AIは使い始めた。それでも、業務の成果につながらない。
生成AIのアカウントは配った。使い方の研修も行った。試している人もいる。それでも、業務の成果としては何も変わっていない。
「便利です」という声は上がる。実際に時間が減ったのか、何がどう変わったのかは、誰も説明できない。次に何をすればよいかも決まらないまま、話題だけが先に進んでいく。
よくある対処
こうした状況に対して、よく行われるのは次のような対応です。
- より高性能なモデルへ切り替える
- 全社向けの研修を増やす
- 活用事例を社内で共有する
- 利用率を測定して促す
- 専任の推進担当を置く
どれも必要な取り組みです。ただ、使う人を増やしても、業務の成果が動かないことがあります。
それでも解消しない理由
問題は、ツールの性能や社員の習熟だけとは限りません。
どの業務の、どの工程を、どう変えるのかが決まっていない可能性があります。AIを使うこと自体が目的になっていると、個人が手元の作業を少し速くするところで止まります。
その結果、便利だという実感は残っても、業務の流れは以前のままです。何が改善されたのかを説明できないため、次にどこへ広げるかも決まりません。
見直すべき構造
ここで確認したいのは、次のような問いです。
- どの業務を対象にしているのか
- その業務のどの工程に時間がかかっているのか
- AIが担うのは、その工程のどの部分か
- 何がどうなれば、成果が出たと言えるのか
- その結果は、誰がどう確認するのか
これらが決まっていないと、利用者が増えても、業務の成果として何が変わったかを示せません。
社内共有のための素材
相談すると何が整理されるか
Latentとの相談では、まず対象とする業務と、その工程を実際の仕事に沿って確認します。そのうえで、AIが担う範囲、人が判断する範囲、成果をどう測るかを整理します。
AIの使い方を広めるための整理ではありません。業務のどこが変わったかを説明できる状態をつくるための整理です。
関連するProblem
同じようにAIが成果につながらないと感じる場合でも、対象業務そのものが整理されていないのか、導入を進める取り組み自体が停滞しているのかによって、見るべき構造は変わります。
現在の状況を伺い、どこから整理するかを一緒に確認します。どの記事が近いか分からなくても、課題や依頼内容が明確でなくても問題ありません。