AIベンダーへ相談する前に、社内で決めておくべき5つのこと

「AIを使って何かできないか」「社内文書を活用したい」「検査を自動化したい」。AIベンダーへの最初の相談は、こうした一言から始まることが少なくありません。

この段階で、要件やデータが完全にそろっている必要はありません。むしろ、何が分からないかを整理するために相談することもあります。

ただし、社内で何も決まっていないまま相談すると、議論はモデル名や機能一覧へ流れやすくなります。結果として、「技術的にはできます」という回答は得られても、誰のどの仕事を、どの基準で良くするのかが残ります。

初回相談の前に、次の5つを仮でもよいので言葉にしておくと、ベンダーとの会話は具体的になります。

1. 解きたい業務課題と、成功の定義

最初に必要なのは、「AIで何をしたいか」よりも「今、何に困っているか」です。

たとえば「ChatGPTのようなLLMを社内業務へ導入したい」だけでは、解決したい課題が見えません。LLMは、文章の生成、要約、分類、情報抽出、既存ツールの操作支援など、使い方が広いためです。次のように置き換えると、検討の対象が明確になります。

• 商談メモからCRMへの入力と次回アクションの整理に、営業担当者が毎日どれくらい時間を使っているか
• 社内規程や過去事例を参照して提案書・回答案を作るために、担当部署が毎月どれくらい時間を使っているか
• 熟練者の目視検査がボトルネックになり、出荷判定が遅れているか
• 問い合わせ内容を分類し、適切な担当者へ渡すまでに初動が遅れているか

そのうえで、「成功したら何が変わるか」を決めます。削減したい時間、減らしたい見逃し、短縮したい応答時間、増やしたい処理件数などです。

数値を最初から正確に出せなくても構いません。「月に数十件ある」「担当者が毎日一時間程度使う」「この誤りだけは避けたい」といった見立てがあれば、優先順位を考えられます。

重要なのは、AIを作ることを成功にしないことです。業務上の何を改善するのかを、相談の出発点にします。

2. 実際に使う人と、導入後の業務フロー

同じAIでも、誰がどのタイミングで使うかによって、必要な仕様は変わります。

たとえば、LLMに商談支援をさせる場合でも、利用者が営業担当者なのか、マネージャーなのか、バックオフィスなのかで、必要な権限、連携先、出力形式、誤ったときの影響は異なります。

相談時には、現在の流れを簡単に説明できるようにしておくと有効です。

商談の会話・メモを記録する
  → LLMが要約、CRM入力候補、次回アクション案を作る
  → 営業担当者が内容を確認・修正する
  → CRMへ登録し、必要ならマネージャーが確認する

この流れのどこをAIが支援するのかを決めます。CRMへ自動登録するのか、入力候補を作るだけなのか、次回アクション案の下書きを作るのかで、リスクと必要な精度は大きく変わります。

「全部を自動化したい」と考える前に、まずは人の判断を残す場所を決めます。AIが候補を出し、人が確認する形でも、探す時間や転記の手間を減らせる場合は多くあります。

3. 使えるデータと、その管理責任者

AIの相談では、「データはありますか」と聞かれることがあります。このとき、CSVや大量の画像だけを想像する必要はありません。

既存の業務には、すでに次のようなデータがあるかもしれません。

• 規程、マニュアル、議事録、問い合わせ履歴
• 写真、動画、音声、センサーログ
• 販売・在庫・保守・点検の記録
• 担当者が使っている表計算やメールの定型文

相談前に、まず「どこに何があるか」を大まかに洗い出します。同時に、そのデータを誰が管理しているかも確認します。

これは単なる連絡先の確認ではありません。文書が改定されたとき、正解ラベルの基準が変わったとき、利用範囲を決めるときに、判断できる人が必要になるからです。

特に注意が必要なのは、個人情報、取引先情報、機密情報を含むデータです。外部サービスへ送ってよいか、持ち出しに制約があるか、利用目的や保存期間は何かを、早い段階で共有します。使えないデータを前提に設計を進めることを避けられます。

4. 許容できない失敗と、人が確認する範囲

AIの品質を考えるとき、「精度を何%にするか」が先に出がちです。しかし、業務では平均精度だけでは判断できません。

先に考えたいのは、何を間違えると困るかです。

• 古い規程を現行ルールとして答える
• 重大な不良を良品として見逃す
• 金額を誤って集計する
• 権限のない人へ機密情報を出す
• 顧客へ不適切な回答を自動送信する

こうした失敗は、頻度が低くても影響が大きいことがあります。初回相談で共有しておくと、ベンダーは必要なデータ、評価方法、アクセス制御、人による確認を含めて設計できます。

また、必要な入力が不足しているとき、根拠となる社内データを取得できないとき、評価した条件から外れるときに、どう扱うかも決めます。出力を保留する、根拠資料だけを表示する、担当者へエスカレーションする、従来の手順へ戻す、といった選択肢があります。

人が確認する範囲を最初から設計することは、AIへの期待を下げることではありません。安全に使える範囲から始め、失敗を次の改善へ戻すための前提です。

5. PoCの後、誰が運用と改善を担うか

PoCで技術的に動くことが確認できても、それだけでは業務に定着しません。

導入後には、次のような仕事が残ります。

• 新しいデータや文書を追加・更新する
• 失敗や利用者からの訂正を記録する
• 評価セットを更新し、変更後に再評価する
• アカウントや権限を管理する
• 障害時の問い合わせ先と、停止・復旧の手順を決める

すべてを最初から専任者へ任せる必要はありません。ただ、業務側、データ管理者、情報システム部門、ベンダーのうち、誰が何を判断するかを決めないと、導入後の改善が止まります。

「モデルの更新はベンダー、現行文書の管理は主管部署、利用者の問い合わせ受付は情報システム部門」のように、最低限の役割を置くだけでも、責任の空白を減らせます。

完璧に決めてから相談する必要はない

ここまでの5つは、社内で完全な答えを出してから相談するためのチェックリストではありません。むしろ、曖昧な点を残したままでも、「何が決まっていて、何を一緒に考えたいか」を伝えるための枠組みです。

たとえば、次のように相談できれば十分です。

営業担当者が商談後にCRMへ入力する負荷を減らしたいと考えています。
商談メモと過去の提案書はありますが、記載内容や項目は統一されていません。
まずは商談メモから、要約・CRM入力候補・次回アクション案を作れるか確認したいです。
顧客情報や金額を誤って登録しないよう、担当者の確認を残した評価方法も相談したいです。

この情報があれば、対象範囲、データの整備、技術的な選択肢、PoCで確認するべきリスクを具体的に議論できます。

まとめ

AIベンダーへの相談前に決めておきたいのは、次の5つです。

1. 解きたい業務課題と、成功の定義
2. 実際に使う人と、導入後の業務フロー
3. 使えるデータと、その管理責任者
4. 許容できない失敗と、人が確認する範囲
5. PoCの後、運用と改善を担う人

モデルや機能の比較は、この5つを整理した後でも遅くありません。課題、データ、失敗、運用の前提を共有してから相談することで、AI導入は「何ができますか」という議論から、「この業務で何を改善できるか」という具体的なプロジェクトになります。