昨日、私が会長を務めさせていただいてる北九州生成AI研究会の定例会がありました。そこで、生成AIの業務活用について少し話をしました。
今回お話しした内容は、まだ自分の中でも整理中なのですが、今後の生成AI活用、とくに中小企業の現場におけるAI活用を考える上で重要な視点になると思っているので、どのような話だったかをメモとして残しておきます。
大きなテーマは、生成AIを個人の単なる便利ツールではなく、業務のIT化、データ整備、現場知の形式知化、そして組織変革につなげていくという話です。このブログで最近書いている組織としてのAI活用の価値をどう出すかにつながっています。
業務を「頻度」と「定型性」で整理する
最初に示したのは、業務を「頻度」と「定型性」の2軸で整理する図です。まだOneNoteに書き付けた手書きの図ですが、こんな感じ。この整理は、仮に「業務AI化マトリクス」と呼んでみても良いかもしれません。
ここでいう定型性（図では定例、定常性になっています）とは、「同じことを、同じ手順で行っているか」ということです。頻度が高く、定型性も高い業務は、従来からIT化しやすい領域でした。繰り返し発生し、手順も決まっているため、システム化による効果が出やすいからです。
一方で、定型性は高いものの頻度が低い業務は、本来はシステムとしてIT化できるにもかかわらず、これまでは開発コストが見合わず、IT化されにくい領域でした。しかし、生成AIを活用したバイブコーディングによって開発コストが下がると、これまで費用対効果の面で見送られていた小さな定型業務にも、IT化の可能性が出てきます。
さらに、AIを組み込むことで、従来の条件分岐とループを中心としたシステムよりも、文脈や表現の揺れなどに対応できる柔軟な仕組みを作ることができる可能性が広がります。
このあたりを、図では上部の三角形の領域として示しました。
業務へのAI導入をどう考えるか
その上で、IT化・システム化できる領域とは別に、AI活用の形をA～Cの領域として整理しました。
A領域は、業務システムの中にAIを組み込む領域です。PythonやDifyなどでカスタムエージェントを作成するようなことが挙げられます。もともとIT化しやすい領域の延長線上にありますし、既にIT化されている業務にAIを組み込んで柔軟性を増すという話は先ほど書いたとおりです。
B領域は、A領域よりも頻度が低いためMyGPTsやGemのような汎用AIチャットを業務向けにカスタムして使うことが考えられます。A領域では開発が前提だったところが、B領域はもう少し軽く進めた方が良いだろうということです。
C領域は、より非定型で、個人や組織の試行錯誤、学習をAIが支援する領域です。その中でも頻度の高いC1領域は、AIの活用方法を組織で共有するなどが重要になってきます。一方、頻度の低いC2領域は個人のAI活用スキルが問われるため、スキルアップ教育などが必要になるでしょう。
土台にあるのはデータ整備
このマトリクスの土台にあるのは、データ整備です。組織でAIを活用するには、AIが参照できる正しい情報が必要になります。
例えば、ファイルベースであれば、フォルダ構成を整える、ファイルの命名ルールを決める、最新版が分かるようにする、古いデータや重複データを整理する、といったことが必要です。
一方で、顧客情報、案件情報、問い合わせ履歴、作業記録などは、ファイル管理ではなく、データベース化や業務システム化していく方向もあります。
つまり、AI活用の前には、地味ではありますが、組織の情報をきちんと整える作業が必要です。
形式知化されていない現場知をどう扱うか
但し、組織にとって重要な知識は、そもそもファイルやデータベースになっていないこともあるでしょう。ベテランの判断、現場の勘所、顧客対応のコツ、改善の工夫、暗黙の段取りなどは、人の中に蓄積されていることが多いものです。
ここで、SECIモデルが使えるのではないかと考えています。SECIモデルでは、個人や現場にある暗黙知を、対話や実践、言語化、組み合わせを通じて、組織の知識へと変えていくプロセスを考えます。
生成AIはこの中でも特に、暗黙知を形式知にする「表出化」や、複数の情報を組み合わせる「連結化」を支援できるのではないかと思いますし、一方で、表出化によって形式知となった知識は生成AIにとってのナレッジとしても活用できます。そうした相乗効果があるのです。
現場知、AI活用知、組織変革へ
今回の話では、AI活用を3つの視点で捉えました。
1つ目は現場知です。現場にある技能、改善、顧客対応の知恵を、AIを使って形式知化し、組織知に変えていく視点です。また、形式知化できればAIのナレッジにもなるというのは、先ほど書いたとおりです。
2つ目はAI活用知です。プロンプト、ユースケース、AIツールの使い方、上手くいった事例、失敗した事例を組織内で共有し、改善していく視点です。
3つ目は組織変革です。AIを使う前提で、業務プロセスや役割分担、意思決定のあり方を見直していく視点です。
生成AIの活用は、単にツールを導入する話ではありません。業務を整理し、データを整え、現場知を形式知化し、AI活用の知見を組織で蓄積し、最終的には組織変革につなげていく取り組みだと考えています。
今回の研究会では、そのような問題意識を共有しました。まだ、整理の途中ではありますが、今後の中小企業支援やITコーディネータとしての活動、さらにはK2BSでの学びの中で、この考え方をさらに深めていきたいと思います。
