AI活用定着を阻む第5の壁：コア業務へのAI適用に踏み出せない

企業がAIを導入してから「定着」に至るまでに直面する典型的な「５つの壁」。その正体と、のり越えるためのヒントをシリーズでお伝えしています。今回の本シリーズの最終回は“第5の壁”についてお伝えします。

生成AIの活用が進む企業でも、その多くは「メールの下書き作成」や「議事録の要約」といった、事務作業の補助にとどまっているのではないでしょうか。

　「メール作成や要約には使い始めたが、本業にはまだ活用できていない」
　「現場業務や顧客対応にどう活かせばよいのか分からない」

弊社でAI定着をご支援する中で、こういった声をお聞きすることは少なくありません。

これは多くの企業が直面する、AI活用の次のステップとも言える課題であり、
私たちが“第5の壁”と呼んでいる、“コア業務へのAI適用に踏み出せない”状態です。

AIによる事務作業の効率化は、いわば助走です。AI活用の本当の価値は、  企業の売上や利益、安全性、品質、顧客満足度といった事業成果に直結する「コア業務」を変革することにあります。

とはいえ、コア業務は企業活動の根幹であり、失敗が許されない領域でもあるため、

　・どこから適用すればよいのか
　・何をAIに任せるべきか
　・人とAIの役割をどう分担するか

が分からず、検討が止まってしまうケースも少なくありません。そこで今回は、

　・現場の知識継承
　・品質管理
　・安全管理
　・顧客対応

という4つの視点から、コア業務へAIを適用する具体的な取り組みをご紹介します。

現場の「暗黙知」をデータ化する：報告業務の進化例

現場からの日報や作業報告は、担当者にとって負担の大きい業務の一つです。しかし、単なる記録ではありません。
そこには、

　・熟練者の判断基準
　・トラブル対応ノウハウ
　・現場ならではの気付き

といった重要な知識が含まれています。しかし実際には、

　「うまく書けない」
　「どう書けばいいか分からない」
　「文章をまとめるのが面倒」

という理由から、十分な情報が残らないことも少なくありません。
そこで有効なのが、AIによる対話型の報告作成支援です。たとえば、AIが、

　・いつ
　・どこで
　・誰が
　・何を
　・なぜ
　・どのように

といった、5W1Hのフレームワークに沿って順番に質問し、報告をする担当者は短いフレーズや単語、母国語で答えるだけ。
それだけで、AIがその内容を整理し、まとまった報告文が自動的に組み上がります。

重要なのは、AIが単に文章を代筆しているのではなく、現場の知識を「聞き出している」という点です。
ベテラン担当者が無意識に行っている判断や経験則も、AIとの対話を通じて言語化されます。

その結果、これまで個人の頭の中にあった「暗黙知」が、組織全体で活用できる「形式知」として蓄積されていきます。
AIは報告書作成を効率化するだけではなく、技術継承や人材育成を支える基盤にもなり得るのです。

関連資料：ヒヤリハットあるあるちゃん

図1：作業報告のAI活用イメージ

「人の目」を補完する品質管理：画像解析AIの活用例

品質管理は企業の信頼そのものを支えるコア業務です。現場での品質確認は、長年、熟練者の「人の目」に支えられてきました。しかし近年は、

　・技術者の高齢化
　・人材不足
　・技術継承の難しさ

などを背景に、品質判定基準そのものを安定して維持することが課題となっている現場も増えています。

こうした課題に対して注目されているのが、画像解析AIです。施工写真や点検画像をAIが解析し、不備や異常を自動的に検出する仕組みの実用化が進んでいます。

具体的な例に、弊社がある都市ガス関連企業様などと共創し開発したAI画像解析システムがあります。
これは、年間10万件を超える機器設置工事の確認業務において、熟練者のノウハウをAIモデルに実装し、施工不良によるガス漏れなどの重大事故を「10万分の1」の確率でも根絶することを目指した取り組みです。

AIが品質判定を完全に置き換えるのではなく、人の判断を支援しながら品質レベルを均質化していく。
これは、AIによるコア業務変革の例と言えるでしょう。

関連資料：AI自動判定システム

図2：システム利用イメージ

安全管理のスマート化：点検業務の負荷軽減例

安全管理もまた、企業活動において極めて重要なコア業務です。例えば建設現場や設備保守現場では、

　・安全具装着（ヘルメット、フルハーネスなどの装着）
　・安全器具の設置確認（カラーコーン、車両の輪止めの設置）

などや、安全に作業を実施するために必要な多くの安全対策が求められます。しかし、安全管理者の人手による確認だけでは経験値による見落としの差が発生したり、多拠点を管理する場合は、確認にかかる時間や確認作業そのものが大きな負担になるなど、限界があります。

こうした安全対策状況も、先程ご紹介した品質管理と同じように、画像解析AIにより自動的に確認する仕組みが普及し始めています。AIが日常的な一次確認を担当することで、安全管理者は、

　・教育指導
　・危険予知活動
　・是正指導

といった、本来注力すべき、より難易度の高い現場対応などに、時間を割けるようになります。安全性の向上と、検査・点検業務全体の負荷軽減を、対立させることなく両立させる取り組みだと言えるでしょう。
AIの目的は人を減らすことではありません。人が本来注力すべき仕事へ集中できる環境を整えることなのです。

関連ページ：画像解析AI 安全品質ソリューション

図3：AIによる確認イメージ

顧客体験（CX）と業務効率の融合：カスタマーサービスDXの例

コア業務変革は、現場だけでなく顧客接点にも広がっています。いわゆるカスタマーサービスの領域でも、AIによる変革が進んでいます。顧客対応は企業の信頼や売上に直結する重要な業務ですが、

　・問い合わせ件数の増加
　・人材不足
　・対応品質のばらつき
　・部門間連携の非効率

といった課題が年々深刻化しています。
従来の顧客対応では、担当者が問い合わせ内容を確認し、必要な情報を集め、関係部署と連携しながら回答を行う必要がありました。しかし、顧客情報や対応履歴が複数のシステムに分散している場合、情報検索や確認作業に多くの時間がかかり、迅速な対応を難しくする要因となります。

こうした課題に対し、ServiceNowのような統合型プラットフォームでは、顧客接点の情報を一元管理しながら、AIとワークフローを組み合わせた高度なカスタマーサービスを実現できます。例えば、

・問い合わせ内容の自動分類
・担当部署への自動振り分け
・回答案の提示
・ナレッジ検索支援

といった機能により、担当者の対応負荷を軽減するとともに、迅速で一貫性のある顧客対応を支援します。
さらに、顧客ポータルやセルフサービス機能を活用することで、利用者自身が必要な情報へアクセスし、問題を解決しやすい環境を構築することも可能です。その結果、顧客側では、

　・問い合わせしやすい
　・状況が分かりやすい
　・解決までが早い
　・自己解決しやすい

といった顧客体験（CX）の向上が期待できます。一方、企業側では、

　・情報共有の効率化
　・業務の可視化・標準化
　・問い合わせ対応工数の削減
　・属人化の解消

などを実現でき、従業員体験（EX）の向上にもつながります。
AIによる顧客対応の進化は、単なる業務効率化ではありません。顧客との接点という企業の重要なコア業務そのものを変革し、顧客満足度の向上と業務効率化を同時に実現する取り組みなのです。

関連ページ：CSM QuickPack with AI

図4：ServiceNowによる「顧客体験率化」と「従業員体験の向上」イメージ