「AI に取り組むことは決まったが、何から始めればいいかわからない」——AX（AIトランスフォーメーション）の入口で、経営層・AI推進担当者が最も頻繁に直面する問いである。決断そのものは下したのに、最初の一歩の置き場所が見つからない。この宙ぶらりんの状態が長引くほど、社内の熱量は冷め、AIは「やった方がいいらしいが誰も動かないテーマ」へと風化していく。

McKinsey『State of AI』（2025年11月）が報告するように、AI採用企業は88%まで広がる一方、成果を出している高パフォーマー企業はわずか6%にとどまる。BCG『Where's the Value in AI?』（2024年10月）も、PoCを超えて価値を出している企業は26%、フル価値を引き出している企業は4%と指摘している。採用率と成果の間にこれほどの落差が生じるのは、AIが難しいからではなく、多くの企業が「導入の前にやるべき業務側の設計」を飛ばして走り出すからだ。「動き始めた企業」と「成果を出す企業」を分けるのは、最初の出発点の設計である。

本稿では、AX Boostが実際に支援開始時に行う方法論——As-Is/To-Beを描くことから始め、業務をCopilotとAutopilotに再設計する——を、最初の90日のロードマップとして整理する。技術論ではなく、どの業務を、どの順番で、誰を巻き込んで再設計するかという、入口設計そのものを扱う。

なぜ「全社戦略」「いきなりPoC」から始めると失敗するのか

AXの第一歩として、多くの企業が選びがちな入り方は大きく二つに分かれる。一方は経営層・戦略コンサルが好む「全社AI戦略の策定」、もう一方は技術部門が主導する「いきなり大規模PoC」である。どちらも一見もっともらしく、社内の合意も取りやすい。だが特定の状況を除けば、いずれも失敗確率が高い。

全社戦略から入るアプローチは、「まず全社のAI戦略を策定し、それから実装に入る」という順序を取る。聞こえはいいが、現場の業務理解と切り離された戦略は、A4資料の上で完結して動かない。どの業務がどれだけの工数で回っているか、どこに非効率が溜まっているかという解像度がないまま描かれた戦略は、抽象的な方針の羅列に終わりやすい。しかも策定に半年から1年かければ、その間に競合は既に手を動かし、社内では「また戦略だけ作って終わるのか」という疲弊が広がる。AIロードマップ策定の実務で詳しく扱っているように、ロードマップは「現場の解像度」を前提条件とする。順序が逆なのだ。

一方、いきなり大規模PoCに投資するアプローチは、「ChatGPTの社内活用を全社展開」「RAGで社内文書検索を作る」といったかたちで、ツール先行で動き出す。技術的には立派なものが出来上がることもあるが、業務側の整理がないため「誰のどの作業がどう楽になるのか」が曖昧なまま配られ、利用率が上がらず、半年後には「導入したが使われていない」状態に落ち着く。BCGが指摘するPoC超え26%、その裏側にいる残り74%が陥るのがこの構造である。失敗の解剖はAI PoC止まり脱出フレームワークとAI定着失敗の典型7パターンに譲るが、本稿はそもそもこの74%に入らないための入口設計を論じる。

両者は表面的には正反対に見えて、根は同じ欠陥を抱えている。「現在の業務」と「目指す業務」の差分が言語化されていないまま走り出している点だ。差分が見えなければ、戦略は方向を持たず、PoCは到達点を持たない。だからこそ最初に手をつけるべきは、戦略でもツールでもなく、この差分を描くことになる。

AX Boostのアプローチ: As-Is → To-Be を描く

AX Boostでは、AX支援開始時に 「As-Is（現在の業務の姿）」と「To-Be（目指す業務の姿）」を描くこと から始める。As-Is/To-Beはコンサル業界では古典的なフレームに聞こえるかもしれないが、AI時代の文脈では意味が一段変わる。

従来の業務改革では、As-IsとTo-Beの差分を埋める手段は「人と組織」だった。人員を増やす、役割を組み替える、教育する——埋め方の選択肢は基本的に人に閉じていた。AI時代のTo-Beは、人とAIが協働する新しい業務の姿になる。差分の埋め方が「人だけ」から「人 × AI」へ広がった結果、To-Beの描き方そのものに自由度が増し、同時に難しさも増した。何を人に残し、何をAIへ移すかという配分が、新たに設計対象として立ち上がってくるからだ。

つまりAX設計の核心は、「何をAIに任せて、何を人がやるか」の線引きにある。この線をどこに引くかが、生産性の上がり方も、現場の納得感も、責任分界の安全性も左右する。後述するCopilot/Autopilotの分類は、まさにこの線引きを業務単位で具体化するための道具立てである。

全社員への個別ヒアリングを通じた As-Is 把握

精度の高いTo-Beは、精度の高いAs-Isの上にしか立たない。そこでAX Boostでは、As-Is把握のために 全社員への個別ヒアリングを約1ヶ月かけて実施する。あえて経営層・部門長に限定せず「全社員」を対象にするのには理由がある。経営層が語る業務像は、しばしば理想化され、実際の手戻りや属人化、Excel上の裏作業といった現場の手触りが抜け落ちている。日常的に業務を回している現場社員こそが、どこに時間が溶けているかを最も正確に知っているのだ。

このヒアリングから生まれる成果物は三つある。第一に、各部門・各社員が日常的に何をしているかを棚卸しした業務マップ。第二に、後述する3軸でスコアリングして並べ替えた優先度マトリクス。第三に、AI導入後に各業務がどうなるべきかを描いたTo-Beシナリオである。これらは互いに連続していて、業務マップがなければ優先度はつけられず、優先度がなければTo-Beを描く対象を絞れない。

注目すべきは、このヒアリングがAI導入の前段階でありながら、それ自体で 全社の業務透明性を上げる効果 を持つことだ。「自社が実際に何をしているのか」を経営層が解像度高く把握できる機会は、意外なほど少ない。AX以外の文脈——組織再編、人員配置、業務委託範囲の見直し——でも価値を発揮する副産物であり、ここで得た解像度はその後のあらゆる判断の土台になる。

どの業務から始めるかを決める評価の軸

業務マップが揃うと、次は「どこから手をつけるか」という問いになる。すべてを同時に変えることはできない以上、優先順位づけが要る。AX Boostでは、把握した全社の業務を三つの観点でスコアリングし、着手順を決める。三つの軸はそれぞれ独立した問いに答えており、組み合わせて初めて意味を持つ。

一つ目は コアかノンコアか、すなわち業務が自社の競争優位の源泉に直結するかどうかである。商品設計、独自サービスの提供、戦略的意思決定、顧客との中核接点といったコア業務は、差別化・知財保護・責任所在の観点から慎重なAI化が求められる。対して、経理処理、社内文書作成、定型的な問い合わせ対応、内部報告のようなノンコア業務は、失っても競争力を損なわないため早期にAI化しやすい。

二つ目は インパクト、つまりAI化がどれだけの効果を生むかである。時間削減・コスト削減・品質向上・機会創出のいずれかで測り、全社で日常的に発生する業務や人件費比率の大きい業務はインパクトが大きく、発生頻度が低く関係者が限定的な業務は小さい。インパクトが大きいほど優先度は上がる。効果をどう見積もり、後でどう検証するかはAI ROIの測定方法で扱っている。

三つ目は AIで解決しやすいか、すなわち実装の技術的・組織的な容易さである。入力と出力が言語化されていて、データが揃い、判断ルールが明文化され、既存システムへの統合が容易な業務は解決しやすい。逆に、暗黙知に依存し、データが分散し、判断が文脈依存で、規制が厳しい業務は解決しにくい。解決しやすい業務は早期成功事例（クイックウィン）を作りやすく、組織の自信と推進の追い風を生む。

評価軸 問い 優先度が上がる側 注意すべき側
コア / ノンコア 競争優位の源泉に直結するか ノンコア（早期にAI化しやすい） コア（差別化・責任・知財に配慮）
インパクト AI化でどれだけの効果が出るか 大（全社日常・人件費比率大） 小（低頻度・関係者限定）
AIで解決しやすさ 実装が技術的・組織的に容易か しやすい（言語化・データ・ルール明確） しにくい（暗黙知・分散・規制）

三軸を段階評価（たとえば5段階）でスコアリングし、合計または重み付け平均で業務を並べたとき、最初に着手すべきは二種類に絞り込まれる。一つは「ノンコア × インパクト大 × AI解決しやすい」業務で、ここで早期成功を作れば組織の信頼を獲得でき、その後の難しい案件への投資判断が通りやすくなる。もう一つは「コア × インパクト大 × AI解決しやすい」業務で、これは競争優位を作りにいく中期投資にあたる。

逆に避けるべきは「コア × インパクト大 × AI解決しにくい」業務だ。重要度は高いが、最初の90日では着手しない。難度が高く失敗確率も高いこの領域に最初の体力を投じると、つまずいたときに社内全体のAIへの不信に直結してしまう。組織がAIの扱いに慣れ、小さな成功を積み上げてから挑む方が、結果として成功率は高くなる。優先順位とは「やる順番」であると同時に「いま我慢する対象」を決めることでもある。

To-Be の目標形: Copilot業務 と Autopilot業務

優先業務が決まったら、その業務のTo-Beを具体的に描く。ここで使うのが、AX Boostの中心的なフレームワークである Copilot業務 と Autopilot業務 の区別だ。先に述べた「何をAIに任せ、何を人がやるか」の線引きを、業務単位で実装可能なかたちに落とし込むための分類である。

Copilot業務は、人が意思決定と最終判断を握り、AIが情報収集・選択肢提示・初稿作成などで脇を固める形態を指す。市場データや社内データを要約提示させたうえで経営層が判断を下す、事前リサーチや提案書ドラフトをAIに用意させたうえで営業が重要商談を主導する、といった使い方がここに入る。医師が画像解析や類似症例の提示を受けつつ自ら診断を下す、弁護士が条項抽出やリスク指摘を踏まえて契約の最終判断をする、といった専門職の例も典型だ。これらに共通するのは、責任所在が重く（医療判断や財務承認など）、創造性や判断力が業務の中核を成し、顧客との関係性そのものが価値の源泉であり、しばしば規制上も最終判断者が人であることを要求される、という性質である。Copilotとは、こうした「人が握り続けるべき判断」を残したまま、その手前の調べ物や下書きの負荷だけをAIへ移す設計だと言える。

Autopilot業務は逆に、AIが業務の主体を担い、人は結果の確認と例外時の介入だけを行う形態だ。経理の仕訳処理をAIが回して人は例外だけ確認する、顧客対応の一次受付をAIが応答しエスカレーション時のみ人が出る、社内文書の定型回答をAIが返して人は監査側に回る、大量データの分類・タグ付けをAIが処理して人はサンプルチェックに徹する——いずれも、判断ルールが標準化され、処理ボリュームが人手では追いつかないほど大きく、個別判断の精緻さより速度と処理量が価値を持ち、しかも万一エラーが出てもリカバリーコストが小さい、という条件を満たす業務である。ここで人を全件に張り付けるのは、むしろAIの利点を殺す設計になる。

CopilotとAutopilotは対称的な二項対立ではなく、業務の性質に応じて選ばれる連続体の両端だと捉えるとよい。判断の重さ・規制・関係性が効く業務はCopilot寄りに、標準化と物量が効く業務はAutopilot寄りに置かれる。同じ「契約レビュー」でも、戦略的なM&A契約はCopilot、定型のNDAチェックはAutopilot寄りに、というように、一つの職種の中でも線は引き直される。だからこそ分類は機械的にではなく、業務の中身に踏み込んで判断する必要がある。

設計の起点: 「人がやらねばならないことは何か」を真剣に考える

Autopilot業務を設計するときに要になるのは、「逆に、人がやらねばならないことは何か」を真剣に考える ことである。これはAX Boostの方法論で最も力点を置く問いでもあり、ここを外すと前述の「導入したが使われていない74%」に逆戻りする。

通常のAI導入は「AIで何ができるか」から発想する。すると、AIにできることが既存業務の上にただ追加され、人の仕事は手つかずのまま残る。結果として組織全体の業務量はむしろ増え、コストだけがかさみ、AIのROIは見えなくなる。AIを足し算として導入する企業が成果に届かないのは、この構造のためだ。

AX Boostの方法論では発想を反転させる。基本はAIができる前提で業務を組み直し、その上で「人がやらねばならないこと」を真剣に問い直す。出発点を「AIにできること」ではなく「人にしかできないこと」に置くと、業務全体の輪郭が引き直され、初めて再設計が成立する。ここで残る「人がやらねばならないこと」とは、法的責任を伴う最終判断、顧客との人間関係の構築、戦略や創造性を要する仕事、倫理的な判断、例外が起きたときのリカバリー、そしてAI自体のモニタリングと改善といった領域だ。これらに人の時間を集中させ、それ以外をAutopilotへ移す。

つまり組織の生産性は、AIで仕事を足すことではなく、人の業務を引き算することで上がる。引き算で空いた工数を、人にしかできない価値の高い仕事へ再配置する——この考え方を全社設計のレベルで体系化したのがAIは足し算より引き算：業務の再配置であり、本稿の90日プロセスはその引き算を業務単位で実行する具体的な手順にあたる。

Copilot から Autopilot への段階移行

なお、ある業務をCopilotにするかAutopilotにするかは、一度決めて固定するものではない。むしろ最初はCopilot（人主導）で運用し、運用データと信頼が蓄積してからAutopilot（AI主導）へ昇格させる段階設計が、多くの業務で現実的だ。導入初日からAIに全件を任せるのは、精度への確信も、現場の心理的な受容も伴わないまま走ることになり、危うい。

具体的には、まず全件を人がチェックするCopilotとして導入し（Phase 1）、AIの出力が信頼に足ると確認できた段階で低リスク案件だけをAutopilotに回し高リスク案件はCopilotのまま残し（Phase 2）、最終的にほぼAutopilot化して例外時のみ人が介入する（Phase 3）という移行を踏む。この三段階は、AIエージェントの自律性レベルの議論とも対応している。自律性をどう段階的に引き上げるかの理論的な整理はAIエージェントとはを参照されたい。段階を踏むこと自体が、現場の信頼を時間をかけて積み上げる仕掛けにもなっている。

最初の90日のロードマップ

ここまでの3軸分類とCopilot/Autopilot設計を、実際の時間軸に乗せると次のようになる。90日を三つの局面に分け、各局面で目的と禁じ手を明確にしておくことが、走りながらブレないための要になる。

Day 0-30は、As-Isの可視化と業務分類に充てる。 全社員への個別ヒアリングを実施して業務マップを作り、3軸でスコアリングし、優先業務を1〜3個に特定し、それぞれのTo-Be仮説を整理する。この30日で意図的に避けるのが技術選定だ。早い段階でツールやモデルの議論に入ると、関心が「何を入れるか」に引っ張られ、肝心の業務側の検討が浅くなる。最初の1ヶ月は徹底して業務に専念する。

Day 31-60は、優先業務でのTo-Be設計とPoCに移る。 選んだ業務をCopilotとAutopilotのどちらで設計するかを詰め、必要なツールやモデルを選定し、PoCを実装して評価設計まで行う。技術選定の論点は業務AIインフラの技術選定とFine-tuning vs RAGに、評価の組み立て方はAI評価フレームの実装論に詳しい。ここで欠かせないのが、PoCを始める前に撤退条件と成功条件を文書で合意しておくことである。基準を後出しにすると、PoCは「何となく続く」か「何となく消える」かのどちらかになり、判断が宙に浮く。

Day 61-90は、評価と次の判断に充てる。 事前合意した成功条件とPoCの結果を照らし合わせ、経営層へ報告し、続けるか・止めるか・拡げるかを明示的に決める。続けるなら本番化への投資判断に進み、止めるなら撤退理由を明文化して別業務へ切り替え、拡げるなら同種業務への横展開を設計する。この三択を曖昧にせず合意してから次へ進むことが、PoC止まりを構造的に避ける最後の関門になる。74%が抜けられないのは、まさにこの判断点で「結論を出さないこと」を選んでしまうからだ。

90日プロセスで踏みやすい落とし穴

ここまでが基本の流れだが、実際に走らせると同じ場所でつまずく企業が多い。本稿の冒頭で「全社戦略」「いきなりPoC」という入口の誤りを論じたのに対し、ここでは入口を正しく選んだ後、プロセスの内側で起きる失敗を扱う。いずれもAs-Is/To-Be設計そのものの精度に関わる問題だ。

最も根深いのは、As-Isを描かずにTo-Beを語ってしまうことである。「Autopilotで生産性2倍」のような威勢のいいTo-Beが先行し、現在の業務の解像度が低いまま進むと、実装段階で「前提が違った」が次々に噴き出す。実際の業務には、ヒアリングで初めて表に出てくる例外処理や属人的な裏作業が必ず潜んでいて、それを織り込まないTo-Beは絵に描いた餅になる。To-Beの精度は、結局のところAs-Isの精度に縛られる。

次に多いのが、全業務を同時に再設計しようとすることだ。全社員ヒアリングで網羅的な業務マップができると、可能性が一気に見えて「全部やりたい」という誘惑が生まれる。だが3軸スコアリングの目的は、まさにこの誘惑を断ち切り最初の対象を1〜3業務に絞ることにある。同時並行は推進体制とリソースを薄く分散させ、どの業務も中途半端な状態で停滞させる。早期成功を一つ確実に作る方が、全方位に手を広げて全敗するよりはるかに前進する。

三つ目は、Copilot/Autopilotの線引きを技術部門だけで決めてしまうことである。「この業務はAutopilotで」と技術的な可否だけで判断すると、現場の業務文化、責任分界、暗黙知、コンプライアンス上の制約が抜け落ち、出来上がった仕組みを現場が使わない。先に述べたとおり同じ職種でも案件によって線は引き直されるべきで、その細やかな判断は現場の関与なしには不可能だ。部門責任者、現場リーダー、コンプライアンス、人事を巻き込んで合意を形成するプロセスは、丁寧すぎるくらいでちょうどよい。

この三つはいずれも、技術の問題ではなく業務理解と合意形成の問題である点で共通している。AXの成否が技術力以前に「現場の解像度」と「巻き込みの質」で決まるという、本稿の一貫した主張がここに現れている。

AX Boost のサポート方針

AX BoostのFDE型コンサルティングは、ここまで述べた90日プロセスに外部から伴走する形で関わる。資料を納めて去る関与ではなく、全社員ヒアリングの設計と実施を一緒に組み立て、3軸スコアリングのファシリテーションを担い、Copilot/Autopilot設計のワークショップを運営し、PoCの実装と評価設計に手を動かし、経営層への報告フォーマットの整備まで含めて並走する。外部の視点が入ることで、社内だけでは遠慮や前例で曖昧になりがちな「人がやらねばならないことは何か」の問い直しに、踏み込んだ議論を持ち込みやすくなる。

もっとも、外部支援が万能なわけではない。最終的に業務を回し、再設計後の働き方に慣れていくのは社内の人々であり、ヒアリングや合意形成に社内が本気で時間を割けない状況では、どれほど精緻な設計も定着しない。FDE型支援が機能するのは、経営層が自ら関与し、現場が対話に応じる土壌がある場合に限られる——この前提条件こそ、支援を依頼する前に確認すべき最初の点である。

FDE型方法論の詳細はFDE型コンサルティング完全解説、コンサル選定の枠組みはAX支援サービスの選び方、AX全体像はAXコンサルティングとはで扱っている。なお、PoC本番化に向けた予算化・社内稟議の進め方はAI予算計画と社内稟議で整理しており、補助金などの調達手段の一つもそちらで触れている。

業界別の具体的な勘所は、製造業のAI活用、金融機関のAI活用、医療機関のAI活用、小売・EC業界のAI活用、SaaS / IT業界のAI活用で扱っている。

まとめ

AXを始める際の現実的な出発点は、「全社戦略」でも「いきなりPoC」でもなく、As-Is/To-Beを描くことにある。約1ヶ月の全社員ヒアリングで業務マップを作り、コア/ノンコア・インパクト・AI解決しやすさの3軸で優先業務を選び、To-BeをCopilot業務とAutopilot業務として再設計し、その過程で「人がやらねばならないことは何か」を真剣に問い直す。そして最初の90日で1〜3業務のPoCを回し、続ける・止める・拡げるの判断につなげる——この一連の流れが本稿の骨格である。

このアプローチが優れているのは、特別な技術や大きな予算を要するからではなく、技術先行と戦略先行の双方が陥る落とし穴を、業務の解像度と巻き込みの設計によって構造的に避けている点にある。AIで仕事を足すのではなく、人の業務を引き算して価値の高い仕事へ再配置する——その発想を、最初の一歩から組み込んでいるのだ。AXを始めるか迷っている、あるいは始めたものの進め方に不安がある場合は、戦略の前にもツールの前にも、まず自社の業務の解像度を上げることから始めるのが、遠回りに見えて最短ルートになる。

AX Boostのアプローチや事例についてはトップページからお問い合わせいただきたい。

主要参照ソース

本稿が典拠とした調査・公式発表は次のとおりである。

関連記事: