AIを入れたのに会議が止まる会社と、AIネイティブ企業の違い

議事録、調査、文章作成にAIを使い始めたのに、企画会議では相変わらず「最新の価格はどれか」「この提案を誰が承認するのか」で止まる。そんなときに見直したいのが、情報と判断のつなぎ方です。

AIを使って、顧客に何を届けたいか

出発点は「何を速く作るか」より「顧客が何を判断できるか」

例えば企画書づくりなら、顧客価値を「提供範囲、費用、開始時期を理解して発注を判断できること」と置きます。ここが曖昧だと、下書きの速度と、顧客にとっての分かりやすさのどちらを優先するか決められません。

そのうえで、AIに下書きを任せれば目的を満たせるのか、資料の整備や承認の流れまで変える必要があるのかを考えます。前者で十分なら、大きな組織改革は不要です。ツール導入と仕事の再設計は、併用できる取り組みです。

ILOの実証研究レビューは、生成AIの生産性への影響が作業、利用者、組織の条件によって異なると整理しています。個別作業の時間短縮を、そのまま会社全体の成果と読むことにも注意が必要です。参照した研究には作業・利用者・組織ごとの条件があります（出典：ILO「The impact of GenAI on jobs, productivity and work organization」）。

同じ企画書でも、下書きの前後で仕事が変わる

同じ企画業務で、二つの進め方を比べる

ここからは、代表と担当者二人で運営する、架空の法人向け研修会社A社を考えます。仕事は、既存顧客に提出する新人研修の企画書づくりです。同じ案件、担当者、利用可能な資料、提出時の合格条件で比べ、資料の選び方と見直し・記録の手順を変えます。

ツールを追加する例では、担当者が顧客の要望、提供メニュー、価格表を案件ごとに集め、AIに文章の下書きを頼みます。人が修正して承認を得ますが、何を参照し、なぜ案を採ったのかを共通の形で残す手順はありません。次の担当者は、前回の判断を改めて確かめるところから始めます。

仕事を再設計する例では、代表が顧客に判断してほしい事項と合格条件を先に決めます。担当者は利用を認めた資料とその版をそろえ、AIには根拠付きの案と不明点を出させます。人が原資料と照合し、採否を決めて顧客へ説明した後、判断理由と修正点を次の企画に使える形で残します。AIに下書きを任せる構成でも、この設計は試せます。

情報の置き場だけでなく、更新の担当を決める

A社の例では、提供メニューと価格表の管理担当が、適用開始日、最終確認日、承認者を記録します。旧版を保持し、現行版と区別して、案件ごとに何を使ったか追えるようにします。AIが参照してよい資料も、この管理対象に限ります。記録した判断を次回の参照資料に反映する担当も決めます。

情報を共有フォルダへ集めるだけでは、「使える情報か」を決める仕事は残ります。顧客情報をどこまで入力してよいかは社内の情報管理担当に聞き、利用サービスの扱いは提供元の現行条件で確かめます。分かるまでは、機密情報を除いた説明用データで試す、と決めます。

図1は、この違いを仕事の順序として表したものです。注目点は下書きの前後です。前に目的と情報の準備があり、後に確認、判断、更新がつながっています。

図1：AIツールの追加と仕事の再設計。同じ担当者・資料・合格条件による架空の比較。「人」はA社の代表と担当者をまとめた表記です。

空いた時間を、何へ振り向けるか

追加提案か、顧客の聞き取りか

同じA社で、見直し・修正まで含めて週に2時間空いたと仮定します。この2時間を何へ使うかを比べます。代表には三つの選択肢があります。

選択肢	選ぶ理由	先に確かめること
新しい顧客向けに企画を1件増やす	相談待ちの案件に早く応じられる	受注後に研修を担当できる人がいるか
既存顧客への聞き取りと内容の見直しに使う	研修後に現場で使えない、という不満を減らす	何が使えなかったのかを顧客から聞けるか
担当者の残業を減らす	忙しい週の負担を軽くする	定時内で見直しまで終えられるか

今は講師の日程が埋まり、既存顧客から「現場で練習する時間が足りない」と言われているなら、A社は2時間を聞き取りと演習の見直しに使います。提案書を増やしても、受けられる研修は増えないためです。逆に講師の空きがあり、問い合わせへの返事が遅れているなら、追加提案を優先する理由が生まれます。

価格も自動では下げません。下書きが速くなっても、講師の時間や実施後の支援が変わらなければ、提供にかかる費用は同じだけ減らないからです。値下げ、内容の充実、利益の確保のどれを選ぶかは、AIの作成速度とは別に決めます。

「最終確認は人」だけでは、確認する内容が決まらない

A社では、代表が目的、優先順位、提供を約束する範囲、例外の採否を決める設計にします。企画担当は資料の有効性と出力の根拠を調べ、営業担当は顧客の要望や実施日程との整合を確かめます。AIは比較案や確認候補を出しますが、価格の例外や未確認のサービスを独断で約束する役割には置きません。

会社側は、AIが判断に関わる処理を含め、何を自動処理として認め、どの条件で人へ戻すかを決めます。毎回すべてを経営者へ回す代わりに、定型の照合は仕組みで補助し、例外や顧客への約束は決裁者へ集めます。

A社の企画では、承認済みメニューにある集合研修案を採用し、AIが加えた個別面談付き案は見送ります。個別面談を担当できる人と提供条件が決まっていないからです。企画担当がメニューと価格表、営業担当が実施日を確かめ、代表が顧客への提案を決めます。魅力的な追加案でも、実施できる人がいなければ約束できません。

確認できる人の時間も、仕事として確保する

ILOのレビューは、AIの導入で専門家の仕事が監督・検証・判断へ移る場面や、役割と責任の再設計が成果に関わることを論じています。ただし、その形は業務によって異なります（出典：ILO実証研究レビュー・仕事の組織化の節）。

A社への当てはめでは、下書き件数だけで仕事を増やさず、見直す担当の時間を予定に入れます。担当者の評価も、根拠を示して納品できたか、誤りを見つけて改善につなげたかで考えます。見直す人が不在なら、代行者を決めるか提出を延期します。「AIが作れたから出す」ことを代替手順にはしません。見直す担当を育てる研修の組み立ては、役割別のAI研修と定着の確かめ方で説明しています。

最初の一件で、準備から修正まで試す

一つの仕事を選び、複雑にしない

A社なら、過去の研修企画を社内で作り直すところから始めます。最初は顧客へ送らず、入力資料、AIの案、人の修正、合格条件を一組にして確かめます。実務へ広げるのは、誰がどこを見るかと、止める条件が動くと分かってからです。

Anthropicは、決められた経路で進むワークフローと、モデルが進め方や道具の使い方を選ぶエージェントを区別し、必要になるまでは単純な構成を選ぶよう勧めています。この助言は、提供元の設計経験に基づきます（出典：Anthropic「Building effective agents」）。

この考え方をA社へ当てはめるなら、決まったメニューの金額を引くだけの処理は、価格表の検索や通常のシステム化も候補です。文章化に困っている場合にAIを使い、自由な探索が不要なら、複数のエージェントを先に組む必要はありません。

試す前に、資料をそろえる担当を決める

価格表の管理担当から適用中の版を、担当営業から顧客の要望を、実施担当から提供できる内容を集めます。そろわない項目を担当へ戻し、その情報を必要とする下書きは保留します。管理された資料と見直す人がそろった仕事から試します。

作成時間だけでなく、確認・手戻りまで見る

A社の試行では、対象件数と期間を先に決め、人の準備・見直し・修正時間、提出できるまでの経過時間、条件違反や差し戻しを案件単位で記録します。利用料や情報整備の負担も、下書きの時間とは別に残します。AIあり・なしを比較するなら、案件の難しさ、資料、担当者、合格条件をそろえ、件数と測定方法を示します。条件がそろわない記録から、AIによる短縮率は出しません。

顧客へ提出する試行では、説明のやり直しが必要だった項目も残します。聞き取りへ振り向けた時間が、顧客の条件をつかむことや提案の改善につながったかを確かめます。作成時間と利用料だけを測っていては、この違いが見えません。

教育は、一つの下書きを一緒に読み直すところから始められます。根拠のない追加、古い価格、要望の抜けをどう発見したかを共有し、若手も原資料と照合する機会を残します。修正点は個人の会話履歴だけに置かず、代表が採否を決めて共通の資料や点検項目へ反映します。

公開事例から取り入れられる、人とAIの分担

NECは2026年8月10日、同月1日付で「コーポレートAI・Workforce部門」を新設したと発表しました。AIが業務を遂行する一方、最終的な評価・意思決定や品質・ガバナンスの統制は人が担うと説明しています。発表には社内実証での時間短縮の報告も含まれます（出典：NEC「AI自律型組織を新設」）。

その報告はNEC自身の取り組みに関するものです。小さな会社では、同社の階層構造をそのまま移すより、「何を任せ、何を人が統制するか」という問いを自社の仕事に当てはめます。

開発の仕事で、AIと人が受け持つこと

NeoLogicでは、実装やテスト、調査、文書の下書きにAIを使い、人が業務との整合、採用する案、修正の優先順位や引き渡しを判断します。開発にAIを使うかと、納品するシステムにAI機能を入れるかも、別々に決めます。

具体的な開発工程はAIネイティブ開発｜人の確認と品質・引き継ぎで紹介しています。

失敗時に戻せるところまで決める

A社の例では、根拠不明や資料との不一致を見つけたらAI案の利用を止め、承認済み資料で人が作り直します。元の資料と履歴は保持し、入力や参照範囲を直した後、同じ点検項目で見直します。すでに誤った企画を顧客へ渡した場合は、手作業に戻すだけで終わらず、代表が影響範囲を調べ、訂正を説明します。

A社はまず、顧客の要望を聞き、実施できる案を選ぶ時間の配分を変えます。自社でも、一つの仕事で何に時間がかかり、空いた時間を何へ使いたいかを決めるところから始められます。取り組む仕事を一緒に整理したい場合は、AI・DX・業務改善の相談を利用できます。

AIの利用を広げる際は、利用回数と一回の処理量から電力需要を考える見方もあります（AIの電力消費を読む｜推計と予測、学習と推論）。

参考出典

• ILO「The impact of GenAI on jobs, productivity and work organization」（2026年6月1日公開、PDFはMay 2026）。本文1〜5ページの生産性と仕事の組織化を参照。2026年9月15日確認
• NEC「AI自律型組織を新設」（2026年8月10日）。発表本文と別紙の役割分担、社内実証の当事者報告を参照。2026年9月15日確認
• Anthropic「Building effective agents」（2024年12月19日）。単純な構成の原則とワークフロー・エージェントの区別を参照。2026年9月15日確認