AI導入は何から始める？準備・PoC・本格導入までの進め方

社内でAIを使おうという方針は決まったのに、最初の一歩で止まってしまう。ツールの資料は集まったものの、どの業務から始めるかで意見が割れている。

AI導入を任された担当者から、よく聞かれる状態です。

AI導入は、ツールを選ぶところからではなく、対象業務を1つ決めるところから始めます。

使う業務が決まっていないと、機能を比較しても判断できません。実際に試したあとも、結果が良かったのかどうかを測れなくなります。

この記事では、次の内容を順番に整理します。

• 準備段階でそろえる情報
• AI導入の進め方の選び方
• PoCで確認する項目
• 本格導入で決める運用ルール
• 社内で使われる状態にするための方法

読み終えたときに、社内の次の会議で何を決めればよいかが分かる状態を目指します。

AI導入は「対象業務を1つ決めること」から始める

最初に決めるのは、どのAIを使うかではありません。

どの業務の、どの作業を変えたいかを決めます。

対象業務が決まると、次の項目が自然に絞られます。

• 必要なデータ
• 検証に参加する担当者
• AIへ任せる工程
• 人が確認する工程
• 成果の測り方

逆に、対象業務が決まっていないまま検証を始めると、結果が出ても判断材料が残りません。

対象業務の候補を探す方法

対象業務の候補は、次のような業務から探します。

• 作業時間が長い業務
• 担当者によって品質が変わる業務
• 問い合わせや確認の往復が多い業務
• 情報を探す時間が長い業務
• 文書の作成や確認が多い業務
• 定型的な分類や判断が多い業務

IPAのAI利活用ページでは、AIの導入パターンとして、次のような業務が整理されています。

• 問い合わせ対応
• 会議録の作成
• 文書の要約
• 文書の作成と確認
• 診断や検品
• 情報の分類
• マッチング

自社の対象業務を洗い出すときの手がかりとして活用できます。

AI導入の基本的な4段階

AI導入の全体工程は、大きく次の4段階に分かれます。

1. 準備
2. PoC
3. 本格導入
4. 定着と改善

段階ごとに「何を決めるか」と「どの状態になれば次へ進むか」を先に決めておくと、途中で判断が止まりにくくなります。

AI導入の準備段階でそろえておく情報

準備段階でそろえるのは、ツールの候補ではありません。

検証結果を正しく判断するための情報です。

準備が不十分なまま検証に入ると、結果が出ても関係者によって解釈が分かれます。

少なくとも、次の4点を整理しておきます。

1. 対象業務と現在の作業手順
2. 使用してよいデータと禁止する情報
3. 次へ進むための判定基準
4. 検証を進める担当者と意思決定者

対象業務と現在の作業手順を整理する

対象業務を決めたら、現在の手順を工程単位で書き出します。

次の項目が分かる粒度まで分解してください。

• 誰が作業しているか
• どの情報を確認しているか
• 何を判断しているか
• どのような成果物を作っているか
• 作業結果を誰に渡しているか
• どの工程で確認や承認が入るか

ここまで整理すると、AIへ任せられる工程と、人による確認を残す工程が見えてきます。

作業手順を書き出してみると、判断そのものよりも、情報を探す時間の方が長い業務もあります。

その場合、文章生成ツールを入れるよりも、社内文書を検索・整理できる仕組みを導入した方が効果的です。

手順を確認せずにツールを選ぶと、この違いを見落としてしまいます。

使用してよいデータと入力してはいけない情報を分ける

対象業務で扱う情報のうち、AIへ入力してよいものと、入力してはいけないものを先に分けます。

特に、次の情報を扱う場合は注意が必要です。

• 顧客情報
• 個人情報
• 契約内容
• 人事情報
• 未公開の経営情報
• 社外秘の技術情報
• 取引先から預かっている情報

これらの情報を扱う条件が決まっていないと、検証の途中で利用を止めることになります。

総務省と経済産業省の「AI事業者ガイドライン」では、AIに関わる主体を次のように分け、それぞれの取り組み方を整理しています。

• AI開発者
• AI提供者
• AI利用者

第1.2版は2026年3月31日に公表され、確認用のチェックリストとワークシートも別添として公開されています。

社内ルールをゼロから作るよりも、公開されている項目を自社の業務へ当てはめた方が、整理しやすくなります。

次へ進むかどうかを判断する基準を決める

検証を始める前に、どのような結果になれば本格導入へ進むのかを決めます。

判定基準としては、次のような項目が考えられます。

• 作業時間をどれだけ削減できたか
• 確認作業の時間が減ったか
• 修正が必要になった割合
• 出力をそのまま使えた割合
• 対応品質のばらつきが減ったか
• 担当者の負担が減ったか
• 問い合わせへの対応時間が短くなったか

判定基準は、高く設定しすぎないことも重要です。

「業務を完全に自動化できること」を合格条件にすると、ほとんどの業務が不合格になります。

人による確認を残したうえで、担当者の負担や作業時間が減っていれば合格とする考え方もあります。

どの水準を合格とするかは、検証を始める前に関係者で合わせておきましょう。

検証を進める担当者と意思決定者を決める

AI導入では、実際に対象業務を行っている担当者が検証へ参加するかどうかで、結果が変わります。

情報システム部門だけで進めると、現場の作業手順に合っていない使い方のまま評価してしまう可能性があります。

検証チームには、少なくとも次の役割を入れます。

• 対象業務を実際に行っている担当者
• システムやセキュリティを確認する担当者
• 検証結果をまとめる担当者
• 本格導入へ進むか判断する意思決定者

あわせて、検証後に「続ける」「やり直す」「中止する」を決める人も、事前に決めておきます。

判断する人が不在のまま検証が終わると、結果が報告されただけで、次の動きが止まります。

関係部署が多い業務ほど、意思決定者と判断方法を先に整理しておいた方が安全です。

AI導入の進め方は大きく3つに分かれる

対象業務と扱う情報が決まったら、どの方法で導入を進めるかを選びます。

AI導入の進め方は、大きく次の3つに分かれます。

既存のAIツールをそのまま使う

既存の生成AIツールを、そのまま業務で利用する方法です。

次のような業務に向いています。

• メールや文書の下書き
• 会議録の要約
• 資料の要点整理
• 翻訳
• アイデア出し
• 文章の校正

比較的始めやすい方法ですが、入力してよい情報や、出力内容を誰が確認するかを決めておかないと、利用方法が担当者ごとに分かれます。

既存業務や社内データへ組み込む

AIを既存の業務フローや、社内データと組み合わせて利用する方法です。

次のような用途があります。

• 社内規程やマニュアルの検索
• 問い合わせ内容の分類
• 過去の対応履歴をもとにした回答案の作成
• 申請書や報告書の確認
• 顧客情報をもとにした提案内容の整理

社内文書を検索し、その内容をもとに回答を作る仕組みは、RAGと呼ばれます。

RAGを導入する場合は、AIの性能だけでなく、次の点が結果を左右します。

• 必要な文書がそろっているか
• 古い資料が混ざっていないか
• 文書の更新担当者が決まっているか
• 閲覧権限が整理されているか
• 同じ内容の資料が重複していないか

RAGでは、AIそのものよりも、参照するデータの状態が重要になるケースもあります。

業務システムとして個別に開発する

自社の業務に合わせて、AI機能を個別に開発する方法です。

次のような用途が考えられます。

• 需要予測
• 異常検知
• 画像検品
• 見積もりや審査の支援
• 基幹システムとの連携
• 複数の業務をまたぐ自動処理

個別開発では、開発を始める前に、必要なデータ量と品質を確認します。

データが不足していたり、入力形式が統一されていなかったりすると、開発後に期待した精度が出ない可能性があります。

導入方法によって、費用の考え方も変わります。

金額の内訳や見積もりの比較方法については、以下の記事で確認してください。

AI導入の準備段階でそろえておく情報

準備段階でそろえるのは、ツールの候補ではありません。

検証結果を正しく判断するための情報です。

準備が不十分なまま検証に入ると、結果が出ても関係者によって解釈が分かれます。

少なくとも、次の4点を整理しておきます。

1. 対象業務と現在の作業手順
2. 使用してよいデータと禁止する情報
3. 次へ進むための判定基準
4. 検証を進める担当者と意思決定者

対象業務と現在の作業手順を整理する

対象業務を決めたら、現在の手順を工程単位で書き出します。

次の項目が分かる粒度まで分解してください。

• 誰が作業しているか
• どの情報を確認しているか
• 何を判断しているか
• どのような成果物を作っているか
• 作業結果を誰に渡しているか
• どの工程で確認や承認が入るか

ここまで整理すると、AIへ任せられる工程と、人による確認を残す工程が見えてきます。

作業手順を書き出してみると、判断そのものよりも、情報を探す時間の方が長い業務もあります。

その場合、文章生成ツールを入れるよりも、社内文書を検索・整理できる仕組みを導入した方が効果的です。

手順を確認せずにツールを選ぶと、この違いを見落としてしまいます。

使用してよいデータと入力してはいけない情報を分ける

対象業務で扱う情報のうち、AIへ入力してよいものと、入力してはいけないものを先に分けます。

特に、次の情報を扱う場合は注意が必要です。

• 顧客情報
• 個人情報
• 契約内容
• 人事情報
• 未公開の経営情報
• 社外秘の技術情報
• 取引先から預かっている情報

これらの情報を扱う条件が決まっていないと、検証の途中で利用を止めることになります。

総務省と経済産業省の「AI事業者ガイドライン」では、AIに関わる主体を次のように分け、それぞれの取り組み方を整理しています。

• AI開発者
• AI提供者
• AI利用者

第1.2版は2026年3月31日に公表され、確認用のチェックリストとワークシートも別添として公開されています。

社内ルールをゼロから作るよりも、公開されている項目を自社の業務へ当てはめた方が、整理しやすくなります。

次へ進むかどうかを判断する基準を決める

検証を始める前に、どのような結果になれば本格導入へ進むのかを決めます。

判定基準としては、次のような項目が考えられます。

• 作業時間をどれだけ削減できたか
• 確認作業の時間が減ったか
• 修正が必要になった割合
• 出力をそのまま使えた割合
• 対応品質のばらつきが減ったか
• 担当者の負担が減ったか
• 問い合わせへの対応時間が短くなったか

判定基準は、高く設定しすぎないことも重要です。

「業務を完全に自動化できること」を合格条件にすると、ほとんどの業務が不合格になります。

人による確認を残したうえで、担当者の負担や作業時間が減っていれば合格とする考え方もあります。

どの水準を合格とするかは、検証を始める前に関係者で合わせておきましょう。

検証を進める担当者と意思決定者を決める

AI導入では、実際に対象業務を行っている担当者が検証へ参加するかどうかで、結果が変わります。

情報システム部門だけで進めると、現場の作業手順に合っていない使い方のまま評価してしまう可能性があります。

検証チームには、少なくとも次の役割を入れます。

• 対象業務を実際に行っている担当者
• システムやセキュリティを確認する担当者
• 検証結果をまとめる担当者
• 本格導入へ進むか判断する意思決定者

あわせて、検証後に「続ける」「やり直す」「中止する」を決める人も、事前に決めておきます。

判断する人が不在のまま検証が終わると、結果が報告されただけで、次の動きが止まります。

関係部署が多い業務ほど、意思決定者と判断方法を先に整理しておいた方が安全です。

PoCでは「業務に組み込めるか」を確認する

PoCとは、本格導入の前に、AIの効果や課題を確認するための検証です。

PoCで見るのは、AIが正しい回答を出せるかどうかだけではありません。

対象業務へ組み込んだときに、担当者の手間が減るかどうかを確認します。

AIの回答が正確でも、確認や修正に時間がかかるのであれば、業務としては楽になっていません。

検証する範囲を絞る

検証範囲は、対象業務のすべてではなく、書き出した工程のうち1つか2つに絞ります。

例えば、問い合わせ対応業務であれば、最初から受付から回答までを自動化するのではなく、次のように分けます。

• 問い合わせ内容の分類
• 過去事例の検索
• 回答案の作成
• 回答内容の確認
• 顧客への送信

範囲を広げるほど、うまくいかなかった原因を切り分けにくくなります。

最初は、効果を測りやすく、問題が起きても影響を限定できる工程を選びます。

検証期間を先に決める

PoCを始める前に、検証期間を決めます。

終了時期を決めずに始めると、「もう少し調整すれば良くなる」という話が続き、判断が先送りされます。

期間を決めるときは、次の点も確認します。

• 期間内に必要な件数を検証できるか
• 繁忙期や閑散期に偏っていないか
• 通常ケースだけでなく例外ケースも確認できるか
• 検証結果をまとめる時間を確保できるか
• 終了後に判断する会議を設定できるか

期間内に必要な検証データを集められない場合は、対象範囲をさらに狭める必要があります。

評価項目を精度だけにしない

評価項目は、対象業務で担当者が実際に困っている点から選びます。

例えば、次のような項目です。

• 出力をそのまま使えた割合
• 修正が必要だった割合
• 担当者が結果を確認する時間
• 作業全体にかかった時間
• 例外的な入力が来たときの挙動
• 誤った出力が出た場合の影響
• 既存システムとの接続のしやすさ
• 入力用データを準備する手間
• 担当者が操作方法を覚えるまでの時間
• 利用後に増えた作業と減った作業

これらの項目は、単純な精度の数字だけでは確認できません。

実務で使われているデータを使う

PoCでは、実務で実際に扱っている情報を使います。

整形済みのきれいなデータだけで検証すると、本番環境へ移したときに結果が崩れます。

例えば、次のようなデータも検証対象に含めます。

• 読みにくいスキャン資料
• 書式が統一されていない申請書
• 表現が途中で変わっているマニュアル
• 記入漏れがある文書
• 略語や社内用語を含む文章
• 過去と現在で形式が異なるデータ
• 同じ内容が重複している資料

現場にある状態のデータを使い、どの条件で精度が落ちるのかを確認します。

PoC後は3つの判断に分ける

PoCの結果は、合格か不合格かの2択にしません。

次の3つに分けて判断すると、検証で得た情報を次の取り組みに生かせます。

PoCをやめる判断も、失敗ではありません。

どのような条件がそろえば実現できるのかが分かっていれば、データ整備や業務整理が進んだ段階で再検討できます。

検証で見つかった制約や問題点は、必ず文書に残しておきましょう。

AIを本格導入するときに決める運用ルール

本格導入では、利用を始める前に運用ルールを決めます。

ルールがないまま利用範囲を広げると、部署や担当者ごとに使い方が分かれます。

問題が起きたときに、原因を追えなくなる可能性もあります。

本格導入前に決める5つの項目

運用ルールは、最初から細かく作り込む必要はありません。

まずは、担当者が判断に迷いやすい場面を減らすことを優先します。

AI事業者ガイドラインの別添として公開されているチェックリストやワークシートを利用すれば、自社で抜けている項目を確認しながら整理できます。

利用状況を確認できる仕組みを用意する

本格導入の段階では、利用状況を確認できる仕組みも用意します。

少なくとも、次の項目を確認できるようにします。

• 誰が利用しているか
• どの部署で利用されているか
• どの業務で利用されているか
• どのくらいの頻度で利用されているか
• どのような問題が報告されているか
• 作業時間や確認時間がどの程度変わったか
• 利用されていない部署や業務があるか

利用状況が分からないと、効果が出ているかどうかも、使われていない理由も判断できません。

AIが社内で使われる状態にするために必要なこと

AIを導入したのに使われない状態は、利用者の意欲の問題として片付けられがちです。

しかし、実際には業務手順に原因があるケースも少なくありません。

例えば、次のような理由で利用が止まります。

• 既存の作業とAIを使う作業が二重になっている
• AIへ入力するための準備に時間がかかる
• 出力をどこまで信用してよいか分からない
• 誤りが出たときの対応方法が分からない
• 操作方法を確認する窓口がない
• 利用する工程が手順書に書かれていない
• AIを使わなくても業務を完了できてしまう

AIの使い方を既存の業務手順へ組み込む

AIの使い方だけを、別のマニュアルとしてまとめても読まれない可能性があります。

それよりも、対象業務の手順書へ、次の内容を直接書き込む方が定着しやすくなります。

• どの工程でAIを使うか
• 何を入力するか
• 入力してはいけない情報
• 出力のどこを確認するか
• 誤りがあった場合にどうするか
• AIを使わずに対応する条件
• 問題が起きた場合の報告先

AIを業務とは別の作業として追加するのではなく、既存手順の一部として組み込みます。

質問や報告の窓口を1か所にまとめる

AIの利用方法について質問できる窓口を、1か所に決めておきます。

窓口が分散すると、担当者によって回答や判断が変わります。

質問内容や問題点を1か所へ集めれば、次の改善にもつなげやすくなります。

• よくある質問の整理
• 利用ルールの見直し
• 手順書の更新
• 追加研修の実施
• ツール設定の変更
• 対象業務の見直し

利用が広がらない場合は手順を見直す

AIの利用が広がらないときは、利用者を増やす前に、対象業務の手順を確認します。

実際に利用している担当者が、どの工程で手を止めているかを確認してください。

例えば、入力用のデータを準備する作業に時間がかかっている場合は、研修を増やしても利用は広がりません。

入力方法やデータの置き場所を見直す必要があります。

AI導入でつまずきやすい5つのパターン

AI導入では、つまずき方に共通点があります。

計画段階で、自社の進め方が当てはまっていないか確認してください。

全社から用途を募集しすぎる

AIの活用方法を全社から募集すると、多くの候補が集まります。

しかし、候補が増えすぎると、比較項目が増え、どれから始めるかを決められなくなります。

最初は、次の条件に当てはまる業務から数件に絞ります。

• 作業時間が長い
• 対応件数が多い
• 効果を数字で測りやすい
• 担当者が検証へ参加できる
• 問題が起きても影響を限定できる

PoCの終了条件を決めずに始める

PoCを開始したあとに終了条件を考えると、都合のよい結果だけが評価される可能性があります。

検証期間、評価項目、合格基準、判断する人を、開始前に決めておきます。

情報システム部門だけで検証する

システム面だけで評価すると、実際の業務で発生する例外や、確認作業の負担を見落とします。

対象業務を行っている担当者を検証へ加え、実際の手順で試します。

精度が低いという理由だけで中止する

精度が出なかった場合は、AIの性能だけでなく、次の点も確認します。

• 対象範囲が広すぎなかったか
• 入力データが不足していなかったか
• 古い資料が混ざっていなかったか
• 評価方法が業務に合っていたか
• AIへ任せる工程が適切だったか

範囲を狭めたり、データを整理したりすることで、別の工程では効果が出る可能性があります。

ルールを決めずに全社へ広げる

検証で一定の成果が出ても、すぐに全社へ広げるのは避けます。

利用範囲、入力情報、確認方法、問題発生時の報告先を決めてから、段階的に広げます。

AI導入は「最初の1業務」と「判定基準」を決めてから動く

AI導入を進めるときは、最初に次の3つを決めます。

1. 対象業務を1つに絞る
2. 現在の作業手順を書き出す
3. どの状態になれば次へ進むかを決める

この3つがそろっていれば、ツールを比較するときも、外部の支援会社へ相談するときも、判断の軸がぶれません。

社内だけで決めにくいのは、対象業務の切り分けと、扱うデータの範囲です。

候補が複数ある場合、どの業務がPoCに向いているかは、作業手順とデータの状態を確認しなければ判断できません。

社内文書が整理されていない場合は、AIを導入する前に、どこまでデータを整備するかという判断も必要です。

AI導入を外部へ相談する前に整理しておくこと

AI導入について外部へ相談する場合は、事前に次の内容を整理しておくと、初回の打ち合わせを進めやすくなります。

• 対象にしたい業務
• 現在の作業手順
• 業務にかかっている時間
• 扱っている情報の種類
• 利用しているシステムやツール
• 現在困っていること
• 社内で決まっていないこと
• PoCで確認したいこと
• 本格導入を判断する基準
• 想定している利用部署や利用者数

CREARIでは、次の支援を提供しています。

• AIソリューション開発
• AI導入支援
• AI人材育成・組織開発
• AI向けデータ基盤構築

AI導入支援では、現状分析から戦略立案、PoC、運用定着までを対象に、次のような支援を行っています。

• AI導入コンサルティング
• 対象業務の選定
• PoCの計画と実施
• AIツールやシステムの選定
• 運用ルールの整備
• 社内への定着支援
• データ基盤の整理

相談前に、対象業務、現在の作業手順、扱う情報、社内で決まっていない点を整理しておくと、初回の打ち合わせから検証範囲を具体化しやすくなります。

参考文献・出典

• AIの利活用、AIによるDXの推進
• AI事業者ガイドライン