MENU

03 生成AIで何ができるか

第3章 ── 生成AIで何ができるか

生成AIで何ができるか

作業・意思決定・責任を分け、自分の仕事の何をAIに任せるかを見つけます。図解・確認問題・11部門と10業界の例から学びましょう。

今日は、1つ分かれば前進。

AIに任せる仕事を、
絵で見つけよう。

全部を一度に覚えなくて大丈夫。3つの短いステップで、自分の仕事への使い方を考えます。

青:AIに任せる黄:人が確かめる赤:止めて確認する

読んだところ:0 / 3

この章は「役割」「任せる範囲」「実践」の3ステップ。AIの変遷は前の章で振り返れます。

チェックはこのブラウザだけに保存します。提出・採点や他の端末との同期はしません。

① まず、役割をつかむ

AIは下書き。
人は、決めて確かめる。

たとえば、お客様へ出す提案書。

人の役割

何を提案する?

目的・相手・条件を決める

AIの役割

下書きをつくる

集める・比べる・文章にする

人の役割

内容を確認する

価格・約束・送り先を確かめる

覚えるのはこれだけ:作業は任せても、目的・採用の判断・結果の責任は人と組織が持つ。

1問だけ確認

AIが提案書を完成させました。次にすることは?

次は「どこまで任せる?」へ ↓
② 任せる範囲を見分ける

何でも自動、ではない。
条件がそろうほど任せやすい。

AIの役割

ルールが明確

申請の振り分けなど。決めた条件内で処理し、例外は人へ。

人の役割

人が結果を確認できる

提案書や報告書。AIが下書き、人が内容を確かめる。

人の役割

専門判断が必要

契約・医療など。AIは情報整理を補助し、専門家が判断。

止める条件

情報・権限が足りない

見られない資料、つながっていない機械。条件が整うまで任せない。

迷ったら:「間違いに気づける?」「止められる?」を先に考える。

自分の仕事で1つ試す ↓
03-B

AIでできること、できないこと ── 3つのレイヤーで考える

分類 1

作業作業

条件を定めて任せるAI

下書き・要約・翻訳・調査・データ整形・コード任せる範囲は、入力・検査方法・実行権限・失敗時の影響によって変わる。

分類 2

意思決定意思決定

AIは材料を出す人が決める

選択肢の洗い出し・比較表・リスク列挙・壁打ち人が目的・判断基準・例外条件を定める。承認済みのルール内では、自動判定も設計できる。

分類 3

責任責任

AIには渡せない人が持つ

最終承認・顧客や社会への説明・結果の引き受けAIの出力を使った結果の責任は、使った人と組織にある。

上のバーは役割分担の概念図で、実測の自動化率ではありません。

限界

事実を保証できない

もっともらしい誤り(ハルシネーション)が混ざる。

限界

社内の暗黙知を知らない

前提や背景は、人が言葉にして渡す必要がある。

限界

最新情報に弱い

検索と組み合わせないと、学習時点までの知識で答える。

限界

責任を取れない

判断の結果を引き受けるのは、常に人。

③ 自分の仕事に当てはめる

最初は、仕事を1つだけ。

次の一歩:会社が利用を認めた見本で、下書き1件から試す。自分で確かめられない仕事は最初の題材にしない。

11部門・10業界の詳しい例を見る ↓

さらに詳しく|11部門・10業界の活用例・研究の根拠
図でつかむ、この章の要点

AIに任せる作業。
人が決める判断。

人が担当目的・基準を決める何を、誰のために、どこまで仕上げる?
AIが補助・実行集める・つくる・整える資料集め、下書き、分類、転記など
人が担当確かめて、採用する正しいかを確認し、実行の責任を持つ

例:提案書の下書きはAI。提案する価格・条件の決定は人。

どこまで任せる? 4つの目安

条件が明確 → 一連の処理

例:決めたルールで申請を振り分ける

結果を確認できる → 下書きまで

例:報告書・広告・提案書をつくる

専門判断が必要 → 整理だけ

例:契約の論点や診療記録を整理する

情報・権限がない → まだ任せない

例:つながっていない機械を操作する

任せる範囲は、使える情報・接続・確認方法で変わります。

自分の部署・業界の例を探す/詳しい説明
03-C

「任せられる」を4段階に分ける

作業という名前なら、何でも全自動になるわけではありません。入力がデジタル化され、完了条件が明確で、結果を検査でき、実行権限がある仕事ほど任せやすくなります。人の判断基準が明確になるほど、AIが実行できる範囲は広がります。計算や固定ルールはコード・既存システム、文書の読解や候補づくりは生成AI、という組み合わせが有効です。

A|条件内で一連の処理を任せる

例:必須項目がそろった申請を、承認済み規則で担当キューへ振り分ける。入力制限・機械検査・ログ・停止条件が必要。曖昧な案件は人へ戻す。

B|AIが大半を進め、人が判断・検品

例:商談準備、報告書、広告案、コード改修。人が目的・採用案・品質基準を決め、AIが実作業を進める。

C|一部工程の補助に使う

例:医療記録、契約レビュー、現場検査。資料整理や候補抽出には使えても、専門判断や現場の確認を置き換えない。

D|現状の条件では任せない

例:アクセスできない情報の処理、未接続の実機操作、根拠なしの安全保証。永久に不可能という意味ではなく、不足条件を特定して再評価する。

AI単体・システム連携・実機を分ける。

チャットが発注案を作ることと、ERPに発注することは別です。API等を接続して初めて実行でき、倉庫で商品を動かすには人やロボットが必要です。「AIに頼んだ」だけでは完了になりません。

03-D

自分の仕事から探す|11部門

以下は研修用の仮想業務設計です。導入実績や実測効果ではありません。自社のデータ・権限・基準に置き換えて使います。

経営企画|競合・市場の定点観測〈B〉

課題・従来:人が情報を集め、転記・比較して作成している「競合・市場の定点観測」を分解する。

入力:対象市場・比較軸・公開資料
AI工程:検索→出典照合→変化抽出→選択肢比較
成果物:根拠リンク付き週次ブリーフ

人の判断・検品:対象市場と戦略の採否
必要なAI・接続:リサーチ+文章/Web検索
失敗条件:古い資料、母集団の違い、相関を因果と誤認

導入条件:利用許可のある最新データ、定義済みの品質基準、例外処理の担当者。
価値の測り方:調査・転記時間、見落とし率を導入前後で測る。削減率は事前に断定しない。

営業|商談準備とフォロー〈B〉

課題・従来:人が情報を集め、転記・比較して作成している「商談準備とフォロー」を分解する。

入力:許可されたCRM履歴・商品仕様・商談メモ
AI工程:顧客課題整理→提案下書き→CRM更新案
成果物:提案骨子・フォローメール草稿

人の判断・検品:値引き・契約条件・送信先
必要なAI・接続:文章/CRM読取、メール下書きAPI
失敗条件:顧客取り違え、未承認の価格や納期を約束

導入条件:利用許可のある最新データ、定義済みの品質基準、例外処理の担当者。
価値の測り方:準備時間、修正時間、顧客誤記率を導入前後で測る。削減率は事前に断定しない。

マーケティング|訴求と広告素材の試作〈B〉

課題・従来:人が情報を集め、転記・比較して作成している「訴求と広告素材の試作」を分解する。

入力:商品事実・対象者・ブランド基準
AI工程:訴求案→文章→画像→短尺映像→評価案
成果物:比較可能な広告案3本

人の判断・検品:表現・根拠・権利・出稿予算
必要なAI・接続:文章+画像+動画/素材保管庫
失敗条件:商品にない効果、ブランド不一致

導入条件:利用許可のある最新データ、定義済みの品質基準、例外処理の担当者。
価値の測り方:初稿時間、採用率、制作費を導入前後で測る。削減率は事前に断定しない。

人事・採用・教育|社内研修と募集要項の下書き〈B〉

課題・従来:人が情報を集め、転記・比較して作成している「社内研修と募集要項の下書き」を分解する。

入力:承認済み職務要件・就業規程
AI工程:要件整理→教材作成→確認問題→改善
成果物:募集要項・研修ワーク

人の判断・検品:評価基準・採否・差別や誤記の検査
必要なAI・接続:文章+音声/権限付き文書検索
失敗条件:古い規程、個人情報の不要利用、偏り

導入条件:利用許可のある最新データ、定義済みの品質基準、例外処理の担当者。
価値の測り方:作成時間、理解度、規程誤記率を導入前後で測る。削減率は事前に断定しない。

経理・財務|証憑と帳簿の照合候補〈B〉

課題・従来:人が情報を集め、転記・比較して作成している「証憑と帳簿の照合候補」を分解する。

入力:請求書・取引先マスター・帳簿
AI工程:抽出→形式検査→金額突合→例外一覧
成果物:仕訳候補・差異レポート

人の判断・検品:税務判断・例外処理・支払承認
必要なAI・接続:画像読取+コード/会計API・検証式
失敗条件:税区分誤り、重複請求、OCR桁誤り

導入条件:利用許可のある最新データ、定義済みの品質基準、例外処理の担当者。
価値の測り方:処理時間、照合率、修正件数を導入前後で測る。削減率は事前に断定しない。

総務|定型申請の振分け〈A(限定条件)〉

課題・従来:人が情報を集め、転記・比較して作成している「定型申請の振分け」を分解する。

入力:受付内容・有効な振分け規則
AI工程:必要項目検査→ルール分類→担当キューへ登録
成果物:受付台帳・不足項目通知案

人の判断・検品:例外ルール・エスカレーション先
必要なAI・接続:文章+ルール処理/フォーム・台帳API
失敗条件:機密区分誤認、曖昧な申請を自動処理

導入条件:利用許可のある最新データ、定義済みの品質基準、例外処理の担当者。
価値の測り方:転記時間、誤振分け率を導入前後で測る。削減率は事前に断定しない。

法務|契約レビューの補助〈C〉

課題・従来:人が情報を集め、転記・比較して作成している「契約レビューの補助」を分解する。

入力:契約書・標準条項・交渉方針
AI工程:差分→論点抽出→原文引用→質問案
成果物:要確認条項リスト

人の判断・検品:法的判断・交渉・締結承認
必要なAI・接続:文章+検索/契約管理の限定読取
失敗条件:条文の読み落とし、準拠法の不一致

導入条件:利用許可のある最新データ、定義済みの品質基準、例外処理の担当者。
価値の測り方:一次確認時間、重要論点の見落としを導入前後で測る。削減率は事前に断定しない。

顧客対応|問い合わせ回答案〈B〉

課題・従来:人が情報を集め、転記・比較して作成している「問い合わせ回答案」を分解する。

入力:承認済みFAQ・顧客状況・応対履歴
AI工程:分類→根拠検索→回答草稿→不足情報検出
成果物:根拠付き回答案

人の判断・検品:返金・例外対応・苦情対応
必要なAI・接続:文章+リサーチ/FAQ・チケットAPI
失敗条件:古いFAQ、他顧客情報混入、約束の捏造

導入条件:利用許可のある最新データ、定義済みの品質基準、例外処理の担当者。
価値の測り方:解決件数、再問い合わせ率、品質を導入前後で測る。削減率は事前に断定しない。

情報システム|定型運用・改修〈B〉

課題・従来:人が情報を集め、転記・比較して作成している「定型運用・改修」を分解する。

入力:仕様・ログ・テスト・運用手順
AI工程:原因候補→修正→テスト→変更差分
成果物:修正案・テスト結果・手順書

人の判断・検品:アクセス権・本番反映・復旧判断
必要なAI・接続:コード/隔離実行環境・Git
失敗条件:権限過大、テスト漏れ、秘密情報漏洩

導入条件:利用許可のある最新データ、定義済みの品質基準、例外処理の担当者。
価値の測り方:変更リードタイム、障害率を導入前後で測る。削減率は事前に断定しない。

研究開発|文献整理と実験案〈C〉

課題・従来:人が情報を集め、転記・比較して作成している「文献整理と実験案」を分解する。

入力:研究課題・論文・実験条件
AI工程:検索→条件抽出→比較→仮説案
成果物:論文比較表・実験計画草稿

人の判断・検品:新規性・実験安全性・結論の妥当性
必要なAI・接続:リサーチ+文章+コード/論文DB
失敗条件:捏造引用、条件を無視した一般化

導入条件:利用許可のある最新データ、定義済みの品質基準、例外処理の担当者。
価値の測り方:探索時間、再現性、検証可能な仮説数を導入前後で測る。削減率は事前に断定しない。

調達・生産管理|見積比較と欠品予兆〈B〉

課題・従来:人が情報を集め、転記・比較して作成している「見積比較と欠品予兆」を分解する。

入力:見積書・在庫・納期・発注制約
AI工程:単位統一→差異確認→候補計算→例外通知
成果物:比較表・発注候補

人の判断・検品:取引先選定・発注量・供給責任
必要なAI・接続:コード+文章/ERP・在庫読取API
失敗条件:古い在庫、単位違い、制約欠落

導入条件:利用許可のある最新データ、定義済みの品質基準、例外処理の担当者。
価値の測り方:集計時間、欠品件数、誤発注率を導入前後で測る。削減率は事前に断定しない。

03-E

業界で変わる「最後の一手」|10業界

製造〈C〉

入力→成果物:検査画像・検査基準→異常候補と記録
AIに渡す工程:検査候補の抽出・不良報告の草稿
人が決める:合否判定、設備停止、出荷承認
接続・条件:カメラ・検査システム・品種ごとの評価データ
失敗条件:照明・品種変更による精度劣化。汎用チャットだけでは検査工程を代替しない

これは仮想例です。手作業の収集・整理を起点に、所要時間と修正率を比較します。AIの出力だけで業界の安全・品質要件を満たしたことにはしません。

建設・不動産〈C〉

入力→成果物:議事録・図面・工程表→変更点一覧
AIに渡す工程:写真記録の整理、工程・契約差分
人が決める:施工安全・設計適合・重要事項の説明
接続・条件:文書管理・CAD/BIM・現場情報
失敗条件:寸法誤認、現場との不一致。構造設計の正しさは保証しない

これは仮想例です。手作業の収集・整理を起点に、所要時間と修正率を比較します。AIの出力だけで業界の安全・品質要件を満たしたことにはしません。

小売・EC〈B〉

入力→成果物:商品台帳・在庫・画像→商品ページ草稿
AIに渡す工程:説明文・画像案・問い合わせ草稿
人が決める:表示根拠・価格・商品公開
接続・条件:EC商品API・在庫・素材管理
失敗条件:誤ったサイズや効能、在庫反映の遅延

これは仮想例です。手作業の収集・整理を起点に、所要時間と修正率を比較します。AIの出力だけで業界の安全・品質要件を満たしたことにはしません。

飲食・宿泊〈B〉

入力→成果物:メニュー・設備・予約規則→案内文
AIに渡す工程:多言語案内、口コミ分類、予約回答案
人が決める:アレルギー・空室・キャンセルの最終確認
接続・条件:予約・メニュー管理の読取
失敗条件:曖昧な食材情報、二重予約。調理・清掃は別途実機が必要

これは仮想例です。手作業の収集・整理を起点に、所要時間と修正率を比較します。AIの出力だけで業界の安全・品質要件を満たしたことにはしません。

物流〈B〉

入力→成果物:住所・荷量・納期→配車候補
AIに渡す工程:入力整形、制約抽出、最適化計算の呼出し
人が決める:安全・運行可否・例外時の再配車
接続・条件:TMS・地図・最適化エンジン
失敗条件:道路状況、運転時間制約の欠落。配送行為は人や実機が担う

これは仮想例です。手作業の収集・整理を起点に、所要時間と修正率を比較します。AIの出力だけで業界の安全・品質要件を満たしたことにはしません。

金融・保険〈C〉

入力→成果物:申込情報・規程→照会事項
AIに渡す工程:書類不足検出、顧客向け説明草稿
人が決める:与信・保険金・適合性・規制対応
接続・条件:権限管理された顧客・審査システム
失敗条件:差別的評価、重要事項の省略、自動処理範囲超過

これは仮想例です。手作業の収集・整理を起点に、所要時間と修正率を比較します。AIの出力だけで業界の安全・品質要件を満たしたことにはしません。

医療・介護〈C〉

入力→成果物:同意取得済み記録→要約案
AIに渡す工程:記録整理、申し送り、事務補助
人が決める:診断・治療・ケア方針・緊急対応
接続・条件:医療情報システム・厳格な権限
失敗条件:患者取り違え、重要所見の欠落。身体介助は別問題

これは仮想例です。手作業の収集・整理を起点に、所要時間と修正率を比較します。AIの出力だけで業界の安全・品質要件を満たしたことにはしません。

士業・専門サービス〈C〉

入力→成果物:相談記録・資料→論点メモ
AIに渡す工程:調査、計算補助、文書草稿
人が決める:専門判断・説明・提出・署名
接続・条件:案件別文書庫・公的情報検索
失敗条件:他案件混入、適用条件や改正の見落とし

これは仮想例です。手作業の収集・整理を起点に、所要時間と修正率を比較します。AIの出力だけで業界の安全・品質要件を満たしたことにはしません。

教育〈B〉

入力→成果物:承認教材・到達目標→演習案
AIに渡す工程:難易度別教材、解説、採点補助
人が決める:成績決定・学習支援・生徒情報管理
接続・条件:LMS・教材庫・評価基準
失敗条件:誤解説、採点の偏り。理解度を生成量だけで判断しない

これは仮想例です。手作業の収集・整理を起点に、所要時間と修正率を比較します。AIの出力だけで業界の安全・品質要件を満たしたことにはしません。

農業〈C〉

入力→成果物:気象・作業記録・圃場画像→作業候補
AIに渡す工程:記録整理、病害候補、計画の比較
人が決める:防除・収穫・安全判断
接続・条件:センサー・気象・圃場管理
失敗条件:地域差・画像の限界。散布や収穫は機械・ロボット接続が別途必要

これは仮想例です。手作業の収集・整理を起点に、所要時間と修正率を比較します。AIの出力だけで業界の安全・品質要件を満たしたことにはしません。

講師向け|効果の研究と、数字の読み方

顧客対応では、5,172人を対象とした研究で1時間あたりの解決件数が平均15%増加しました。経験の浅い担当者ほど効果が大きく、すべての仕事に同じ改善率が出るわけではありません。Stanford / 生成AI at Work(2025年公刊版)

一方、METRの2025年実験では、使い慣れたOSSの課題を扱う経験豊富な開発者16人・246課題で所要時間が19%増えました。2026年の追試報告では選択バイアス等により最新の効果を信頼して推定できないとしています。「AIなら常に速い」「開発では遅くなる」のどちらも一般化できません。2025年実験 / 2026年更新

実測方法:同種の案件をAIなし/ありで比較し、作成時間+検品時間+手戻り時間を合算。品質不合格や例外も件数に含めます。

実践課題 03

担当業務を1つ選び、「作業/意思決定/責任」に分解して、AIに渡す範囲に線を引く。A〜D、入力、成果物、人の判断、検品方法、停止条件を1枚に。実データの送信許可も確認し、サンプル1件で検証する。

提出したら 章 04 へ