既存の業務プロセスを変えずにAIを追加すると、不要な作業や引き継ぎまで自動化して固定してしまう。 個々の作業時間が短くなっても、承認待ち、部署間の引き継ぎ、例外処理、情報探索が残れば、組織全体の成果はほとんど変わらない。 AI導入を道具の配布ではなく業務プロセスの再設計として扱う理由はここにある。
再設計は、文書に書かれた正常系だけを対象にしない。 例外の発生率、前後の業務との関係、記録の正本となるシステム、地域や子会社による差、実作業時間と経過時間の差を調べる。 システムの履歴から実態を測るプロセスマイニングと、例外を処理している現場担当者への聞き取りを組み合わせることで、文書と実務のずれを捉えられる。
業務の実態を把握した後は、各工程に適した実行主体を選ぶ。 条件と結果を明確に定義できる工程は通常のソフトウェアで処理し、過去の判断例が多く誤りの危険を許容できる工程はAIエージェントに任せる。 誤りによる損失が大きい工程では、人間が決定し、AIエージェントは判断材料の収集と整理を担う。 この分担によって、生成AIを使う必要のない処理へ費用と不確実性を持ち込まずに済む。
構築前には、費用、売上、所要時間、危険に関する現在値を測る。 導入後も同じ方法で測定しなければ、「作業が速くなった」ことと「業務の成果が改善した」ことを区別できない。 着手順も処理件数だけで決めず、待ちと引き継ぎが全体を止めている業務を優先する。
ただし、「個々の作業を速くしても意味がない」がすべての業務に当てはまるわけではない。 実作業そのものが所要時間を支配する業務では、作業支援や人員配置も処理能力を左右する。 どこを再設計し、どこを支援するかは、業務改善は所要時間を実作業と待ちに分解してから設計するという判断から決める。
この記事はAI変革サービスを提供する企業の最高経営責任者が書いたもので、導入成果や手法の普遍性は著者側の主張である。 それでも、AIを導入する前に業務を測り、不要な工程を除き、各工程の実行主体を選び直すという順序は利用できる。