PoCや研修で止まる企業が、最初に決めるべき「成果の形」
「先月のログイン率は85％までいきました。研修も、ほぼ全員が受講完了しています」
報告の席で、誇らしげにスライドをめくる担当者の顔を何度も見てきました。でも、その後に続く経営陣からの「それで、何が変わったの？」という質問に、ピタッと空気が止まる。あの沈黙は、何度経験しても胃が痛くなります。
ログイン人数や研修の受講率を知りたいのではなく、知りたいのはその先。現場の誰が、どの作業をラクにしたのか。判断にかかる時間が5分でも縮まったのか。これ以上のお金を突っ込んでいいのか、それとも一度手を引くべきなのか。
ここへの答えがないと、どれだけ現場が夜遅くまでがんばって検証していても、経営側は「予算をさらに出す」という判子を押せないものです。
「AIが利用されている」だけでは、経営判断につながらない
私が見てきたAI導入やPOCの報告も、多くは「やったこと」の羅列から始まります。
アカウントを配った。プロンプトのテンプレートを30個作った。毎週の利用ログも出ている。
全部、プロジェクトの立ち上げ期には欠かせない地道な動きで、それは分かります。ただ、いつの間にか「利用率を100%にすること」自体が目的にすり替わってしまう。
営業部門で、提案書のたたき台をAIで作らせるケースを思い出します。
生成AIの利用率は跳ね上がったのに、提案書の提出ペースも、レビュー通過率もピクリとも動かなかったのは、なぜか。
現場を見に行ったら、AIが出した微妙な文章を営業担当者が必死に手作業で修正しており、この修正に2時間かかっていた。
これでは「使っている」だけで、誰もハッピーになっていません。
本当に見るべきものは、ツールの起動回数ではなく、上司が「これ、もう一回やり直し」と突き返す回数が減ったかどうか。
二年目でも、ベテランのチェックなしで客先に出せるレベルの書類をどれだけ早く作れたか。
そこが抜けたまま「使え、使え」と号令だけが飛んでくるから、現場も疲弊します。とりあえずログインして、適当な質問を入力して実績作りをする。そんな虚しい数字の付き合いが始まってしまいます。
なぜAI導入の報告は、活動実績で止まりやすいのか
理由はシンプルで、数えやすいからです。
「150人が使いました」「研修後アンケートの満足度は4.2です」
これならExcelで集計して、きれいなグラフにして出せますし、報告する側も安心できる。
逆に、業務のプロセスがどう変わったかを測るのは、本当に面倒です。
カスタマーサポートの現場で、マニュアルを探す時間が何分減ったか。稟議書を出す前に、隣の席の先輩に「これ、これで大丈夫ですかね」と確認する無駄なラリーが何回減ったか。
これらは、現場に張り付いて、彼らのキーボードを叩く手を観察しないと見えてきません。
AIを業務に組み込む最初の段階で、「この業務の、ここにある渋滞を解消する」と狙いを定めていないから、後から測りようがなくなる。結果として、手元に残った「研修の出席者数」という、一番無難な数字を引っ張り出してくるしかなくなるわけです。
AIで狙い撃ちする相手は、作業の「詰まり」そのものです。
どこで手が止まっているのか。誰の判断待ちで仕事が滞っているのか。そこを決めずにツールだけを配ると、成果を語る言葉を失ってしまいます。
導入前に「成果の形」を決める
AITでは、これを「アウトカム」と呼んでいます。少し硬い言葉ですが、要は「何がどうなったら勝ちか」の定義です。これがないと、どれだけ最新のモデルを入れても、ただの高いツールで終わります。
たとえば、社内向けの問い合わせ対応。
AIがもっともらしい回答を秒速で出力した。そこで満足してしまうと、まだ自己満足の域を出ません。
その出力を見た新人が、自分の判断で顧客にメールを返せるようになったか。いつもなら「これ、どうすればいいですか」とベテランの肩を叩いていた回数が減ったか。そこまでいって初めて、業務が変わったと言えます。
企画書を作るのだって同じです。AIに3,000文字の文章を作らせても、中身が薄ければ上司は「何を言いたいのかわからない」と差し戻す。これでは手戻りが増えただけ。
変わるべきなのは、提出された企画書のクオリティが、最初から「まぁ、これなら次の会議にかけられるな」というレベルまで底上げされているかどうか。確認する側と、作る側の、水面下のやり取りの回数がどう減ったか、です。
経営と現場で、見ているものがズレている
「とにかく使ってみろ」と言う経営陣と、「言われたから使いました」と答える現場。
このボタンの掛け違いは、本当にあちこちで起きています。
現場は真面目です。指示通りログインし、プロンプトを試し、事例集に自分の工夫を書き込む。だから「ちゃんとやっています」と胸を張る。一方で、役員会で求められるのは別の景色です。
「で、これで来期の固定費は下がるのか？」「他部門に展開したら、どれくらいのインパクトがある？」
この問いに対して、現場が「みんな便利だと言っています」と返してしまうから、経営陣はがっかりする。「結局、まだ業務変革の話にはなっていないな。全社展開は見送ろう」と。
これは、現場のモチベーションのせいにするのは酷です。経営が「この業務の、この指標を動かしたい」という意思を示さないまま、丸投げしているツールの使い方競争。それでは、PoC貧乏から抜け出せるはずがないのです。
AI導入で見るべき3つの変化
では、何を追いかければいいのか。アシストAIテラス（以下、AIT）では、3つの段階で変化を捉えるようにしています。
まずは最初のステップ。AIがどんな作業に向いていて、どこでへこたれるのか、その「限界」を現場が肌感覚で掴むことです。
ある部署では大活躍しても、隣の部署では使い物にならない。そうした泥臭い事実を集めるのが、PoCの本当の役割です。「反応が良い」という曖昧な感想ではなく、「この条件なら動く」という境界線を見つけること。
次に、実際の業務の動線が変わること。
ベテランの長年の勘に頼っていた判断が、AIの要約によって、入社2年目のスタッフでも同じクオリティで下せるようになる。あるいは、上司のレビューで、毎回同じ指摘を受けずに済むようになる。
さらに、その場で使って終わりではなく、データが次に活きる形で残ることも、この段階では重要です。
最後は、経営が「次の一手」を迷わずに打てる状態。
「この業務でこれだけ手戻りが減ったから、来月からは東日本支社全体に広げよう」「逆にこの領域はAIでは費用対効果が合わないから、一旦ストップしよう」
そんな、アクセルとブレーキを踏むための判断材料が、数字とファクトで揃っているか。ここまで来て初めて、AI活用は経営判断に接続されます。
AITが整理するのは、ツール要件ではなく成果の設計
AITが支援に入るとき、画面のUIやツールの機能比較から始めることはなく、最初に手を動かすのは業務の解剖です。
誰の、どの作業が、なぜそこで引っかかっているのか。AIの利活用で、その人の判断はどう変わるのか。それをどんな事実で証明するのか。
AITの社内実践や支援テーマでも、似た構造が見えていました。分かりやすい例を2つ挙げます。
例1：案件相談AIエージェント
AITで実際に設計した、「案件相談AIエージェント」の場合、課題はシンプルで、特定のメンバーへ直接飛んでくる問い合わせを減らすことでした。仕事で迷ったとき、詳しい人にチャットを送る。これが一番手っ取り早いのは間違いありません。ただ、それを受ける側は、自分の仕事が5分おきに細切れになります。
「この案件、どう進めましょう」
「前例ってありますか」
言葉自体は短くても、受ける側は毎回、その案件の予算規模や、顧客が何に困っているのかといった背景を、いちいち聞き返さなければ話を進められません。この確認のラリーで、お互いの時間が削られていきます。
ここで測るべきなのは、AIが何回回答を出したかというシステム側の数字ではなく、人に直接メッセージを送る前に、相談内容がどこまで一人で整理できたかです。
案件の前提条件が揃った状態でチャットが届くようになれば、受ける側も「それなら過去のA社の資料を見て」と、一言で判断を返せます。何度も画面を行き来して質問を重ねる必要はなくなります。
窓口を増やして相談しやすくするツールではありません。詳しい人に聞く前の「前さばき」をAIに任せて、人間が10秒で判断を下せる状態を作る。私たちが目指したのはそこです。
例2：レポート自動化
もう一つ、メーカーへの売上見込みレポートをAIで自動化する取り組み。
「1本あたりのレポート作成時間が、3時間から30分に減りました」
もちろん嬉しい成果ですが、AITはそこをゴールと見なしていません。
30分で上がってきたそのレポートを見て、マネジメント層が「次に何をすべきか」の判断を下せているかどうか、です。
前月との数字のズレ、特定の製品の異常値。そうした、人間が気づくべき違和感が、AIによってあらかじめハイライトされているか。営業会議の場で、「なぜこの数字になっているんだ」という犯人探しではなく、「じゃあ、このエリアの対策を打とう」という、次の打ち手の議論にすぐ入れるか。
作成時間の削減は、ただのスタートラインにすぎず、浮いた時間でどれだけ質の高い判断ができたか。AITは、まずは一つの製品、一つのレポートという狭い範囲で、この「判断の変化」を実際に起こしにいきます。
そこでの手応えを見てから、全社へ広げるかどうかを決めればいいのです。
まとめ：AI導入は「利用されたか」で終わらせない
「利用者数を増やす」という目標だけを追いかけ続ける限り、AI投資はただのコストに見えてしまいます。大切なのは、ツールの利用実績ではなく、それによって会社の「挙動」や「判断」がどう変わったか。
何回ボタンが押されたかではなく、確認の回数が減ったか。手戻りが起きる前提そのものが変わったのか。次に進むべきか、あるいは撤退すべきかの判断材料が揃ったか。
AITでは、AI活用が停滞している原因を、ツールの問題とは捉えません。
対象とする業務の絞り込み、測るべき変化のズレ、そして次に進むための判断基準の曖昧さ。これらを一つずつ紐解き、PoCを「やってよかったね」という思い出作りにさせないための設計を行っています。
次号予告：生成AI活用が現場に定着しない会社の共通点
