AIで文章を生成できた。分析の要約もできた。しかし、誰がいつ使い、どの結果なら採用し、誤りがあればどこへ戻すかが決まっていなければ、業務にはなりません。
「最後に人が確認する」とだけ決めると、確認者へ責任と作業が集中します。品質基準がないため、AIを使わない方が速い状態にもなります。
AIを組み込む業務フローでは、生成工程だけでなく、入力、権限、合格基準、人の判断、例外、記録、改善までを一つの流れとして設計します。
まず業務をAI・ルール・人へ分ける
担当 | 向いている仕事 | 注意 |
|---|---|---|
AI | 下書き、分類候補、要約、パターン抽出 | 誤り・揺れ・根拠不足 |
ルール | 必須項目、形式、禁止条件、閾値 | 想定外に弱い |
人 | 目的判断、例外、倫理・法令、最終責任 | 工数と属人化 |
AIへ工程全体を渡すのではなく、入力と出力が説明できる単位へ切ります。
AI業務フローの10項目
1. 業務目的
時間短縮ではなく、誰のどの判断や作業を改善するかを書きます。
2. 開始条件
どのイベントで始まり、何がそろっていれば実行できるかを決めます。
3. 入力データ
出所、更新日、機密区分、利用権限、欠損の扱いを記します。個人情報や契約上の制約を確認します。
外部AIサービスを使う場合は、提供者、契約プラン、入力データの学習利用有無、保存地域、保持・削除、再委託先を確認します。入力前に不要な氏名・識別子・機密情報を削除または匿名化します。
4. AIへ任せる範囲
候補生成、構造化、比較、要約など、AIが行う変換を限定します。
5. 指示と参照情報
目的、対象、禁止事項、出力形式、良い例をそろえます。モデルへ渡してよい情報だけを使います。
6. 機械チェック
文字数、必須項目、形式、禁止語、数値整合など、ルールで判定できる項目を先に確認します。
7. 人の判断
何を見て合格・修正・破棄するかを定義します。「違和感がない」ではなく基準を置きます。
8. 例外と停止条件
機密情報、根拠不明、重大な表現、システム障害、品質低下時に、誰が止めるかを決めます。
9. 出力と記録
採用版、修正理由、入力、モデル・設定、日時、責任者を必要な範囲で残します。
10. 改善サイクル
繰り返す修正を、指示、参照情報、ルール、業務自体のどこへ戻すかを決めます。
コピーして使えるフローシート
業務名・目的:
開始条件:
入力 / 出所 / 機密区分:
提供者 / 契約プラン / 学習利用:
保存地域 / 保持・削除 / 再委託:
入力前の匿名化・機密削除:
AIへ任せる範囲:
使用する指示・参照:
自動チェック:
人が確認する項目:
合格 / 修正 / 破棄の条件:
例外・停止・相談先:
出力・保存先:
ログとして残すもの:
ログの最小化 / アクセス権 / 保存期限:
モデル・設定変更時の回帰テスト:
停止条件 / 旧フローへのロールバック:
見直し頻度・責任者:
人の確認を減らす順番
人の確認をゼロにすることを最初の目標にしません。
- AI出力で起きる失敗を記録する
- 形式的な失敗を機械チェックへ移す
- 頻出修正を指示や参照情報へ戻す
- 低リスク範囲だけ抜き取り確認へ変える
- 重大リスクは引き続き人が確認する
確認工数と事故率の両方を見て、段階的に変えます。
リスク別に運用を変える
低リスク
社内アイデア、非公開の構成案など。採用前の簡易確認とログを置きます。
中リスク
顧客向け下書き、分析要約、分類など。根拠確認、サンプル監査、承認を置きます。
高リスク
法令、医療・金融判断、契約、個人情報、公開数値など。専門家確認、利用制限、停止条件を明確にします。AI出力だけで決定しません。
品質評価を「正しさ」だけにしない
- 必須情報の充足
- 事実・数値・引用の追跡可能性
- 対象者への適合
- 禁止条件の遵守
- 人の修正時間
- 再実行率
- 重大エラー率
- 業務全体の所要時間
生成時間が短くても、確認と修正を含む総時間が増えていれば改善ではありません。
よくある失敗
- ツール利用だけを標準化し、業務の開始・完了がない
- すべてを自由文プロンプトへ入れ、入力品質が揺れる
- 「人が確認」で責任と基準を曖昧にする
- 採用結果だけを残し、失敗と修正理由を捨てる
- モデル変更後も同じ品質だと仮定する
- 機密情報・個人情報の入力条件を決めない
- 入力原文をログへ複製し、保存期限と閲覧権限を決めない
- 品質低下時に停止・旧フローへ戻す方法がない
まとめ:AIの前後を設計して、初めて業務になる
AI業務フローでは、目的、開始、入力、AI範囲、自動チェック、人の判断、例外、記録、改善をつなぎます。
最初は一つの低リスク業務を選び、直近5件の入力と修正を記録してください。繰り返す修正が、次にルール化する対象です。
AI導入の業務設計と研修を相談したい場合は、Kizashi AI Implementationまたはお問い合わせをご覧ください。