AI導入の進め方：7つのステップと、人とAIの分担 〜AX推進入門 第3回〜

AI導入が「試して終わり」になるのはなぜか

経費精算の領収書のチェックを、試しにAIにやらせてみた場面を考えます。数十枚を読ませると金額や日付はおおむね正しく読み取れて、「これは使えそうだ」という手応えが得られました。ところが、その先に誰が何をするかが決まっておらず、数か月後には試した仕組みが使われないまま残っています。AX（AIトランスフォーメーション。AIを前提に業務や組織を変えること）を進める推進担当にとって、よく見かける場面です。

この記事は、AX推進入門シリーズ（全10回）の第3回です。シリーズの一覧はこちら。

AI導入が「試して終わり」になりやすいのは、プロジェクト全体のうち、作って試す部分だけをやるからです。本番で使えるかをどう確かめ、現場にどう使ってもらい、使い始めた後にどう直し、どこへ広げるか。ここまでを最初から段取りに入れておかないと、作ったものが業務に入りません。この記事では、AI導入プロジェクトの全体像を7つの段階に分け、それぞれでAIに任せられることと、推進担当が担うことを整理します。

AI導入は、7つの段階を繰り返すプロジェクト

段階は、要求定義、要件定義、設計・構築、評価・品質担保、アダプション、改善、次のスコープへ、の7つです。最後まで来たら、次の業務でまた最初の段階から繰り返します。

段階の名前のうち、アダプションは新しい業務のやり方を現場に定着させること、スコープはプロジェクトで扱う業務の範囲のことです。To-Beは、求める業務の姿を指します。表の「例外」は、決まった手順どおりに処理できないケースのことで、たとえば請求書に発注番号が書かれていない、といったものがこれにあたります。表の「画面設計・UX設計」は、現場が使う画面や操作の流れの設計のことです。

7つを並べると、ほぼAIに任せられるのは、設計・構築のうちの作る作業と、後半の改善です。人が担う仕事は、作る作業の前と後に集まっています。全体像を先に持っておけば、作り終えた時点で次に何をするかが決まっているので、「試して終わり」になりにくくなります。

作るのはAI、推進担当の仕事は前と後に寄る

業務の仕組みをAIで作れるようになって変わったのは、作るのも直すのも安くなったことです。作る作業（構築）は、推進担当が自分でAIに指示して作る場合も、ベンダー（開発・導入を請け負う外部の会社）がAIで作る場合も、ほぼ自動化されます。

推進担当が自分で作るときは、バイブコーディングと呼ばれるやり方が中心になります。バイブコーディングは、AIに自然な言葉で指示して、ソフトウェアを作ってもらうやり方です。従来の作り方より、むしろ速く作れます。作った後は、評価やテストをしながら直していきます。

作るコストが高かった頃は、作り直しを避けるために、事前に細部まで決めてから一発で作りたくなりました。手直しが安くなった今は、まず作り、評価しながら直すことができます。細部は作りながら決めてよいので、作る前に決めるべきことは大枠に絞れます。

そのぶん、推進担当の仕事は、作る前と作った後に集まります。作る前の仕事は、何を作るかを決めることです。作った後の仕事は、作ったものを確かめ、現場に定着させ、次の業務へ広げることです。

設計・構築の段階では、作る作業の手前で、どう作るか（How）を決める設計も行います。処理の順序を決めておくか、AIに任せるか、例外をどう見分けて人に回すかといった仕組みです。実際には、現場が使う画面や操作の流れを決める画面設計・UX設計も、ここで行います。設計はベンダーか作る人が担い、大枠を決めれば、細部はAIで詰めながら作れます。

社内の推進担当は、業務と現場を知っていて、現場に直接話を聞けます。作る前と作った後の仕事は、どちらもこの強みが生きる仕事です。

作る前：何を実現し、何を満たすべきかを決める

作る前の段階は要求定義と要件定義の2つで、何を作るかはここでほぼ決まります。

要求定義は、何を実現したいかを決める段階です。今の業務の姿（As-Is）を把握し、何に困っているか（課題）と、何のために変えるか（目的）を確かめます。

例として、取引先から届く請求書を、発注の記録と突き合わせる業務を考えます。この段階で現場に聞き取りをするのは、人の仕事です。聞いた内容を整理して業務フロー図（誰が何をどの順で行い、何を受け渡すかを描いた図）にするのは、AIに任せられます。

要件定義は、要求定義で決めたことを満たすために、業務とシステムが何を満たすべきかを確定させる段階です。業務としてのTo-Beを決める業務要件と、AIのシステムが満たすべきことを決めるシステム要件があります。

業務要件では、To-Beを業務の言葉で決めます。請求書の例なら、「金額と品目の突き合わせはAIが行い、合わないものだけ経理の担当者が確かめる」がTo-Beの一例です。To-Beを描くことと、例外に業務としてどう対応するかを決めることは、人が担います。発注番号の書かれていない請求書が届いたときに誰が何を確かめるかは、業務として人が決めることです。

システム要件では、AIのシステムが何を判定し、何を人に回し、どの精度・速さで動くかを決めます。請求書の例なら、発注番号の無い請求書は突き合わせずに、必ず経理の担当者の確認に回す、といったことです。これも人が決めます。システムがそれをどう見つけて回すかの仕組みは、その次の設計で決めます。

要求定義と、要件定義の業務要件までがそろえば、構築の前に、作る価値があるかをROI（投資に対してどれだけ効果が返るか。投資対効果）である程度見積もれます。

要求定義と要件定義の分け方と決め方、設計で決めることは、第4回（要求定義と要件定義の違い：AI導入で何を作るかの決め方）で扱います。業務フローの整理と、データの棚卸し（どこにどんなデータがあるかの洗い出し）、ROIの出し方は、第5回で扱います。

作った後①：何をどこまで確かめるかは、人が決める

評価・品質担保は、作ったものが本番の運用に耐えるかを確かめる段階です。AIの出す結果には、従来のプログラムのように機械的には決まらない部分があるため、精度（どれだけ正しく処理できるか）を必ず見ます。そのうえで、AIならではの難しさが2つあります。

1つ目は、入力の自由度が大きいことです。AIは人がふだん使う言葉で入力を受け付けるので、使い方を絞らなければ、入力は実質的に無限になります。社内の問い合わせに答えるAIなら、「経費の締め日はいつですか」とも「今月の精算っていつまでに出せばいい？」とも聞かれます。「この場合どう動くか」を確かめる幅が、それだけ広くなります。

2つ目は、挙動の揺れ、つまり同じ入力でも毎回同じには動かないことです。AIは答えを出すたびに推論（入力を受けて答えを組み立てる処理）を挟むためです。1回試してうまくいっても、次も同じ答えが出るとは限りません。

そこで、どんな入力に対してどう動くことまで確かめたか、つまり本番で「何が保証されているか」を洗い出します。問い合わせのAIなら、「締め日の聞き方を20通り用意し、それぞれ5回ずつ聞いて、すべて正しい日付を答えた」が、確かめたことの1つです。

ただし、確かめすぎるのもコストです。評価の要は、何をどこまで確かめるかを決めることです。テストを回す作業はAIで自動化できますが、どこまで、どれだけのコストをかけて確かめるかの設計は、AIに全部任せてもまだうまくいきません。

ベンダーに頼む場合も、何を確かめたかを推進担当が説明できる状態にしておきます。AIのミスをどう数え、どこまで許すかは、第6回（AIのミスはどこまで許容するか：精度の測り方とリスクの決め方）で扱います。

作った後②：アダプションは自動化できない

アダプションは、現場の人に新しい業務のやり方で働いてもらう段階で、AIでは自動化できません。中身は、マニュアル作り、利用者向けの研修、使い始めた後の問い合わせへの対応などです。どれもAIに限らず、新しいシステムを入れるとき全般に要る仕事です。

新しい業務フローや新しいシステムで働くことは、現場にとって負担が大きいものです。推進担当は「現場は業務を効率化なんてしたくない」という前提に立ち、コミュニケーションを含めて丁寧に進めます。

AIを使えば、10〜20ページの詳しいマニュアルもすぐに作れます。しかし、人がそれを読んで、その通りに動くとは限りません。現場に定着させるには、正しい情報を渡すことが最低条件ですが、それだけでは足りません。

どこまでフォローするかは、次の4つを合わせて決めます。

• 会社の状況
• カルチャー（社風）
• 人のリテラシー（ITやAIを使いこなす力）
• 現場の温度感（現場がどれだけ新しいやり方をやりたいと思っているか）

現場がITに慣れていて新しいやり方に前向きなら、マニュアルを配るだけで足りることもあります。慣れていない人が多く、乗り気でもない現場なら、説明会を開き、隣で一緒に操作するところまで要ります。

正解は会社ごとに違い、どこまでフォローするかをAIに決めさせることはできません。社内の推進担当は自社の状況や現場の空気を肌で知っているので、ここで強みが生きます。現場の巻き込み方の具体は、第8回（AXが進まない会社で、上と現場を動かして社内合意をつくる方法）で扱います。

作った後③：改善は、直し続けずに寝かせて直す

改善は、計測しながら直す段階です。ログや成果物を推進担当が見られて、中で何が起きているかが分かる環境なら、改善もほぼ自動化できます。現場からのフィードバック、エラーが起きたときの記録、実際に出てきた成果物、どう直したいかをAIに渡せば、AIが直します。作るときと同じやり方です。

ただし、運用しながら改善し続けるのは、実はとても大変です。改善を続けると業務がいつまでも安定せず、先月覚えた手順が今月はもう違う、ということが続きます。毎日その仕組みで働く現場にとって、これは大きなストレスになります。

そこで、最初の2か月ほどは運用しながら直し、一度落ち着いたら、そこから半年〜1年は寝かせます。寝かせるとは、手を加えずにそのまま使い続けることです。期間は経験上の目安で、短くても半年、基本は1年寝かせてかまいません。運用の負荷の面でも、半年〜1年がちょうどいい長さです。

寝かせている間にも、AIの技術は進みます。1年経つと精度が上がったり、それまでできなかったことができるようになったりします。寝かせた後は、その新しい技術を使って直します。改善し続けるのではなく、寝かせてから直すことを繰り返すのが、改善の進め方です。

寝かせている間に進んだ技術をどう取り込むかは、何の上に作るか、つまり自社で一から作るか、既製のサービスの上に作るかで変わります。これは、第7回（AI導入の費用相場と予算の取り方、ベンダーの選び方）で扱います。

最終的には、改善をベンダーに頼むのではなく、自社でできるようにしていきます。プラットフォーム（AIの機能を提供し、その上に自社用の仕組みを作れる既製のクラウドサービス）の上で作る力を、社内で上げていくということです。この話は、社員が新しい仕事に必要な技能を身につけ直すこと（リスキリング）につながります。リスキリングは、第9回（AIで人を減らさずに成果を出す、リソースシフトとリスキリングの考え方）で扱います。

次のスコープ：どこまで広げられるかは、現場の満足度で決まる

1つの業務でうまくいったら、次の業務に広げます。次のスコープへ進む段階は、完全に人の仕事です。

どこまで広げられるかを決めるのは、現場の満足度、つまり人の感情です。現場が「いいね」となれば、「あれもこれも」と声が上がり、一気に広がります。経費精算のチェックなら、請求書の確認や出張申請の確認にも使いたい、という声が出てきます。現場の評価が今ひとつなら、隣の似た業務へ小さく広げて、もう一度試すくらいしかできません。

次の業務も、中期経営計画に効く所から選ぶ

どこまで広げられるかとは別に、どの業務へ広げるかは、中期経営計画（数年先までの経営の目標と施策をまとめた計画）に効くかで選びます。最初の業務を選んだときと同じ基準です。経営課題にダイレクトにつなぎに行く、つまり経営課題の解決に直接効く業務から順に広げます。最初の業務の選び方は、第2回（AX推進の体制づくりと、推進担当が着任して最初にやること）で扱いました。

中期経営計画があるなら、それをもとにベンダーと議論し、計画にいちばんピンポイントで効く業務を次に選びます。ただし、レガシーシステム（長年使ってきた古い基幹システム）を変えるのはコストが大きいので、中期経営計画に効くかだけでは選べません。量・判断基準・データ・持ち方の4つの物差し（第5回）も合わせて見ます。

このシリーズの地図：各段階を詳しく扱う回

このシリーズは、ここまでの7つの段階に沿って進みます。第1回（生成AIを全社員に配っても使われない理由と、利用率を上げる進め方）では、AIを使ってもらうには業務に組み込むしかない、という結論を出しました。第2回（AX推進の体制づくりと、推進担当が着任して最初にやること）では、その組み込みを進める体制と、どの業務から始めるかを扱いました。

この第3回は、業務に組み込むプロジェクトの全体像です。第4回からは、次の表のとおり、段階ごとに詳しく扱います。

推進担当が押さえる要点

• AI導入は、要求定義から次のスコープまでの7つの段階を繰り返すプロジェクト
• 作るのはほぼAIに任せられる。推進担当の仕事は、作る前と作った後に寄る
• To-Be、例外への対応、何をどこまで確かめるかは、人が決める
• アダプションは自動化できない。「現場は業務を効率化なんてしたくない」を前提に、どこまでフォローするかを決める
• 改善は最初の2か月ほどで落ち着かせ、半年〜1年寝かせてから、進んだAIの技術で直す
• どこまで広げられるかは現場の満足度で決まる。次に広げる業務も、中期経営計画に効く所から選ぶ

まとめ：全体像を先に持ち、段階を回し続ける

AI導入は、要求定義から次のスコープまでの7つの段階を繰り返すプロジェクトです。作るのと直すのが安くなり、構築はほぼAIに任せられるようになりました。そのぶん推進担当の仕事は、作る前に何を作るかを決めることと、作った後に確かめ、現場に定着させ、次の業務へ広げることに寄ります。

作った後の段階では、何をどこまで確かめるかを人が決め、アダプションは現場の状況に合わせて丁寧に進めます。改善は直し続けずに寝かせ、進んだAIの技術で直します。次にどこまで広げられるかは現場の満足度で決まり、どの業務を選ぶかは中期経営計画に効くかで決めます。

試す前からこの全体像を段取りに入れておけば、作ったものが業務に入らないまま残る「試して終わり」を防ぎやすくなります。

次回の第4回（要求定義と要件定義の違い：AI導入で何を作るかの決め方）では、作る前の段階を扱います。何を実現したいかを決める要求定義と、業務とシステムが何を満たすべきかを確定させる要件定義です。どう作るかを決める設計との分け方も扱います。

シリーズの目次

• AXとは？DXとの違いと、AIを前提に業務を組み直す考え方 〜AX推進入門 第0回〜
• 生成AIを全社員に配っても使われない理由と、利用率を上げる進め方 〜AX推進入門 第1回〜
• AX推進の体制づくりと、推進担当が着任して最初にやること 〜AX推進入門 第2回〜
• AI導入の進め方：7つのステップと、人とAIの分担 〜AX推進入門 第3回〜（この記事）
• 要求定義と要件定義の違い：AI導入で何を作るかの決め方 〜AX推進入門 第4回〜
• 業務フローの作り方と、AI導入のROIの出し方 〜AX推進入門 第5回〜
• AIのミスはどこまで許容するか：精度の測り方とリスクの決め方 〜AX推進入門 第6回〜
• AI導入の費用相場と予算の取り方、ベンダーの選び方 〜AX推進入門 第7回〜
• AXが進まない会社で、上と現場を動かして社内合意をつくる方法 〜AX推進入門 第8回〜
• AIで人を減らさずに成果を出す、リソースシフトとリスキリングの考え方 〜AX推進入門 第9回〜

関連記事

• 要求定義と要件定義の違い：AI導入で何を作るかの決め方 〜AX推進入門 第4回〜：この記事の「作る前」の段階を詳しく扱います
• AIのミスはどこまで許容するか：精度の測り方とリスクの決め方 〜AX推進入門 第6回〜：評価・品質担保で、AIのミスをどう数え、どこまで許すかを扱います
• AXが進まない会社で、上と現場を動かして社内合意をつくる方法 〜AX推進入門 第8回〜：アダプションで現場をどう巻き込むかを扱います
• AIで作ったアプリは誰が直す？パッチが追いつかない時代の保守運用：AIで作った仕組みを、作った後にどう直し続けるかを扱います

Askhubについて

Askhubは、日本の中堅・大企業がAIに業務を任せるための基盤です。業務の型（オントロジー）でAIに許す操作を定め、承認と判断ログで任せる範囲を広げながら、国産の基幹システムまで書き込めるようにします。導入はコンサルタントが伴走します。

この記事の言葉で言えば、Askhubは、ログや成果物が推進担当から見える状態で自社用の仕組みを作り、直していけるプラットフォームにあたります。

※Askhubのサービスに関する記載は、2026年11月時点の情報です。

関連するページ：製品の全体像、伴走支援

自社のAI導入を、どの段階から進めればよいか相談したい方は、お問い合わせからご連絡ください。