はじめに — エイトニュース、はじめます
「AIで業務を変えたいんです。でも、何から始めればいいか分からなくて。」 — 先日、ある製造業の経営者の方から、開口一番こう言われました。社員80名ほどの会社で、現場では既にChatGPTを誰かが触り始めている。けれど、会社として「これを使って、ここを変える」という地図がない。話を伺っていて、これは1社だけの話ではないと感じました。私たちエイトが受託の現場で、ここ1年、何度も繰り返し聞いてきた相談だからです。
エイトニュース第一号は、その問いへの私たちなりの答えとして書きます。エイトの現場で、AIが「効いた仕事」と「効かなかった仕事」を、できる限り具体的に公開します。
エイトの現場で「効いた仕事」と「効かなかった仕事」
この1年、エイトでは受託案件と自社運用の両輪で、Claudeをはじめとする生成AIを業務に組み込んできました。一定の試行錯誤を経て、見えてきた線引きがあります。
| 仕事の種類 | AIで効いたか | 理由 |
|---|---|---|
| 議事録の要約・タスク抽出 | ◎ 効いた | 構造が決まっており、判断より要約が中心 |
| 提案書の初稿・骨子づくり | ◎ 効いた | ゼロから書く負荷が大きく、土台があると速い |
| 社内向け説明文・FAQ整備 | ◯ 効いた | 過去資料の文脈をAIに読ませると一貫性が出る |
| 顧客への一次回答・問い合わせ仕分け | △ 条件付き | 業界特有の言い回しは人の最終確認が必須 |
| 採用要件と候補者経歴のマッチング | × 効かなかった | 文化適合の判断は数行のレジュメでは不可能 |
| 経営判断・意思決定そのもの | × 効かなかった | AIは「決める」ではなく「整理する」までが限界 |
もっとも教訓になったのは、最後の2つです。「AIに採用判断を任せられないか」と試した時期があり、結果として失敗しました。スコアは出るのですが、そのスコアを誰も信用できない。むしろ「AIがこう言っている」という事実が、議論を歪める方向に働きました。AIは「決める」ためではなく、「決めるために必要な材料を、人が判断しやすい形に整える」ために使うのが筋がいい。これは私たちの結論です。
受託支援と自社運用、両輪で分かったこと
エイトが他社のAI実装支援をする会社として大事にしているのは、「自分たちの会社で先に試す」という順番です。社内で実際に使い、失敗し、運用が回るところまで見届けてから、お客様の現場に持ち込む。当たり前のようで、これをやらない会社が多い領域です。
具体的には、エイトの社内では次のような運用が定着しています。
- 議事録：会議終了後5分以内に要約・タスク・次回論点をAIが整理。人は「抜けがないか」だけ確認する。
- 提案書：過去案件の文脈をAIに読ませた上で、骨子を3案出させ、その中から選んで書き直す。ゼロから書く時間が体感で半分以下に。
- ナレッジ共有：Notionに溜めた議事録・案件メモをAIで横断検索。「あの時の判断、誰がどういう理由でしたか」が即座に引ける。
- 採用：候補者と話した直後の所感だけはAIで構造化する。一方で、合否判断には使わない。
この運用に至るまでに、ツールを増やしすぎて誰も使わなくなった時期、AI出力をそのまま顧客に出してしまい修正に追われた時期、何度かの停滞を経ています。失敗を経たからこそ、お客様には「最初に絞る」「人の判断を残す範囲を明確にする」「定着までは半年見る」を、最初の打ち合わせでお伝えしています。
中小企業がAI実装で最初にやるべきこと
受託の現場で見えてきた、最初の一歩として効果が出やすい順序があります。
- 議事録・要約から始める：失敗してもダメージが小さく、効果が見えやすい。
- 過去資料の検索基盤を作る：Notion等に情報を集約し、AIで横断的に引ける状態にする。
- 提案書・社内文書の初稿生成：時間が大きく削れる業務から。
- 顧客接点は最後：一次回答や仕分けは、社内運用が安定してから。
この順序を間違え、いきなり顧客対応にAIを入れて事故が起きた事例を、私たちはいくつも見てきました。AI実装は「派手な使い方」より「地味な業務改善の積み上げ」のほうが、結果的に会社を変えます。
おわりに — 読み終えたあなたへ
ここまで読んでいただいたあなたの会社では、AIは「効いた仕事」と「効かなかった仕事」のどちらの量が多いでしょうか。もし、まだ判断材料が足りないと感じるなら、それは始める前に整理する余地があるということでもあります。私たちエイトは、その整理から並走する仕事をしています。