SERVICE / AI
AIを入れることから、始めない。
AIを導入すること自体が、目的ではありません。 まず、現在の業務を見る。どこに時間がかかり、何を人が判断し、どの情報が使われているのかを確かめる。そのうえで、AIを使う意味のある場所を探します。 LINKのAI支援は、業務に合う可能性を小さく検証し、人の判断を残しながら、実装した仕組みが現場で使われる状態へつなぐことから始まります。
AIの定義Definition
AIにできることより、 AIに任せる意味があることを考える。
生成AI、AIエージェント、チャットボット、自動化。これらは、業務を支える手段になることがあります。 しかし、技術の名前から始めても、何を変えるべきかは決まりません。 何のための業務なのか。どこに負担や分断があるのか。AIが補助することで、人の判断や行動をどう支えられるのか。 業務上の目的と課題から、AIを使う理由を明確にする。それが、LINKの考えるAI活用です。 技術名から始めない。 業務上の目的を確かめる。 AIを使わない選択も残す。 人の判断につながる形を考える。
相談の入口Consultation
AIの使い方が、まだ決まっていなくても相談できます。
AIに関する課題は、最初から具体的なシステムや実装方法として整理されているとは限りません。 使える業務が分からない。回答の正しさや情報の扱いに不安がある。検証したものの、実際の業務へ進まない。いま感じている疑問を手がかりに、AIを使う目的と確認すべきことを整理します。
AIを何から始めるべきか分からない
活用したい意向はあるが、対象業務や目的が定まっていない。
個人利用から会社の業務へ進まない
一部の社員は使っているが、共通の業務として整理されていない。
AIに任せられる業務が分からない
自動化や補助が可能な範囲と、人が担う範囲を判断できない。
社内データの使い方が分からない
どの情報を、どのような条件でAIへ使えるのか整理されていない。
情報の安全性に不安がある
機密情報や個人情報を、どこまで入力してよいか判断できない。
AIの回答をどこまで使えるか分からない
誤りの可能性や、人が確認すべき範囲を決められない。
PoCから実際の運用へ進まない
検証はしたものの、品質や効果をどう評価するか定まっていない。
AI活用の効果を判断できない
何をもって続けるか、見直すか、やめるかの基準がない。
活用の判断Assessment
すべてを、AIに任せない。
AIが使えることと、AIへ任せるべきことは同じではありません。 情報量、反復性、出力を検証できるか、誤りが起きた場合の影響、誰が責任を持つか。業務の性質とリスクを確認し、AIが補助する範囲を決めます。
情報量と反復性
大量の情報を読む、分類する、要約するなど、繰り返し発生する処理か。
出力の検証可能性
AIの回答や下書きを、人が事実や基準と照らして確認できるか。
誤りが与える影響
出力が間違った場合に、業務、顧客、経営へどのような影響があるか。
判断と責任
最終判断を誰が行い、その結果に誰が責任を持つのか。
人へ戻す条件
AIだけで処理せず、人の確認や対応へ切り替える条件を決められるか。
人とAIHuman & AI
人の判断を残しながら、 AIが働ける場所を設計する。
AIは、大量の情報を整理し、分類や要約を行い、探索や下書きを補助できます。 一方、何を目的とするか、どの基準で選ぶか、例外へどう対応するか、最終的に何を決めるかは、人が担うべき場面があります。 どこまでAIに任せ、どこから人が確認するのか。その境界は、業務の目的、出力の使い方、誤りが生む影響によって変わります。
AIが補助すること
情報処理、整理、分類、要約、探索、下書き、定型的な対応。
人が担うこと
目的設定、判断基準、最終判断、責任、例外対応、倫理・事業上の判断。
業務ごとに決めること
確認方法、利用範囲、人へ戻す条件、誤りが起きた場合の対応。
利用の前提Prerequisites
AIの前に、 使う情報と業務を確かめる。
AIモデルを選ぶだけでは、業務で使える仕組みにはなりません。 どの業務で、何を入力し、どの情報を参照するのか。出力を誰が確認し、何に利用するのか。データと業務の前提を整理したうえで、必要な仕組みを検討します。
対象業務と目的
誰が、どの場面で使い、何を補助したいのか。
情報とデータ
必要な情報がどこにあり、目的に使える品質になっているか。
権限と機密性
誰が情報へアクセスでき、機密情報や個人情報をどう扱うか。
入力と外部送信
何をAIへ入力し、外部サービスへ送られる可能性があるか。
出力と人の確認
AIの出力を何に使い、誰がどの基準で確認するか。
システムと記録
既存業務へどう接続し、利用状況や結果をどのように確認するか。
進め方Process
小さく確かめ、 業務で使える形へつなぐ。
最初から大きな仕組みを作るのではなく、AIを使う理由と確認すべきリスクを整理し、実装へ進む意味があるかを確かめながら進めます。
業務と目的を見る
現在の業務、負担、判断、利用している情報を確認します。
AI活用の候補を整理する
AIが補助できる仕事と、期待する変化を具体的にします。
人とAIの役割・リスクを整理する
AIに任せる範囲、人の確認、誤りの影響、扱う情報を確認します。
小さく検証する
対象を限定し、必要な品質と業務上の効果が得られるかを試します。
品質・効果・安全性を評価する
出力の精度だけでなく、確認量、エラー、安全性、現場での使いやすさを見ます。
業務・システムへ実装する
検証結果をもとに、必要な場合は日常業務や既存の仕組みへ接続します。
利用結果を見て改善する
実際の使われ方と結果を確認し、役割、入力、出力、確認方法を見直します。
検証Proof of Concept
PoCは、つくるためではなく、 進むかを判断するために行う。
PoCを実施したこと自体を、成果にはしません。 必要な品質が出るのか。人の確認がどれだけ必要なのか。誤ったときに業務を止めず、人へ戻せるのか。情報を適切に扱い、現場で無理なく使えるのか。 確認した事実をもとに、実装へ進むか、条件を見直すか、AIを使わないかを判断します。
- 01必要な品質が出るか
- 02人の確認量は適切か
- 03エラー時に人へ戻せるか
- 04情報を適切に扱えるか
- 05現場の業務で使えるか
- 06継続するコストに見合うか
変化Before & After
AIで置き換えるのではなく、 判断までの進め方を変える。
AIによって目指すのは、仕事を無条件に置き換えることではありません。 情報の整理や定型的な処理をAIが補助し、人が確認、判断、例外対応へ集中できる状態をつくります。
探索
Before必要な情報を、人が探し続ける。
AfterAIが候補を整理し、人が内容を確認する。
作成
Before文章や資料を、毎回ゼロから作る。
AfterAIが下書きを作り、人が判断して修正する。
判断
Before情報整理に時間がかかり、判断へ進めない。
AfterAIが判断材料を整理し、人が最終判断する。
問い合わせ
Before定型的な確認にも、人が一件ずつ対応する。
AfterAIが一次対応を補助し、判断が必要なものを人へつなぐ。
運用
BeforeAIを導入したが、実際の業務で使われない。
After業務の中に役割が定まり、利用結果を改善へ使う。
領域の接続Connection
AIは、単独で完結しない。
AIは、経営課題や業務課題を解くための選択肢の一つです。 何を変え、何を優先するかを考えるときはManagement Transformationへ。業務、情報、データ、システムの流れを整えるときはDXへ。市場や顧客との接点へAIを組み込む必要があるときはMarketingへ。 AIだけで考えず、目的と課題に応じて必要な領域を接続します。
お問い合わせ / Contact
AIを使う意味のある業務から、
一度整理してみませんか。
利用するAI製品やモデル、具体的な実装方法が決まっていなくても構いません。 現在の業務、AIに期待していること、不安に感じていることを伺い、AIを使う意味がある場所と、最初に確認すべきことを整理します。