経営層が「これからはAIの時代だ、ChatGPTを使い倒せ」と号令をかけても、現場にさほど響いていないのが実情です。多くの場合、アカウントを配布した直後は物珍しさで利用率が跳ね上がりますが、1ヶ月もすれば「検索の代わり」に使う層が数名残るだけで、業務プロセス自体は何一つ変わっていません。
「とりあえず使ってみよう」というアプローチが失敗する本質的な理由は、現場にとってAIが「自分の仕事を楽にする道具」ではなく「会社から押し付けられた新しい宿題」になっているからです。
トップダウンによる導入は、得てして現場の解像度が低いまま進みます。「議事録作成が楽になる」「メール作成が速くなる」といった一般論の活用法は、すでに現場が個人の工夫で解決済みか、あるいは既存のワークフローに組み込むには煩雑すぎるケースがほとんどです。現場が本当に解決したい「喉の奥に刺さった小骨」のような業務課題にリーチできない限り、AI導入は単なるコストセンターに終わります。
大手の「失敗」と、必要とされる「身の丈DX」
大企業では共通して陥りがちな罠があります。それは、数千万円のコンサルティング費用をかけて描く「壮大なグランドデザイン」と「フレームワーク至上主義」です。
- 大手流の限界: 完璧なAS-IS/TO-BEを描き、業務フローを微細に定義する。しかし、LLM（大規模言語モデル）の進化スピードは速く、半年かけて要件定義をしている間に技術前提が変わってしまいます。
- 「負」の見つけ方の誤り: 現場のヒアリングにおいて「何に困っていますか？」と聞くのは最悪の手法です。現場は「今のやり方が当たり前」だと思っており、不自由を不自由と感じていないからです。
弊社が提唱するのは、高額なPoC（概念実証）を繰り返す前の「身の丈DX」です。綺麗なスライドを作る時間があるなら、現場の隣に座り、彼らがExcelや基幹システムの間で「Ctrl+C」と「Ctrl+V」を繰り返している瞬間を特定しなければなりません。LLM活用において重要なのは、全社最適の前に「個人の苦役の解放」を優先することです。
ワークショップの進め方：現場を「その気」にさせる4ステップ
現場を巻き込み、実利のあるPoCテーマを選定するための具体的なワークショップ手法を解説します。
① 課題可視化：不満を「宝の山」に変える
「AIで何ができるか」を議論してはいけません。参加者には、直近1週間で「イラッとした瞬間」「ため息が出た業務」「明日からやりたくない仕事」を付箋に書き出してもらいます。
- システムへの二重入力
- 取引先ごとに微妙にフォーマットが違う請求書のチェック
- 誰が書いたか分からないマニュアルの解読 これら負の感情が伴う業務こそ、LLMが最も威力を発揮するポイントです。
② アイデア発散：機能を「人間の五感」に置き換える
LLMを「生成AI」と呼ぶと、現場は文章作成ツールだと思い込みます。ワークショップでは、LLMを「24時間働く、ちょっと賢い新人アルバイト」と定義し、以下の4つの能力に分解してアイデアを出します。
- 「読む」: 大量のPDFやログから異常値を見つける。
- 「書く」: 箇条書きを報告書形式に整える。
- 「分ける」: 問い合わせメールを適切な担当者に振り分ける。
- 「直す」: 入力されたデータの表記揺れを補正する。
③ 評価：実現可能性とインパクトの真の評価軸
出されたアイデアを「投資対効果（ROI）」だけで評価するのは時期尚早です。以下の二軸でマッピングします。
- 技術的確実性: RAG（検索拡張生成）などの既存技術で、明日からでも実装可能か。
- 心理的インパクト: それが解決された時、現場から「おぉ、すごい！」という歓声が上がるか。 「現場の温度感」が低いテーマは、どれだけROIが高くても成功しません。 運用フェーズで必ず形骸化するからです。
④ PoC選定：成功確度の高いテーマの絞り込み
最初のPoCは「1ヶ月以内にプロトタイプが動くもの」に限定します。
- データ準備に半年かかるテーマは除外する。
- 「特定部門の特定の1人」が確実に喜ぶものを選ぶ。 全社展開は後回しです。まず1箇所で「AIのおかげで定時に帰れた」という既成事実を作ることが、社内の抵抗勢力を沈黙させる最強の武器になります。
泥臭い現場エピソード：100点の正解より、60点の「とりあえず動くもの」
以前、ある製造業の現場で「熟練工のノウハウ継承」をテーマにLLM導入を試みた際の話です。当初、経営層は「すべての過去トラブル事例を網羅した完璧な検索システム」を求めていました。しかし、現場の職人たちは「そんなものを使わなくても、俺たちの頭に入っている」と猛反発。プロジェクトは頓挫しかけました。
そこで方針を転換し、ワークショップで出た「日報を書くのが面倒くさくて、結局毎日同じような内容をコピペしている」という若手の不満にフォーカスしました。 音声入力した支離滅裂な現場メモを、LLMが「標準的な日報フォーマット」に清書し、さらに関連する過去のトラブル事例を「ついでに」1つだけ提案する機能を1週間で実装しました。
結果はどうだったか。当初反発していたベテラン勢が、自分の知識がAIによって若手に伝わる様子を見て「俺の知恵も覚えさせてやろうか」と自らデータを出し始めたのです。 「正しいDX」ではなく「喜ばれるDX」から入る。 これが、大手コンサルの教科書には載っていない現場攻略の鉄則です。
結論：既存ベンダーに違和感がある方へ
「AI導入を検討しましょう」と提案してくるベンダーは多いですが、彼らの目的は自社パッケージの販売や、終わりのない保守費用の計上であるケースが少なくありません。
- 数ヶ月かけて分厚い調査報告書を出してくる大手コンサル。
- 自社製品の機能の範囲内でしか提案しないSIer。
- 「とりあえずPoCしましょう」と、出口戦略のない実験を繰り返すベンダー。
もし、こうした既存の構造にスピード感の欠如を感じているのであれば、視点を変える必要があります。弊社は、現場の泥臭い課題を拾い上げ、最短距離で「動くもの」を実装することに特化したAIアプリ開発・コンサルティングを提供しています。
大規模なシステム刷新は必要ありません。今、現場にある「負」をどうAIで解消するか。その具体的な一歩を、セカンドオピニオンとして共に検討させていただきます。まずは貴社の現場で起きている「小さな不満」からお聞かせください。
