AIが会社で働けない本当の理由は、整理されていないのはデータではなく仕事そのものだから

Hatched by tomoko

Jul 26, 2026

1 min read

0 views

87%

1年後に使わない書類と、1日後に動けないAIの共通点

もしあなたの会社の書類の大半が、1年後には使われないとしたら、何が起きているのでしょうか。答えは単純です。持っていること自体が価値になっているように見えても、実際には大半が「将来の自分にとってノイズ」になっている可能性が高い、ということです。

この発想をAIエージェントに当てはめると、見えてくる景色はかなり厳しいものになります。多くの企業は、AIに仕事を任せたいと言いながら、そもそもAIが動けるように仕事を定義していません。データは散らかり、手順は暗黙知のまま、人間同士の例外処理に依存し、責任の所在も曖昧です。その状態で「賢いAIを入れれば自動化できる」と期待するのは、書類が山積みの机に突然、完璧な秘書を座らせるようなものです。

ここで本当に問うべきなのは、AIが賢いかどうかではありません。会社は、AIが働ける形で自分の仕事を整えているのか。この問いに答えられない限り、AIエージェントは「導入する技術」ではなく、「話題にはなるが定着しない期待」で終わります。

問題はAIの能力ではなく、仕事の未整理さにある

AIエージェントが企業で広く使われない理由は、しばしば技術不足として語られます。しかし本質はもう少し深いところにあります。AIを入れても成果が出ないのは、AIが弱いからではなく、仕事が人間向けにしか設計されていないからです。

人間は曖昧さを埋められます。会議で前提を共有し、チャットで確認し、空気を読んで進め、ミスがあればその場で修正できます。ところがAIは、暗黙知を暗黙知のまま扱えません。たとえば「この顧客には少し強めの文体で」「この案件は法務に先に相談して」「この書類は例外なので古いルールで処理して」といった判断は、実際には人間組織の中に散らばっています。

つまり、AIがつまずくのは、例外が多いからではありません。例外がどこにあるか、誰が決めるか、何を優先するかが整理されていないからです。これは整理収納の問題と驚くほど似ています。見た目には「書類が多い」ことが問題に見えても、実際には「使う基準がない」「捨てる基準がない」「置き場所が定義されていない」ことが根っこにあります。

AIエージェントも同じです。データの量よりも、判断基準の構造化が先に必要です。仕事を任せる前に、会社はまず「何が正解で、何が例外で、何を人間が最終判断するのか」を言語化しなければなりません。

AI導入の成否を分けるのは、学習性能よりも、仕事を整える能力である。

オンボーディングとは、AIに知識を教えることではなく、会社の常識を可視化すること

AI導入の壁として最も重いのは、しばしば「オンボーディング」です。ここでいうオンボーディングは、単なるマニュアル読み込みではありません。AIを一人前の社員のように働かせるには、業務の前提、判断基準、例外処理、承認フロー、禁則事項までを渡す必要があります。ところが、会社の多くはそれらを持っているようで持っていません。実際には、個人の経験や部署ごとの慣習の中に埋もれています。

たとえば営業事務を考えてみましょう。見積書を作るだけでも、顧客の過去の履歴、値引きの上限、法務上の注意、過去の例外、上司の好み、繁忙期の優先順位などが絡みます。人間なら「いつもの感じ」で処理できますが、AIにはその「いつもの感じ」がありません。AIに必要なのは、雑な指示ではなく、会社の常識を分解したルールの束です。

このとき重要なのは、オンボーディングを「AIに覚えさせる作業」と捉えないことです。むしろ逆で、会社が自分の仕事を学び直す作業だと考えるべきです。なぜこの確認が必要なのか。どこからが例外なのか。誰が最終責任を負うのか。そうした問いに答えようとすると、組織は初めて自分の業務を客観視できます。

ここで整理術の視点が効いてきます。1年後に使うかどうかで書類を見直すと、驚くほど多くのものが「何となく残っていただけ」だと分かります。同じように、AIに渡す業務も「何となく人間がやっていただけ」の部分が大半です。AI時代のオンボーディングとは、仕事の中の何となくを消していくプロセスなのです。

本当に足りないのはオーケストレーターではなく、仕事の指揮譜だ

複数のAIエージェントを連携させるには、指揮者のような役割が必要です。これは技術的にも重要ですが、さらに大きな問題があります。それは、指揮者がいても、楽譜がなければ演奏できないということです。

企業でいう楽譜とは、業務フローそのものです。誰が、いつ、何を入力し、どの条件で次に進み、どこで人間が止めるのか。単一の業務でも、実際には複数の判断と承認と確認が絡みます。さらに複数のエージェントが関わると、営業、顧客対応、法務、経理、在庫管理のような部門横断の連携が必要になります。ここで必要なのは、ただ賢い個体ではなく、役割が明確に定義された協働システムです。

ところが多くの企業では、仕事はプロセスとして設計されていません。個人の経験、部署の空気、過去の失敗、上司の判断などで回っているため、いざAIに置き換えようとすると、何を自動化して何を人間が担うのかが見えなくなります。これは片付いていない部屋でロボット掃除機を走らせるようなものです。床に何が置かれているか分からない以上、掃除機は動けても成果は限定的です。

ここで役立つのが、AI業務の三層モデルです。

判断層: 何をもって正しいとするかを定義する
実行層: その判断に基づいて手続きを進める
監督層: 例外やリスクを見て人間が介入する

この三層がない会社では、AIは単発の便利機能にはなれても、業務の中核にはなれません。逆にいえば、オーケストレーターが欲しいなら、先に必要なのは「どの楽器が何をいつ鳴らすか」を定義した指揮譜です。技術は後から乗せられますが、指揮譜のないところに自動化は根づきません。

企業がAIを導入できないのは、捨てる力が足りないからでもある

整理術の本質は、モノを減らすことではありません。使う基準を明確にすることです。この視点は、AI導入にそのまま転用できます。AIを入れたい企業の多くは、新しい機能を足すことには熱心でも、既存の仕事を減らすことには消極的です。しかしAIの価値は、既存業務をそのまま置き換えることではなく、不要な業務を可視化して減らすことにあります。

たとえば、毎週の会議資料を作るために、複数の部署から似た数字を集め直しているとします。人間の感覚では、それぞれの確認は必要に見えるでしょう。しかし1年後に同じ作業を振り返ったとき、本当に必要だったのは、その数字ではなく、誰がどの数字を正とするかというルールだったかもしれません。AIを導入するとは、作業を機械に移すことではなく、こうした重複や曖昧さを削ぎ落とすことです。

この意味で、AIエージェント導入はITプロジェクトではなく、組織の断捨離です。捨てるべきは書類だけではありません。曖昧な承認ルール、属人的な判断、誰も説明できない例外運用、役割不在の会議体も含まれます。これらを残したままAIだけを増やしても、混乱が増えるだけです。

AIは業務を増やす装置ではない。業務の輪郭をはっきりさせる鏡である。

今すぐ使える、AI時代の整理術

AI導入の第一歩は、最新モデルの比較ではありません。まず会社の仕事を整理することです。そのために、次の問いを使えます。

1年後に使う仕事か: その手順や資料は、本当に将来も必要か
誰が判断するのか: その決定は人間、AI、あるいは両方のどちらが担うのか
例外はどこにあるか: 例外処理はどれくらいあり、ルール化できるか
何が正解データか: AIに与える基準情報は、どれが正式版なのか
どこで止めるのか: 自動化してよい範囲と、人間の承認が必要な範囲はどこか

この整理をすると、導入すべきAIの姿も見えてきます。いきなり万能のエージェントを入れるのではなく、明確に限定された仕事から始めるのが現実的です。たとえば問い合わせの一次分類、社内文書の要約、定型レポートの下書き、経費精算の事前チェックのような領域です。ここでは、結果の良し悪しが比較的分かりやすく、ルールも明文化しやすいからです。

逆に、最初から人間の暗黙知が支配する領域に入れると、AIはすぐに迷子になります。迷子になったAIを責める前に、地図があるかを確認すべきです。