Studio Attrait

BLOG

ブログ

中小企業のAI導入が失敗する原因は?うまくいかないときの立て直し方

生成AIを会社で使い始めたのに、数週間すると使う人が減っていることがあります。

AIが下書きを作っても直すのに時間がかかり、結局自分で書いた方が早かった、ということもあります。

便利そうではあるけれど、どの仕事が本当にラクになったのかは、誰も説明できません。

こうなっても、「AI導入は失敗だった」と決めるのはまだ早いです。

原因をAIの性能だけに求めず、症状ごとに直す場所を分けて見ると、立て直せることがあります。

この記事では、すでに試したのに定着しない場合の、症状ごとの立て直し方を整理します。

これから初めてAIを仕事へ入れる場合は、「中小企業のAI導入は何から始める?小さく試す5ステップ」の方が合います。

1. まず「何が失敗しているのか」を症状で分ける

AI導入がうまくいかないとき、「もっと高性能なAIへ変えよう」と考える前に、どこで困っているかを確かめます。

同じ「うまくいかない」でも、起きている症状によって直す場所が違うからです。

いま出ている症状がどれに近いかは、この表で当たりが付きます。

起きている症状

疑いたい原因

最初の立て直し

最初だけ使われて、その後誰も使わない

解決したい仕事が曖昧で、使う場面が決まっていない

困っている定型業務を1つだけ選び直す

AIの出力を直す時間が長い

仕事を丸ごと任せすぎている、完成条件が曖昧

AIへ任せる工程を下書き・整理など1工程へ戻す

情報漏洩が怖くて使えない

入力していい情報と使うツールが決まっていない

最低限の利用ルールを先に決める

AIは速いのに仕事全体では速くならない

生成時間だけを見て、準備・確認・修正を測っていない

仕事全体の時間と修正量を測り直す

詳しい1人しか使えない

個人のコツに頼っていて、入力材料や確認手順が共有されていない

プロンプトより先に業務手順と確認項目を共有する

表の原因は候補であり、症状だけで決まるものではありません。

実際の入力・出力や担当者が困った場面を見て、右の列の一手が合いそうか確かめます。

漏えいや誤送信が疑われるときは、再試行より先に該当作業を止め、責任者へ報告します。

「AI導入」という大きな言葉ではなく、今どんな症状が出ているかを一つ選ぶと、直す場所が見えやすくなります。

2. 誰も使わなくなったなら、AIではなく「困っている仕事」へ戻る

よくあるのが、最初にツールを配ったものの、使う場面が定まらないまま止まる形です。

「自由に使ってください」だけだと、忙しい担当者ほど普段のやり方へ戻ります。

AIを使うこと自体が目的になり、困りごとが置き去りになっている場合があります。

立て直しの一手は、AIを使う回数を増やすことより、日常業務から一つの困りごとを選び直すことです。

たとえば「メール対応をAI化する」では、まだ広すぎます。

「毎週届く定型の問い合わせへの返信案を作る」のように、同じ条件で繰り返す一つの仕事まで狭めると、使う場面がはっきりします。

選び直すときは、まずこの3つを目安にします。

  • 繰り返し発生している
  • 今も人の時間を取っている
  • AIが間違えても、送信・公開前に人が直せる

この三つに加えて、入力できる資料と、内容を判断できる確認者がそろうかも見ます。

条件が整わない業務は、今回の再試行の対象から外します。

時間を減らしやすい業務の探し方は、「小規模事業者の生成AI活用|時間を減らしやすい業務と進め方」で詳しく整理しています。

3. 修正ばかり増えるなら、仕事を丸ごと任せるのをやめる

AIが作った文章や資料を、毎回大きく直していることがあります。

その場合、指示文を細かくする前に見たいのは、任せている範囲の広さです。

たとえば提案書づくり一つでも、工程はこれだけあります。

  • 材料を集める
  • 要点を整理する
  • 構成を作る
  • 文章を書く
  • 金額を決める
  • 事実を確かめる
  • 提出する

この全部を「提案書を作って」と一度に任せると、どの段階で間違えたのかを追いにくくなります。

立て直すときは、AIの担当を一工程へ戻します。

「内容とAIへの入力可否を確認したヒアリングメモから、提案書の見出し案だけを作る」くらいの狭さです。

そのうえで、完成条件を3つほど決めておきます。

  • 元資料にない事実を足さない
  • 指定した項目を落とさない
  • 最終判断・金額・約束は書かない

AIに細かいプロンプトを覚えさせるより、何を渡し、何を作らせ、何と比べて確かめるかを決めておくと、出力を確認する基準をそろえやすくなります。

修正量が多いときは「AIへの指示が下手」と決めつけず、AIへ任せている仕事の単位が大きすぎないかを疑うのが先です。

AIの出力を確かめる人を決める

「何と比べるか」と「誰が見るか」は、出力の種類で変わります。

要約、比較表、画像、コードも、比べる相手と見る人がそれぞれ違います。

出力

主な確認方法

確認を担う人の例

案内文

公式ページ、契約書、確定した日程と照らす

内容を管理する担当者

要約

原文と一項目ずつ比べる

原資料を理解している人

比較表

各社の公式情報を同じ日時点で確かめる

調査担当者

画像・文章

出所、利用規約、既存作品との類似を確かめる

制作責任者

コード

差分を読み、テストと安全確認をする

実装を説明できる人

顧客向け回答

顧客ごとの条件と、会社として約束していい内容を確かめる

対応責任者

確認者が内容を判断できないときは、AIへ再確認させるだけでは足りません。

根拠にするのは、公式資料、契約書、実データ、実際の画面です。

法務、医療、税務、労務のような専門判断は、資格者や専門家に確かめてから使います。

社内の点検項目を見直す際は、経済産業省・総務省のAI事業者ガイドライン掲載ページも確認先になります。

掲載版や適用範囲を確かめ、自社の使い方に関係する項目を読みます。

公開・送信・納品の直前には、成果物へ責任を持つ人が最終状態を見ます。

AI自身の評価を、承認の代わりにはできません。

確認で見つかった誤りは、出力を直して終わりにせず、次回の入力例やチェック項目も更新すると、同じ誤りに気づきやすくなります。

4. 怖くて使えないなら、「迷ったときの判断方法」を決める

情報漏洩や誤回答が心配で使えないときは、「各自で気をつける」だけになっていないかを見直します。

共通のルールがないまま担当者ごとに判断すると、対応は両極端になりがちです。

入力していいか確かめられない情報までAIへ入れる人がいる一方で、慎重になりすぎて使わない人も出てきます。

立て直しでまず外したいのは、この誰も判断できない曖昧な状態です。

特に扱いを分けたいのは、認証情報と、顧客や従業員の個人情報です。

パスワードや認証キーは、AIへの指示文に貼り付けません。

未公開の事業情報や、他者から預かった資料・著作物も、入力前に扱いを確かめます。

「業務で必要だから入力していい」とは限りません。

入力前には、まず次の4点を確かめます。

  • 顧客や取引先との契約で、その情報の入力が許されているか
  • 個人情報を扱う場合、特定した利用目的の達成に必要な範囲か
  • サービス提供者が入力内容をどの目的で扱い、機械学習にも使うか
  • 利用するアカウントと権限が、会社で認められているか

個人情報保護委員会の2023年6月2日の生成AIサービスの利用に関する注意喚起では、個人情報を含む入力が特定した利用目的の達成に必要な範囲か十分に確認するよう案内しています。

本人の同意を得ずに個人データを入力する場合は、そのデータがAIの応答を生成する以外の目的で扱われないことを、担当者が先に確かめます。

サービス提供者がそのデータを機械学習に利用するかどうかも、あわせて確かめる項目です。

これらを確認しても、契約や権利などの判断が残る場合は入力を止めます。

文化庁の「AIと著作権について」に掲載された2024年7月31日のチェックリストでは、業務利用者が生成AIの特性、学習済みモデルの情報、利用規約などを利用前に確認することが示されています。

規約やガイドを読んだだけでは、自社でどこまで決めるかは決まりません。

ルールづくりは、この順で始めると迷いにくくなります。

  1. 個人情報保護委員会の注意喚起を開き、「別添1」で個人情報を入力するときの確認事項を読む
  2. 文化庁の「AIと著作権について」を開き、「AIと著作権に関するチェックリスト&ガイダンス」の「AI利用者(業務利用者)」を読む
  3. 利用候補サービスの公式サイトで、最新の利用規約とプライバシーポリシーを確かめる
  4. 確かめた内容を、自社の仕事で迷いやすい具体例と一緒に自社のルールへ書く

分厚い規程を作るより、まず次の項目を、実際に使う人へ共有します。

  • 使用していいサービス
  • 原則として入力しない情報
  • 入力や出力に迷ったときの相談先
  • 出力を確認する担当者と、照合に使う原資料
  • 公開・送信・納品前の承認者
  • 問題が起きたときの停止と報告の方法

ルールにはサービス名に加えて、実際の仕事で「入力していいか」「出力をそのまま使っていいか」と迷う例も書いておくと、担当者が判断や相談をしやすくなります。

顧客情報や未公開資料の扱いは「AIなら全部同じ」と考えず、会社の契約と、使うサービスのいまの条件に合わせて決めます。

入力していいか確かめられない情報は入れません。公開情報の利用条件も確かめ、実際の個人や案件の情報を含まない架空データで代用できるか考えます。

安全ルールを詳しく作るときの5項目は、「小規模事業者の生成AI利用ルール|最低限決めておきたい5項目」に分けています。

5. AIは速いのに仕事が速くならないなら、仕事全体を測り直す

AIが30秒で文章を作っても、その前の資料整理に20分、あとの修正に40分かかっていれば、仕事全体は速くなっていないかもしれません。

効果を見直すときに測るのは、AIが答えを出すまでの時間より、仕事の始まりから終わりまでの時間です。

比べる仕事は、種類・資料量・難しさと完成条件をできるだけそろえます。

最低限、記録するものは次のとおりです。

  • AIを使わなかったときの仕事全体の時間
  • AIを使ったときの準備・生成・確認・修正を含む時間
  • 人が直した箇所や差し戻しの量
  • 間違いが外部へ出る危険や、確認の負担が増えた場所

初回の設定や手順づくりにかかった時間は、毎回かかる時間と分けて記録します。

次の数字は、判断のための仮例です。

従来40分だった作業が、準備と確認を含めて30分になり、同じ品質と安全性を保てるなら、続ける理由があります。

AIは1分で下書きを作っても、準備や修正まで含めて50分かかるなら、工程を狭めたり入力材料を見直したりする候補です。

記録に残すのは「AIを使った」という実績より、仕事全体がどう変わったかです。

6. 1人しか使えないなら、プロンプトより「材料と確認方法」を共有する

AIに詳しい担当者だけがうまく使えている場合、長いプロンプトを共有すれば解決するとは限りません。

その人が無意識に知っている背景情報や、出力後の直し方まで含めて、仕事が成り立っていることがあるからです。

共有するときは、次の順で残します。

  1. どんな仕事で使うか
  2. 入力する材料は何か
  3. AIへ任せる工程はどこか
  4. どんな形で出力させるか
  5. 人は何を確かめるか
  6. どんな場合はAIを使わないか

そのうえで必要なら、実際に使ったプロンプトを添えます。

プロンプトだけを正本にすると、元資料や業務条件が変わったときに使えなくなりやすいためです。

共有例には秘密や不要な個人情報を残さず、閲覧できる人を決めます。

別の担当者が同じ材料と手順で試して、同じ水準まで進められるかを見ると、属人化の程度が分かります。

7. 立て直しは「広げる」のではなく、一度小さく戻す

AI導入がうまくいかないとき、新しいツールや利用部署を足すより、一度範囲を小さく戻す方が原因にたどり着きやすいです。

再試行の流れは、この5ステップです。

  1. 一番困っている症状を一つ選ぶ
    使われない、修正が多い、時間が減らないなど、今の困りごとを一つ選びます。
  2. 対象業務を一つに戻す
    戻す先は、部署全体ではなく、繰り返し発生する具体的な仕事です。
  3. AIへ任せる一工程を決める
    整理、下書き、分類など、人が確かめられる範囲へ縮めます。
  4. 確認方法と中止条件を決める
    何と照らし、どんな誤りや情報の不安があれば止めるかを決めます。
  5. 1〜2週間または数件を目安に再試行する
    同程度の仕事で合計時間、修正量、品質を比べ、続ける・範囲を狭める・中止するための材料にします。

一度に変える条件を絞って変更点を残し、比較する件数や品質の確認が足りなければ、利用範囲を広げません。

手順は新規導入の「中小企業のAI導入は何から始める?小さく試す5ステップ」と似ていますが、狙いが違います。

新規導入は、安全に使える仕事を小さく探すためのものです。

立て直しは、すでに起きている症状から、見直す工程や条件を確かめるためのものです。

再試行で続けると決めたあとも、利用範囲を広げる前に、対象業務・入力条件・確認体制を見直します。

公的資料は第3章で示した掲載ページから、自社の利用方法に関係する版・公開日・適用範囲を確認し、判断に使った資料名と確認日を記録します。

使うサービスの規約や業務内容が変わったときも、記録項目と判断基準を見直す機会になります。

8. 「続けない」が正解になるケースもある

AI導入を立て直すことと、必ずAI利用を続けることは同じではありません。

次のような場合は、その業務でAIを使わない判断も候補になります。

  • 安全に入力できる情報だけでは業務が成り立たない
  • 人の確認コストを含めると従来より時間がかかる
  • 誤りが起きたときの影響が大きく、確認方法も作れない
  • 発生頻度が低く、手順を維持する方が負担になる
  • 人が直接やる方が早く、品質も安定している

AIを使わない工程が残っても、それは導入の失敗とは別の話です。

使う工程と使わない工程が分かれていれば、次に別の業務で試すときも、同じ基準で判断できます。

まとめ:AI導入のつまずきを、仕事とのつなぎ方から見直す

AI導入が定着しないときは、新しいAIへ乗り換える前に、何が失敗しているのかを症状で分けます。

  • 使われないなら、対象業務を選び直す
  • 修正が多いなら、任せる工程を小さくする
  • 不安で使えないなら、入力ルールと確認者を決める
  • 時間が減らないなら、生成速度より仕事全体を測る
  • 1人しか使えないなら、プロンプトより材料・工程・確認方法を共有する

うまくいかないときほど、利用範囲を広げるのではなく一度小さく戻して、直す場所を確かめるのが立て直しの基本です。

次にするのは、1節の症状の表で、自社に当てはまる行を一つ選ぶことです。

その行を手掛かりに、実際の記録と照らして最初の一手を決めます。

関連記事

CONTACT

「こんなこと、できるかな?」
から、お気軽に。

まだ具体的に決まっていなくても大丈夫です。
お話を伺いながら、必要なことを一緒に整理していきます。