「AIを活用していこう」と会社の方針が決まり、担当を任された。

自分なりに調べてみるが、どこから手をつければいいのか決めきれないまま情報を集め続けている。やっとの思いでAIツールを導入してみたものの、社内で使われている実感がない。


そのまま数か月が過ぎていないでしょうか。

• 個人で使うぶんには便利なのに、業務が変わる実感がない
• 自社ならではのデータを、活用しきれていない
• 研修をしても、使いこなせる人が増えない
• 経営に報告できるような成果が、まだ出せていない

同じ「進まない」でも、原因は組織によって違います。

AIに任せる仕事が決まっていないのか、渡すデータが整っていないのか、つくったものが使われていないのか。どこで止まっているかによって、次にやるべきことも変わります。


この記事では、AI活用の進め方を3つのステップに分け、それぞれで多くの人がつまずきやすいところと、その先に進むための考え方を整理します。

AI活用は「決める・つくる・定着させる」の3ステップで進む

AI活用の進め方を分解すると、3つになります。


まず、どの業務の何をどこまでAIに任せるかを決める。次に、AIに渡す情報とルールを整え、業務に組み込む形でしくみをつくる。そして、小さく試して直しながら、使われ続ける状態まで定着させる。

過去に社内システムを導入した経験がある方なら、この流れ自体は特に新しくないはずです。何のために使うのかを決め、必要なデータと権限を整え、現場に根づかせる。AIだからといって、進め方が特別になるわけではありません。


ただ、AI活用には従来のシステム導入にはなかった難しさがあります。期待どおりの結果が返ってくるかどうかを、つくる前に見通せないことです。


これまでのシステムなら、決めた仕様どおりに動くかどうかで良し悪しを判断できました。一方でAIの場合、同じような業務でも、渡すデータや指示の書き方によって返ってくる答えの質が変わります。


実際に自社の業務とデータで試してみて、はじめて使えるかどうかが見えてきます。そのため、つくって終わりではなく、試してながら改善を重ね、うまくいった結果を積み上げていくことが大切です。


全社へどう展開するか、標準ツールはどれにするか。考え始めれば際限がなく、検討が細かくなるほど着手は遠のいていきます。最初から壮大な設計を固める必要はありません。


まずは小さな業務ひとつで、「決めて、つくって、定着させる」までを1周し、その積み重ねで前に進むほうが、着実に成果につながります。1周することで、どこで効果が出て、どこに手間がかかったのかが具体的に分かり、社内への報告や、次にどこへ広げるかの判断材料にもなります。


ここからはステップごとに、つまずきやすいポイントと、外部の力を借りるという選択肢もあわせて見ていきます。

ステップ① 決める：何を、どこまで任せるか

最初に決めるのは、どの業務の、どこをAIに任せるかです。


ツールの検討から入ると、結局どの業務がどの程度効率化されるのか、成果が見えにくくなりがちです。AIに任せる業務を決めるときのポイントは、大きく4つです。

• 手順を言語化できるか：マニュアルやFAQになっている業務ほど、AIにも伝わりやすいです
• 効果と難易度：件数が多く、イレギュラーの少ない業務から着手します
• どこまで任せるか：AIが得意な工程だけを任せ、判断と責任は人が持ちます
• 何が欲しいか：「いい感じに」では「適当」が返ってきます。アウトプットの形式と内容を先に決めます

どれも、実際にやってみると迷いやすいところです。どの業務から手をつけるか、どう見極めるかは、こちらの記事で詳しく解説しています。

AI活用、どの業務から始める？「AIに任せる業務」を決める方法

ここで止まっているなら

業務の言語化は、思ったよりも進みにくい作業です。長く続けている業務ほど、担当者は手順を意識せずにこなせてしまいます。


問題なく回っているぶん、どんな判断をしているのかが周りからは見えず、本人も改めて説明しにくい状態です。だからこそ、まずは現場の担当者を巻き込んで、実際の手順を聞き出すところから始めます。


それでも進まないときは、第三者を頼るという方法があります。kintoneやAIの導入を支援する会社（パートナー企業）に入ってもらうと、社内では気づけなかった論点を外の視点から指摘してもらえます。


さまざまな企業への導入経験から、この業務はAIに向いている・向いていないの判断や、どこまで任せるかの線引きのアドバイスももらうことができます。

ステップ② つくる：情報とルールを整えて、業務に組み込む

任せる仕事が決まったら、次は動かせる形にしていきます。考えることは、次の3つです。

• データを集める：業務に必要なデータを、AIが理解できる形で用意する
• 権限とルールを整える：誰にどこまで見せるか、AIに渡してよい範囲を決める
• 業務に組み込む：いつもの業務の流れの中にAIを置く

順番に見ていきます。

情報は、全部そろえなくていい

まずは①、データを集めます。業務を絞っても、必要なデータが1か所にあるとは限りません。過去の対応履歴は担当者のExcel、判断の根拠は紙のマニュアル、細かい経緯はベテランの頭の中に散らばっています。


ここで「全部そろえてから」と考えると、いつまでも始まりません。その業務に必要なデータは何か、と逆算して洗い出す。優先順位をつけて、効きそうなものから手をつければ十分です。少しずつ整えていけば、使いながら足していくこともできます。

集めるなら、AIが理解できる形で

次に考えるのが、そのデータをどこに置くかです。基準はひとつで、AIが理解できる形で残るかどうかです。人が見れば分かる情報でも、AIにとって同じとは限りません。


Excelに並んだ文字と数値の羅列では、項目の意味は人の頭の中にしか残らず、やり取りの経緯も残りません。「この数字は何なのか」「なぜこの判断になったのか」をAIは推測するしかなく、返ってくる答えも推測を元にした精度になります。


kintoneは、案件管理や日報といった業務ごとに入力画面をつくり、そこに記録を残していくツールです。この形で貯めると、AIが理解しやすいデータになります。

• アプリ名と説明に、その業務が何のためのものかが残る（例：案件管理）
• 項目名とセットで値が残るので、その値が何を指すのかが分かる（例：「受注金額」の項目に 8,000,000）
• コメントに、そのとき何を考えてどう判断したかが残る

その項目が何を指しているのか、なぜそう判断したのかまで、記録そのものに残っているということです。AIは推測せずに読めるようになり、答えの精度が変わってきます。


そして肝心なのは、AIにデータを渡すための特別な作業が要らないことです。日々の業務で入力しているだけで、AIが理解できる形のデータが自然に貯まっていきます。いま紙や個人の記憶にしか残っていないものも、これから業務の中で記録していけば、AIが理解できる状態に近づいていきます。

「渡していいのか」を先に決めておく

次に②、権限とルールを整えます。安心してAIを使うために、先にここを決めておきます。誰がどこまで見られるのか、どこまでAIに渡してよいのか。ここが曖昧なままだと、実装が終わっても運用に踏み切れません。


決めることは2つです。データを部署や役職ごとにどこまで見せるか、そしてAIに読ませてよいのはどこまでか。外部のAIツールとつなぐ場合も、同じ考え方で範囲を決めておきます。大事なのは、この判断を使う人一人ひとりに委ねないことです。


「これはAIに渡していいデータか」を利用者側の判断に任せていると、負担が大きいうえに、見せてはいけないデータが意図せず見える状態になっていても気づけません。設定で範囲を絞れる状態にしておけば、使う側が気にしなくても安心できる形になります。

使われるかどうかは、つくる時点で決まっている

最後が③、業務への組み込みです。Aが使ってもらえるかどうかは、この段階の設計で大半が決まります。新しいツールを配って使い方を教える形にすると、利用者は覚えることが増え、意識の高い人だけが使う状態になります。研修を重ねても使える人が増えないのは、たいていここが原因です。


そうではなく、チームがいつもやっている業務の流れの中にAIを置く方法を考えましょう。どこに置けば自然に使われるかは実装の設計そのものなので、動き出してから変えようとすると手間がかかります。特別な指示も特別な使い方も要らない形にしておくことで、利用者に定着しやすくなります。

ここで止まっているなら

必要データの洗い出しと整備、AI活用を前提にしたデータ設計、ルールや権限の設計、ツール選定・連携・実装。このステップは、経験の差がいちばん出るところです。ここはパートナー企業に相談できる範囲が広く、丸ごと任せることも、データ設計だけ、実装だけ、と部分的に頼むこともできます。


パートナー企業に頼ることで、調べながら手探りで進めるより早く形になります。また、一緒に進めることで進め方やつくり方のノウハウをつけることもできます。

ステップ③ 定着させる：小さく回して、使われ続ける状態にする

つくったのに、使われない

このステップは、見落とされがちです。


動くものができた時点で完了にしてしまい、数か月後に「あれ、誰も使ってないな」と気づく。つくった側は便利になるはずだと思っていても、使う側からすると精度が物足りない、入力がひと手間、いつもの手順から少し外れている。


そんな理由で一度使われなくなると、そのまま戻ってきません。

60点で出して、回しながら直す

どこが使いにくいのか、どこの精度が足りないのかは、実際に使ってもらわないと分かりません。だからこそ、60点の状態で動かして、出てきた声をその場で直していきます。使ってもらいながら直していく積み重ねが、定着につながります。


具体的には、こういう順番です。まず、その業務を担当している人に使ってもらう。そこで精度はどうか、使われているか、どこが使いにくいかという反応を集める。集まった声から、渡すデータ、任せる範囲、指示の出し方などをどう見直すか、改善方針を決める。決めたことを反映して運用や設定を変える。そして、また使ってもらう。この改善サイクルを小さく速く回しましょう。

思ったような結果が出ないときは、AIそのものより、渡しているデータや指示の出し方に原因があることがほとんどです。つくり込んでから直そうとすると、手戻りが大きくなります。小さく回せば、使う人の要望を反映しながら進められるので、そもそも「使われないAI」になりにくいです。


この改善サイクルは、AIを使う人を育てることにもなります。自分の意見が反映されると、次は「ここもこうしたい」が出てくる。AIが何が得意で何が苦手かも、使いながら分かっていきます。研修で知識を配るより、この経験のほうが早く身につきます。

ゴールは「意識しなくても使われている」状態

定着は、利用率だけを追いかけることではありません。数字の裏で見たいのは、その業務が実際に楽になっているか、使い続けられているかです。


誰かが旗を振り続けなくても、いつもの業務の中にAIがあって、自然に使われている。そういう状態を目指したいところです。

ここで止まっているなら

つくったものを実際に使ってもらい、効果が出る状態まで持っていく。ここは時間もかかりますし、社内だけで旗を振り続けるのは簡単ではありません。それでも、ここを越えないと成果にはならない大事な工程です。


定着の伴走やリテラシー向上の研修、精度改善やプロジェクト推進の支援も、パートナー企業に頼れる領域です。改善の進め方に慣れた人が並走すると、どこを直せば使われるようになるかの判断が速くなり、社内の推進役だけで抱え込まずに済みます。

3ステップを1周するごとに、広がっていく

ひとつの業務で「決めて、つくって、定着させる」まで1周終えると、効果と難易度を自分で判断した経験が残るので、次の対象業務を選ぶのが速くなります。ステップ②で整えたデータと権限設計はそのまま資産として残るので、2周目の「つくる」で最初からやり直す必要もありません。


そして何より、小さくても成果が数字で出ているので、投資判断や他部署への展開を説明できるようになります。段階的に進めることで、AIや周辺環境の変化が速くても柔軟に対応でき、手戻りも少なく済みます。


そうして対象が増えていくと、AIは個人の道具から組織の仕組みに変わっていきますす。個人がツールを使うだけでは、成果はその人の作業時間の中に留まります。チームの業務の中にAIが組み込まれ、蓄積したデータを全員が使える状態になることで、会社としての成果につながっていきます。

そこまでの道のりも、結局は3ステップの繰り返しです。「決めて、つくって、定着させる」。一度に大きく変えようとせず、1周ずつ確実に進めていくことが、遠回りのようでいて着実です。

つまずきは、社内だけで抱えなくていい

改めて、3つのステップを振り返ります。

• 決める：どの業務の何を、どこまでAIに任せるかを決める
• つくる：AIに渡す情報とルールを整え、業務に組み込む形で実装する
• 定着させる：小さく試して直しながら、使われ続ける状態にする

あなたはどこで止まっていたでしょうか。


どのステップも、社内だけで進められないわけではありません。ただ、業務の言語化も、データ設計も、定着の伴走も、経験の差が出やすい領域です。


自社でやる部分と任せる部分をどう切り分けるかも、推進する側の判断のひとつです。パートナー企業に頼れば学習コストが下がり、素早く成果を出しながら、進め方は自社に残ります。


kintoneにもAIにも詳しいサイボウズのパートナー企業であれば、「どの業務から？」「何から始める？」「どう実装する？」を一緒に検討できます。まだ何も決まっていない段階でも、お気軽にご相談ください。

AI活用を支援するkintoneパートナーは、下記から検索できます。
AI関連の支援ができるkintoneパートナーを探す

よくある質問

Q. データが基幹システムなど複数の場所に分かれている場合は？

すべてを1か所に集めてから始める必要はありません。対象業務に必要なデータだけを見て、どこから取るかを決めれば十分です。
kintoneはAPIやWebhookで外部システムとつなげるので、既存システムを残したまま必要な情報だけを寄せる形も取れます。連携の設計は難易度が上がりやすい部分なので、パートナー企業に相談することをおすすめします。

Q. 現場が使ってくれないときは、どうすればいいですか？

使わない理由を聞くところから始めてください。多くの場合、意識の問題ではなく、いつもの手順から外れた場所にAIがあることが原因です。
別の画面を開く、使い方を思い出す、といった手間が一つあるだけで使われなくなります。業務の流れの中に置き直せないかを先に考え、それが難しければ、任せる範囲や渡す情報を見直します。

Q. 精度が上がらないとき、どこまで粘るべきですか？

まず見直すのは、渡している情報と指示の出し方です。それでも改善しない場合、原因が業務の側にあることもあります。手順が人によって違う、判断の基準が言葉になっていない、といったケースです。
この場合はAIを調整するより、業務そのものを整理するほうが近道になります。数回試して見通しが立たなければ、対象業務を変える判断もひとつです。

Q. 成果は、経営にどう報告すればいいですか？

削減できた時間だけで語ろうとすると、小さく始めたぶん物足りない数字になりがちです。着手前に「その作業は月に何件あって、1件あたり何分かかっているか」を控えておくと、前後の差が出せます。
あわせて、使われ続けているか、次にどの業務へ広げられそうかも報告に含めると、投資の判断材料になります。最初から精緻なKPIを設計するより、1周ぶんの事実を持って帰るほうが早く前に進みます。

Q. 全社に広げるのは、どのタイミングがいいですか？

一つの業務で定着したら、次は同じ部署の近い業務、その次は別の部署、という順番が現実的です。いきなり全社展開を計画すると、部署ごとの事情に対応しきれず止まります。
判断の目安は、担当者が入れ替わっても使われ続けているかどうか。特定の人が支えている状態のまま広げると、その人の負荷だけが増えていきます。

掲載日：2026年9月