ビジネス活用

事例を1つずつ覚えても、切りがない

生成 AI の活用事例は無数にあり、1つずつ覚えようとすると際限がありません。試験でも実務でも役に立つのは、個別事例ではなく類型です。目の前の業務がどの型かを見分けられれば、初めて聞く事例でも位置づけられます。

この6つは排他的ではありません。問い合わせ対応なら、分類するで振り分け、調べるで根拠を集め、生成するで返信文を作る、という3段構えになります。業務を類型に分解できること自体が、適用範囲を見極める力になります。

検証しやすい型から始める

6類型は難易度が同じではありません。要約する、変換する、分類するは、入力が手元にあるため出力の正しさを確かめやすい類型です。元の文書と突き合わせれば、事実が捻じ曲がっていないかを人が判断できます。

いっぽう調べる、生成するは、正解が手元にないため検証が難しい類型です。事実でないことをもっともらしく述べる現象が最も表面化しやすいのもこの2つです。調べるを業務に載せるときに、社内文書を検索して根拠として与える RAG が使われるのは、この検証の難しさを下げるためです。

導入は検証しやすい類型から始め、効果と手触りをつかんでから難しい類型に進むのが定石です。効果が早く出やすいのは、量が多くて品質のばらつきが許容される作業です。広告文の候補を50本出す、問い合わせを仕分けるといった仕事は、1本ずつの完璧さより総量と速さが価値になります。逆に、与信の最終判断や医療の診断確定のように1つの誤りが重大な結果を招く業務は、生成 AI 単独に任せる対象ではありません。

失敗する現場には、3つの型がある

効果測定をしないのが最も多い失敗です。便利になった気がするで終わってしまい、続けるべきか広げるべきかを判断できません。処理時間、処理件数、差し戻し率といった業務側の指標を、導入前の値と比べられる形にしておきます。後回しにすると導入前の状態が記録に残らず、後から比較すること自体ができなくなります。測定の設計は導入の一部だと考えてください。

機密情報の扱いを決めないのが2つ目です。入力した情報がどう扱われるかを確認しないまま、顧客情報や未公開の資料を投入してしまいます。利用するサービスが入力データを学習に使うのか、保存期間と保存場所はどうかを確認し、投入してよい情報の範囲を社内ルールとして決めてから始めます。ルールは禁止事項の一覧だけでは機能しません。代わりにどうすればよいかまで示さないと、現場は判断できずに使わなくなるか、黙って使うかのどちらかになります。

人の確認工程を外すのが3つ目です。精度が上がってきたからと、生成物をそのまま外部に出してしまいます。ただし全件を人が見る運用にすると、確認が新しいボトルネックになって効果が消えます。影響の大きさで確認の厚みを変える、つまり社外向けは必ず人が見て、社内メモは抜き取り確認にする、といった段階を設けます。

利用料金だけを数えない

投資対効果を語るとき、効果の側は3つに分けると整理しやすくなります。時間の削減は作業時間の短縮分で、人件費単価をかけて換算できる最も測りやすい効果です。量の増加は同じ人数でこなせる件数が増える効果、質の向上は差し戻しの減少などで、金額換算が難しいため代理指標で追います。

コストの側は、利用料金だけを数えないことが重要です。実際にかかるのは、サービス利用料に加えて、導入設計と社内ルール作りの工数、利用者への教育の工数、そして人が確認する工程の工数です。この確認工数を見落とすと、机上では黒字なのに現場では楽になっていない、という状態が起きます。また、削減した時間が別の価値ある仕事に回っていなければ、会計上の効果は生まれていません。

試験ではこう出る

• 業務の説明文を読ませて6類型のどれに当たるかを選ばせる形が出ます。「議事録から要点を抜き出す」は要約する、「問い合わせを担当部署に振り分ける」は分類するというように、動詞に注目します
• 導入時に最初に決めるべきこととして、機密情報の取り扱い方針や効果測定の指標を選ばせる問題が出ます
• 生成 AI に任せてはいけない業務を問う問題では、誤りの影響が大きく取り返しがつかない業務が答えになります