ワークマネジメントとERPの関係 第三部《中編》：AIの5段階活用と、業務に組み込むときの注意点
もし、自分では「かなり重要」だと思っていた課題を、AIに「重要度は低い」と判定されたらどう感じるでしょうか。少し「いらっ」としますよね。しかし、これで人は本来集中すべきことに取り組むことができるようになります。
今回の投稿では、AIの業務活用を五つの段階に分けて整理します。ここでは、ワークマネジメントに組み込まれたAIを例に、相談相手として使う段階から、申請受付、分類、リスク検知、アクション支援、そして、自律的に動くエージェントへ拡張されていく流れを見ていきます。これは、「AIが仕事を奪う」と言った抽象的な話ではなく、現場の解像度を上げる取り組みです。
レベル1：人が情報を渡して、AIに答えてもらう
最初の段階は、人が資料や状況をAIに渡して質問する使い方です。
報告書のたたき台を作る。会議メモを要約する。課題を整理する。文章を分かりやすく直す。こうした使い方は、すでに多くの業務で行われています。
例えば、新製品登録が遅れている理由を整理したい場合、人が申請内容、承認状況、差し戻し理由、関係部門のコメント、ERP上の登録状況を集めてAIに渡します。AIは、その情報をもとに論点を整理します。
この段階では、AIは相談相手に近い存在です。文章化や要約、視点の整理に効果があります。ただ、AIが読める範囲は、人が渡した情報に左右されます。これは、言ってみれば、分厚い資料をどさっと渡して見て、それをみないと動けない外部コンサルタントのようなものです。現実の忙しい業務の中で、いちいち資料集めなどやってはいられないです。
レベル2：AIが業務データを見て答える
次の段階では、AIがワークマネジメントやERPの情報を自ら参照して答えます。
例えば、「この新製品登録はなぜ遅れているのか」と一言聞くだけで、AIは、ERPの品目マスター登録状況やBOMの状態を確認し、ワークマネジメント上のタスク履歴、承認履歴、差し戻し理由、コメント、課題を読み取ります。
この段階になると、人が毎回すべての前提情報を説明する負担が減ります。
AIは、品目マスターが未登録であることに加えて、物流センター別の初回在庫確認が未完了であること、品質保証部門の確認が承認直前に集中していること、過去の類似案件でも同じ差し戻しが発生していたことを踏まえて回答できます。
ここでのAIは、業務データを見ながら答えるコパイロットです。人が問いを立て、AIが業務文脈を読んで答える。この段階から、AIは業務判断を支える存在に近づいていきます。これは、社内の過去のトラブルも全部把握している頼れるベテラン社員と同じです。しかし、このベテラン社員は質問しなければ、なにが起きても答えてくれない指示待ち社員です。
レベル3：AIが申請内容を確認し、リスクを知らせる
三つ目の段階では、AIが聞かれる前に気づきを出します。
ワークマネジメントに組み込まれたAIは、申請受付の段階から活用できます。例えば、新製品登録申請が起票されたとき、AIがまず申請内容を確認します。
希望販売開始日が入っているか。初回出荷数量が入力されているか。販売チャネルが指定されているか。物流センター別の在庫配置が必要か。品質確認や法規制確認が必要な商品か。購買部門の確認が必要な長納期部材を含むか。
このように、申請内容を読み取り、次の確認に進める状態かを判定します。情報が不足していれば、差し戻し候補として示します。これがIntakeの考え方です。
次に、AIは依頼内容を分類します。
販売部門だけで完結する申請なのか。物流確認が必要なのか。品質保証部門の確認が必要なのか。購買や会計の確認を含めるべきなのか。申請内容を読み、必要な部門へ振り分けます。これがTriageの考え方です。
トリアージで特に重要になるのが、重要度の扱いです。
人が重要度を入力すると、どうしても「高」に寄りがちです。依頼者にとっては、その申請が急ぎであり、重要と思っているからです。
新製品登録でも同じです。営業部門が「月末の販促キャンペーンに合わせたい」と申請すれば、営業にとっては当然、重要度の高い依頼になります。ただ、販売開始日まで十分な余裕があり、必要な情報もそろっていて、物流や品質への影響も限定的であれば、通常の確認ルートで進められます。
ここでAIが申請内容と前後の業務を読み取れると、重要度を冷静に整理できます。希望販売開始日、残日数、必要な確認部門、後続タスクへの影響、過去の類似案件、現在の滞留状況を見ながら、今すぐ動かすべきタスクなのか、通常の確認ルートで進めればよいタスクなのかを判定します。
すべての申請が「重要度：高」として扱われると、組織全体が常に緊急対応を求められる状態になります。そうなると、本来は業務影響や期限で判断すべき優先順位が、声の大きい人や部門間のパワーバランスに左右されやすくなります。
AIという客観的な壁を置くことで、重要度の判断を個人の主張から切り離し、業務条件に基づいて整理しやすくなります。これは、現場の摩擦を抑え、組織全体の不要な混乱を防ぐ上でも重要です。
また、重要度は申請時点の判断だけで固定されるものではありません。
申請時点では「低」と扱ってよいタスクでも、期限が近づき、承認や物流確認が残っていれば、扱いを見直す必要があります。さらに、後続の製造計画や初回出荷に影響する状態になれば、優先度を引き上げ、関係者に通知します。
ここで大切なのは、AIがどの条件を見て扱いを変えるのかを業務側で決めておくことです。残日数、滞留時間、影響範囲、依存関係、承認状況。これらの条件をもとに、AIが重要度の見直しや通知を支援します。
さらに、AIはリスクも検知します。
過去の同種タスクと比べて確認が遅れている場合、AIは遅延の兆候として知らせます。ここでは改善策まで決めず、まずリスクとして気づける状態を作ります。
レベル4：人が承認すれば、AIがアクションを実行する
四つ目の段階では、AIが提案に加えて、実際のアクションを支援します。
例えば、AIが「物流確認が遅れています」と検知したとします。その上で、「物流部門に確認タスクを起票しますか」と提案します。人が承認すれば、AIがタスクを作成し、関係者に通知し、確認依頼を出します。
設計変更で旧部品の扱いが未確定であれば、在庫管理部門に確認タスクを起票する。承認待ちが長く続いていれば、承認者にリマインドする。月次報告に必要な情報を集め、報告書のたたき台を作る。こうした使い方です。
ここで注意したいのは、AIの提案と実行を分けて考えることです。
AIが「物流確認が必要です」と知らせる段階では、人が判断する余地が大きく残ります。AIが確認タスクを起票し、関係者へ通知する段階では、実際の業務が動き始めます。
そのため、どのアクションまでAIに任せるのか、どこで人が確認するのかを決めておく必要があります。
例えば、確認タスクの起票まではAIが行い、差し戻しや重要度変更は人が確認してから反映する。承認者へのリマインドは自動で行い、ERP側の登録や変更に影響する操作は人の承認を必須にする。こうした境界を決めることで、AIを業務に組み込みやすくなります。
AIは業務を前に進める力を持ちます。その分、どのタイミングで人が判断するのかを明確にすることが重要になります。
つまり、AIは実行を支援しますが、決定権のハンコは人が持つ。この関係を保つことで、AIを業務に安心して組み込めるようになります。
レベル5：決められた範囲内でAIが自律的に動く
五つ目の段階では、事前に決めた範囲内でAIが自律的に動きます。要は、人が「ハンコ」を手放す段階です。
例えば、承認待ちのまま三営業日を超えたタスクに、自動でリマインドを送る。期限が近づいた未完了タスクを、自動でエスカレーションする。申請内容に「販促キャンペーン連動」と入力された場合、物流確認タスクを自動で起票する。毎週決まった時間に、進捗と課題のレポートを作成する。
重要度の見直しも、この範囲に含められます。
申請時点では「低」としたタスクでも、期限まで残り三営業日となり、承認が未完了であれば「中」に引き上げる。販売開始日に影響する後続タスクが止まっていれば「高」として扱う。一定の条件に達したら、関係者に通知する。
このように、AIが動く条件をあらかじめ決めておけば、業務の変化に合わせてタスクの扱いを変えられます。
しかし、これは一つ間違えると大変な事態になります。例えば、AIがチャットの文脈を読み違え、本当はキャンセルされているはずの材料を「不足している」と判断し、大量の発注まで自律的に進めてしまったらどうなるでしょうか。発注、在庫、資金繰り、サプライヤー対応に影響が出ます。
そして、その責任はAIではなく担当者が取ることになるでしょう。
だからこそ、自律的に動くAIほど、ルール、権限、監査ログが重要になります。誰の権限で動いたのか。どのデータを参照したのか。どの条件に基づいて通知やタスク起票を行ったのか。後から確認できる状態にしておく必要があります。
AIを業務に組み込むときの注意点は、この段階で一気に増えます。AIが便利だから動かすのではなく、自律的に動いてよい境界線を企業側で綿密に設計する必要があります。これが、自律的なAI活用の前提になります。
次回へ
AIの価値は、回答や自動化に加えて、継続的改善にも広がります。
第三部《後編》では、AIが検知したリスクや滞留を、どのように改善につなげ、リードタイム短縮とビジネスの即応力向上へ結びつけるのかを考えます。
