AI導入の落とし穴｜即効性を期待するとプロジェクトは頓挫する

「AIを導入すれば、来月から現場の仕事が減るはずだ」。

そう考えてツールを契約したのに、担当者から上がってくるのは「試す時間がない」「資料を整理しないと使えない」という声ばかりです。期待していた効率化が見えず、取り組みが立ち消えになってしまいます。

このつまずきを考える手がかりが、投資が先にあり、効果が後から現れる「Jカーブ」 です。この記事では、人の工数、データやナレッジの整備、計画・設計まで含めて、AI導入で見積もるべき投資と、効果が出るまでの進め方を整理します。

導入直後から仕事が減る前提で計画すると、ツール費用だけを用意し、その先の準備を見落としがちです。人の時間も情報整備の工数も確保されず、試行が進みません。それなのに「成果が出ない」と判断され、中止になります。

AIで人の時間を減らしたい。そのために、最初は人の時間を使います。

この順序を導入計画に入れておく必要があります。

AI導入のJカーブ

Jカーブとは、いったん下がってから上向く、アルファベットの「J」のような変化を表す言葉です。AI導入では、先に学習や準備へ時間を使い、その後に業務の改善効果を得るという時間差を考える手がかりになります。

ここでは導入前と比べた業務の効率を見てみましょう。同程度の品質で同じ仕事を終えるまでに、どれだけ時間がかかるかを比べます。

導入直後には、使い方を覚え、実際の仕事で試し、出力を確かめます。これまでのやり方と並行して検証する場合もあるでしょう。元の仕事にこうした作業が加わるため、同じ仕事に以前より時間がかかり、一時的に効率が下がることがあります。

そこで、依頼の仕方や手順を直し、使う資料を見直します。こうした改善によって準備や手直しの負担が減れば、導入前より短い時間で仕事を終えられる可能性が出てきます。効率が下がっていた時期から、上向きへ転じるわけです。

ただし、日々の業務が効率よく回るようになる時点と、初期投資を回収する時点は別です。運用の負担が減っても、そこに至るまでの準備や開発に使った費用・工数まで回収できたかは、別に確かめる必要があります。

経済学でも、AIのように幅広い用途を持つ技術を生かすには、業務の再設計や人材への投資が必要になると論じられています。NBERで公表された生産性のJカーブに関する研究は、こうした目に見えにくい投資が、生産性の測定に与える影響を扱っています（参考資料1）。

この視点を企業の導入計画に当てはめると、導入初期の学習や業務整理も、後の効果を支える投資として見積もる必要があると考えられます。

文章の下書きのように、その日のうちに便利さを感じられる活用もあり、すべての導入で目立つ落ち込みが起きるわけではありません。それでも、使い方を試し、結果を確かめる人の時間は要ります。準備の規模や期間は、対象の業務によって変わります。

また、Jカーブは「待っていれば必ず成果が出る」という約束でもありません。必要な準備を進め、実務で確かめ、改善できるかどうかが、その後の成果を左右します。

導入予算に含める費用と工数

AI導入の費用を考えるとき、ツールの月額料金や開発会社への支払いは目に入りやすいですよね。

一方で、社内の人が使う時間は見積もりから抜けがちです。すでに給与を払っている社員でも、AI導入に取り組む時間が自然に増えるわけではありません。その分だけ、ほかの業務を減らす、任せ直す、優先順位を変えるといった調整が必要です。

導入時に確認したい投資を、大きく分けると次のようになります。

投資の対象	具体的に必要になるもの
ツール・開発	利用料金、初期設定、必要に応じたシステム連携や開発
人の時間	操作の習得、業務の説明、試用、出力の確認、現場への展開
データ・ナレッジ	必要な資料の収集、古い情報の整理、判断基準の言語化
計画・設計	対象業務の選定、人とAIの役割分担、評価方法、運用手順の決定

資料の整理や設計にも、実際には人の時間を使います。「担当者を一人決めた」で終わらせず、その人が何を、誰と一緒に進めるのかまで具体化したいところです。

一つの作業を既存のツールで試すなら、小さな準備で始められることもあります。ただ、必要な仕事があるのに、その担い手と時間を用意しなければ、準備は進みません。

外部の支援会社に依頼する場合も、自社の仕事を説明する人や、出来上がったものを確かめる人は必要です。その協力まで「誰かが空いた時間にやる」としてしまうと、打ち合わせや検証のたびに導入作業が止まってしまいます。

投資の見落としで止まる3つの例

AI導入の停滞を、「現場が使ってくれない」「AIの精度が低い」と片づける前に、必要な投資が計画に入っていたかを確認したいところです。

AI・機械学習プロジェクトの経験者への聞き取りをまとめたRANDの報告でも、経営側が必要な時間を過小評価することや、データの取得・整理、運用を支える基盤への投資不足が、失敗につながる要因として挙げられています（参考資料2）。

ここからは、見落としがどのように停滞を招くのか、架空の例で考えてみます。

時間のない担当者

ある会社で、総務担当者は、社内の問い合わせ対応にAIを活用する仕事を任されました。ツールを契約し、担当者も決めたので、経営者は「これで進むだろう」と考えています。

ところが、担当者の通常業務はそのままです。よくある質問を集める時間も、回答を試す時間も取れません。各部署に資料の確認を頼んでも、相手にも余裕がありません。

しばらくすると、「思ったほど使われていない」という評価だけが残ります。

この例で不足しているのは、担当者の意欲よりも、取り組む時間を確保するための調整です。誰を任命するかに加えて、その人のどの仕事を減らすのかまで決める必要があります。

整理されていない資料

別の会社では、店舗スタッフからの質問に答えるAIを試しています。本部に保存されていたマニュアルをまとめて渡しましたが、回答には古い手順や、別店舗のルールが混ざります。

調べると、資料には現行版と旧版があり、どの店舗で、どのような条件で使うかも明記されていませんでした。例外的な対応をどう判断するかは、本部のベテランだけが知っています。

担当者は「もっと性能の高いAIが必要なのでは」と考えます。しかし、その前に、どの情報を正しいものとして扱うかを決める仕事が残っています。

資料が存在することと、業務で使える状態になっていることには差があります。その差を埋める工数が見積もられていなければ、設定を変えても同じ問題に戻ってしまいます。

立ち上げ時の負担だけでの中止

問い合わせメールの返信案をAIで作る取り組みを始めたものの、当初は出力の確認と手直しに時間がかかりました。そこへ経営者から、「仕事が減るはずなのに、なぜ忙しくなっているのか」と疑問が出ます。

準備期間や途中の確認項目を決めていなかったため、担当者は説明できません。結果として、よくある問い合わせの型が整う前に、取り組みは中止されました。

もちろん、負担が増え続ける取り組みを無条件で続けるべきではありません。ただ、始める前に準備の内容と判断の時期を共有していなければ、想定内の負担と、見直すべき問題を区別できなくなります。

自社の仕事に合わせる設計

「ここまで賢いAIなら、うまく読み取ってくれるだろう」。

そう期待したくなる気持ちはわかります。自分でも思いつかなかった案が出てくると、社内の仕事も広く任せられそうに感じますよね。

AIに自社のルールや独自の判断まで踏まえて動いてもらうには、その根拠となる情報を会社の側から渡す必要があります。

たとえば、熟練者が見積もり依頼を確認するとき、必要な項目が埋まっているかだけを見ているとは限りません。特定の条件が重なったときには、先に別の部署へ確認しているかもしれません。

その判断をAIに手伝ってもらいたいなら、「何を見て、どんなときに確認するか」を整理する必要があります。高性能なAIを契約しても、自社で説明していない判断基準まで自動的に伝わるわけではありません。

こうしたナレッジの言語化に取り組む場合は、「暗黙知」をAIに教えるには？｜熟練者の判断を言語化する方法も参考になります。

そのうえで、対象の仕事をどう進めるかも設計します。

• AIには何を任せ、どこから人が判断するのか。
• どのような出力なら、実務で使えると評価するのか。
• AIが判断できない場合は、誰に確認を依頼するのか。
• 元の資料や業務ルールが変わったら、誰が更新するのか。

たとえば、AIで問い合わせへの回答案を作りたいなら、まず回答に使う資料と、回答できるようにしたい質問をそろえます。回答に必要な情報が足りない質問を受けたときには、人に確認を依頼する手順も決めます。AIの出力を見て初めて、資料の不足や、条件の曖昧さに気づくこともあるでしょう。

この準備と見直しが、計画や設計にかかるコストです。業務担当者への聞き取りや打ち合わせも含まれます。計画や設計は設定前に一度だけ済ませるのではなく、試して得た結果をもとに見直し、手順や情報を整え直していきます。

準備の範囲は、目的から逆算します。既存の資料で足りる業務もあれば、判断基準の言語化やデータの整理から始める業務もあります。

最初から社内の全資料を整えようとすると、準備だけで力尽きてしまいます。まず対象業務を絞り、必要な情報を使って試し、足りないものを補います。その範囲で必要な工数を見積もりましょう。

谷を越えるための導入計画

では、先行投資を前提に、どのような計画を立てればよいのでしょうか。

大切なのは、「効果が出るまで我慢する」と決めるだけで終わらせず、何に投資し、途中で何を確かめるかを具体化することです。

対象業務と担当時間

まず、一つの業務で何を改善したいのかを決めます。返信にかかる時間を減らしたいのか、確認漏れを減らしたいのか。目標によって、必要な資料も、試し方も変わります。

次に、試用する人、業務に詳しい人、結果を判断する人を決め、それぞれが使える時間を確認します。同じ人が複数の役割を持っても構いません。

先ほどの総務部の例では、質問の収集や資料の確認が止まっていました。まずは対象を一種類の問い合わせに絞り、総務担当者には質問を集める時間を、元資料を管理する部署には内容を確かめる時間を確保します。

総務担当者の通常業務の一部をほかの人へ振り分ける、急がない作業を後ろへずらすといった調整も必要です。誰が協力するかだけでなく、その人たちが協力できる状態までつくります。

必要な工数を確保できないなら、さらに試す範囲を小さくするか、追加で人や時間、予算などを確保できるか判断します。範囲を広く掲げたまま、不足する工数を担当者の残業で埋める計画にはしないことです。

どの業務を優先するかから整理したい場合は、AXやAI-Ready化はゴールではない｜AI活用を成果につなぐビジョンと戦略で、会社の目標から施策を選ぶ考え方を紹介しています。

初期と運用後の負担

初回の資料整理や利用手順の作成は、導入時に集中しやすい仕事です。一方、出力の確認、資料の更新、問い合わせ対応は、導入後も続きます。

初期の負担と運用中の負担を分けて記録すると、「最初だけ必要な負担」なのか、「使い続ける限り発生する負担」なのかが見えてきます。

効果を見るときも、AIが文章を作る速さだけでは足りません。入力の準備から、確認、手直し、業務の完了までを含めて、時間や品質がどう変わったかを確かめます。

削減できた時間があっても、そのまま支出の削減になるとは限りません。残業が減ったのか、別の仕事に時間を回せたのかまで見れば、会社にとっての効果を説明しやすくなります。

継続・見直しの条件

立ち上げ中は、最終的な費用対効果だけでなく、上向くための準備が進んでいるかも確認します。

総務部の例なら、資料を整理した後、実際に届く質問でAIの回答を確かめます。回答が社内ルールに合っているか、対象外の質問への対応を人に引き継げるかを確認します。さらに、総務担当者が確認や手直しをする時間まで含め、導入前の対応と比べます。

「資料の適用条件が明確になった」「同じ理由による手直しが減った」といった変化は、次の検証に進めるかを判断する材料です。一方、資料を整理できたことだけで、業務の効率化まで達成したとは評価できません。

いつ振り返り、どの条件なら続け、何が解決しなければ見直すかは、試す前に経営者と現場で共有します。対象業務の頻度や、用意すべき情報、許容できる負担に合わせて決めましょう。

担当者の作業時間を確保できず、準備自体が進んでいないなら、工数や範囲の調整が先です。準備が進み、手直しの負担も減りつつあるなら、次の検証へ進めるか判断できます。必要な改善を試しても品質や負担が許容範囲に近づかないなら、方法の変更や中止を検討します。

こうした違いを見分けるために、使える予算・工数の上限も決めておきます。見直す時点で必要な資源が足りないと分かった場合は、対象を絞るか、追加投資に見合う見通しがあるかを判断します。

着手前に共有する5項目

社内で導入を検討するときは、ここまでの内容を次の5項目にまとめてみてください。

決める項目	具体的に書くこと
対象と目標	どの業務を対象に、時間や品質の何を改善するか
準備と担当	先に必要な作業は何か、誰が作業し、誰が内容を確認するか
担当時間の確保	各担当者がいつ、どれだけ取り組むか。そのために通常業務をどう調整するか
初期と継続の負担	導入時の費用・工数と、運用後も続く費用・工数をそれぞれどう見込むか
試行と判断の条件	予算・工数の上限、振り返る時点、確認する結果、継続・見直しの条件

この5項目が埋まれば、担当者への依頼も「AIで何か効率化しておいて」から、取り組む範囲と使える時間が明確な依頼に変わります。

効果が出る前の仕事と担当

AI導入で即効性を期待すると、準備に使う時間が「余計な仕事」に見えてしまいます。忙しくなった担当者は、効率化を頼まれたのに効率を下げた人として評価されかねません。

けれど、その時間の中には、将来の負担を減らすための学習や、資料の整理、業務の設計が含まれています。

導入を決めるときは、ツールの料金と期待する効果の間にある仕事にも、目を向けてください。誰が準備し、その時間をどう確保し、何をもって前進と判断するのか。そこまで決めて、初めて実行できる計画になります。

AIで減らせる仕事を考えるときは、その前に増える仕事と、それを担う人まで考える。

その先行投資を計画に織り込むことが、AI導入を期待だけで終わらせないための出発点です。ツールを契約するときに、準備を担う人の時間まで確保できているでしょうか。まずはそこから確認してみてください。