AI定着プレイブック——PoCの成功が本番の失敗にならないために

「AIツールを導入したが、思ったほど使われていない」——導入から半年〜1年経った組織から、私たちがよく耳にする悩みだ。技術的にはうまく動いているのに、業務は前と変わらない。

この記事では、AI導入を「使われる状態」まで持っていくためのプレイブックを、5つのステップで整理する。

ステップ1：パイロットの選定

導入プロジェクトは、最初の対象業務の選定でほぼ勝負がついている。編集部が観測してきた成功パイロットには、共通する特徴があった。

• 効果が測りやすい：処理時間、件数、エラー率などが、既にログとして取れている。
• 影響範囲が閉じている：他部門への影響が小さく、失敗時の巻き戻しがしやすい。
• 推進者がいる：現場側に「これを試したい」と言っている担当者がいる。
• 3ヶ月以内に判定できる：長い実験は、その間に組織側の関心が薄れる。

「全社の共通課題」から始めるプロジェクトは、大抵うまくいかない。ステークホルダーが多すぎ、成功の定義が合意できず、時間だけが経つ。特定部門の特定業務に絞って始めるほうが、はるかに立ち上がりが速い。

ステップ2：内製と外注の判断

AI導入で必ず出てくる論点だ。編集部が観測してきた判断軸は次のようになる。既製品（Microsoft Copilot、Google Workspace、業種特化SaaSなど）で要件の8割が満たせるなら、そこから始める。カスタマイズが必要な部分だけを内製で継ぎ足す。既存の業務データが競争力の源泉になっている領域は、内製の価値が上がる。

「フル内製こそ真のAI導入」というスローガンは、しばしば人的資源の消耗につながる。逆に「全部SaaSで済ませる」も、業務の独自性が高い領域では機能しない。ハイブリッドが現実解になることが多い。

ステップ3：トレーニング

ここが、多くの導入プロジェクトで手薄になる。「ツールを配布して、マニュアルを送って終わり」の運用は、ほぼ確実に定着しない。

編集部が観測してきた成功パターンは、以下を含んでいた。使い方の実演：講義ではなく、実際の業務データで手を動かすワークショップ。使わない判断の共有：「これはAIに向かない」ケースの実例を紹介し、期待値を整える。継続的なフォロー：初回研修の1週間後・1ヶ月後・3ヶ月後にフォローアップセッションを設ける。ピアラーニング：先に使いこなした人が、同僚に短いデモをする社内チャネル。

ステップ4：段階展開

パイロットで成功した仕組みを、他部門に展開する段階だ。ここで多く見る失敗は、「うちの部署でも同じように動くはず」の楽観だ。

業務の細部・データ形式・利用者の熟練度は部門ごとに違う。展開のたびに、以下を再確認する必要がある。評価のゴールデンセットは、新しい部門向けに作り直す。プロンプトやワークフローは、部門ごとの微調整が必要になる。前部門で通用した推進者の熱意が、新部門にはないかもしれない。

ステップ5：定着計測

「導入完了」の宣言は、しばしば早すぎる。編集部が観測してきた定着指標は次のようなものだ。

• 週次アクティブ利用者率：対象部門の何%が、週1回以上使ったか。
• 継続率：初回利用から3ヶ月後・6ヶ月後にも使っている人の比率。
• 業務ログ内の言及：週報・議事録などに「AIを使って」の記述が増えているか。
• ネガティブフィードバックの変化：「使いにくい」「間違える」の件数が減少傾向にあるか。

ROIの測定に関する記事でも扱ったが、定着指標は、経営指標よりも先に動く。ここを継続的に見ていると、投資判断の3ヶ月〜半年前に兆しをつかめる。

もっとも、AIを導入しない判断も、選択肢

ただし、あらゆる業務にAIを入れるべきという主張には、編集部は与しない。既存プロセスの見直し、フォーム改善、単純な自動化スクリプトのほうが、AIより費用対効果が高いケースは多い。「AIを導入しない」も、正当な判断のひとつだ。パイロット選定の段階で、この選択肢を残しておくことが、実は成功プロジェクトの共通点だったりする。

参考にした一次資料

• Davenport, T., Ronanki, R. “Artificial Intelligence for the Real World.” Harvard Business Review, Jan-Feb 2018.
• MIT Sloan Management Review & BCG. “Expanding AI’s Impact With Organizational Learning.” Research Report, 2020.

関連する話題として、変更管理とバックオフィス自動化もあわせてお読みください。