全自動化という幻想

「AIで業務を自動化したい」というご相談をいただくとき、ご相談者の頭の中にあるイメージは、たいていの場合「全自動化」である。書類を放り込めばAIがすべて処理してくれて、人間はその結果を確認するだけになる。理想としては美しい。しかし実務に踏み込むと、この理想がいかに危ういかが見えてくる。

先日、ある中小規模の士業事務所で、業務AI化の可能性についてヒアリングをさせていただく機会があった。守秘の都合上、事務所名や具体的な業務内容は匿名化するが、そこで浮かび上がった構造的な論点は、士業全般、いや中小企業の業務AI化全般に共通するものだったので、考察として記録しておきたい。

業務を分解すると、自動化できる粒度が見えてくる

その事務所の主な業務は、大きく三つに分かれていた。一つは入金管理。二つめは申請書類の作成と提出前チェック。三つめは顧客対応とコミュニケーション。

ご相談の入り口は「全部AIで効率化したい」というものだった。しかし、この三つを同じ粒度で扱うことはできない。なぜなら、それぞれの業務には、固有のリスク構造と判断構造があるからである。

入金管理は、ルールがはっきりしている。誰がいくら払ったか、それがどの請求に対応するか、という対応関係の問題で、原則的には機械的に処理できる。ただし「振込名義が顧客名と一致しない」という現実の壁があり、完全自動化は難しい。それでも、顧客マスターに振込名義を登録しておけば、二回目以降は自動で対応付けできる。準自動化は十分に可能である。

申請書類の作成と提出前チェックは、もう少し複雑だ。書類の作成は、登記情報や顧客情報といった構造化された入力があれば、テンプレートに基づいて生成できる。しかし、その書類が「業務として責任を持って提出できる水準」にあるかどうかは、別の問題である。氏名や金額の表記揺れ、登録免許税の計算根拠、適用条文の選択。これらは一つでも誤るとクライアントに損害が出る可能性がある領域で、最終チェックは資格を持つ専門家が必ず行う必要がある。

顧客対応は、最も自動化に向かない領域である。なぜなら、ここには「人を読む」という判断が含まれるからだ。同じ問い合わせ内容でも、相手の状況や心情によって返答の仕方は変わる。これをAIに任せることは、技術的にはできなくはないが、信頼関係を築くべき領域で機械的な応答を返すことの長期的なコストを考えると、自動化しないという判断こそが正しい場合が多い。

「できる」と「やるべき」は別の問題

業務AI設計で最も難しいのは、技術的に「できる」ことと、業務として「やるべき」ことを区別する判断である。

たとえば、申請書類の自動生成は、現時点の技術でも一定水準まで可能だ。登記情報PDFを読み込ませ、顧客の依頼内容を指示すれば、ドラフト書類は出力できる。しかし、それを「業務として提出できる完成品」にするには、評価額の正確な読み取り、適用条文の選択、表記揺れのチェック、書式の整合性確認など、無数の細部を詰める必要がある。これらの細部を一つでも誤れば、依頼者に直接的な損害が出る。

ここで多くの業務AIプロジェクトが失敗するのは、「全自動化できる」という前提でシステムを構築してしまい、現実の細部に耐えられず破綻するからである。あるいは破綻に気づかず運用してしまい、後から大きな問題が発覚する。

正しいアプローチは、最初から「人間とAIの分担」を設計に組み込むことである。AIは構造化できる部分を担当し、判断と最終確認は人間が担う。この分担を最初に明確にしておけば、システムは安定する。

「人間が決断に集中する」ための設計

この分担を一言でまとめると、こうなる。AIは作業を担い、人間は決断を担う。

これからの業務設計において、人間の役割は「作業の遂行」ではなく「決断の引き受け」に集約されていく。何を信じるか、何を許すか、何を進めるか、何を止めるか。これらはAIには引き受けられない、責任の所在を伴う判断である。

士業事務所の例で言えば、書類のチェックをAIが行い、人間はそのAIチェックの結果を踏まえて「これは出してよい」「これはもう一度確認する」という決断を下す。書類作成という作業から人間が解放される代わりに、人間はより少ない量の、しかしより重い決断に集中できるようになる。

これは「人間の仕事が減る」という話ではない。むしろ、人間は自分にしかできない仕事、つまり責任を引き受ける判断に時間とエネルギーを集中できるようになる、という再配分の話である。

専用ツールという考え方

もう一つ、業務AI設計で大切な考え方がある。それは、汎用AIではなく専用ツールとして作るということである。

汎用の対話型AIに「この申請書をチェックしてください」と頼むことは、技術的にはできる。しかし、評価額の列を取り違えたり、自治体ごとの様式の違いに対応できなかったりと、安定性に欠ける。なぜなら汎用AIは、その業務の細部を知らないからである。

これに対して、業務に特化した専用ツールとして設計すれば、その業務でしか起きない問題を、その業務の中で解決できる。たとえば「評価額は必ずこの列から読む」「この自治体ではこの書式を使う」という業務固有のルールを、ツールに組み込んでおく。これによって、汎用AIでは避けられない誤りが構造的に排除される。

汎用ツールは「広く浅く」が得意で、専用ツールは「狭く深く」が得意である。業務AI化においては、後者の方が圧倒的に実務で役に立つ。