AI導入前の業務プロセス分析｜自動化候補と例外を見つける可視化手順

AI導入前の業務プロセス分析で決めるのは、製品名ではなく「どの工程を、どの条件なら機械処理へ移せるか」です。対象は、部門のAI導入を任された業務改善責任者、現場リーダー、情報システム担当者です。読み終えた時点で、現状工程図、例外台帳、候補評価票、試行の中止条件を一組にし、1つの業務を試行へ進めるか見送るか判断できる状態を目指します。

AI導入前の業務プロセス分析では開始・終了・例外を切り出す

結論として、AI導入前の業務プロセス分析では、部門全体ではなく、開始と終了を一文で示せる工程を選びます。その工程を実案件で追い、待ち時間、判断根拠、例外、完了の証拠を分けて記録してから、AIを使う箇所を決めます。

分析単位は「営業部」や「請求業務」のような大きな名称にしません。例えば「取引先から届いた定型申請を受け付け、必要項目を基幹システムへ登録し、受付結果を返信する」までなら、案件ごとの動きを観察できます。

一方、「顧客対応を改善する」では、相談、判断、交渉、登録が混ざり、件数も品質も測れません。業務責任者は対象期間、対象チャネル、完了の証拠を決め、観察担当は実案件の流れを変えずに記録します。

AIの候補になりやすいのは、同じ種類の入力が繰り返し届き、正しい処理を過去記録や規程と照合できる業務です。頻度が低くても、検索や要約に時間を要し、根拠を人が確認できるなら候補になります。

経営判断、懲戒、人事評価、医療・法務上の最終判断など、少数でも影響が大きく、状況ごとに価値基準が変わる工程は単純な自動化候補にしません。AIを調査補助へ使うことと、意思決定をAIへ移すことは分けて検討します。

向かないケース：統合直後で手順が毎週変わる部門、記録の利用権限が確認できない案件、重大な判断を元に戻せない仕事は、AI候補の採点より先に業務標準化または専門部署への引き継ぎが必要です。件数不足を架空データで埋めて自動化適合度を高く見せる方法も採りません。

観察チームの責任と準備物を確定する

運営責任者は対象部門の課長相当とし、現場へ追加作業を求める範囲、個人情報を閲覧できる人、分析結果の採否を決める会議を承認します。実務担当者は熟練者だけで固めず、経験の浅い担当者も含めます。

熟練者だけを観察すると、暗黙の補正が標準工程に見えます。情報システム担当者はログの時刻、画面間連携、権限境界を確認し、法務・情報管理担当者は記録を二次利用できる範囲を判定します。

本稿の準備例：業務手順書、直近4週間の受付件数、通常案件10件、例外案件5件、各システムの操作ログ、差戻し記録を集めます。この件数は正しさを保証する標準値ではなく、工程の種類を発見するための初期値です。

月間件数が少なければ期間を延ばし、季節差が大きければ繁忙期と通常期を分けます。観察者が扱いやすい案件だけを抜き出さないよう、受付番号の連続範囲または無作為抽出条件を記録します。

経済産業省・総務省の「AI事業者ガイドライン第1.2版」は、AIの開発者、提供者、利用者など立場に応じた取組と、AIライフサイクルを通したリスク管理を示しています。本記事では民間企業の法的義務を新たに作る資料としてではなく、誰がどの判断を持つかを漏れなく点検する一次情報として用います^[3]。

案件の発生から完了までを事実で採取する

工程図は会議室で想像して描かず、1案件が届いた時刻から顧客または次工程へ渡る時刻まで追跡します。担当者の操作だけでなく、メール待ち、承認待ち、夜間バッチ待ち、問い合わせへの返答待ちも工程として残します。

処理時間は人が手を動かした時間、経過時間は受付から完了までの時間です。両者を混ぜると、AIで5分短縮できる操作を改善しても、2日間の承認待ちが残るという見落としが起きます。

記法は社内で読めるものを選べばよく、最初から高度なモデリングツールは不要です。ただし、作業、分岐、開始・終了、担当者間の受け渡しを記号で分けると、同じ図を異なる担当者が読みやすくなります。

BPMN仕様が定める範囲：Object Management GroupのBPMN 2.0.2は2014年1月採択の正式仕様で、業務参加者間の流れを共有する標準記法を提供します^[1]。

工程図での使い方：BPMNへの完全準拠を目的にせず、誰が、何を受け取り、どこで分岐し、何を渡したかを一貫して記録するために使います。

聞き取りでは「いつも」「だいたい」を数値に置き換えます。「頻繁に差し戻す」と言われたら、観察期間の総件数、差戻し件数、理由別件数を確認します。ログと説明が食い違う場合は、担当者の誤りと決めつけず、ログに残らない電話確認や代理処理を探します。工程図の各箱には、入力、完了証拠、平均ではなく中央値、最大値、例外番号をひも付け、後から原案件へ戻れるようにします。

判断・待ち・転記・例外を別の箱へ置く

観察した作業を「入力取得」「形式確認」「情報抽出」「規程照合」「判断」「承認」「登録」「通知」に分けます。その上で、価値を生まない待ち、同じ内容の再入力、担当者しか説明できない判断、通常ルートから外れた例外を別欄にします。

この分類は、AIへ渡す量を増やすためではありません。削除できる工程、既存機能で直せる工程、AIで下書きを作る工程、人が主導する工程の順に、適切な改善手段を選ぶためです。

例えば申請書の会社名を3画面へ転記する仕事は、API連携やマスター共有で解消できる可能性があります。文章から申請理由を抜き出す作業はAI候補になり得ますが、原文箇所を表示できなければ検収しにくくなります。

信用限度額を上げる承認では、規程検索を支援できても、最終判断と説明責任まで同じ方法で移してはいけません。AIを選ぶ前に、既存システム設定、入力フォーム改修、担当権限の見直しを候補へ並べます。

NIST資料が扱う範囲：AI 600-1は、AI RMF 1.0を生成AIへ適用する部門横断のプロファイルです。組織の目的、リスク許容度、利用状況に合わせたリスク管理を扱い、2024年7月26日に公開、掲載ページは2026年4月8日に更新されています^[2]。

候補評価への落とし込み：工程名だけで一律に可否を決めず、入力データ、出力の利用先、誤りの影響、検知方法を候補ごとに書き分けます。

AI候補を評価式で絞り込む

候補評価票は、期待効果だけでなく、正解を確認できるか、失敗時に元へ戻せるかを同じ表で採点します。各項目を0、25、50、75、100点の5段階にし、業務オーナーと現場観察責任者が根拠となる案件番号を付けます。「印象として高い」は採点理由になりません。ルール化率なら、観察した判断のうち文書化された根拠で再現できた件数を分子にします。

AI候補適合度 =
  ルール化率 × 0.25
  反復性 × 0.20
  入力データ準備度 × 0.20
  人による検証可能性 × 0.20
  失敗時の可逆性 × 0.15
  - 重大例外減点
想定例:
75×0.25 + 100×0.20 + 50×0.20 + 75×0.20 + 100×0.15 - 10
= 68.75点

本稿内の採点例：個人への不利益、対外送信、金銭更新、機密情報処理について、人の確認や技術的制御が未設計なら1項目10点を減点します。計算例の68.75点は導入効果の実績ではなく、候補を比べるための仮置きです。

80点以上を優先試行、60点以上80点未満を制約付き再設計、60点未満をAI以外の改善へ戻す基準にできます。ただし、データ利用権限が不明、正解を確認できない、誤送信を取り消せない場合は、合計点に関係なく見送ります。

高得点の工程をそのまま自動実行へ移すのではなく、まずは下書きまたは判定候補の提示として試します。採点は「試せるか」を決め、試行結果は「任せられる範囲」を決めます。

将来工程と人の統制点を描く

将来工程図には、AIが正常に動く一本道だけでなく、入力不足、参照資料なし、信頼度不足、禁止項目検出、利用者の異議、サービス停止を描きます。AIの箱には使用目的、入力項目、参照情報、期待出力、保存範囲を記載し、その直後に検収者と検収証拠を置きます。

「担当者が確認する」だけでは足りません。会社名を申請原本と完全一致させる、金額差を0円にする、引用元の改訂日が現行である、といった観察可能な合格条件へ分けます。

人の統制点は、誤りが見つかった後ではなく、影響が確定する前へ置きます。顧客メールなら送信ボタンの前、会計仕訳なら登録確定の前、社内検索回答なら意思決定資料へ転載する前です。検収者がAI出力だけを読むと見逃しが増えるため、元資料と差分を並べます。修正理由は「表現修正」ではなく、事実誤り、根拠不足、規程不一致、情報過多、宛先不適合の分類で残します。

デジタル庁の2026年6月12日版ガイドラインは政府情報システム向けの規範であり、民間企業へそのまま義務を課すものではありません。一方、利用目的、導入類型、リスクレベルを踏まえ、調達・構築・運用の各段階で確認する考え方は、将来工程の抜けを探す参考になります^[4]。民間利用では、自社の法務、契約、業界規制に合わせて項目を選び直します。

固定ケースで試行し再現性を確かめる

試行用データは、通常ケース12件、入力不足4件、判断境界4件、過去に手戻りした5件の合計25件とする想定例です。開発や設定に使った案件とは分け、試行開始後に正解を変えません。正解表は業務熟練者が作成し、別の担当者が根拠資料から再確認します。意見が割れた案件はAIの誤りとして数えず、「人の正解が未確定」という独立分類にして業務基準の改訂へ戻します。

1. 事前測定：同じ25件を現行手順で処理し、作業時間、経過時間、誤り、差戻しを記録します。
2. 影運用：AI結果を本番へ反映せず、現行処理の横で出力させ、正解表との差を採取します。
3. 限定利用：通常ケースだけで下書きを使い、検収者が全件を元資料と照合します。
4. 境界確認：入力不足と判断境界を与え、無理に回答せず人へ戻せるかを確かめます。
5. 再実行：設定変更後も同じ25件を実行し、改善した項目と悪化した項目を並べます。

主指標は重大誤り見逃し率とし、「検収で見逃した重大誤り件数÷重大誤りを含む試行件数×100」で求めます。補助指標の実利用時間削減率は「（現行作業時間－AI利用時の生成・確認・修正時間）÷現行作業時間×100」です。想定例として、現行500分、生成25分、確認260分、修正65分なら削減率は30%です。生成時間だけを比較して95%削減としない点が重要です。

この閾値は業界標準の実績値ではなく、影響が限定された社内事務を想定した設計例です。医療、安全、信用、雇用のように誤りの影響が大きい領域では、件数と閾値を専門家が再設計し、統計的妥当性も確認します。少ない試行件数から全社的な性能を推定せず、対象条件を明記した限定判断にとどめます。

定着、停止、再設計の条件を運用へ渡す

定着とは、利用回数が増えることではなく、定義した案件で正しい完了が継続する状態です。業務オーナーは週次で対象件数、AI下書き採用件数、修正分類、重大誤りを確認し、月次で実利用時間と顧客・後工程への影響を承認します。

モデル、参照文書、入力フォームを変えた場合は、変更管理者が固定ケース25件を再実行し、旧結果との差を添付します。担当者の異動時には、後任者が例外案件を人手へ戻す操作を実演してから権限を引き継ぎます。

本稿の定着条件案：4週連続で重大誤り見逃し0件、通常ケースの必須項目正解率95％以上、実利用時間20％以上削減、対象外案件の誤投入率2％未満とします。これらは一般基準ではなく、試行の判断例です。

四つをすべて満たした場合だけ、同じ部署内で入力形式を1種類増やします。拡大後は新しい形式を別集計し、既存形式の結果へ混ぜません。

本稿の停止条件案：未許可データの外部送信、誤った金額や宛先の本番反映、監査ログ欠損、人手手順へ戻れない状態は即時停止とします。

重大でない同種誤りが2週連続で3件以上、対象外投入率が5％超、時間削減率が4週平均10％未満、月額費用が承認上限を15％超過した場合も停止します。停止中は人手手順へ戻し、技術原因、業務原因、再開可否を担当ごとに記録します。

分析を誤らせる症状から立て直す

典型的な失敗は、手順書を現状そのものとみなすことです。手順書にない電話確認、代理承認、Excelでの補助計算があると、AI導入後に例外が急増します。実案件、操作ログ、担当者説明を照合し、食い違いを工程図の注記へ残します。

平均処理時間だけで候補を選ぶことも避けます。10分の定型作業を短縮するより、2日間の待ちを生む承認ルールを変える方が、完了までの時間を大きく減らせる場合があります。

分析中に「AIなら何とかできる」という説明が増えたら、候補ごとの入力と正解表へ戻ります。正解を定義できない場合、AIの性能比較より前に、業務上の合意が不足しています。

現場が非協力的に見えても、抵抗と決めつけません。評価が人員削減だけに使われる不安、観察負担、誤りの責任先を確認します。協力条件を説明できない状態では観察結果が偏るため、一時中止が妥当です。

外部専門家へ引き継ぐのは、法令上の判断が必要、統計評価の母数を設計できない、安全に関わる誤りを社内で分類できない、複数システム間の責任境界が契約上不明、のいずれかに該当する場合です。

その際は「AI導入の相談」だけを渡さず、現状工程図、例外案件、未確定の判断、利用予定データ、希望する終了状態を提示します。専門家が製品紹介ではなく、未解決論点の判断へ時間を使えるようにします。

工程分析を投資仮説へ変えて他の改善策と比べる

工程を可視化した後は、AI案だけでなく、工程削除、入力フォーム修正、既存システム連携、担当権限の変更、外注見直しを同じ成果条件で比べます。

本稿の試算条件：月160件の申請で、AI案は1件7分、フォーム改修は1件5分を減らすと仮定します。AI案には生成結果の確認と継続評価、フォーム改修には初期開発と改修対象外の帳票が残ります。

比較表には、削減時間だけでなく、初期費用、年間運営費、対象割合、誤りの影響、切戻し、実現までの期間を置きます。

年間純効果 =
  対象件数 × 1件当たり削減時間 ÷ 60 × 時間原価
  - 年間運営費
  - 年間確認・再教育費
AI案の想定:
1,920件 × 7分 ÷ 60 × 4,000円
- 480,000円 - 180,000円
= 236,000円
フォーム改修の想定:
1,920件 × 5分 ÷ 60 × 4,000円
- 120,000円 - 40,000円
= 480,000円

上の金額は実績ではなく、意思決定の計算方法を示す試算です。初期費用は評価期間で按分するか、投資回収月数で別に確認します。非定型帳票が全体の40％ありフォームで扱えないなら、対象割合を反映して再計算します。

時間原価は給与額と同義ではなく、社内で承認した管理会計上の単価を用います。顧客影響や法的責任は無理に金額換算せず、失格条件として別に扱います。

投資仮説の承認者は業務オーナー、費用前提の確認者は財務または管理会計担当、技術実現性の確認者は情報システム担当とします。最も新しい方法を選ぶのではなく、同じ完了条件を最小の総負担で満たす案を選びます。AI案を見送って工程削除を採ることも、この分析の正常な完成結果です。

採否会議では、最有力案が成立しない場合の第二案も記録します。AI試行が固定ケースで停止したときにフォーム改修へ戻るのか、現行手順を続けるのかを先に決めておけば、失敗を隠して試行を延長する圧力を抑えられます。第二案にも責任者、開始条件、予算の有効期限を付けます。

成果物をそろえ、連続10件の観察から始める

分析の完了時には、現状工程図、案件別観察票、例外台帳、改善手段比較、AI候補評価票、将来工程図、固定ケースと正解表、定着・停止台帳の8点を同じ版番号で保存します。業務オーナーは「最も点が高い候補」ではなく、失敗を検知して戻せる候補を1つ選びます。初回試行の範囲、利用データ、検収者、予算上限、試行終了日を承認記録へ書き、対象外条件を利用者へ先に伝えます。

採用理由には、候補適合度、重大例外減点、試行で検証する仮説を記載します。見送り理由には、点数の低さだけでなく、再検討できる条件を示します。

例えば「規程判断30件のうち根拠を再現できたのが14件のため見送り。判断基準を改訂し、再現率80％以上になった時点で再評価」と記録すれば、保留を放置せずに済みます。

読後に着手する3ステップ

1. 開始と終了を一文で示せる業務を一つ選び、受付番号が連続する10件を抽出します。
2. 各案件について、人が手を動かした時間、待ち時間、判断に使った根拠、通常ルートから外れた例外を観察票へ記入します。
3. 10件を並べ、工程削除や既存機能で直せない箇所だけをAI候補票へ移します。正解や切戻し方法を書けない工程は試行へ進めません。

連続10件を選ぶ日は通常期だけに限定せず、締め日前後や担当者不在時など負荷が変わる期間も別枠で観察します。平常時に成立した手順が繁忙時の承認待ちで崩れるなら、AIの処理速度ではなく承認容量が制約です。試行の採否記録には、観察日、案件量、担当人数、通常期との差を残し、どの条件まで結論を適用できるかを明示します。

参考文献・出典

1. Object Management Group, “Business Process Model and Notation Version 2.0.2,” Version 2.0.2, 2014年1月採択（参照日：2026年7月30日）。
2. NIST, “Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile,” NIST AI 600-1, 2024年7月26日公開、掲載ページ更新2026年4月8日（参照日：2026年7月30日）。
3. 経済産業省・総務省「AI事業者ガイドライン」第1.2版、2026年3月31日、掲載ページ最終更新2026年4月1日（参照日：2026年7月30日）。
4. デジタル庁「行政の進化と革新のための生成AIの調達・利活用に係るガイドライン」第2.0版、2026年6月12日（参照日：2026年7月30日）。