生成AIの導入が進み、文書作成、情報収集、問い合わせ対応、開発支援などの所要時間を短縮できる企業は増えている。それにもかかわらず、経営層が期待する新規事業、顧客体験の改善、組織変革には十分な人材と時間が回っていない。生成AIによって生まれた時間が、未処理の依頼、追加の資料作成、細分化された確認作業など、別の緊急業務によって埋められるためである。
本稿では、生成AIの効果を個別作業の効率化で終わらせず、組織の余力として確保し、重要業務への資源再配分につなげるために何が必要かを考える。
1. エグゼクティブサマリー
結論から述べると、生成AIで短縮した時間の使途まで経営が決めなければ、導入は業務変革につながらない。
IPAの「DX動向2026」では、日本企業の生成AI導入率は2024年度の22.6％から2025年度の44.0％へ上昇した一方、生成AIを部署の業務プロセスへ組み込んでいる企業は11.9％にとどまった。導入は急速に広がっているが、その多くは個人単位の文書作成や情報収集であり、組織的な業務再設計まで進んでいる企業は限られている。
個人の生産性向上も、組織の余力を自動的に生み出すわけではない。OECDの中小企業調査では、生成AIを利用する企業の65％が従業員のパフォーマンス向上を報告したものの、仕事量が減った企業は約3分の1であり、83％は必要人員に変化がないと回答した。生成AIによって一人ひとりの処理能力が上がっても、仕事そのものを減らし、人員配置や評価制度を変えなければ、組織の時間は空かない。
DeNAの南場智子氏が説明した事例も、この構造を示している。同社では、AIによる効率化後に生まれた時間へ社員が別の仕事を詰め込み、新規事業への人材移動が想定ほど進まなかったため、人が自然に余るのを待たず、経営が先に人材を動かす必要があるとの方針が示された。効率化を人材再配置へ変換するには、現場の自発性だけではなく、経営による明確な意思決定が必要である。
経営層が決めるべきなのは、どの生成AIを使うかだけではない。「何を効率化するか」と同時に、「何をやめるか」「生まれた時間をどこへ移すか」「管理職に何を評価させるか」を決めなければならない。生成AI活用の成否は、ツールの性能だけではなく、会社の優先順位、資源配分、評価制度を変更できるかによって決まる。
2. 論点の背景
生成AIは、従来の業務システムと比べて導入時の負担が小さい。社員はチャット形式のサービスを使い、文章の下書き、要約、翻訳、調査、アイデア整理などを個人単位ですぐに始められる。
2.1 導入率の上昇は、業務変革を意味しない
この使いやすさは普及を後押しする一方で、生成AIを使っている状態と、会社の業務プロセス、組織構造、意思決定、顧客への提供価値が変わった状態を混同させやすい。
IPA調査では、AIの主な用途として「文書・音声の要約・翻訳・校正」が82.5％、「文書・レポートの作成」が80.5％、「情報検索・収集・分析・レポーティング」が77.0％を占めた。一方、「生産・物流・サービス提供の計画支援」は6.0％、「自社製品・サービスの高度化」は10.9％にとどまっている。この結果からは、生成AIがまず既存業務を速く処理するための道具として普及し、業務プロセスや事業そのものを変える用途は後れていることが分かる。
2.2 作業効率、組織の余力、資源再配分は別の段階である
生成AIによる効率化は、三つの段階に分けて考える必要がある。最初の段階は、資料作成や問い合わせ対応など、一つの作業に要する時間を短くする「作業効率の向上」である。次の段階は、短縮された時間を会議、承認、報告、追加依頼などに再び消費させず、組織が使途を決められる時間として確保する「余力の創出」である。最後の段階は、その余力を新規事業、顧客理解、サービス改善、人材育成、技術負債の解消など、将来の競争力を左右する業務へ移す「資源再配分」である。
多くの企業は、最初の作業効率の向上で止まる。処理能力が上がると、未処理案件を消化し、資料をさらに詳しくし、より多くの案件を受ける方向へ仕事量が増えるためである。本稿では、生成AIによって生まれた時間が既存業務の増加によって再び埋まる現象を「余力の再吸収」と呼ぶ。ただし、これは公的調査で確立された用語ではなく、調査結果と企業事例を基にしたCREATREEの解釈である。
2.3 緊急業務が重要業務を押し出す構造
緊急業務には、期限、顧客からの要求、障害対応、売上目標、上司からの依頼など、対応しなかった場合の損失が見えやすいという特徴がある。一方、新規事業の検証、顧客体験の再設計、組織能力の構築といった重要業務は、成果が不確実で、効果が表れるまでに時間がかかる。今日着手しなくても直ちに問題が起きるとは限らないため、既存の評価制度、予算配分、人員配置を維持したままでは、常に後回しにされる。
したがって、企業が検証すべき問いは、「生成AIでどれだけ時間を短縮できるか」だけではない。より本質的な問いは、「短縮した時間を重要業務へ移す意思決定を、誰が、どの権限で、どのように行うのか」である。
3. 公的調査から見える現在地
公的調査と研究を横断すると、生成AIが特定業務の処理速度を高める効果は確認できる一方、その効果が業務プロセス、人員配置、顧客価値、売上や利益へ転換されているとは限らないことが分かる。
| 論点 | 主な数値・結果 本稿での示唆 |
|---|---|
| 企業導入と組織実装 | 生成AIを導入している企業は44.0％、個人での業務利用は63.3％である一方、部署の業務プロセスへの組み込みは11.9％。AIの効果があった企業の91.6％が効率化・迅速化を挙げたが、売上・利益向上は3.9％ 導入と内部効率化が先行し、組織的な業務再設計や外部価値への転換は限定的である |
| 従業員の生産性と仕事量 | 生成AI利用企業の65％が従業員のパフォーマンス向上を報告したが、仕事量が減った企業は約3分の1で、83％は必要人員に変化がない 個人の処理能力向上は、仕事量の削減や人員移動へ自動的にはつながらない |
| 特定業務の生産性 | 生成AI支援を受けた顧客サポート担当者は、1時間当たりの問題解決数が平均15％増加 特定業務では測定可能な効果があるが、全社的な事業変革とは分けて評価する必要がある |
| 企業導入と労働者の実利用 | 日本の雇用者2.2万人のうち、自身が生成AIを仕事で利用している人は6.4％ 企業側が回答する導入状況と、個々の労働者が実際に利用する状態の間には差が生じ得る |
| 補完投資と効果の時間差 | 汎用技術の効果には、業務設計、組織能力、ソフトウェア、教育などへの補完投資が必要であり、成果が表れるまで時間差が生じ得る 技術の購入やアカウント配布だけでは、生産性や事業成果は十分に高まらない |
出典・調査条件：IPA「DX動向2026」
調査主体は独立行政法人情報処理推進機構、調査年は2026年で、日本企業1,799社の経営層またはICT関連部門が回答している。設問ごとに回答数は異なり、結果は企業側の自己申告であるため、業種・規模による差や、効率化と売上の因果関係までは示していない。
出典・調査条件：OECD「Generative AI and the SME Workforce」
調査主体はOECD、調査年は2024年で、日本を含む7カ国の中小企業5,000社超を対象としている。技術利用を把握する経営者や管理者などが回答した自己申告調査であり、大企業や日本企業全体へそのまま一般化することはできない。
出典・調査条件：Brynjolfsson、Li、Raymond「Generative AI at Work」
公表年は2025年で、顧客サポート担当者5,172人、約300万件のチャットを分析している。特定業務における生産性向上を示す一方、一社の顧客サポート業務を中心とした研究であり、全社的な利益、人員配置、事業変革を直接測定したものではない。
出典・調査条件：JILPT「AIの職場導入による働き方への影響等に関する調査」
調査主体は独立行政法人労働政策研究・研修機構、調査年は2024年で、国勢調査の職業、就業形態、性別、年齢、地域を基に層化したWeb調査として、公務員を含む雇用者2.2万人を対象としている。労働者が企業内のAI利用状況を正確に把握していない可能性があり、IPA調査とは対象、時期、定義が異なる。
出典・調査条件：Brynjolfsson、Rock、Syverson「The Productivity J-Curve」
公表年は2021年で、米国のマクロデータと経済モデルを基に、汎用技術と補完的な無形投資の関係を分析している。生成AI導入企業を直接調査した研究ではなく、企業単位の優先順位変更を実証したものでもない。
3.1 調査から確認できること
調査から確認できる第一の事実は、生成AIが特定業務の処理速度を高め得ることである。顧客サポートの実証研究や企業調査では、作業時間の短縮や処理件数の増加が確認されている。第二に、企業での活用は個人の文書作成や情報収集へ偏っており、業務プロセスへの組み込みや製品・サービスの高度化は、個人利用ほど進んでいない。第三に、効率化と事業成果の間には隔たりがあり、AIの効果として効率化・迅速化を挙げる企業が多い一方、顧客満足度や売上・利益の改善を挙げる企業は少ない。第四に、人材や業務の見直しも遅れており、IPA調査でAIによる効率化・自動化が見込まれる既存業務の把握に着手している企業は19.0％にとどまり、その他の人材育成・確保に関する対応項目は着手率が1割未満だった。
3.2 調査だけでは確認できないこと
一方、「緊急業務が重要業務を押し出している状態」を直接測定した信頼できる公的統計は、元原稿で参照した範囲では確認できない。生成AIによって生まれた時間が実際にどの業務へ使われたのかを追跡する調査も限られており、効率化した企業と、重要業務へ人材を移動できた企業の業績差についても、公開情報だけで因果関係を判断することは難しい。
したがって、次節以降で述べる「余力の再吸収」と、経営による再配分の必要性は、公的調査で確定した普遍的な因果関係ではなく、調査結果と企業事例を組み合わせたCREATREEの解釈として位置づける。
4. CREATREEの見解
以下では、Web・AI・顧客体験・事業実装を扱うCREATREEの立場から、生成AIで生まれた余力が既存業務へ再吸収される構造と、それを防ぐための判断基準を整理する。
4.1 生成コストの低下は、仕事量の減少を意味しない
生成AIが変えたのは、仕事を完了させるまでの時間だけではない。文章、分析、企画案、画像、プログラムなどを作る限界費用が下がり、以前より多くの成果物を短時間で作れるようになった。しかし、成果物を安く作れるようになるほど、「追加で調べる」「別案を作る」「報告をさらに詳しくする」といった新たな需要も生まれる。処理能力の向上が成果物と依頼の増加に吸収されれば、社員の忙しさは変わらず、場合によってはレビューや意思決定の負荷が増える。
余った時間は、何も置かれていない空き地ではない。未処理の案件、既存の評価指標、顧客からの依頼、管理職の期待が、経営による別の意思決定がない限り、その時間を先に占有する。
4.2 利用率ではなく、廃止と再配分を問う
生成AI導入では、利用率、プロンプト研修の受講者数、契約アカウント数、生成回数などが注目されやすい。これらは普及状況を把握するうえでは有効だが、業務変革の成否を示す指標ではない。
CREATREEが重視するのは、生成AIによって本当に不要になった仕事は何か、どの承認・会議・報告・引き継ぎを廃止できたか、生まれた時間を誰がどの重要課題へ移したか、移動後の成果をどの事業指標で評価するかという一連の問いである。生成AIを使う能力は必要だが、それだけで会社の優先順位は変わらない。優先順位を変えられるのは、予算、人員、目標、評価制度を変更できる経営である。
4.3 顧客価値、事業性、技術、運用を一体で設計する
AIの導入は、技術的な実現可能性を高める。しかし、顧客体験と事業成果を変えるには、顧客にとって価値があること、事業として持続可能であること、技術的に実現できること、現場が継続して運用できることの四つを同時に満たさなければならない。
生成AIで資料作成が速くなっても、それだけで顧客の問題が解決されるわけではない。問い合わせへの回答文を短時間で作れても、複雑な承認、分断されたデータ、部門間の引き継ぎが残っていれば、顧客が回答を受け取るまでの時間は縮まらない。AI活用を業務変革へ進めるには、個別作業だけではなく、仕事の入口、判断、承認、実行、顧客への提供、結果の検証までを一つの流れとして見直す必要がある。
4.4 企業が陥りやすい四つの誤解
第一の誤解は、作業時間が減れば人が自然に余るという考え方である。実際には、社員や管理職が別の仕事を追加するため、余力は可視化されない。DeNAが公表した事例も、効率化後に社員が別の仕事を詰め込み、人材移動が想定ほど進まなかったため、人が余るのを待たず先に動かす必要があることを示している。
第二の誤解は、現場に任せれば重要業務へ時間が移るという考え方である。現場には、納期、品質、顧客対応、予算などの既存責任がある。評価指標と業務量を維持したまま、人員だけを減らしたり、新しい業務を追加したりすれば、管理職と従業員は緊急業務を優先せざるを得ない。
第三の誤解は、AIの利用率が高ければ導入は成功しているという考え方である。利用率は普及を示すが、仕事の廃止、意思決定の高速化、顧客価値、利益、人材移動を示すものではない。第四の誤解は、重要業務は余裕ができてから始めればよいという考え方である。余裕が自然に発生する可能性は低く、重要業務のための時間は経営が先に保護しなければならない。
4.5 生成AI施策を評価する順序
生成AI施策は、削減時間だけを起点に評価すべきではない。まず、顧客または事業にどのような価値を生むのかを明確にし、次に対象業務のどの工程を削減・統合・廃止するのかを決める。そのうえで、何時間、何人分の処理能力が生まれるのかを実測し、その能力をどの重要課題へ移すのかを定める必要がある。さらに、品質、安全性、法令順守、従業員負担を維持できるかを確認し、最後に移動後の成果を売上、顧客満足度、開発期間、意思決定時間などの事業指標で検証する。
重要なのは、「AIによって何時間を削減したか」で評価を終えず、削減した時間が実際にどこへ移り、どの成果へ変わったかまで追跡することである。
4.6 「余力再配分表」で実装まで管理する
AI施策ごとに、効率化、廃止、余力の発生、再配分、成果検証を一枚で管理する「余力再配分表」を作ると、導入効果を事業実装まで追跡しやすくなる。
| 項目 | 記載内容 |
|---|---|
| 対象業務 | 変更する業務と工程を特定する |
| 現在の投入量 | 月間工数、担当人数、処理件数を記録する |
| AI導入後の投入量 | 導入後の工数、人数、処理件数を実測する |
| 廃止する仕事 | 不要になる作業、会議、承認、報告を明記する |
| 生まれる余力 | 時間、人数、予算として定量化する |
| 移動先 | 新規事業、顧客体験改善、人材育成などの重要課題を指定する |
| 責任者 | 余力の発生と移動を決定する経営責任者を置く |
| 成果指標 | 売上、顧客満足度、開発期間、意思決定時間などを設定する |
| 安全指標 | 品質低下、手戻り、情報漏えい、従業員負担を監視する |
ただし、AI導入部門だけでこの表を作っても、人や予算は動かない。事業責任者、人事、財務、IT、法務を含む経営会議で、既存業務の削減と重要業務への再配分を同時に決定する必要がある。
5. 第三者から見た評価
余力の再配分は必要である一方、既存事業の安定、現場負担、顧客価値、安全性と同時に評価しなければならない。立場によって期待する効果と懸念が異なるため、経営の意思だけで一方的に進めるのではなく、それぞれの判断基準を設計へ組み込む必要がある。
5.1 経営者・事業責任者の視点
経営者や事業責任者にとって、生成AIによる余力の再配分は、生産性向上、新規事業への人材移動、成長投資の拡大につながり得る。一方、人材を先に移すことで既存事業の品質や売上が低下する可能性があるため、事業利益、顧客維持率、重要施策の進捗、既存事業の安定性を同時に確認しなければならない。CREATREEの見解と再配分の必要性では一致するが、短期業績と両立する条件を明確にすることが前提となる。
5.2 現場の管理職と従業員の視点
現場の管理職は、処理能力の向上、残業削減、チーム負担の軽減を期待する一方、目標を減らさず人だけを移されること、優秀な人材を失うこと、障害や欠員へ対応する余力がなくなることを懸念する。したがって、業務量、品質、残業、欠員時の対応力、チーム目標を確認し、人材移動と同時に現場目標、権限、担当範囲を変更する必要がある。
従業員にとっては、定型作業の削減、専門業務への集中、学習機会の増加が期待できる一方、仕事量の増加、監視強化、技能の陳腐化、雇用不安が生じる可能性がある。重要業務への移動を成長機会にするには、労働時間、裁量、学習機会、評価の公平性、心理的安全性を維持し、本人への説明と意思決定への参加を確保することが欠かせない。
5.3 顧客・生活者の視点
顧客や生活者は、迅速な対応、個別化、価格低下、サービス改善を期待する一方、誤回答、画一化、責任所在の不明確化、個人情報の扱いに不安を抱く。したがって、生成速度や処理件数だけではなく、正確性、対応時間、解決率、透明性、苦情件数を測定しなければならない。効率ではなく顧客価値を成果として捉え、速さだけを成功としない点は、CREATREEの見解とも一致する。
5.4 デザイナー・エンジニアの視点
デザイナーやエンジニアは、試作の高速化、反復回数の増加、技術負債の解消といった効果を期待できる。一方で、生成される成果物が増えすぎることでレビュー負荷が高まり、品質判断や保守性が弱くなる可能性がある。リリースまでの時間、手戻り、品質、保守性、利用者評価を確認し、生成量ではなく、意思決定と継続運用まで含めて評価する必要がある。
5.5 IT・法務・セキュリティ部門の視点
IT、法務、セキュリティ部門にとって、統一された利用環境は、安全な生成AI活用とデータ利用の高度化につながる。一方、情報漏えい、著作権侵害、誤出力、無許可利用、管理コストの増加が懸念されるため、事故件数、監査可能性、利用ルールの順守状況、費用対効果を継続的に確認しなければならない。ガバナンスを変革の条件として組み込むことは必要だが、規制だけで活用を止めない設計が求められる。
5.6 成立し得る反論
優先順位を変えるだけでは不十分だという反論は妥当である。AIの精度、データ整備、システム連携、業務知識、教育、セキュリティが不足していれば、経営が人材移動を決めても、前提となる効率化そのものが起きない。生産性のJカーブ研究が示すように、汎用技術の効果には補完的な投資が必要であり、経営判断による再配分は必要条件になり得ても、十分条件ではない。
緊急業務を削減してよいのかという反論にも、慎重に向き合う必要がある。顧客障害、法令対応、品質事故、セキュリティ対応など、緊急業務の中には事業存続に直結するものがある。必要なのは、緊急業務を「顧客や事業を守るために不可欠な業務」と、「慣習、重複、過剰品質によって発生している業務」に分け、後者を廃止・統合・簡素化することである。後者を見直さず、人だけを重要業務へ移せば、残された現場の負担とリスクが増える。
また、余力の移動先を新規事業だけに限定する必要はない。品質、安全性、顧客対応、人材育成、技術負債の解消へ余力を充てる方が、企業価値を高める場合もある。重要なのは、特定の移動先を一律に正解とすることではなく、自社の戦略と事業課題に基づいて経営が選択することである。
6. 想定されるインパクト
生成AIが企業と組織へ与える影響は、時間軸と確度によって異なる。以下では、公開情報から比較的確度が高い変化、一定の条件下で起こり得る変化、CREATREEによる仮説を区別しながら整理する。
6.1 短期的インパクト：現在から1年程度
短期的には、文書作成、調査、問い合わせ対応、開発などで個別作業の所要時間が短縮する可能性が高い。同時に、AIの誤出力、情報管理、著作権、品質確認に対応するため、新たな確認作業が発生する。削減された時間の移動先を決めていない企業では、その時間が未処理案件や追加作業に使われ、社員の体感的な忙しさはあまり変わらないと考えられる。
一方、経営が移動先を先に決めた企業では、新規事業や顧客体験改善へ専任・兼任人材を配置しやすくなる。ただし、AI導入後も既存目標を維持すれば、処理量だけが増え、レビュー負荷や仕事の密度が高まる可能性がある。
6.2 中期的インパクト：2〜3年程度
中期的には、AIを前提として業務の入口、判断、承認、実行、検証を再設計する企業と、個人利用にとどまる企業の差が広がると考えられる。管理職の役割も、業務の割り振りや進捗管理だけではなく、仕事の廃止、AIと人間の分担、能力の再配置へ広がる可能性がある。
顧客は、回答や開発の速さだけではなく、自分の状況を理解した提案と、部門をまたいでも一貫した体験を期待するようになる。AIによる効率化を既存事業の処理量増加へ使う企業と、新しい顧客価値の創出へ使う企業では、成長率や事業構成に差が生じる可能性がある。ただし、必要な技能を把握しないまま人材移動を進めれば、重要業務へ人を配置しても品質が上がらないという問題が起こり得る。
6.3 長期的インパクト：4〜10年程度
長期的には、職種が一括して消えるというより、職種の中に含まれる作業の構成、人間が判断すべき範囲、求められる技能が変化する可能性が高い。人間の役割は、情報を作ることから、目的を決めること、問いを立てること、判断すること、責任を負うこと、関係者を調整することへ相対的に移ると考えられる。
AIを業務、組織、人材へ組み込める企業と、ツールの配布にとどまる企業の間では、生産性や新規事業創出力の差が広がる可能性がある。一方、効率化の成果が従業員の成長、賃金、労働時間の短縮へ還元されなければ、仕事の高密度化や技能格差が社会課題になるおそれもある。どの職種で、どの程度の雇用増減が起きるかは、技術性能だけではなく、需要、規制、企業行動、教育制度に左右されるため、現時点で一律に予測することはできない。
7. 企業・組織への提言
企業は、AIを導入する前後で、余力の行き先、廃止する仕事、評価指標、管理職の責任を同時に設計する必要がある。以下の提言は、AIを使う施策ではなく、AIによって生まれた能力を事業価値へ変換するための経営施策である。
7.1 AI導入前に「余力の行き先」を決める
AIで効率化する業務と、生まれた時間を投入する重要課題を一対一で設定する。移動先が決まっていなければ、余力は既存業務へ再吸収されるためである。最初の一歩として、経営会議で今後12カ月に人材と時間を増やす重要課題を三つ以内に絞り、それぞれに経営責任者、事業責任者、人事、財務、AI・IT責任者を関与させる。
この施策では、AIの効果を過大評価し、人材を早く移しすぎるリスクがある。したがって、重要課題へ移動した時間と人数、重要施策の進捗だけではなく、既存事業の品質、売上、顧客対応時間も同時に測定し、再配分の速度を調整する必要がある。
7.2 「増やす仕事」と同時に「やめる仕事」を決める
会議、報告書、承認、定例作業、重複入力などを棚卸しし、廃止・統合・簡素化する。AIで一部作業を速くしても、その前後にある承認や報告が残れば、組織の余力は生まれないためである。最初の一歩として、各部門から、廃止しても顧客、法令、経営判断への影響が小さい仕事を五件ずつ提出させ、業務部門、内部統制、法務、IT、顧客接点部門が共同で判断する。
必要な確認や安全対策まで削減すると、品質事故や顧客苦情につながる。廃止した業務数や削減工数だけではなく、承認段階数、手戻り率、品質事故、顧客苦情を併せて確認し、効率化と安全性を同時に評価する必要がある。
7.3 余力が生まれるのを待たず、人と時間を先に動かす
重要課題に専任者を置くか、勤務時間の一定割合を保護し、既存業務から切り離す。自然に余力が生まれるのを待つと、既存の依頼や目標によって時間が埋まるためである。最初の一歩として、一つの重点テーマを選び、必要人材を先に任命したうえで、残る既存業務をAI化、廃止、移管によって再設計する。実行には、CEOまたは事業責任者、人事、対象部門長、重点テーマの責任者が関与する。
人材を移した後も残されたチームの業務量が変わらなければ、負担増加や品質問題が生じる。保護された時間の実績、重点テーマへの投入量、既存業務の残業と品質、配置後の成果を継続的に確認し、人材移動と業務削減を必ず一体で進める必要がある。
7.4 利用率ではなく「再配分」と「事業価値」を測る
AIの利用人数や生成回数に加えて、廃止した工数、意思決定時間、顧客価値、利益への寄与を測定する。利用率だけでは、AIが既存業務の量を増やしているのか、重要業務を前へ進めているのかを判断できないためである。最初の一歩として、AI施策ごとに導入前後の工数、削減した仕事、生まれた余力、実際の移動先を記録し、経営企画、財務、事業部門、データ分析、AI・IT部門が共同で評価する。
削減工数が過大に申告されたり、測定しやすい短期成果へ評価が偏ったりする可能性があるため、実測削減時間、重要業務への再配分率、顧客課題の解決率、売上・利益に加え、品質と安全性の指標を併用する必要がある。
7.5 管理職の評価を「人材を抱えること」から「送り出すこと」へ変える
全社の重要課題へ人材を送り出したこと、不要な仕事を廃止したこと、部下の技能転換を支援したことを、管理職の評価へ組み込む。管理職が部門目標と人員数だけで評価される限り、優秀な人材を他部門や新規事業へ移す動機は生まれないためである。最初の一歩として、次回の評価期間から、部門横断の人材移動と業務廃止を評価項目へ試験導入し、経営層、人事、事業責任者、労務、対象部門の管理職が運用を検証する。
形式的な人材移動が増えたり、本人の希望や適性が軽視されたりするリスクがあるため、戦略領域への人材移動数だけではなく、移動後の定着率、本人の成長実感、送り出した部門の成果、人材偏在の変化まで確認する必要がある。
8. 結論
生成AIを導入しても企業の業務が変わらない最大の理由は、生成AIが直接変えられるのが主として「作業の所要時間」であり、「会社の優先順位」ではないからである。
公的調査と研究からは、生成AIが個人や特定業務の生産性を高める一方、活用が個人業務へ偏り、業務プロセス、人員配置、顧客価値、売上や利益への転換が限られていることが確認できる。CREATREEの解釈では、生成AIによって生まれた余力は、経営が使途を決めなければ既存業務へ再吸収される。
したがって、経営層が行うべきことは、AIの利用を奨励することだけではない。やめる仕事を決め、人と時間を先に動かし、管理職の目標と評価制度を変更し、削減した時間がどの事業成果へ変わったかを追跡する必要がある。
ただし、経営判断だけで変革が成立するわけではない。データ、システム、技能、業務設計、安全性への補完投資が必要であり、既存事業の品質を守る条件も同時に検証しなければならない。
経営層が次に考えるべき問いは、「生成AIで何ができるか」ではない。
生成AIで生まれた余力を、どの重要課題へ、誰の権限で移すのか。
関連記事
- AI格差を生むのは、モデル性能ではなく業務設計力である：AI活用を業務設計力の観点から整理します。
- 完全自動化を急ぐほど、AI導入はなぜ失敗しやすいのか：AIと人の役割分担を検討できます。
- DifyでWordPress SEO記事を自動化する実務手順：生成AIを安全に業務へ組み込む具体例です。
よくある質問
- 生成AIを導入しても、業務変革につながらないのはなぜですか？
-
生成AIが直接変えられるのは主として作業の所要時間であり、会社の優先順位ではないためです。やめる仕事と余力の移動先を経営が決めなければ、生まれた時間は未処理案件、追加の資料作成、既存目標の上積みなどに再吸収されます。
- 生成AIで生まれた時間は、どのように管理すべきですか？
-
AI施策ごとに、導入前後の投入量、廃止する仕事、生まれる余力、移動先、責任者、成果指標、安全指標を記録します。削減時間だけではなく、重要業務へ実際に再配分できたか、その結果として事業指標がどのように変化したかまで追跡します。
- 緊急業務は削減してよいですか？
-
一律に削減すべきではありません。顧客、法令、品質、セキュリティなど、事業を守るために不可欠な業務と、慣習、重複、過剰品質から生じる業務を分け、後者を廃止・統合・簡素化します。人材移動は、残る業務量と安全性を確認しながら進める必要があります。
- AI導入の成果は、何で測るべきですか？
-
利用人数や生成回数だけではなく、実測削減時間、重要業務への再配分率、意思決定時間、顧客課題の解決率、売上・利益、品質・安全指標を併せて測定します。AIの普及ではなく、事業価値と既存業務の安定を両方確認することが重要です。
著者プロフィール
この著者の記事一覧へ
著者
藤村 隼人
CREATREE合同会社 代表社員／NSJAPAN CDO
HAL名古屋卒業後、マーケティング会社を経てCREATREE合同会社を設立。代表社員として、生成AI導入、AI業務自動化、UI/UX設計を横断し、構想から実装・運用改善まで支援。NSJAPANではCDOを務める。