「AIを使えそうな業務は、いくつも挙がった。でも、どれから始めればいいのか決められない」——AI活用の相談で、よく聞く悩みです。
結論から言うと、ユースケースの優先順位は、「効果」だけでなく、「実現性」「リスク」「測りやすさ」を含めた4観点で決めます。 効果の大きい業務から選ぶと、データが揃わない、関係者が多い、誤りの影響が大きいといった理由で止まりやすく、結果として「AIは使えなかった」という印象だけが残ります。最初の1つに向くのは、4観点がバランスよくそろい、小さく試せる業務です。
この記事では、優先順位づけの4観点、先に行う足切り、採点表の作り方、数字入りの試算の例、最初の1つを選んだあとの進め方を解説します。業務を洗い出す段階はAI導入に業務棚卸しは必要？、営業部門の候補は営業のAI活用は何から始める？で扱っています。本記事は、候補が挙がったあとに「どれを選ぶか」を決める段階に絞った深掘りです。
なぜ「効果が大きい順」で選ぶと失敗しやすいのか
効果が大きい業務は、たいてい関係者が多く、データが散らばり、誤りの影響も大きいため、最初の1つに選ぶと止まりやすくなります。 効果の大きさと、実現のしやすさは、別の話です。
典型的な失敗は、次のような流れです。
- 経営層の関心が高い、大きな業務（たとえば全社の意思決定の支援）を最初に選ぶ
- 必要なデータが部門ごとに分かれていて、集めるだけで数か月かかる
- 試作を作っても、誤りが出たときの影響が大きく、現場が「任せられない」と判断する
- 効果を測る指標が決まっておらず、PoCが終わっても続けるか判断できない
この流れは、AI導入がPoC止まりになる理由とも重なります。先に実現しやすく、効果を測れる業務で成果を出し、そこで得た運用の知見を次に生かすほうが、結果として早く大きな効果にたどり着きます。
ユースケースの優先順位は、どんな4観点で決める？
優先順位は、「効果」「実現性」「リスク」「測りやすさ」の4観点で見比べます。 1つの観点だけで決めず、4つを並べることで、止まりやすい候補を事前に見つけられます。
優先順位づけの4観点。効果の大きさだけでなく、実現性・リスク・測りやすさを並べて見る。
| 観点 | 見ること | 高いと判断しやすい状態 |
|---|---|---|
| 効果 | 頻度 × 1回あたりの時間、手戻りの多さ | 毎日・毎週繰り返し、1回に時間がかかる |
| 実現性 | 必要なデータの所在、システムの接続、関係者の数 | データが1か所にあり、関係者が少ない |
| リスク | 誤りが出たときの影響と、人が確認できるか | 人が確認してから使うので、誤りが外に出ない |
| 測りやすさ | 前後を比べる数字があるか | 作業時間や件数が、すでに記録されている |
効果は「頻度 × 時間」で見る
効果は、「一度の削減幅」ではなく「頻度 × 1回あたりの時間」で見ます。 1回あたりが小さくても、毎日繰り返す業務は、積み上げると大きな時間になるためです。費用対効果の考え方はAI導入の費用対効果（ROI）にまとめています。
実現性は「データと関係者」で見る
実現性は、データがどこにあるか、システムにつなげられるか、関係者が何人いるかで決まります。 技術的にAIでできるかどうかより、材料が揃っているかで差がつきます。データの整備はAI活用のためのデータ整備は何から始める？、組織の準備度は自社は生成AIをどこまで活用できる状態？で扱っています。
リスクは「間違えたときの影響」で見る
リスクは、AIが誤ったときに何が起きるかで評価します。 人が確認してから使う業務は、誤りが外に出にくく、最初に向いています。逆に、誤りが顧客や取引先に直接届く業務は、後回しにします。誤りの抑え方は生成AIのハルシネーションは業務でどう抑える？を参照してください。
測りやすさは「前後を比べられるか」で見る
測りやすさは、導入の前後で比較できる数字がすでにあるかどうかです。 作業時間や対応件数の記録がある業務は、効果を示せるので、次の投資の判断にもつながります。数字がない業務は、試す前に測り方を決める必要があります。
点数をつける前に、足切りするものは？
点数をつける前に、AIに任せてはいけない判断と、材料が揃っていない業務を、足切りで外します。 点数で並べてから外すと、議論が点数の細かい差に引きずられるためです。
足切りの条件の例は、次のとおりです。
| 足切りの条件 | 例 | 扱い |
|---|---|---|
| 人の権利や会社の責任に直結する最終判断 | 採用の合否、人事評価の決定、契約上のリスクの最終判断 | 候補から外す。AIは材料づくりにとどめる |
| 必要なデータが手に入らない | 紙のみで保管、権限上アクセスできない | データ整備を先に行い、今回は後回し |
| 誤りが外部に直接届き、確認する人がいない | 顧客への自動返信を確認なしで送る | 人が確認する設計にできるまで保留 |
| 成果を測る指標を決められない | 「なんとなく良くなる」としか言えない | 測り方を決めてから再検討 |
足切りを通った候補だけを、次の採点に回します。
採点表は、どう作る？——6つの候補を例に
採点表は、候補を縦に、4観点を横に並べ、3段階（高・中・低）で付ける簡単なもので十分です。 目的は正確な点数を出すことではなく、関係者が同じ軸で話せるようにして、選ぶ理由を説明できる状態にすることです。
ここでは、説明用の仮の例で作り方を示します。従業員300名ほどの企業で、次の6つの候補が挙がったとします（実在の企業や実績ではありません）。観点は、効果・実現性・リスクの低さ・測りやすさで、「高い」ほど有利になるよう、リスクは「低いほど高得点」として付けます。
| 候補 | 効果 | 実現性 | リスクの低さ | 測りやすさ | 合計（12点満点） |
|---|---|---|---|---|---|
| A. 商談の内容からの営業日報の下書き作成 | 3 | 3 | 3 | 2 | 11 |
| B. 社内の問い合わせ（規程・手続き）への一次回答 | 2 | 3 | 2 | 3 | 10 |
| C. 請求書と発注書の突合の一次確認 | 3 | 2 | 2 | 3 | 10 |
| D. 契約書の自社ひな形との差分確認 | 2 | 2 | 2 | 2 | 8 |
| E. 全社データを横断した経営の意思決定の支援 | 3 | 1 | 1 | 1 | 6 |
| F. 採用面接の合否の判断 | — | — | — | — | 足切り |
（3＝高い／2＝中程度／1＝低い。点数は説明のための仮の値です。）
この表から読み取れるのは、次のことです。
- F（採用の合否）は、点数をつける前に足切り。人の権利に直結する最終判断はAIに任せない
- E（全社の意思決定支援）は、効果は大きいが、実現性・リスク・測りやすさが低い。最初に選ぶと止まりやすい。後の段階で、A〜Cで得た運用の知見を踏まえて再検討する
- A（営業日報の下書き）が最上位。人が確認して使うのでリスクが低く、データも商談の記録として揃っている
- B・Cは同点。この場合は、点数ではなく、現場の担当者の意欲や、次の段階につなげやすさで決める
試算で、効果を「頻度 × 時間」にする
効果の観点は、仮の数字でも試算しておくと、判断の根拠になります。たとえばAの営業日報で、営業担当30名が週5回、1回あたり10分かけているとします（説明用の仮の値）。
- 現状：30人 × 5回 × 10分 ＝ 1,500分（約25時間）／週
- 下書きを作り、人が3分で確認して直す運用に変えると、1回あたり3分に短縮：30人 × 5回 × 3分 ＝ 450分（約7.5時間）／週
- 差し引き：約17.5時間／週
Bの問い合わせでは、月に120件、1件あたり15分かかっているなら、120件 × 15分 ＝ 1,800分（約30時間）／月です。Aは現状で週25時間（月に換算すると約100時間）かかっており、Bより作業量そのものが大きい、といった比較が数字でできます。
ただし、この試算は「人の確認時間を入れた」うえでの概算であり、実際の削減幅は、試作を動かして測り直します。 試算は、優先順位をつけるための目安であって、成果の保証ではありません。
最初の1つを選んだあと、どう進める？
最初の1つは、本番に広げる前に、小さく試して前後を測ります。 優先順位づけは一度で終わらず、試した結果で採点表を更新します。
- 範囲を絞る：全社や全チームではなく、1チーム・1種類の業務から始める
- 測る指標を先に決める：作業時間、処理件数、手戻りの件数などを、試す前に記録する
- 人が確認する設計にする：最初のうちは、AIの出力を人が確認してから使う
- 結果で採点表を直す：実現性やリスクの評価は、試すと変わる。次の候補の順番を更新する
- 本番に進めるかを判断する：基準を事前に決めておく（AIのPoCから本番へ進めてよいか？）
社内で予算を通す必要がある場合は、採点表と試算が、そのまま説明の材料になります（生成AI導入の社内稟議はどう通す？）。
DeploAIのFDEは、優先順位づけをどう支援する？
FDE（Forward Deployed Engineer／フォワードデプロイドエンジニア）は、事業と業務を理解したエンジニアが現場に入り込み、御社の実際の業務フロー・システム・権限に合わせてAIを組み込み、社内に残す形で支援するサービスです。
優先順位づけでつまずきやすいのは、「挙げた候補の実現性が、現場に入らないと分からない」という点です。データの所在、システムの権限、現場の運用は、資料だけでは見えにくいためです。FDE は、この溝を埋めます（FDE の全体像はFDEとはを参照）。
- 現状診断で、候補ごとのデータ・システム・権限の状況を確認し、実現性を現場の事実で評価する
- 足切りと採点を一緒に行い、最初の1つを、効果と実現性のバランスで絞る
- プロトタイプを作り、前後を測って、採点表を実測で更新する
- 評価のしくみの構築、定着支援・改善、内製化スキル移管まで、社内に残る形で伴走する
まとめ
- ユースケースの優先順位は、効果・実現性・リスク・測りやすさの4観点で決める。効果の大きさだけで選ぶと止まりやすい
- 点数をつける前に、人の権利や会社の責任に直結する判断と、データが手に入らない業務を足切りで外す
- 採点表は、候補を縦、4観点を横にした3段階の簡単な表で足りる。目的は、選ぶ理由を説明できる状態にすること
- 効果は頻度 × 1回あたりの時間で試算する。ただし試算は目安で、実測で直す
- 最初の1つは小さく試して前後を測り、結果で採点表を更新して次を選ぶ
AI活用の候補の絞り込みでお悩みの方は、お問い合わせからご相談ください。ユースケースの一覧はユースケース紹介で確認いただけます。
関連記事：AI導入に業務棚卸しは必要？｜AI導入の費用対効果（ROI）はどう考える？｜生成AIの要件定義はどう進める？｜中小企業の生成AI導入はどう進める？
