この記事は、AIを使う対象業務を選ぶ段階にある中小企業のAI推進担当者と管理部門に向けたものです。「定型業務はAIに向いている」という説明は広く出回っています。しかしその基準で選んだ業務で、思ったような結果が出ないという相談は少なくありません。基準そのものが足りていないためです。この記事では、4つの軸で向き不向きを判断し、点数化した判定シートに落とすまでを扱います。あわせて、検討の最初に除外すべき「そもそもAIでなくてよい業務」の見分け方も示します。
結論
向き不向きは「定型かどうか」では決まりません。再現性・入力品質・検証容易性・誤りの影響の4軸で見て、後半2つが低い業務は効果が大きくても最初の対象にしない。これが実務上の結論です。そして検討の最初に「これは条件分岐で書けないか」を確認します。AIが不要な業務にAIを入れるという失敗は、この一手間だけで避けられます。
「定型業務ならAI」で失敗する理由
解説記事で挙げられる軸は、発生頻度、パターン化のしやすさ、データ量、横展開のしやすさ、人手不足の度合いなどです。これらは間違っていません。ただし共通点があります。すべて「効果の大きさ」を測る軸であるという点です。効果が大きい業務を正しく選べても、次の2つが欠けていると失敗します。出力が正しいかどうかをその場で判断できること、そして誤ったときの影響が社内で収まることの2つです。効果の軸だけで選ぶと、効果は大きいが誤りに気付けない業務が最初の対象になります。この記事では、効果の軸に「安全に試せるか」の軸を加えて判断します。
この軸の必要性は、企業が実際に感じているリスクの並びからも裏づけられます。総務省「令和8年版 情報通信白書」の2025年度企業向け調査では、生成AIの活用にあたって懸念されるリスクとして、日本で最も多く挙がったのが「社内情報の漏洩などのセキュリティリスクがある」、次に多く挙がったのが「出力結果の精度に問題がある」でした（白書は順位を示しており、割合は明記されていません）。漏洩のほうは、入力してよい情報を決めるという運用で塞げます。ところが精度は、出力を人が確認する以外に塞ぐ手立てがありません。この確認のしやすさが、次に挙げる軸3にあたります。
その前に｜そもそもAIでなくてよい業務
軸の話に入る前に、除外すべき業務があります。条件分岐で書ける業務です。
| 業務の特徴 | 適した手段 | 理由 |
| 入力が数値や選択肢に限られる | 表計算の関数や既存機能 | 結果が毎回同じで、根拠も説明できる |
| 判断基準を完全に明文化できる | 条件分岐の設定 | 誤りが起きず、費用も発生しない |
| 入力が自由記述で、分類に幅がある | AI | 明文化できない揺れを扱える |
| 前例のない文章を作る必要がある | AI | 定型文では対応できない |
「AIで効率化する」を目的に置くと、この区別が飛ばされます。関数や既存機能で済む業務にAIを入れると、費用が増え、結果が毎回わずかに変わるという不利益だけが残る結果です。しかも根拠を説明できなくなります。検討の最初に「これは条件分岐で書けないか」を一度確認します。ここで除外できる業務は珍しくありません。
判断に使う4つの軸
軸1｜再現性
手順がおおむね決まっているか。担当者ごとにやり方が違う業務は、そもそも何を任せるのかを定義できません。確認方法は単純です。別の人に手順を説明して、同じ結果になるかどうかです。
軸2｜入力品質
渡す情報がそろっているか。手書きのメモ、様式がばらばらのファイル、項目が欠けているデータでは、出力の質が安定しません。目安として、入力の8割以上が同じ形式であることを確認します。たとえば取引先から届く注文書が、10社は自社様式のPDF、5社はメール本文への記載、2社は電話とFAXという状態であれば、この軸は低くなります。この場合、まず様式を統一してから対象にするか、自社様式のPDFだけを対象に限定します。
見落としやすいのは入力そのものは整っていても、判断に必要な情報が別の場所にある場合です。注文書は整っていても、その取引先の特別な取り決めが担当者の記憶にしかないなら、渡せる情報がそろっていないことになります。
同じ業務でも、使う契約形態で判定が変わる
同じ業務でも、どの契約でAIを使うかによって軸2と軸4の評価は変わります。個人向けの契約と業務向けの契約では、入力したデータの扱いがそもそも違うためです。OpenAIは、ChatGPT Enterprise・Business・Edu およびAPIプラットフォームについて、入力と出力のいずれも既定ではモデルの学習や改善に使わないと公式ページで明記しています（2026年9月5日確認）。社内の情報を渡してよいかどうかは、この一文を読んでから判断してください。
費用の目安も、業務向けの契約であれば公表されています。Google Workspace は1ユーザーあたりの月額を Business Starter 800円、Business Standard 1,600円、Business Plus 2,500円と料金ページで示しており、いずれのプランにも Gemini のAIアシスタントが含まれます（税別・2026年9月5日確認）。ChatGPT の各プラン価格については、公式の料金ページで確認してください。ここで挙げた2社は確認のしかたを示す例であり、製品の優劣を判定するものではありません。
| 確認する項目 | なぜ判定に効くか | 確認先 |
| 入力データを学習に使うか | 軸2と軸4に効く | 各社の公式ページ |
| 出典や参照元を示せるか | 軸3に効く | 各社の公式ページ |
軸3｜検証容易性
出力が正しいかどうかを、その場で人が判断できるか。本記事で最も重視する軸です。もっともらしい誤りが混じること（ハルシネーション）は前提として扱い、能力の話ではなくその誤りにその場で気付けるかどうかを見ます。気付ける業務なら、誤りが混じっても運用は成り立ちます。確認のしかたを次の2つに区別してください。
| 確認のしかた | 対象になる誤り |
| 読めばすぐ分かる | 誤字、計算違い、形式の不備、明らかな抜け |
| 調べないと分からない | 事実関係、過去の経緯、取引先ごとの例外、法的な当否 |
後者が中心の業務は、最初の対象にしません。誤りが見つからないまま使われ続け、後になって影響が判明します。この軸は、上位の解説記事でほとんど扱われていません。
軸4｜誤りの影響
間違えたときに何が起きるか。取り消せるかどうかで分けます。
| 影響の範囲 | 例 | 最初の対象にするか |
| 社内で気付いて直せる | 社内資料の下書き、分類の間違い | する |
| 社外に出るが訂正できる | 社内向け通知、送信前の下書きメール | 条件付き |
| 取り消せない | 送金、対外送信、データの削除 | しない |
軸で見ると何が変わるか
頻度と定型性だけで選ぶ場合と、4軸で選ぶ場合では結論が変わります。具体例で比べます。
| 業務 | 頻度・定型性 | 検証容易性 | 誤りの影響 | 4軸での判定 |
| 経営・総務｜議事録の要約 | 高い | 高い（読めば分かる） | 小（社内） | 向く |
| 経営・総務｜社内向け通知文の下書き | 高い（型が決まっている） | 高い（読めば分かる） | 小（出す前に直せる） | 向く |
| 経営・総務｜社内規程の所在検索 | 中（問い合わせのたびに発生） | 中（原本に当たれば分かる） | 中（誤案内が運用に及ぶ） | 条件付き |
| 経営・総務｜取引先ごとの与信判断 | 中 | 低（調べないと分からない） | 大 | 向かない |
| 経営・総務｜契約書の条項チェック | 中 | 低（法的判断を要する） | 大 | 向かない |
| 経理｜請求書の内容確認 | 高い | 中（元資料との照合が必要） | 中 | 条件付き |
| 経理｜経費精算の申請内容チェック | 高い（毎月同じ様式） | 中（規程と領収書に当たる） | 中（差し戻しで戻せる） | 条件付き |
| 経理｜仕訳の起票 | 高い（勘定科目が決まっている） | 中（試算表で突き合わせる） | 中（締め前なら訂正できる） | 条件付き |
| 営業｜提案書のたたき台作成 | 高い（構成が共通） | 高い（読めば分かる） | 小（社内で確認してから出す） | 向く |
| 営業｜商談メモの要約 | 高い（商談のたびに発生） | 高い（元のメモに当たれる） | 小（社内） | 向く |
| カスタマーサポート｜問い合わせの一次分類 | 高い | 高い | 小 | 向く |
| カスタマーサポート｜FAQ原稿の作成 | 中（製品の改定ごと） | 中（担当者の確認が要る） | 小（公開前に止められる） | 条件付き |
| カスタマーサポート｜クレームの一次回答 | 中（内容が毎回違う） | 低（相手の意図を確かめないと分からない） | 大（送信すると取り消せない） | 向かない |
| 人事｜求人原稿の下書き | 中（採用の時期に偏る） | 高い（読めば分かる） | 小（掲載前に直せる） | 向く |
頻度と定型性だけで見ると、請求書の内容確認や与信判断も有力な候補に見えます。検証容易性と誤りの影響を入れると順位が変わり、最初に着手すべき業務が変わります。
最初の対象にしない業務
向かない業務を並べると、AIの能力が足りないから外している、という読み方をされがちです。実際にはそうではありません。外す理由は2つに集約されます。出力の誤りにその場で気付けないことと、実行してしまうと取り消せないことです。このどちらかに当てはまる業務は、点数を付けるまでもなく最初の対象から外してください。着手の順番を最後に回すのではなく、対象そのものから外すという意味です。
| 業務 | 理由 | 代わりに人が担う工程 |
| 取引先ごとの与信判断 | 根拠が社外の情報と過去の経緯にあり、出力が正しいかをその場で確かめられない | 与信枠の決定と稟議 |
| 契約書の条項チェック | 妥当かどうかが法的な解釈に左右され、読んだだけでは誤りを見つけられない | 条項の可否判断と修正の合意 |
| 解約・クレームの最終回答 | 送信した文面は取り消せず、相手との関係にそのまま跳ね返る | 回答内容の決定と送信 |
| 人事評価と採用の合否判断 | 根拠を本人へ説明する必要があるのに、出力の理由をたどれない | 評価の確定と本人への説明 |
| 送金・対外送信・データ削除を伴う工程 | 実行すると元に戻せず、誤りに気付いた時点では手遅れになる | 実行の操作そのもの |
判定シート
4軸をそれぞれ3点満点で採点し、合計で扱いを決めます。候補業務ごとに1行ずつ付けます。
| 軸 | 3点 | 2点 | 1点 |
| 再現性 | 手順が文書化されている | 口頭で説明できる | 人によって違う |
| 入力品質 | 形式がそろっている | おおむねそろう | ばらばら |
| 検証容易性 | その場で分かる | 一部は調べる必要がある | 調べないと分からない |
| 誤りの影響 | 社内で収まる | 訂正できる | 取り消せない |
| 合計 | 扱い |
| 10〜12点 | 最初の対象にする |
| 7〜9点 | 点数の低い軸を改善してから再評価する |
| 6点以下 | 対象にしない |
重要な例外があります。検証容易性か誤りの影響が1点の業務は、合計点が高くても対象にしません。この2つは他の軸の加点で埋められない条件です。合計10点でも、取り消せない操作を含む業務は見送ります。
実際に付けてみる
先ほどの例に点数を付けると、次のようになります。合計だけを見ず、どの軸が低いかを確認します。
| 業務 | 再現性 | 入力品質 | 検証容易性 | 誤りの影響 | 合計 | 扱い |
| 議事録の要約 | 3 | 3 | 3 | 3 | 12 | 最初の対象にする |
| 問い合わせの一次分類 | 3 | 2 | 3 | 3 | 11 | 最初の対象にする |
| 請求書の内容確認 | 3 | 3 | 2 | 2 | 10 | 対象にできるが工程を絞る |
| 取引先ごとの与信判断 | 2 | 2 | 1 | 1 | 6 | 対象にしない |
| 契約書の条項チェック | 2 | 3 | 1 | 1 | 7 | 点数に関わらず対象にしない |
最後の行に注目します。合計7点は「低い軸を改善してから再評価」の範囲に入りますが、検証容易性と誤りの影響がどちらも1点なので対象外です。法的判断を要する業務は、点数の改善で対象化できるものではありません。一方「請求書の内容確認」は合計10点ですが、検証容易性と誤りの影響が2点です。そのまま全体を任せず、次章のとおり工程を絞って対象にします。
軸が対立したとき
「効果は大きいが検証しにくい」という業務は必ず出てきます。このときの選択肢は3つです。一つは業務の分割で、検証しやすい工程だけを切り出して対象にします。もう一つは検証手段の準備で、照合用のデータや判断基準を先に用意してから取りかかる。三つ目は見送りで、別の業務を先に進め、体制が整ってから戻ります。
最も多い正解は1つ目です。「請求書の処理」全体は検証しにくくても、「金額の転記」だけなら元資料と照合できます。業務単位ではなく工程単位で見ます。これで対象にできる範囲が大きく広がります。
点数が低い軸を上げる方法
合計7〜9点の業務は、低い軸を改善すれば対象にできます。軸ごとに手当ての方法が違います。
| 低い軸 | 上げる方法 | かかる手間 |
| 再現性 | 現在の手順を書き出し、担当者間の違いを一本化する | 中（数時間から数日） |
| 入力品質 | 様式を統一する、または形式がそろっている範囲に対象を絞る | 小〜中 |
| 検証容易性 | 照合できる元データを用意する、確認手順を先に決める | 中 |
| 誤りの影響 | 取り消せない工程を人が行う設計に変える | 小（設計の変更のみ） |
手間が最も小さいのは誤りの影響の軸です。業務そのものを変えず、取り消せない工程だけを人の手元に残せば、この軸は上がります。送信ボタンを押すのは人、下書きを作るのはAI、という分け方がこれに当たる例です。
一方、再現性の軸を上げる作業は手順の文書化であり、AI導入とは独立して価値があります。ここに時間をかけて無駄になることはありません。
業務の手順が特定の人の中にしかなく、書き出すこと自体が難しい場合は、先に棚卸しが必要です。進め方は属人化を解消する業務棚卸しの進め方を参照してください。
選んだ後に確認し続けること
入力データの品質を保つ
入力の形式がそろっていることを前提に選んだ場合、その前提が崩れると出力も崩れます。様式を変更したとき、新しい取引先が増えたとき、担当者が交代したとき。これらのタイミングで出力を確認します。判定は一度で終わりません。
例外の頻度を記録する
想定外の入力が来た件数を数えます。件数が増えているなら、選定時の前提が変わっています。記録がないと、品質が落ちていることに気付くのが遅れます。
判定を見直す時期を決める
半年に1回、判定シートを付け直します。業務の内容も、使っている製品の性能も変わっていきます。前回「向かない」と判定した業務が、条件を整えれば対象になることもあります。
担当者が変わるときに引き継ぐこと
判定シートは、選定の記録としても機能します。担当者が交代したとき、次の3点を引き継ぎます。引き継がないと、なぜこの業務を選んだのかが分からなくなり、前提が変わっても気付けません。
判定シートの点数と付けた日付、検証容易性を確保するために用意した照合の手段、対象外にした工程とその理由。この3つを残します。
3つ目が最も重要です。対象外にした理由が残っていないと、次の担当者が「なぜこの工程だけ手作業なのか」を判断できず、範囲を安易に広げてしまいます。
AIに向くと判定した後、実際に何で自動化するかは別の判断になります。設定変更・表計算・RPA・AIの選び分けと、やめるときの手間は定型業務の自動化｜自動化しないほうがよい業務と、手段の選び分けで扱っています。
社内のファイルやマニュアルをAIに探させたい場合は、判断の軸が変わります。社内文書をAIで検索するで、繋ぐ前に確認することを扱っています。
最初の1業務を統計から選ぶなら、議事録が外れにくい選択です。議事録をAIで作るで、それでも止まる理由を扱っています。
どの業務で使われているかの実測
使っている会社の数と、置き場所が決まっている会社の数は一致していません。総務省「令和8年版 情報通信白書」の2025年度企業向け調査では、日本で自社の何らかの業務に生成AIを利用していると答えた割合は86.4%に達しました。一方、生成AIを「積極的に活用する方針」「活用する領域を限定して利用する方針」と答えた割合の合計は、大企業が74.0%であるのに対し中小企業は58.1%にとどまります。「組織的な取組はない」と答えた割合も27.0%あり、中小企業ほど高くなっています（2026年9月5日確認）。使ってはいるが、どの業務に置くかを決めきれていない会社が中小企業に偏っている、という形です。だからこそ、統計上どこで使われているかを先に見ておく価値があります。
令和8年版情報通信白書の企業向け調査（2025年度）によると、日本では「議事録・メール作成補助」での活用が約7割で最も高く、次に「営業・販売」で約6割、「社内ヘルプデスク」で約5割と続きます。
導入効果を実感すると回答した割合については、「議事録・メール作成補助」が約7割となり、他の類型に比べて顕著に高い結果でした。使われている用途と、効果が実感されている用途が一致しているのはこの類型だけです。
向き不向きを自社で判断する前に、統計上どこが外れにくいかを知っておくと、最初の1つを選ぶ時間が短くなります。向いている業務を選んだのに効果が出ない場合、切り方を疑う手がAIに渡す単位を、狭く切りすぎていないかにあります。
出典
- 総務省「令和8年版 情報通信白書」第Ⅰ部 生成AIの業務利用状況 2026年9月2日確認
- 総務省「令和8年版 情報通信白書」第Ⅰ部 生成AIの活用方針等 2026年9月5日確認
- 総務省「令和8年版 情報通信白書」第Ⅰ部 懸念されるリスク及びリスク対策のための取組状況 2026年9月5日確認
候補が出てこない段階でつまずいている場合はAIを使わない理由の最多は「活用する業務がイメージできない」で、探し方そのものを扱っています。
よくあるご質問
複数の業務を同時に試してよいですか
おすすめしない進め方です。同時に試すと、うまくいかなかったときに原因が業務の適性なのか、進め方なのかを切り分けられません。1つ目で判断基準の使い方を確かめてから、2つ目へ進むほうが結果的に速くなります。
向いていないと判断した業務はどうしますか
AIを外して、業務そのものの改善に戻します。多いのは、入力の品質が揃っていないために適さないという場合です。この場合は入力の様式を整えると、後から適するようになることがあります。
判定に時間をかけすぎている気がします
判定は1業務あたり30分を上限にします。それ以上かかる場合、判断に必要な情報が社内にないことが分かった状態です。その場合は判定を続けるより、現状を実測するほうが先になります。
うちの業種ではAIに向く業務がない気がします
業種で切ると候補が出にくくなります。情報通信白書の調査で活用の割合が最も高かったのは「議事録・メール作成補助」で、これは製造でも建設でも小売でも、会議と連絡がある限り発生する仕事です。業種ではなく部門で切ってください。経理、営業、カスタマーサポート、人事のどこにも、繰り返し発生して社内で確認が済む書き物があります。本記事の表は部門の順に並べてあるので、自部門の行から読むと最初の候補が絞り込めます。
AIに任せてはいけない業務は結局どれですか
2種類あります。誤りにその場で気付けない業務と、実行すると取り消せない工程を含む業務です。前者は与信判断や契約書の条項チェックのように、正しさの根拠が社外の情報や法的な解釈にあるもの。後者は送金、対外への送信、データの削除のように、間違いに気付いた時点では手遅れになるものです。本記事の「最初の対象にしない業務」に5件を表で挙げているので、そちらを先に確認してください。
候補業務の実測と絞り込みは中小企業がAI導入前に整理すべき業務、任せる範囲の判断はAIエージェントに任せてよい業務・任せてはいけない業務、効果の測り方はAI導入の費用対効果をどう測る？で扱っています。
手順のどこで詰まるかは会社ごとに違います。お問い合わせから、現在の状況をお知らせください。
ここまでの整理を踏まえて、無料診断で現在の段階を確認できます。
無料診断をはじめる
