の責任までは引き受けられません。

人が行う確認を、すべて専門家に集める必要もありません。元の資料との照合、表記の確認、決めた条件に合っているかの判定などは、基準を共有すれば別の担当者や外部の作業者にも任せられます。法務、会計、技術などの専門知識が必要な判断は専門家が担い、その前の定型的な確認を切り分ければ、専門家の待ち時間も減らせます。

人が担うのは、目的を決める判断、条件から外れた案件への対応、結果に責任を持つ判断です。 工程ごとの担当が決まったら、次は同じ工程の中でAIにどこまで任せるかを考えます。

4. AIに任せる範囲は、提案から送信・更新まで4段階に分ける

同じ工程をAIが担当していても、業務への影響は任せる範囲によって変わります。AIが案を出し、人が選ぶ使い方であれば、誤りは採用前に止められます。AIが顧客への送信やシステムの更新まで行う場合は、誤りがそのまま社外や後工程へ伝わる可能性があります。

AIが成果物を作れるか、その成果物を業務で採用できるか、送信や更新まで任せられるかは、分けて判断します。 任せる範囲は、次の4段階で考えると整理しやすくなります。

適した段階は、業務や工程によって異なります。誤りの影響が小さい工程は広く任せ、影響が大きい工程は作成までにとどめるなど、一つの業務の中でも段階を変えられます。

下書きまでなら、人が使う前に誤りを止めやすい

AI活用の初期には、提案または成果物の作成までを任せると、業務へ取り入れやすくなります。提案までの段階では、AIが見出し案や対応方針の候補を示し、人が使う案を選びます。作成までの段階では、メールの返信文や報告書など、使用できる形まで仕上げますが、採用と送信は人が判断します。

この段階なら、事実の取り違え、誇張表現、論理の飛躍があっても、公開や送信の前に修正できます。最初はすべての成果物を確認することで、AIが安定して作れる部分と、人の判断が必要な部分も見えてきます。

AIの出力傾向がまだ分からない業務では、作成までを任せ、人が採用を決める範囲から始めると安全です。 確認結果が蓄積すれば、条件を満たす案件だけを次の段階へ進められます。

条件内の案件を任せるには、担当者に引き継ぐ条件も必要になる

AIが安定して処理できる案件には、共通する条件があります。必要な情報がそろっている、指定した形式で届いている、金額が一定範囲に収まっているなど、通常の進め方を適用できる案件です。こうした条件を明確にすれば、該当する案件はAIに完了まで任せられます。

同時に、AIが処理を止める条件も決めておきます。必要な情報が足りない、資料同士で内容が食い違う、基準の範囲を超えている、判断に迷うといった場合には、担当者が確認できる状態にします。

条件内の案件を任せるには、処理できる条件と、担当者へ引き継ぐ条件の両方が必要です。 AIが難しい案件を抱え込まなければ、通常の案件を速く進めながら、例外には人が対応できます。

送信・更新・発注まで任せるなら、承認と権限を分ける

メールの送信、顧客情報の更新、商品の発注などは、実行した時点で相手や後工程に影響します。AIが操作できる環境でも、操作を許可する範囲は業務への影響に応じて変わります。

送信や更新を任せる場合は、AIが作成に使う権限と、実行に使う権限を分ける方法があります。たとえば、見積書と送付メールはAIが作成し、責任者の承認後にだけ送信できるようにすれば、作成時間を減らしつつ、最終判断を人に残せます。実行できる操作や対象を必要な範囲に絞り、誰が何を承認したかを記録しておくことも重要です。

承認済みかどうかをAI自身に判断させると、確認を飛ばして処理が進むおそれがあります。責任者が承認した記録をシステム側で確認し、その記録がある場合に限って実行できるようにすると、重要な操作を確実に止められます。

業務への影響が大きい操作ほど、実行前の承認、限られた権限、途中で止められる仕組みが欠かせません。 Microsoftの自律型AIシステム向けセキュリティガイドでも、高リスクまたは元に戻しにくい操作では、人の承認をシステムの処理として組み込むよう示しています。次の章では、どの工程に人の確認を残すかを、誤りの影響から考えます。

5. 人の確認を残す場所は、誤りの影響とやり直せるかで決める

AIが同じ品質の成果物を作れていても、使い道が変われば、人の確認が必要な場所も変わります。社内の検討材料として使う文章なら、誤りを見つけた後でも修正できます。顧客へ送った文章や、支払いに使った金額は、実行後の訂正だけでは済まないことがあります。

人の確認を残す場所は、AIの精度だけで決めず、誤りを見つけやすいか、誰に影響するか、実行後にやり直せるかを見て決めます。 影響が小さく修正しやすい工程はAIに広く任せ、影響が大きい工程では実行の手前に確認を置くと、確認作業を増やしすぎずにリスクを抑えられます。

人が確認する工程にも、確認量とAIへの過信による限界があります。 同じ種類の確認が大量に続けば、AIの案を正しいと思い込み、誤りを見落とすことがあります。文書から数値を抜き出す作業を扱った2,784人を対象にした実験でも、修正の負担が増えた参加者は、誤ったAIの提案を受け入れやすくなりました。確認する場所とともに、誰が何件を確認し、どの情報を見て判断するかも考える必要があります。

修正しやすい成果物は、AIに作成まで任せやすい

元の情報と短時間で照合でき、社外へ出る前に直せる成果物は、AIに作成まで任せやすい領域です。会議記録の要約、社内向けの調査メモ、メールの下書きなどは、担当者が内容を確認してから使用できます。

確認をしやすくするには、完成物だけを表示するより、根拠をたどれるようにすることが有効です。要約の該当箇所、調査に使った出典、元の文書から変更した部分が分かれば、最初から全文を読み比べる負担を減らせます。

AIに作成を任せやすい成果物は、誤りを見つけて直せるものです。 確認のしやすさまで含めて成果物の形を決めると、人が見る時間も短くできます。

人・お金・契約に関わる操作は、人の承認を手前に置く

採用の合否、値引き、支払い、契約、顧客への正式な回答などは、誤った結果が人や会社へ直接影響します。こうした工程では、AIが案を作れても、決定や実行の前に責任者が確認する流れが必要です。

人が確認する内容は、業務によって異なります。契約条件や会計処理の妥当性は、法務や会計の専門家による判断が必要になる場合があります。一方、申請項目がそろっているか、金額が承認済みの範囲か、指定された表記になっているかといった確認は、基準を理解した担当者でも行えます。

専門知識が必要な判断と、基準に沿って確認できる作業を分けると、専門家には本当に判断が必要な案件だけを集められます。 AIが整理した情報と定型確認の結果を添えれば、責任者も判断に集中できます。

情報不足や条件外の案件は、担当者に引き継ぐ

AIが処理を続けてよい案件と、担当者の判断が必要な案件を見分けられることも重要です。依頼内容に必要事項がない、複数の資料で数値が食い違う、値引き率が基準を超えているなど、通常の進め方を使えない案件は途中で止めます。

止めた案件には、確認できなかった項目、食い違っている情報、適用できなかった条件を添えます。担当者は何が問題なのかを調べ直す手間が減り、必要な判断から始められます。

例外が起きたら、担当者が判断できる情報をそろえ、AIの処理を止めます。 この流れがあれば、AIに任せる範囲を広げても、難しい案件を見落としにくくなります。

確認者に根拠と変更点を伝えると、レビューが詰まりにくい

AIが多くの成果物を作れるようになると、今度は人の確認が追いつかなくなることがあります。すべての確認を同じ責任者や専門家へ集めると、作成時間が短くなっても、承認待ちの時間は減りません。

確認を滞らせないためには、誰が見ても判断できる項目と、経験や資格が必要な項目を分けます。表記、必須項目、元資料との一致などは、確認基準を共有した社内担当者や外部の作業者へ切り出せます。外部へ任せる場合は、必要な資料だけを共有し、顧客情報や機密情報へアクセスできる範囲を絞ります。価格判断や契約上の判断は、その結果を受け取った責任者や専門家が担います。

さらに、AIが参照した資料、変更した箇所、確かめてほしい点がそろっていれば、確認者は成果物全体を読み直さずに済みます。 人の確認を減らせない工程でも、判断に必要な情報を先に整えることで、確認にかかる時間は短縮できます。

6. 具体例：見積書作成は、内容整理・計算・価格判断・送付に分ける

業務を分解するときは、AIに任せたい作業だけを抜き出すより、依頼を受けてから完了するまでを一度つなげて見る方が、担当の抜けや確認待ちを見つけやすくなります。ここでは、顧客から見積依頼を受け、承認済みの見積書を送付して記録するまでを例にします。

見積書作成には、文章の読み取り、正確な計算、会社としての価格判断、顧客への送信が含まれます。 一連の業務を工程に分ければ、内容整理と文案作成はAI、計算と形式検査は自動処理、価格判断と承認は人という形で担当を選べます。

最初の受付では、受信したメールと添付資料を案件ごとに保存し、処理に必要な情報をそろえます。続く条件整理では、AIが文面や資料を読み、商品名、数量、希望納期、個別条件を指定された項目にまとめます。元の記載箇所も残しておけば、担当者は抽出結果を短時間で確かめられます。

情報が不足している場合は、そのまま見積書の作成へ進めません。AIは不足項目と問い合わせ文案を用意し、担当者が内容と送付先を確認します。繰り返し起きる不足で、問い合わせ内容が定型化できた場合に限り、承認後の自動送信へ広げる方法もあります。

単価の参照と金額の計算には、承認済みの価格表と決めた計算式を使います。AIが依頼内容から読み取った商品や数量を受け取り、プログラムが単価、小計、税額、合計額を求めます。必須項目や金額の整合性も同時に検査すれば、計算結果を文章の自然さだけで判断する事態を避けられます。

AIは、整理された条件と計算済みの金額から、見積書と送付メールの文案を作れます。その後の価格判断では、値引きの理由、取引履歴、利益への影響などを人が確認します。 見積書を作る作業と、会社として価格を決める判断を分けることで、作成時間を減らしながら価格の責任を人に残せます。

送付を承認した後は、送信と案件記録を自動処理へ任せられます。承認前の文書を送れないようにし、送付先、使用した見積書、送付日時を記録すれば、後から経緯も確認できます。 見積対応全体を一度に自動化するより、各工程の結果を確かめながらつなぐ方が、任せられる範囲を具体的に広げられます。

7. AIに任せる一工程は、7項目を決めると担当範囲が明確になる

工程名を具体的にした後も、AIに毎回同じ範囲を任せるには、いくつか決めておく情報があります。「依頼内容を一覧にする」という工程にも、いつ作業を始めるのか、どの資料を読むのか、どこまで調べるのか、情報が足りないときにどうするのかが残っています。

AIに一工程を任せるには、作業を始めるきっかけ、使う情報、行う作業、完成形、合格基準、操作できる範囲、担当者に引き継ぐ条件の7項目を決めます。 この7項目がそろうと、AIが担当する範囲と、どこから人が対応するのかが分かります。

始めるきっかけから完成形までが、AIの担当範囲になる

7項目のうち、作業を始めるきっかけ、使う情報、行う作業、完成形の4つは、一工程の始まりから終わりまでを表します。たとえば「新しい見積依頼を受信したら作業を始める」「依頼メールと添付資料を読む」「商品名や数量を抜き出す」「指定項目の一覧を作る」とつなげると、AIが何を受け取り、何を返せば作業が終わるのかが見えます。

作業を始めるきっかけが曖昧なままでは、未処理の依頼と更新された依頼を区別できません。使う情報が決まっていなければ、古い価格表や関係のない資料を参照する可能性があります。作業と完成形を分けておくことも重要です。「条件を整理する」はAIが行う作業であり、その結果として「指定項目の一覧」が残ります。

AIの担当範囲には、行う作業に加えて、何が起きたら始まり、どの成果物ができたら終わるかまで含まれます。 始まりと終わりがつながっていれば、前の工程から情報を受け取り、次の工程へ渡せる状態になったかを確認できます。

合格基準・操作できる範囲・引き継ぎ条件が、予定外の処理を防ぐ

完成形に加えて、業務で使える状態を表す合格基準も欠かせません。見積依頼の一覧が作られていても、数量が抜けていたり、商品名が価格表と対応していなかったりすれば、次の計算へは進めません。合格基準には、「必須4項目が埋まっている」「各項目から元の記載箇所を確認できる」のように、結果を見て判定できる条件が向いています。

操作できる範囲は、AIが情報を読むだけなのか、下書きを保存するのか、既存データを更新するのか、外部へ送信するのかを区別します。同じ作業内容でも、閲覧だけを許可する場合と顧客への送信まで許可する場合では、問題が起きたときの影響が異なります。

担当者に引き継ぐ条件には、必要な情報がない、資料に矛盾がある、判断基準を満たさない、許可されていない操作が必要といった状況が入ります。AIは該当する理由と確認が必要な箇所を残し、担当者が続きから判断できる状態にします。

合格基準はAIが次の工程へ進んでよい条件、操作できる範囲は実行してよいこと、引き継ぎ条件はAIが止まる状況を示します。 3つをそろえることで、完成したように見える結果をAIがそのまま使ったり、判断できない案件を処理し続けたりする事態を防げます。

見積依頼から条件を整理する一工程なら、7項目は次のようにまとまります。

• 作業を始めるきっかけ
  新しい見積依頼のメールと添付資料が案件フォルダへ保存されたとき
• 使う情報
  依頼メール、添付資料、商品一覧
• 行う作業
  商品名、数量、納期、個別条件を読み取る
• 完成形
  4項目と元の記載箇所をまとめた一覧
• 合格基準
  必須項目がすべて埋まり、元の記載と照合できる
• 操作できる範囲
  資料の閲覧と一覧の下書き保存まで
• 担当者に引き継ぐ条件
  項目の不足、資料間の矛盾、商品を特定できない場合

この形なら、AIへの長い指示を考える前に、業務上必要な条件を確認できます。 7項目を整理する目的は、AIに任せる一工程の内容と責任範囲をそろえることにあります。

8. 最初は一工程を全件確認し、安定した部分から任せる範囲を広げる

AIに任せる範囲は、実際の結果と確認負担を見ながら広げていきます。設計した時点では、どのような誤りが起きるのか、想定外の案件がどの程度含まれるのかまでは分かりません。最初から業務全体を任せるより、一工程を実際の案件で試す方が、結果と原因を確かめやすくなります。

長い処理では、途中で生じた小さな誤りが、その後も修正されずに残ることがあります。Microsoft Researchによる長期的なAIへの委任を調べた研究でも、人の途中確認が少ない状態で文書へ変更を重ねると、意味上の誤りが蓄積しました。この研究は、長い処理を意図的に厳しく試したものです。結果を一般的な業務の失敗率として扱うことはできません。

中間結果を確認できる大きさへ工程を分ければ、誤りが起きた場所を見つけ、その工程からやり直しやすくなります。

初期段階ではAIの結果をすべて確認し、安定した案件と、担当者の判断が必要な案件を見分けます。 誤りの傾向と処理を止める条件が分かってから、安定した部分の確認を減らすと、品質を保ちながら担当範囲を広げられます。

精度とともに、確認と手戻りにかかった時間を測る

AIが短時間で大量に処理できても、人がすべてを読み直し、多くの修正をしていれば、業務全体の時間は減りません。処理件数や正解率に加えて、確認、修正、差し戻しまで含めた時間を見る必要があります。

たとえば、依頼内容の整理が一件5分から1分になっても、その後の確認に6分かかれば効率化とはいえません。反対に、完全には正しくなくても、修正箇所が明確で確認を含めた時間が短くなるなら、担当者の負担は減っています。

AIに任せる効果は、人の確認と手戻りを含む業務全体の時間で判断します。 生成時間とともに、どの項目の確認に時間がかかったかも分かれば、AIの担当範囲を調整しやすくなります。

同じ誤りが続くときは、入力・基準・工程の切り方を見直す

修正履歴には、AIの出力を安定させる手がかりが残っています。担当者が直した箇所と、その理由を記録しておくと、AIが繰り返し間違える内容や、判断基準が足りない部分が見えてきます。よく起きる誤りは、その後の評価基準や自動検査にも反映できます。

商品名の取り違えが続くなら、参照する商品一覧や照合方法に問題があるかもしれません。値引き理由の判断が安定しないなら、その工程はAIに任せるには大きすぎる可能性があります。指示文を長くする前に、使う情報、合格基準、工程の大きさを見直すことで、原因に合った改善ができます。

同じ誤りが繰り返される場合は、AIの回答だけを直すより、誤りが生まれた工程の条件を見直す方が再発を抑えやすくなります。

条件外の案件を見分けられてから、全件確認を減らす

通常の案件で良い結果が続いても、条件外の案件まで同じように処理してしまう状態では、全件確認を外せません。情報不足、数値の矛盾、基準を超える金額などを検知し、担当者が確認できる状態にできてから、通常案件の確認を減らします。

全件確認を減らした後も、一部の結果を定期的に確認すれば、品質の変化を見つけられます。参照資料、業務ルール、使用するAIが変わると、品質も変化する可能性があります。その際は、確認する件数を一時的に戻す判断も必要です。

任せる範囲を広げる目安は、通常案件の品質が安定し、条件外の案件を担当者へ確実に引き継げることです。 AIが処理できる件数の多さより、迷う案件で正しく止まれるかどうかが、確認を減らす判断につながります。

まとめ：AIに仕事を任せるには、担当範囲と人が確認する場所を決める

AIに仕事を任せる準備では、業務全体を一つの依頼にまとめず、使う情報と確認できる結果が見える一工程まで分けることが出発点になります。工程ごとに、情報の読み取りや案の作成はAI、正確な計算や形式検査は自動処理、目的や例外、責任を伴う判断は人という形で担当を選べます。

同じ工程でも、提案、成果物の作成、条件内の案件の処理、送信やシステム更新では、業務への影響が異なります。 誤りを見つけやすく、修正しやすい範囲から任せ、外部へ影響する操作の前には人の承認を残すことが大切です。

最初に試す一工程について、作業を始めるきっかけ、使う情報、行う作業、完成形、合格基準、操作できる範囲、担当者に引き継ぐ条件を整理すると、AIと人の担当が明確になります。実際の案件をすべて確認しながら試せば、AIが安定して処理できる条件と、担当者の判断が必要な条件も見えてきます。

業務を明確にし、結果を確認できる状態が整うほど、AIに任せられる範囲も広がります。

自動化の対象は、AIで自動化できる業務一覧にある業務名だけで決まりません。同じ業務でも、入力、完成形、確認方法が見える一工程へ分けることで、AIに任せられる部分が見つかります。AI業務自動化は、こうして分けた工程を生成、確認、修正、次の処理へつなぎ、仕事全体の流れを変える取り組みです。

参考資料

• How might generative AI impact different occupations?（ILO）
• Building effective agents（Anthropic）
• Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile（NIST）
• Secure agentic AI systems（Microsoft Learn）
• AI-assisted decision-making and the effect of verification burden（arXiv）
• LLMs Corrupt Your Documents When You Delegate（Microsoft Research）