Alphakt InsightsAI×BPR / AI×BPRの進め方|業務棚卸しからAI適用判定・実装・定着・効果測定までの9工程
AI×BPR

AI×BPRの進め方|業務棚卸しからAI適用判定・実装・定着・効果測定までの9工程

公開日:2026年7月28日 / 最終更新:2026年7月28日
「AIで事業を変えろ」と言われたものの、何から手を付け、どの順序で進めればよいかが決まらない。個別のPoCやツール導入は動いているが、全体の工程が描けていない。本記事は、事業会社のDX推進・IT企画・経営企画、およびPMO・コンサルに向けて、AIを前提に業務を再設計する取り組みを9つの工程として整理します。各工程で何をアウトプットし、誰の合意を取るかまで示すので、そのまま社内の推進計画に落とせます。

この記事の結論

なぜ「AIで何をするか」の前に、工程を決める必要があるのか

「AIで事業を変えろ」という号令が出たとき、多くの現場が最初にやるのは、使えそうなAIツールの選定と、小さなPoCの企画です。ところが半年後に残るのは、動いたけれど使われていないPoCと、次のPoCの企画書だけ、という状況が繰り返されています。

原因は、AIの性能でも担当者の力量でもありません。「どの業務を、どういう順序で、誰の合意を取りながら変えるのか」という工程が決まっていないことです。工程がないままツールから入ると、業務の全体像が見えないまま部分最適が積み上がり、最後に「結局、事業の何が変わったのか」に答えられなくなります。

この記事が扱う範囲と、扱わない範囲

内容
扱う範囲AIを前提にしたときに固有の判断が必要になる工程。特に「その業務はAIで解けるのか」の判定、人間とAIの役割分担、AIが間違える前提での業務設計、推論コストを含めた効果測定
扱わない範囲業務改革(BPR)そのものの一般的な手順。As-Is分析の技法やTo-Be設計の進め方は別稿「BPRの進め方」で詳しく扱っているため、本記事では該当工程からそちらへ案内する
前提特定のAI製品・モデルを前提としない。工程の設計思想として記述する

AI×BPRの9工程 ― 全体像

まず全体像を示します。この9工程は上から順に進めますが、⑦の判定で止まった場合は③や⑤に戻る、という往復が前提です。一度で完成させる工程表ではなく、判断の順序を示したものと捉えてください。

工程何を決めるか主なアウトプット合意する相手
① 経営課題・事業KPIの設定何の数字を動かすための取り組みか対象事業・目標指標・期限経営層
② 業務プロセスの棚卸し現状の業務がどう流れているか業務プロセス一覧・工数・例外の頻度業務部門長
③ AI適用可否とBPR必要度の判定AIで解けるのか、業務を変えないと解けないのか適用判定シート・着手順序経営層・業務部門
④ 人間・AI・システムの役割分担どこまでAIに委ね、どこに人を残すか役割分担表・責任分界業務部門・情報システム
⑤ To-Be業務と例外処理の設計AIが間違えたときにどう回すかTo-Be業務フロー・例外時の手順業務部門・現場
⑥ データ・システム・ガバナンス要件必要なデータをどこから取り、どう守るかデータ要件・連携方式・統制ルール情報システム・法務
⑦ PoCと本番化の判定本番に進めてよいか検証結果・本番化の判定記録経営層・情報システム
⑧ 展開・教育・定着現場が使い続けられる状態をどうつくるか展開計画・教育資料・定着KPI業務部門・現場
⑨ 効果測定と継続改善事業の数字がどう動いたか効果測定レポート・次の改善計画経営層

このうち②・⑤・⑧は、AIがあってもなくても必要な業務改革の工程です。これらの具体的な進め方は別稿「BPRの進め方」に譲ります。本記事では、AIを前提にすることで初めて必要になる4つの工程、すなわち③・④・⑤の例外設計・⑨を掘り下げます。

工程③ AI適用可否とBPR必要度を判定する

最も重要かつ、最も飛ばされやすい工程です。棚卸しで洗い出した業務に対して、「AIを入れれば解決するのか」「業務のやり方そのものを変えないと解決しないのか」を切り分けます。ここを判定せずに進めると、業務の構造が原因の課題にAIを当ててしまい、精度を上げても成果が出ないという状態に陥ります。

判定の2軸

判定は「AIとの相性」と「業務変更の必要度」の2軸で行います。

業務変更の必要度:低業務変更の必要度:高
AIとの相性:高【AI導入で進める】既存業務にAIを組み込めば効果が出る。着手が最も早い【AI×BPRの本命】業務を再設計した上でAIを組み込む。効果は最大だが合意形成の難度も高い
AIとの相性:低【対象外・自動化で対応】ルール化・システム化で足りる。AIを使う必要がない【まずBPR】先に業務を整理する。AIの検討は業務が固まってから

「AIとの相性」は、判断に曖昧さがあるか、扱う情報が非定型か、過去のデータから傾向を学べるかで判断します。逆に、答えが一意に定まりルールで書ける業務は、AIではなく通常の自動化の対象です。

判定でよく間違えるパターン

よくある判断実際は正しい対応
「工数が大きいからAIで効率化する」工数の原因が承認の多さや手戻りにある場合、AIでは減らない承認フローと手戻りの構造を先に変える
「データがあるからAIで予測する」そのデータが業務判断に使われていないと、予測しても誰も動かない予測結果を誰がどう使うかを先に決める
「現場が困っているからAIを入れる」困りごとが例外業務に集中している場合、AIは例外に弱い例外の発生源を業務設計で減らす

なお「AI導入とBPR(業務再設計)のどちらを先に着手すべきか」という順序判断そのものは、別稿で判断フローチャートとして整理しています。本工程で「業務変更の必要度が高い」と判定された場合は、そちらを参照してください。

工程④ 人間・AI・システムの役割分担を決める

AIを業務に組み込むとき、「AIが何をするか」だけを決めて、「人が何を担い続けるか」を決めないケースが多く見られます。しかし実務で問題になるのは後者です。誰が最終責任を持つのか、AIの出力を誰が確認するのか。これが決まっていない仕組みは、本番稼働の直前で必ず止まります。

3者に分けて整理する

担い手任せる仕事の性質任せてはいけないこと
人間最終判断、例外対応、責任を伴う承認、関係者との調整大量の定型処理(人が担うと品質が揺れる)
AI非定型情報の解釈、下書きの生成、候補の提示、傾向の抽出誤りが許されない最終確定(必ず人の確認を挟む)
従来型システム計算、記録、ルールに基づく処理、データの保持判断に曖昧さがある処理(ルール化できない)

「AIの出力をどう扱うか」を4段階で決める

同じAIの出力でも、業務の重要度によって扱い方を変える必要があります。すべてを人が確認すると効果が出ず、すべてを自動確定するとリスクが残ります。業務単位で段階を決めます。

段階扱い方適する業務
参考情報AIの出力は参考。人が一から判断する重要な意思決定、対外的な確約を伴う業務
下書きAIが作り、人が修正して確定する文書作成、回答案の作成
確認付き自動AIが確定案を出し、人が承認だけ行う定型的な判断で、誤りの影響が中程度の業務
完全自動人の確認を挟まず処理する誤ってもすぐ検知・訂正できる業務に限定

この4段階を業務ごとに明記した表が、そのまま責任分界の合意文書になります。「AIが間違えたら誰が責任を取るのか」という問いは本番化の直前に必ず出ますが、この表があれば工程④の時点で答えが出ています。

工程⑤ AIが間違える前提でTo-Be業務を設計する

従来の業務設計は「正しく処理されること」を前提に、例外を別扱いにしてきました。AIを組み込む場合、この前提が成り立ちません。AIは同じ入力に対して常に同じ出力を返すとは限らず、事実と異なる内容を生成することもあります。したがって例外処理は、付随的な処理ではなく業務設計の一部として最初から組み込みます。

設計に織り込む4点

論点決めること
誤りの検知誰が、どのタイミングで、どうやって誤りに気づくのか。自動で検知できる条件を決めておく
リカバリー手順誤りが見つかったとき、どう戻すのか。訂正の記録をどう残すのか
AIが答えられない場合の経路AIが判断できない・確信度が低い場合に、人へ引き渡す条件と手順
証跡なぜその出力になったかを後から説明できる記録。入力・出力・判断者を残す

特に3つ目の「答えられない場合の経路」が抜けている設計は、現場で確実に破綻します。AIが無理に答えを出す状態と、答えられないことを表明して人に渡す状態のどちらを選ぶかは、業務設計の判断です。後者を選べる設計にしておくと、現場の信頼を保ったまま運用できます。

なお、To-Be業務フローの描き方や業務要件への落とし込みといった設計技法そのものは、別稿「BPRの進め方」で詳しく扱っています。本工程では、AI固有の論点である例外処理と証跡に焦点を当てました。

工程⑥⑦ データ要件を固め、本番化を判定する

工程⑥:必要なデータから逆算する

AIを動かすには、業務システムや現場設備のデータが必要になります。ここで陥りやすいのが「まず全部のデータを集める」という進め方です。集めること自体が目的化し、使われないデータの置き場だけが残ります。工程①で決めた目標指標と、工程③で選んだ業務から逆算して、必要なデータを特定します。

製造業のように現場設備(OT)・製造実行(MES)・基幹システム(ERP)が分かれている場合は、層をまたいだデータの結合が前提になります。この設計の詳細は別稿「工場のデータ連携をどう設計するか」で扱っています。

工程⑦:本番化は「判定」であって「延長」ではない

PoCが動いたことと、本番で使われ続けることは別の問題です。PoCは「できるか」を確かめる場、本番は「使われ続けるか」を問う場であり、評価する基準が違います。本番化を判定する会議体を設け、条件を満たしているかを確認してからGoを出します。

この工程でつまずく現場は多く、別稿では本番化に必要な条件をチェックリストとして整理し、また「本番化しない理由」を運用設計・組織合意・コスト構造の3つの壁として構造化しています。工程⑦で止まった場合は、そちらで詰まっている箇所を特定してください。

工程⑨ 推論コストを含めて効果を測る

最後の工程が、最も抜けやすい工程です。導入して終わりにせず、工程①で設定した事業指標がどう動いたかを測ります。AIを使う取り組みでは、従来の投資対効果の計算に加えて、2つの固有の論点があります。

論点1:コストは継続的に発生する

従来のシステム投資は、初期に大きなコストがかかり、その後の運用費は比較的読みやすい構造でした。AIの場合、使うたびに処理のコストが発生するため、利用が広がるほどコストも増えます。利用者数と処理量に比例して増える構造を前提に試算しないと、本番化の後で「思ったより高い」という事態になります。

この構造を踏まえると、すべての業務でAIを使うのではなく、効果がコストを上回る業務に絞って本番化するという判断も、現実的な選択肢になります。工程③の適用判定と工程⑨の試算は、本来セットで検討すべきものです。

論点2:測るべき指標は3層ある

指標の例見る目的
利用の定着利用率・入力率・機能ごとの利用状況そもそも使われているか。形骸化の早期検知
業務の変化処理時間・手戻り件数・例外対応の件数業務が実際に変わったか
事業の成果工程①で設定した事業指標(売上・コスト・リードタイム等)投資判断に足る成果が出たか

この3層を分けて測ることが重要です。事業成果だけを見ていると、なぜ効果が出ないのかが分かりません。利用が定着していないのか、利用はされているが業務が変わっていないのか、業務は変わったが事業指標に届いていないのか。どの層で止まっているかによって、打つ手が変わります。

あわせて、測定の時間軸も設計に含めます。導入直後は利用率が高くても、数か月後に元のやり方へ戻る現場は少なくありません。少なくとも導入から1年程度は3層の指標を追い続け、下がった時点で手を打てる状態にしておきます。

工程ごとのつまずきパターン

9工程のどこで止まりやすいか、そのときの症状と対処を整理します。自社の現在地を特定する際に使ってください。

症状止まっている工程対処
「何から始めるか」が決まらない①②(目的と現状の把握)事業指標を1つに絞り、その指標に効く業務だけ棚卸しする
AIを入れたが成果が出ない③(適用判定)業務構造が原因の課題にAIを当てていないか判定し直す
「誰が責任を取るのか」で止まる④(役割分担)AIの出力の扱いを4段階で決め、責任分界を文書化する
現場が使うのを怖がる⑤(例外設計)誤りの検知・リカバリー・人への引き渡し経路を設計する
PoCから先に進まない⑦(本番化判定)運用設計・組織合意・コスト構造のどこで詰まっているか診断する
数か月で元のやり方に戻った⑧(定着)利用率を継続的に観測し、下がった部門に個別に手を打つ
「結局何が変わったのか」に答えられない①または⑨(指標)着手前に事業指標を決め、3層で測る設計にする

まとめ:AI×BPRは、判断の順序を設計する取り組み

AI×BPRの進め方について、要点を整理します。

AI×BPRは、高度なAIを導入する取り組みではありません。どの業務を変えるかを判定し、人とAIの役割を決め、間違いを織り込んで業務を組み直し、事業の数字が動いたかを測る。この判断の順序を設計し、現場で使われる状態まで走り切れるかどうかが、成果を分けます。工程のどこにいるかが分かっていれば、次に決めるべきことは必ず一つに絞れます。

関連サービス

Alphaktは、AI×BPRを起点に戦略から実装・運用まで一気通貫で伴走します。(※プロトタイプのため導線はダミーです)

JOIN ALPHAKT

Alphaktで働くことに興味はありますか?

「提言して終わり」ではなく実装まで走り切る。基幹産業の変革に挑むメンバーを募集しています。

採用情報を見る →