AI導入後に立ちはだかる「現実」
「ChatGPTを入れて、メールの下書き作成は劇的に速くなった。でも、プロジェクトの進行スピードは以前と変わらない」
これは、多くの企業で聞かれる“AI導入後の現実”ではないでしょうか。 確かに、生成AIは個人の作業効率を飛躍的に高めます。第2回でも触れた通り、実行フェーズの各タスクは、かつてないスピードで処理できるようになりました。
しかし、組織全体の生産性、すなわち「顧客に価値を届けるまでのリードタイム」に目を向けると、劇的な変化が見られないケースが多々あります。
その最大の原因は、AIという「エンジン」は最新になっても、それを走らせる「道路（＝ワークフロー）」が旧態依然としたままだからです。
どれだけAIが資料を高速で作っても、その後の承認プロセスに3日かかっていれば、トータルの時間は縮まりません。AIが完璧なコードを書いても、レビュー依頼がチャットで埋もれ、判断がなされなければ、リリースは遅れます。
AI活用が個人の作業という「点」の効率化で止まってしまい、ワークフロー全体という「線」のスピードにつながっていない。これが今、多くの組織が直面している壁です。
DX化とAI活用の共通課題
この現象は、かつてのDX（デジタルトランスフォーメーション）初期にも見られました。「SaaSを導入したのに成果が出ない」「チャットツールを入れたのに会議が減らない」という状況です。
共通している失敗の要因は、「既存の非効率なフローをそのままデジタルに乗せている」ことにあります。
例えば、「紙のハンコを電子ハンコに変えただけ」で、承認ルートや権限委譲の仕組みが変わっていなければ、本質的なスピードアップにはなりません。
AI活用も同じです。「人が判断し、人が作業し、人が確認する」という従来のワークフローを前提に、作業の一部だけをAIに置き換えても、効果は限定的です。むしろ、AIによって生成されるアウトプットの量が増えることで、確認する人間側の負荷が増え、ボトルネックが悪化することさえあります。
本質的な解決策としてのワークフロー変革
AIのポテンシャルを最大限に引き出すためには、ツールを入れるだけでなく、ワークフロー自体を「AIがいること」を前提に設計し直す必要があります。これが「ワークフロー変革」です。
従来のワークフローは、「人の限界」に合わせて設計されていました。
- ミスを防ぐための二重チェック
- 情報格差を埋めるための定例報告会議
- 経験の差を補うための多段階承認
これらは「人がやるとミスやバラつきが出る」という前提の対策です。 しかし、AI前提のワークフローでは、ここが変わります。 AIは疲れませんし、ルールの遵守率も人間より遥かに高い。ならば、チェック工程はAIに任せ、人は「AIが判断しきれなかった例外」の対応だけに集中するといった大胆なプロセスの組み換えが必要になります。
ラクスでも、社内の問い合わせ対応や経理処理などのバックオフィス業務、さらには開発プロセスにおいて、「どこをAIに任せ、どこを人が担うか」という役割分担の見直しを進めています。
AI前提のフローを作る「3つの条件」
では、具体的にどうすれば「AI前提のワークフロー」を作れるのでしょうか。ラクスでの試行錯誤の中で、重要だと分かった3つの条件があります。
①情報のアクセス格差をなくす
AIが正しい判断や提案をするためには、判断材料となる情報にアクセスできる必要があります。「特定の人のPCにしかないファイル」や「口頭伝承のルール」があっては、AIは機能しません。
ドキュメントをクラウドに集約や社内Wikiを整備など、まずは「AIが読める状態」を作ることが第一歩です。
②情報を統合・見える化する
業務が複数のツール（チャット、メール、タスク管理ツール）に分断されていると、AIはそのつながりを理解できません。
ラクスでは、「楽楽精算」などの自社製品開発においても、要件定義からリリースまでの情報を一元管理し、AIが文脈を理解してサポートできる環境整備を進めています。情報が統合されているからこそ、AIは「この仕様変更がどのテストケースに影響するか」といった高度な示唆が出せるようになります。
③業務を深く理解する（暗黙知の形式知化）
これが最も重要かつ難易度が高い点です。「なんとなく、あうんの呼吸で」進めていた業務を、AIは処理できません。
「なぜここで承認が必要なのか？」「この判断基準は何か？」を言語化し、ルール（プロンプトやRAGの参照データ）に落とし込む必要があります。
実際に社内でAI活用を進める際も、ベテラン社員が持つ「暗黙知」をいかに引き出し、形式知化するかが成功の分かれ目になっています。
