第1段階:最初の業務と基準値を決める
業務の責任者と毎日その仕事をしている人に話を聞き、必要なデータがどのシステムにあるかをたどり、最初の業務をひとつと、効果を測る数字を決めます。
地域 · 言語
AIを実務に入れるタイ拠点 · 15 / 16
最初のAIシステムを立ち上げます。効果の大きい業務を選び、ERPとLINEのデータをつなぎ、PDPAに沿った権限を設定し、研修のうえ社内に引き渡します。
AIを実務に入れるタイ拠点 「AIを使うべきだという点は本社もタイ側も同じ意見。でも、ERPのデータをどうAIに読ませるのか、誰にどのデータを見せるのか、ベンダーが納品した後に誰が面倒を見るのか、答えられる人がいない」
タイ拠点の仕事の多くは、ERP、部署ごとのLINEグループ、メールで回るExcelの中にあります。導入したAIツールはこうしたデータに触れられません。つなぐ人がいないからです。ベンダーのデモはサンプルデータなので見栄えは良いものの、ERPから売掛金の残高をどう取り出すのか、顧客情報や給与を誰が見てよいのか、モデルの費用が毎月いくらかかるのかを聞くと、はっきりした答えは返ってきません。
IT担当はデータ漏えいと上限のない請求を心配し、本社は今期中の成果を求め、現地スタッフは仕事が増えるのではと身構えます。こうして話は会議室を出ないまま、チームが実際に使うシステムがひとつもないまま年度が終わります。
まず、その業務の責任者と一緒に最初の業務をひとつ選びます。基準は、繰り返しが多いこと、データがすでにシステムにあること、成果を測れること、AIが間違えても損害が出る前に人が気づけることです。次に導入前の数字を合意します。たとえば仕入先の請求書1枚の入力にかかる分数や、2日以上未対応の苦情の件数です。最後の報告はこの数字と比べて行います。
次にデータをつなぎます。ERPからはAPIかデータベース経由で、まず読み取り専用で取り込み、LINE OAと合意したメールボックスのメッセージを読みます。そのうえで、どの役職が何を見られるか、どの個人情報をモデルに渡す前に伏せるか、AIがシステムに書き戻す前に人の承認が要る手順はどれかを決めます。データのルールを決めるのは御社のDPOか法務で、私たちはシステムをそのとおりに動かします。
準備ができたら、まず小さなチームで使い始め、実際の使い方を見ながら毎週つまずく点を直し、そのあと部署全体に広げます。並行して利用者には自分たちのシステムで研修を行い、管理者にはプロンプト、ルール、予算の上限の変え方を教えます。最後にコード、運用手順書、導入前の数字との比較をお渡しし、最初の業務でわかったことから次の業務を提案します。
毎日使われる最初のAIシステム。今お使いのERP、LINE、文書の保管場所につなぎ、経営層と最初に合意した導入前後の数字を付けてお渡しします
PDPAに沿ったデータアクセスのルール。役職ごとにAIが読めるデータを決め、社外に出る前に個人情報を伏せ、呼び出しのたびに監査ログを残します
システム別・部署別のAIコストのダッシュボード。呼び出し回数、月々のモデル費用、設定した予算の上限が見えるので、月末の請求に驚くことがありません
自分たちのシステムで研修を受けたチーム。利用者はそのまま使える回答と確認が要る回答を見分けられ、管理者は私たちを待たずにプロンプトとルールを直せます
引き渡し一式:自社リポジトリのコード、運用手順書(ランブック)、最初の業務の数字をもとに効果順に並べた次の業務の一覧
進め方
各段階の長さは、つなぐシステムの数とデータの状態で前後します。実際のシステムを見たうえで、着手前に期間を合意します。
業務の責任者と毎日その仕事をしている人に話を聞き、必要なデータがどのシステムにあるかをたどり、最初の業務をひとつと、効果を測る数字を決めます。
ERP、LINE OA、文書の保管場所にAIを読み取り専用からつなぎます。DPOとPDPAのデータルールを決め、コストのダッシュボードと予算の上限を設定します。
小さなチームが日々の業務で使い、間違った回答やつまずいた点を毎週直します。成果が安定したら部署全体に広げます。
利用者と管理者の研修を行い、コード、運用手順書、導入前の数字との比較を引き渡します。次の業務も効果順に並べてお渡しします。
最初の業務に向いているのは、毎日繰り返す小さな仕事で、結果を確認する人がすでにいるものです。以下はよくある例で、御社の最初の業務は着手時に実際のデータを見て選びます。部署別の例は[こちらの記事](/ja/blog/ai-use-cases-by-department/)にもまとめています。
自社のデータで動くシステムが手に入り、本社や取締役会に出せる導入前との比較と、他部署に広げる前の月額費用がわかります。
IT部門が発行したアカウントで読み取り専用から始め、既存システムは変えません。コードは自社のリポジトリに置き、呼び出しごとに監査ログを残し、モデル費用の上限も自分で設定できます。
書類の入力や苦情の仕分けなど、繰り返しの作業をAIが引き受けます。部署全体に広げる前に試せて、困ったときに聞ける人が社内にいます。
要件・ユーザー・成功指標を定義し、着手前に範囲と価格を確定。
UXとアーキテクチャを設計。プロトタイプ承認後に開発へ。
AIで加速したスプリント。毎週デモ、シニアがレビュー。
合意した範囲に対してQA・セキュリティ・性能を検証。
本番リリース、チームトレーニング、月次保守プラン。
業務の内容、つなぐシステムの数、データの状態によって変わります。進め方は4段階で、業務選びと数字の合意、データ接続とルール作り、実際のチームでの運用、研修と引き渡しの順です。データが多くのシステムに分かれている場合や、ERPにAPIがない場合は接続に時間がかかります。実際のシステムを見たうえで、着手前に期間をお伝えします。2つ目、3つ目のシステムは、権限、データのルール、コストのダッシュボードがすでにあるので、たいてい早く進みます。
ありません。AIは今お使いのシステムの上で動きます。ERPからはAPIかデータベース経由で読み取り専用でデータを読み、LINE OAと合意したメールボックスからメッセージを受け取り、結果は元の場所に返します。たとえば、人が確定ボタンを押すERPの下書きや、LINEへの通知です。ERPが古くてつなぐ口がない場合は、定期的なエクスポートファイルから始め、改修は費用に見合うとわかってから相談します。
リスクは、どのデータが社外に出るか、誰が見られるかにあります。そこでまず、御社のDPOが承認するデータ表を作ります。外部のモデルに渡してよい種類、名前や身分証番号を伏せてから渡す種類、自社のサーバーから出してはいけない種類を決めます。AIが見られるのは、その利用者がもともと権限を持つデータだけで、呼び出しはすべて記録します。モデルは、顧客データを学習に使わないと提供元が明記している法人向けプランを選びます。社外に一切出せないデータを扱う業務には、御社の環境にプライベートLLMを導入します。
小さなチームで使い始めた時点から、毎週ありのままを報告します。数字が動かない場合は、原因がデータか、チームの仕事の進め方か、業務そのものかを調べ、範囲を絞る、人が確認する位置を変える、最初に決めておいた予備の業務に切り替える、といった選択肢を出します。決めるのは御社側の業務の責任者です。
最初の業務を決められる責任者1名、アカウントと権限を発行するIT担当、データのルールを承認するDPOか法務の担当、そして先に試してくれる小さなチームです。IT部門がない場合は、管理者パスワードを持つ総務の担当者がいれば足ります。
このページは、最初の業務選びから引き渡しまでの導入を扱います。どこから始めるかを決める前に助言とロードマップが必要ならタイでのAI導入コンサルティングを、すでにChatGPTやCopilotを使っていて、エンジニアにチームの中で一定期間働いてほしい場合はFDEをご覧ください。
あわせて読むタイでのAI導入コンサルティングAI定着を支えるFDE(Forward Deployed Engineer)タイ人スタッフ向け社内AI研修AIトランスフォーメーションとは?どこから始め、最初の90日で何をするか社内AIシステムの7層構造:IT部門が構築前に決めること生成AIの社内利用ルール:タイのPDPAに沿った10項目
エージェントの声
男性
女性
CookieとAIアシスタントについて
当サイトでは、訪問数と閲覧ページの計測にGoogle Analyticsを使用しています。 AIアシスタント「Dream」との会話はAIモデルで処理され、提案書の作成とフォローアップのために保存されます。 ご同意いただいた場合に限り、ChatGPT広告からのお問い合わせを計測するためにOpenAIのピクセルを使用し、Cookieを設定します。