この記事で分かること
- AI導入を始める前に整理する業務課題と目的
- 利用者、データ、既存システムを確認する方法
- 開発会社への相談、PoC、要件定義を進める順番
- 本番化の判断と導入後の改善を準備するポイント
AIシステム開発は課題の棚卸しから始める
「生成AIを使いたい」という希望は出発点になりますが、そのままでは作るべき機能が決まりません。問い合わせの回答案、社内文書の検索、報告書の下書き、データの分類など、困っている作業を一つ選びます。担当者が何を入力し、どの結果を確認し、何を完了するのかを書き出してください。
課題は、発生頻度と影響の大きさで並べます。毎日発生するが確認が容易な作業と、月に数回でも間違えると大きな損失になる作業では、必要な精度や承認方法が違います。AIを使わずに既存のExcelやAccessを改善する選択肢も含めて比較します。
| ステップ | すること | 残すもの |
|---|---|---|
| 1 課題整理 | 困っている作業と成果を言語化 | 課題一覧、優先順位 |
| 2 現状確認 | 業務、利用者、データ、システムを調査 | 現行フロー、資料一覧 |
| 3 相談 | 実現方法と依頼範囲を話す | 質問事項、候補案 |
| 4 検証設計 | 小さく試す範囲と合格条件を決める | テストケース、KPI |
| 5 PoC | 実データに近い条件で検証 | 結果、残課題、費用 |
| 6 本開発判断 | 機能、予算、体制、時期を承認 | 要件、計画、見積もり |
| 7 導入・改善 | 利用状況を見て運用を整える | 手順、評価記録、改善計画 |
ステップ1：解決したい業務と成果を決める
作業時間と件数を測る
課題を説明するには、担当者の感覚だけでなく、件数、所要時間、担当人数、発生頻度を整理します。例えば、月に五百件の問い合わせへ一件五分かけているなら、検索や回答案の作成が改善候補になります。数値は仮定でも構いませんが、後で実測値へ置き換える前提を明記します。
削減したい時間と、最終的に減らしたい現金支出は分けます。AIで下書きが早くなっても、担当者が確認する時間は残るかもしれません。空いた時間を別業務へ振り向ける効果と、外注費が減る効果を混ぜないことが、社内説明では重要です。
AIへ任せる範囲を決める
業務の全自動化を最初の目標にすると、精度、権限、例外処理が複雑になります。最初は検索結果の提示、分類、要約、回答案の作成など、人が確認できる範囲から始める方法があります。発注や顧客送信など影響が大きい操作は、承認を挟む構成を検討します。
ステップ2：利用者とデータを確認する
利用者が誰かによって、必要な画面と権限が変わります。一般社員、管理者、顧客、社外の取引先が同じ情報を見られるとは限りません。利用端末、社内ネットワーク、ログイン方法、利用人数、利用時間も整理します。
データは種類、場所、形式、件数、更新者、最新版の判定方法を一覧にします。Excel、Access、PDF、CSV、データベースがある場合、最初に使う資料を絞ります。個人情報や営業秘密が含まれるなら、外部サービスへ送信する範囲と保存方法を確認します。
サンプルは正常なものだけにしない
検証用には、代表的なデータと処理しにくいデータを用意します。表が複雑なPDF、古い版、空欄、誤字、重複、例外的な問い合わせを含めると、導入後の問題を早く見つけられます。実データを共有できない場合は匿名化し、何が置き換わっているかを開発会社へ説明します。
ステップ3：開発会社へ相談する
相談時は、完成した仕様書を用意しなくても構いません。課題、現行の作業、利用者、データのサンプル、希望時期、予算の考え方を伝えます。マクティズムのAI開発サービスでも、具体的な仕様が決まっていない段階から、業務課題や必要なデータを整理する相談に対応すると案内されています。
複数社へ相談するなら、同じ資料と同じ質問を渡します。AIの方式だけでなく、要件整理、画面、既存システム連携、テスト、導入後の保守をどこまで含むかをそろえて確認します。説明が分かりやすく、できない条件も伝えられる会社は、後の調整を進めやすい傾向があります。
ステップ4：小さな検証の計画を立てる
PoCは、AIが動くかだけを見る工程ではありません。本番開発へ進む価値があるかを判断するために、不確かな点を減らします。対象業務、データ、利用者、期間、成果物、評価者、合格条件を一枚にまとめます。
| 検証項目 | 確認例 | 判断に使う指標 |
|---|---|---|
| 品質 | 期待した回答や分類になるか | 正解率、要修正率、根拠の有無 |
| 業務適合 | 担当者が作業を完了できるか | 一件あたり時間、利用者評価 |
| 運用 | 資料更新や例外処理ができるか | 再処理時間、問い合わせ数 |
| 費用 | 利用量に応じた支出を見積もれるか | 一件あたり費用、月額 |
| 安全性 | 権限外の情報が出ないか | 漏えいなし、ログ確認 |
評価結果が合格に届かなかった場合の選択肢も事前に決めます。データを整理する、対象業務を変える、方式を見直す、追加検証をする、開発を中止するという判断があります。失敗を隠すのではなく、何が成立しなかったかを残すことがPoCの成果です。
ステップ5：要件定義と見積もりを確定する
検証結果をもとに、本番で必要な機能と対象範囲を決めます。画面、ログイン、権限、データ更新、AI処理、エラー、監視、バックアップ、連携、通知を一覧化します。AIの回答を人が編集して確定するのか、一定条件で自動処理するのかも明記します。
見積もりは総額だけでなく、作業範囲と対象外を確認します。データ整備、移行、テスト、教育、クラウドやAPIの利用料、保守、機能追加の扱いを分けます。仕様変更時の追加費用と納期変更の条件も、契約前に質問してください。
ステップ6：社内承認と導入準備を進める
社内稟議では、現在の負担、対象業務、期待成果、初期費用、運用費、社内工数、導入時期を整理します。PoCだけの予算と、本番化した場合の概算を併記すると、検証後に判断材料が不足しにくくなります。
導入前には、利用者の登録、権限設定、データ移行、手順書、問い合わせ窓口、障害時の代替手段を決めます。現場が使う時間帯に合わせて説明会や試用期間を置き、操作上の疑問を集めます。AIが便利でも、業務フローに組み込まれなければ利用は定着しません。
ステップ7：利用状況を見て改善する
リリース後は、利用回数、処理時間、回答の評価、修正率、エラー、API費用、問い合わせ内容を確認します。精度が低いときも、すぐモデルを変更するのではなく、参照資料の古さ、文書分割、権限、プロンプト、画面、利用方法を調べます。
月次や四半期ごとに改善項目を決めます。優先順位は、業務への影響、発生件数、対応費用、リスクで整理します。データを更新する責任者と、改善を承認する責任者が同じとは限らないため、運用体制を見直します。
AIシステム開発を始める前のチェックリスト
- 対象業務と困っている作業を一つに絞った
- 現在の件数、時間、利用者を把握した
- データの場所、形式、更新者、権限を確認した
- AIが行う処理と人が確認する処理を分けた
- PoCの目的、評価者、合格条件、終了条件を決めた
- 開発会社へ同じ条件で相談できる資料を作った
- 初期費用、月額費用、社内工数を分けて考えた
- 導入後の保守、データ更新、改善担当を決めた
相談先を選ぶときに確認すること
開発会社へ相談するときは、AIのデモだけで決めないようにします。自社の業務に近い課題を理解し、データや既存システムの制約を質問してくれるかを確認します。できることだけでなく、できない条件や追加で調べる項目を説明できる会社なら、要件を現実的に調整しやすくなります。
提案書では、目的、対象範囲、利用者、データ、採用する方式、画面、連携、テスト、導入後の保守を確認します。金額と納期が書かれていても、対象外の作業が多いと比較できません。PoCの成果物が本番へどこまで再利用できるか、仕様変更時の扱いも質問してください。
| 質問 | 確認したい答え |
|---|---|
| 最初に何を調べますか | 業務、データ、利用者、既存システムの確認内容 |
| 何を成果物にしますか | 要件、試作、評価結果、手順書などの範囲 |
| 現場が合否を判断できますか | 評価者、テストケース、改善方法 |
| 導入後は誰が対応しますか | 障害、データ更新、精度改善、問い合わせの窓口 |
一社に決める前に、社内の業務責任者と情報システム担当者が同じ提案内容を確認します。導入担当者だけでなく、運用を引き継ぐ人の意見も入れると、リリース後に使えない機能を作るリスクを減らせます。
また、開発期間だけでなく、発注側が確認する期間も予定に入れます。資料の準備、回答の評価、画面の確認、利用者テストが遅れると、開発会社の作業だけでは納期を守れません。社内の決定者が不在になる時期を共有し、各工程の確認期限を決めます。
予算は初期開発費だけでなく、AI API、クラウド、保存領域、保守、改善、社内の確認工数を分けて考えます。安く試すことを優先しすぎると、必要なテストや権限設計が後回しになるため、業務に必要な条件を満たしたうえで対象機能を絞ります。
七つのステップは順番どおりに一度で完了するものではありません。検証でデータの問題が分かったら課題整理へ戻り、利用者の意見で画面要件を見直すことがあります。変更理由と判断者を記録しておけば、社内への説明も容易になります。
重要なのは、各段階で次に進む条件を決めることです。目的、評価、費用、体制がそろわなければ、急いで本開発へ進まず、追加調査や範囲の見直しを行います。判断を先送りにせず、次回までの宿題を担当者に割り当てます。記録を残して認識を合わせ、無理のない導入計画へつなげます。社内と開発会社の双方で確認できる資料にします。判断基準も共有します。後で見直せます。適宜確認します。
AIシステム開発の始め方に関するFAQ
AIで何ができるか決まっていなくても相談できますか？
相談できます。現在の業務、困っている作業、利用データを伝え、AI、既存システム改修、業務自動化などの候補を比較します。
PoCを必ず実施すべきですか？
不確かな点が多い場合に有効です。対象範囲が明確で既存方式を使える場合は、要件整理から本開発へ進める方法もあります。
最初から全社導入を目指してよいですか？
利用者やデータを限定したほうが、評価と改善を進めやすい場合があります。全社展開の条件は初期に共有し、検証範囲と分けて計画します。
相談時に機密データを渡して大丈夫ですか？
必要な範囲を確認し、匿名化したサンプルやアクセス制限を使います。保存場所、外部サービスへの送信、削除方法を契約や社内規程に沿って確認します。
AIの導入効果は何で測ればよいですか？
業務ごとに、処理時間、件数、修正率、回答までの時間、利用率などを選びます。AIの出力品質だけでなく、業務が完了したかを測定します。
AIシステム開発の最初の相談をする
マクティズムのAI開発サービスでは、要件が固まっていない段階から、業務課題や利用データを確認し、要件整理、設計、開発、導入、改善・保守までの進め方を相談できます。Excelや既存システムとの連携を含めて、対象業務に合う範囲を検討します。
相談前に、現在の業務フロー、困っている件数や時間、利用者、データのサンプル、希望時期を準備してください。未整理のメモからでも、最初に確認する項目と小さく試す範囲を整理できます。
まとめ｜最初の七つのステップで不確かさを減らす
AIシステム開発は、課題整理、現状確認、相談、検証設計、PoC、本開発判断、導入・改善の順に進めると、必要な作業を整理しやすくなります。データや利用者、権限、評価条件を早く確認し、AIに任せる範囲と人が判断する範囲を分けてください。
最初から大規模なシステムを決める必要はありません。業務上の成果が測れる小さな範囲から始め、結果を見て本番化や対象拡張を判断します。開発会社には、現状の困りごとと実現したい成果を共有し、現実的な進め方を一緒に整理しましょう。
