業務自動化の前に仕事を分解する：AI導入で先に整理すべきこと

AIで仕事を自動化したいと言うとき、多くの議論はすぐにツールの話へ向かいます。どのモデルが賢いか、どの製品が安いか、どこまで自動で動くか。けれど、実務で最初に詰まる場所はそこではありません。詰まるのは、その仕事がそもそもどういう単位で成立しているかが、まだ十分に見えていないところです。

人間の仕事は、手順だけでできているわけではありません。入力を受け取り、状態を観測し、曖昧な情報を補い、例外を見つけ、危ない分岐を避け、必要なら誰かへ確認し、責任の境界をまたぎながら進んでいます。つまり仕事とは、作業列である前に、観測と判断と受け渡しの構造です。ここを分解しないまま「AIに置き換える」と考えると、見えていなかった判断がそのまま抜け落ち、実運用で破綻しやすくなります。

だから自動化の本質は、人間の仕事を丸ごとコピーすることではありません。その仕事を構成している観測点、判断、分岐、例外、確認、出力、引き継ぎをほどき、どこまでを機械に渡し、どこを設計し直し、どこを人間に残すかを決めることです。自動化は、置き換えというより、業務理解の再設計です。

この詰まり方は、現場が協力しないからでも、AIが足りないからでもありません。仕事がすでに人の中で滑らかに動いているほど、観測点や判断基準が手順書の外へ沈んでいるからです。ベテランが当たり前にやっている「これは今回の例外だ」「この入力は信用度が低い」「このまま進めると別部署で詰まる」といった判断は、本人にとって自然すぎて、最初から要件として出てきません。

そのため、自動化対象を決める前に必要なのは、「誰が何をしているか」だけを見ることではなく、「何を入力として受け取り、どこを見て、何を根拠に分岐し、何を出力し、どこで確認し、どこを責任境界として扱っているか」を分解することです。ここまで見えて、ようやく自動化の入口ができます。

自動化の議論が浅くなりやすいのは、仕事を「操作の列」としてしか見ていないからです。ファイルを開く、入力する、確認する、送る。こう並べると、一見かなり自動化できそうに見えます。けれど実際の仕事は、その間に多くの判断を挟んでいます。値の異常を見逃さない、情報の欠落を補う、前回との差分に気づく、曖昧な依頼文を読み替える、例外を例外として扱う、責任者へ上げる閾値を見極める。ここが抜けたままでは、作業だけが再現され、仕事は再現されません。

観測点が見えていないと、何を入力にするかが決まらない

人は、与えられた入力だけを見て動いているわけではありません。画面の値だけでなく、記録の欠け方、時刻のずれ、担当者の癖、直前の変更、前工程の状態、問い合わせ文の温度差まで含めて観測しています。だから「この仕事の入力は何か」を定義しようとすると、思った以上に広い情報が出てきます。入力定義が粗いままだと、AIは足りない情報の上で判断を迫られ、現場は「使えない」と感じやすくなります。

分岐条件が見えていないと、例外が全部事故になる

多くの仕事では、本流より例外のほうが難しいものです。通常ケースは手順書どおりに流れても、入力不備、期限超過、文脈不足、関係部署の条件不一致、過去案件との矛盾など、運用を崩すのはたいてい例外です。人間はここで「進めてよい例外」と「止めるべき例外」を分けています。自動化の前に必要なのは、この見えにくい分岐条件を言葉にすることです。

出力だけでなく、受け渡しの成立条件まで見る

仕事は、処理結果を出せば終わりではありません。次の人が受け取って動ける形になっているか、誰が責任を持つ状態か、あとで追跡できるか、誤った判断を戻せるかまで含めて成立しています。AIや自動化の設計で重要なのは、出力ファイルや回答文そのものより、その出力がどの業務境界を越え、どんな責任のもとで使われるかです。ここを設計しないと、生成物は出ても、運用が乗りません。

属人化という言葉は、しばしば「担当者しかやり方を知らない状態」として語られます。もちろんそれも一部ですが、本当に厄介なのは、担当者の中で無意識に運用されている判断がまだ分解されていないことです。何を見たら危険なのか、どの条件なら保留にするのか、どの例外なら前へ進めてよいのか、何を記録しておけばあとで救えるのか。こうした判断が見えていないと、引き継ぎは「やり方を聞く」だけになり、再現可能な業務にはなりません。

逆に言えば、仕事の分解はそのまま属人化の可視化でもあります。誰かの頭の中にあった観測点と判断基準が言葉になれば、教育に使えます。レビューに使えます。責任境界の明確化に使えます。AIに渡すかどうかはそのあとでもよく、まずは仕事がどういう構造で成立していたかを見える形にすること自体に価値があります。

この型の重要な点は、作業手順を増やすことではありません。むしろ、どの仕事が本当にルール化しやすく、どの仕事がまだ判断の分解不足なのかを見分けることです。AIを入れるか、RPAを使うか、ワークフロー化するかは、そのあとで決めればよい話です。先に見るべきなのは、仕事の中の判断単位です。

自動化の前段でよく起きるのが、業務フローや手順一覧を作ったことで、もう仕事を理解できた気になってしまうことです。けれど、フロー図が示すのはたいてい順番だけであり、観測点や例外判断までは乗っていません。矢印がきれいにつながっていても、「この入力は信用してよいのか」「このケースだけは止めるのか」「誰が最終判断者なのか」が抜けていれば、設計としてはまだ浅いままです。

だから、見た目の整ったフローほど注意が必要です。仕事を分解したつもりで、実は判断を消していないか。現場で成立していた例外処理を、単に図から追い出していないか。ここを見直さないと、自動化は導入時には動いても、運用で崩れます。

AIで仕事を自動化するという言葉は派手ですが、実務で起きていることはもっと地味で、もっと重要です。それは、人間の仕事がどんな観測と判断で成立していたかを読み直すことです。入力、分岐、例外、確認、責任境界、出力、記録。そこが見えていないままでは、どんな優れたツールも仕事の本体を受け取れません。

逆に、仕事の分解ができるようになると、自動化の成否だけでなく、教育、引き継ぎ、標準化、改善の質も変わります。属人的に見えていた仕事の中に、見える形にできる観点があると分かるからです。自動化できるかどうかを問う前に、その仕事はどういう構造で成立しているのかを問う。その順番が、実はもっとも実務的です。