10人のチームを5人にできるか？　AIで業務プロセスを設計し直す方法

1. 10人のチームを本当に5人にできるのか

正直に答えると、できる場合もあれば、できない場合もあります。すぐに「確実にできます」と答える人は、たいてい実際のデータをまだ見ていません。先に答えを出せるのは、今チームの時間が何に使われているかという問いです。

一部の業務プロセスでは可能です。ただ、仕事の中身がわかる前に人員の目標数を決めるべきではありません。10人のチームが時間の半分をデータのコピー、書類の作成、進捗の確認に使っているなら、人の手作業（Human Touch）を50%減らせば、チームを小さくするか、2倍の量をこなせるようになるかもしれません。一方、仕事の大半が交渉、現場の確認、取引先との関係づくりであれば、同じ目標は現実的でないかもしれません。

出発点にするのは、減らしたい人数ではなく、必要な処理量です。たとえば、月に5,000件を処理し、顧客には15分以内に返信し、ミスは1%未満に抑える必要があるとします。そこから、システムが何件を処理し、人が何件の例外を見て、人の作業が何時間必要になるかを設計します。こうして計算すれば、一律のコスト削減を宣言するよりも筋の通った判断ができます。

2. 実際の出来事から業務フロー図を作る

3年前に書かれた文書から始めるのはやめましょう。システムに残った記録から、仕事が実際にどう流れているかを見ます。このデータはチームの思い込みとかなり食い違うことが多く、だからこそ役に立ちます。

業務プロセスを1つ選び、実際の仕事を最初から最後まで追いかけます。担当者、開いているシステム、入ってくるデータ、行われる判断、実際の作業時間、待ち時間を記録します。「作業時間（Touch Time）」と「待ち時間（Wait Time）」は分けて考えてください。作業そのものは40分で終わるのに、順番待ちで3日かかることもあるからです。同じ承認を待ち続けるなら、入力時間を20分に縮めても、顧客に仕事が早く届くことはありません。

社員が読む、要約する、コピーする、形式を変える、データを探す、比べる、リマインドする、といった作業をしている箇所に、すべて印をつけます。ここがAIと自動化の候補です。信頼関係を築く、結果に責任を負う、例外について判断するといった箇所は、人に残すべきです。

3. 自動化の前に、不要な仕事を削る

不要な手順を速くするだけの自動化は、無駄であることに変わりありません。確かめたいのは、すべてのレポートに実際の読み手がいるか、同じデータが何回入力されているか、何重もの承認が本当にリスクを減らしているのか、それとも昔の名残にすぎないのか、会社の手元にすでにある情報を顧客がわざわざ送らされていないか、といった点です。AIをつなぐ前に、削る、まとめる、標準化するという作業を済ませておきます。

たとえば、ある会社では、社員が営業、管理職、経理向けに3種類の要約を作っていました。AIの仕組みを3つ作るより、共通のデータを1つに決め、各部門が必要な見え方で開けるようにするべきです。別の会社では、すべての商談で値引きの承認が必要でしたが、その80%は標準の範囲に収まっていました。この場合は、自動承認の範囲を決めたほうが、AIで承認依頼メールの下書きを速く作るよりも、待ち時間をはるかに大きく減らせます。

4. 実際に使える「Human + AI」のチームモデル

仕事を3つのレーンに分けます。1つ目はStraight-through（自動完結）で、システムが受け付けから完了まで人の手を介さずに処理する定型的なケースです。2つ目はReview（確認）で、AIがすべてを準備し、人が短時間で確認して承認します。3つ目はException（例外）で、データがそろっていない、リスクが高い、特別な顧客であるといったケースを専門の担当者に回します。

目指すのは人の順番待ちに並ぶ仕事を減らすことで、すべての仕事を自動のレーンに通す必要はありません。たとえばサービスチームなら、定型的な質問の60%をシステムが完了させ、25%は回答を準備して人が確認し、15%を専門の担当者に回す、という形が考えられます。そうすれば、顧客が増えても今と同じ人数をそろえる必要はありません。

チームリーダーの役割は、仕事を割り振って進捗を追いかけることから、例外のダッシュボードを見て、システムが人に回した理由を分析し、データやルールを調整して自動完結率（Straight-through Rate）を上げることへと変わります。社員に求められるのは、品質を確認する力、難しいケースを解決する力、整理された形でフィードバックを返す力です。

5. 必要な人員を、感覚でなく作業量から計算し直す

「月あたりの件数 × 1件あたりに人の手がかかる分数 ÷ 1人が月に生産的に働ける分数」という簡単な式を使います。仮に月6,000件あり、これまで1件12分かかっていたとすると、合計72,000分です。新しいシステムの導入後、65%が自動で完了し、25%は確認に3分、難しい10%は1件20分かかるとすれば、人の作業量は16,500分になり、75%を超える削減になります。

社員が月160時間をまるごと生産的に使えるとは考えないでください。会議、研修、休暇、管理業務の時間を差し引く必要があります。一般には、実働100〜120時間程度の控えめな数字を使い、さらにピーク時や障害に備えたバッファを上乗せします。余裕なく見積もった体制は、作業量が増えたときやAIのサービスが止まったときに破綻します。

6. 人が問題を隠さないように移行を進める

AIの改善に役立つフィードバックがすぐに解雇につながるとチームが信じていれば、社員にはノウハウを伝えない理由も、システムが使えないことを黙っている理由も生まれます。経営者は計画を率直に伝え、試行期間、判断の基準、別の役割に移る機会をはっきり示すべきです。守れない約束はせず、そのかわりに公平な扱いと準備の時間を用意します。

インセンティブの基準には、サイクルタイム、品質、対応できる顧客数といったチームの成果を使い、忙しそうに見えた時間では決めません。システム上の誤りを見つけた社員は評価されるべきです。そうした情報が、規模を広げる前に問題を防ぐ助けになるからです。

7. システムへの依存を強めた少人数チームのリスク

人が減ると、ノウハウや、いざというときに代わりを務める力が失われることがあります。システム障害に備えた運用手順書、最低限の手作業での業務の進め方、システムごとの責任者の一覧が必要です。ワークフロー全体を理解しているのが外部の開発者だけ、という状態は避けてください。会社は自社のデータをエクスポートでき、自社のログにアクセスできなければなりません。

気づかれにくいミスにも目を配ります。たとえば、AIが分類を間違えているのに誰も気づかない、顧客がもっともらしいのに問題を解決しない回答を受け取る、システムが簡単な仕事ばかり拾って難しい案件がたまっていく、といったケースです。サンプリングのルールを決めて自動処理の結果を人が抜き取りで確認し、リスクの高いケースを定期的にテストし、作業量が増えたときのコストも確認します。

8. 8週間の実行計画

1. 1週目：業務プロセスを選び、作業量、時間、品質、人数のベースライン（導入前の基準値）を記録します。
2. 2週目：業務フロー図を作り、不要な手順を削り、3つの作業レーンを決めます。
3. 3〜4週目：AIが準備して人が確認するシステムを作り、過去のデータでテストします。
4. 5週目：小さなチームで試し、実際の人の手作業を測り、例外を記録します。
5. 6週目：定型的なケースに限って自動完結のレーンを開き、監視の仕組みと停止ボタンを加えます。
6. 7週目：処理能力を計算し直し、役割と予備の当番表を設計します。
7. 8週目：データにもとづく人員計画を添えて、拡大するか、調整するか、やめるかを決めます。

まとめ：10人のチームを5人にできるかどうかは、設計し直した後の定型業務の割合と、人の手作業がどれだけ残るかで決まります。業務プロセスとサービス水準から考え始め、繰り返しの仕事はAIに任せ、例外のレーンを作り、実際のデータから処理能力を計算してください。コスト削減を長続きさせるには、品質と、いざというときのノウハウと、責任の所在を同時に守る必要があります。