近年、生成AIやAIエージェントの業務活用に対する関心が急速に高まっています。文章作成、情報収集、議事録作成、資料作成、プログラム開発、業務自動化など、さまざまな場面でAIを活用する企業が増えています。

一方で、経営者や現場責任者の方からは、「生成AIを使ってみたが、思ったほど役に立たなかった」「AIエージェントに業務を任せても、結局人が直す必要がある」「専門的な判断にはまだ使えない」といった声を聞くこともあります。

このような意見は、決して的外れではありません。現時点の生成AIやAIエージェントは万能ではなく、人間の専門家を完全に代替できるものでもありません。特に、経営判断、組織設計、PMO、コンサルティング、ITプロジェクトの推進といった領域では、業界経験や過去の失敗事例、顧客との関係性、現場の空気感、組織内の力学など、単純な知識だけでは判断できない要素が多く存在します。

しかし、ここで考えるべきなのは、「AIが使えない」のか、それとも「AIが判断するために必要な情報を十分に与えられていない」のか、という点です。

私は、生成AIやAIエージェントが期待した成果を出せない原因の多くは、AIそのものの能力不足だけではなく、AIへのインプット情報が不足していることにあると考えています。

AIも人間と同じく、前提情報がなければ判断できない

人間でも、十分な情報がなければ正しい判断はできません。

例えば、経験豊富なコンサルタントに対して、「この会社の業務を改善してください」とだけ依頼しても、すぐに実効性のある提案は出せません。その会社の事業内容、顧客層、収益構造、組織体制、業務フロー、既存システム、課題認識、経営者の方針、現場の制約条件、過去に実施した施策などを確認する必要があります。

さらに、経営者がどの程度のスピードで変革したいのか、現場にどの程度の負荷をかけられるのか、既存社員のスキルレベルはどの程度か、といった情報も必要です。

これはAIでも同じです。生成AIに対して、「業務改善案を作ってください」「営業組織を設計してください」「プロジェクト計画を作成してください」と依頼しても、前提情報が不足していれば、一般論に近い回答しか返ってきません。

AIは膨大な情報を参照できますが、自社の事情を自動的に理解しているわけではありません。経営者の考え方、社内の文化、過去の意思決定、現場の実態、顧客との関係性までは、明示的に与えなければ分かりません。

これらの情報が不足している状態でAIに指示を出しても、高度なアウトプットを期待するのは難しいと言えます。

専門業務では、10年分の経験を簡単にはAIに渡せない

専門的な業務において、人間がAIに対して優位性を持つ大きな理由は、経験にあります。

10年の経験を持つ人材は、単に知識を持っているだけではありません。過去のプロジェクトで起きた問題、顧客との交渉で失敗した経験、現場で反発を受けた施策、想定外のトラブル、成功した進め方、失敗しやすいパターンなど、数多くの具体的な経験を蓄積しています。

コンサルティング業務であれば、同じ「業務改善」というテーマでも、業界、企業規模、経営者の性格、現場責任者の力量、ITリテラシー、既存システムの制約によって、取るべきアプローチは大きく変わります。

ITプロジェクトであれば、同じシステム導入でも、要件定義の進め方、ベンダーコントロール、利用部門との合意形成、テスト計画、移行計画、運用定着の方法によって、プロジェクトの成否は大きく左右されます。

PMO業務であれば、単に進捗管理表を作成すればよいわけではありません。課題が表面化する前にリスクを察知し、関係者間の認識齟齬を調整し、経営層に必要な情報を適切な粒度で報告し、現場が動ける状態を作る必要があります。

このような経験は、必ずしもマニュアル化されているわけではありません。多くは、本人の中に暗黙知として蓄積されています。

もし、経験者が10年間で得た成功体験、失敗体験、判断基準、顧客対応の勘所、プロジェクト推進上の注意点をすべてAIに学習させることができれば、AIが人間に近い判断を行う可能性はあります。しかし、現実にはそれを完全に行うことは簡単ではありません。

だからこそ、現時点では、AIを専門家の完全な代替として捉えるのではなく、専門家の作業と思考を補助する存在として活用する方が現実的です。

AIエージェントに組織構築を任せることは可能か

最近では、Claude CodeのようなAIエージェントを活用して、開発業務だけでなく、組織構築や業務設計まで行う方法が紹介されることがあります。

AIエージェントは、従来のチャット型AIよりも一歩進んだ活用が可能です。目的を与えることで、複数のタスクを分解し、情報を整理し、ドキュメントを作成し、必要に応じて修正案を出すことができます。

しかし、組織構築のような高度な業務を本当にAIエージェントに任せようとすると、前提として膨大な情報が必要になります。例えば、営業組織を設計するだけでも、市場、顧客層、商談単価、リード獲得方法、評価制度、採用できる人材レベル、既存メンバーの強みと弱みなど、数多くの情報を整理しなければなりません。

これらの情報が不足していれば、AIが出す組織設計案は、一般論としては正しくても、その会社にとって実行可能な案にはなりません。

代表者が自分で情報を整理し、AIに指示を出し、出力結果を確認し、修正できるうちは、AIを有効活用できます。しかし、会社が一定規模を超えると、経営者一人がすべての業務情報を把握し、AIに適切にインプットし続けることは難しくなります。

この段階では、AIツールを導入するだけでは不十分です。必要になるのは、業務情報を整理し、ナレッジを蓄積し、AIが参照できる状態を作ることです。つまり、AI活用の前提として、業務設計とナレッジマネジメントが重要になります。

AI活用の成否は、ナレッジマネジメントで決まる

生成AIやAIエージェントを業務で活用するうえで、今後ますます重要になるのがナレッジマネジメントです。

AIは、何もないところから自社に最適化された判断をしてくれるわけではありません。社内にある情報、過去の資料、議事録、業務マニュアル、顧客対応履歴、プロジェクトの振り返り、意思決定の背景などを、AIが参照しやすい形で整備する必要があります。

これは、単にクラウドストレージにファイルを保存することとは異なります。重要なのは、情報の最新版が明確であり、誰が見ても意味が分かり、業務プロセスと紐づいており、判断基準や失敗事例まで残されていることです。

特に、PMOやITプロジェクトにおいては、ナレッジの蓄積が成果に直結します。プロジェクト計画、課題管理、リスク管理、会議体設計、ステークホルダー管理、意思決定ログなどが整理されていれば、AIはそれらを参照しながら、より実務に即した支援が可能になります。

逆に、情報が属人化している組織では、AIを導入しても効果は限定的です。AIが参照できる情報が不足しているため、結局は一般論の回答に留まりやすくなります。

つまり、AI導入とは単なるツール導入ではありません。会社の知識を整理し、再利用可能な経営資産に変える取り組みでもあります。

生成AIに100％の完成度を求めない

生成AIやAIエージェントの活用でよく起きる誤解の一つが、「AIに任せるなら、最初から完璧な成果物を出してほしい」という期待です。

しかし、人間の業務でも、最初から100％の完成度を出すことは簡単ではありません。経験者であっても、初稿を作成し、レビューを受け、修正し、関係者と合意形成しながら完成度を高めていきます。

それにもかかわらず、AIに対してだけ100％の完成度を求めるのは、現実的ではありません。実務上は、AIに最初から完璧な成果物を求めるのではなく、6割程度の初稿を作らせ、人間が残りの2割から3割を仕上げるという考え方が有効です。

AIが初稿を作成すれば、人間はゼロから考える必要がなくなります。レビュー、判断、修正、意思決定に集中できます。

重要なのは、AIに100％の成果を求めることではありません。AIに任せられる部分を見極め、人間の作業負荷を減らすことです。AIが6割の仕事をしてくれるだけでも、残りの2割から3割を人間が仕上げれば、十分に実務で使える成果物になります。

人間がAIに敵わない領域を任せる

AIをうまく使うコツは、人間がAIに勝てない領域を見極めることです。

現時点でも、AIは膨大な情報の記憶、大量の文章の要約、多数の資料の比較、インターネット上の情報収集、定型的な文章作成、繰り返し作業の実行、情報の分類・整理、複数パターンの案出し、長文から論点を抽出する作業において、人間よりも高い生産性を発揮しやすいと考えられます。

例えば、ITプロジェクトにおいて、過去の議事録、課題管理表、要件定義書、設計書、テスト結果を人間がすべて読み返すのは大きな負担です。しかし、AIを活用すれば、過去の論点、未解決課題、リスクの兆候、関係者間の認識差を整理することができます。

コンサルティング業務においても、業界情報の調査、競合比較、資料構成案の作成、論点整理、仮説の洗い出しなどは、AIが得意とする領域です。

一方で、最終的な意思決定、顧客との信頼関係構築、経営判断、倫理的判断、社内調整、現場の空気を読むこと、責任を伴う判断、目的そのものを定義することは、人間が担うべき領域として残ります。

AI時代に経営者が考えるべきこと

経営者がAI活用を考える際に重要なのは、「どのAIツールを導入するか」だけではありません。もちろん、ツール選定も重要です。しかし、それ以上に重要なのは、自社の業務をどのように再設計するかです。

AIを導入しても、業務プロセスが整理されていなければ効果は限定的です。情報が属人化し、業務手順が曖昧で、判断基準が明文化されていなければ、AIに任せられる範囲は狭くなります。

AI活用は、単なる業務効率化施策ではありません。経営資源である「人・情報・時間」をどのように再配分するかという経営課題です。

PMOとAI活用支援の重要性

AI活用を進めるうえで、PMOの役割は非常に重要です。

AI導入プロジェクトでは、ツールの選定、対象業務の整理、関係部門との調整、リスク管理、効果測定、運用定着など、多くの論点が発生します。これらを場当たり的に進めると、PoCだけで終わってしまい、実務に定着しないケースが少なくありません。

特に、AIで何を解決するのかが曖昧なまま進む、現場の業務フローが整理されていない、利用ルールやガバナンスが未整備、効果測定の指標がない、一部の担当者だけが使い組織に広がらない、セキュリティや情報管理の懸念が残る、経営層と現場で期待値がずれている、といった課題が発生しやすいと考えられます。

このような課題を解決するには、AIツールの知識だけでは不十分です。業務プロセスを可視化し、関係者を巻き込み、導入目的を明確化し、実行計画に落とし込むPMO機能が必要です。

AI活用支援においても、単にプロンプトを作るだけではなく、業務そのものを整理し、AIが活用できる形に再設計することが重要になります。

まとめ：AI活用の本質は、人の仕事を再設計すること

生成AIやAIエージェントは、今後の業務に大きな影響を与える技術です。しかし、AIは万能ではありません。十分な情報がなければ正しい判断はできませんし、専門家の経験や暗黙知を完全に代替することも簡単ではありません。

それでも、AIが得意な領域を正しく見極めれば、業務効率は大きく向上します。膨大な情報の整理、調査、要約、定型作業、初稿作成、比較検討などは、AIが力を発揮しやすい領域です。一方で、目的設定、最終判断、顧客対応、合意形成、責任を伴う意思決定は、人間が担うべき領域です。

生成AIやAIエージェントの活用において重要なのは、「AIが人間を代替するかどうか」ではありません。重要なのは、人間が担うべき仕事と、AIに任せるべき仕事を再設計することです。

AIに100％の完成度を求めるのではなく、AIに6割の初稿を任せ、人間が8割、9割の成果物に仕上げる。AIに十分な前提情報を与え、社内ナレッジを整備し、業務を分解して任せる。この考え方こそが、生成AI・AIエージェントを業務で活用するうえで、現実的かつ効果的なアプローチだと考えています。

AIを活用できる企業と、活用できない企業の差は、単にツールを導入しているかどうかでは決まりません。差がつくのは、業務をどれだけ構造化できているか。社内の知見をどれだけ資産化できているか。そして、人間とAIの役割分担をどれだけ明確に設計できているかです。