生成AIの導入は、想像していたのと全然違いました。
私の仕事は、企業の現場に生成AIを入れて「ちゃんと動く」ところまで見届けることです。事前に思い描いていたことと実際に起きたことのギャップに、何度も驚かされてきました。
その中でも「これは最初に知っておきたかった」と思う3つを、これからAI導入を考えている役員・推進担当の方に向けて書きます。
Q01生成AIを導入すると、想像と何が違うのですか？
大きく3つです。「精度90%」の報告に現場は喜ばない。「何に使うか」より「何に使わないか」を先に決めた現場がうまくいく。そしてAIの精度を引き上げたのは、エンジニアではなく現場のベテランだった──いずれも、難しいのは技術ではなく現場との噛み合わせだという話です。
裏を返せば、技術の細かいことがわからなくても、現場をよく知っている人がいれば導入はできます。むしろ、技術だけ詳しくて現場を知らないほうがうまくいきません。
導入自体は急速に広がっています。NRI（野村総合研究所）の2025年の調査では、日本企業の生成AI導入率は57.7%。一方でBCGの2025年の調査では、AIのトレーニングを「十分に受けた」と答えた日本の従業員はわずか12%。導入は進んでいるのに、現場の準備が追いついていない ──このギャップが3つの驚きの背景にあります。
Q02「精度90%です」の報告に、現場はなぜ冷ややかなのですか？
残り10%の間違いを見つけて直すのは現場だからです。毎日100件処理する業務なら、10件の間違いが混じります。精度の数字そのものより、「間違えたときにどうリカバリーするか」の設計のほうがずっと重要でした。
経営層に「精度90%出ました」と報告すると、反応は上々です。同じ話を現場に持っていくと空気が変わり、返ってくるのは「で、残り10%は誰が直すの？」でした。
もうひとつ落とし穴があります。業務は複数のステップが連鎖します。個々の処理の精度が90%でも、5ステップの業務なら全体は0.9の5乗で約59%まで落ちます。「テストでは良かったのに本番でダメ」の正体は、実はこれだったりします。
私の現場では、AIの出力を人間が30秒以内に確認・修正できる画面を作りました。AIが自信のないところをハイライトして、人がサッと目を通せるようにする。それだけで受容度が激変しました。 「完璧なAI」より「間違いを素早く直せるAI」 のほうが、現場には定着します。
Q03「何に使うか」より先に、何を決めるべきですか？
「何に使わないか」です。うまくいったプロジェクトは、最初にAIに不向きな業務を切り捨てていました。見極めの基準は2つだけ──社内に「お手本」があるか、80点で業務が回るか、です。
CIO.comの調査によると、AIのお試しプロジェクトの約88%が本番稼働に至りません。原因の多くは技術不足ではなく、そもそもAIに向いていない業務を選んでしまったことです。
- 社内に「お手本」があるか？──過去の良い成果物やベテランの判断事例など、AIに学ばせるサンプルがあるかどうか
- 80点で業務が回るか？──AIの出力を完成品ではなく「80点の下書き」として使える業務かどうか
意外かもしれませんが、最初に効果が出やすいのは華やかな業務ではなく、誰もがめんどくさいと思っている定型作業です。報告書のドラフト、データの整理、社内問い合わせへの回答下書き。地味なところにこそ、生成AIの威力が出ます。
Q04現場のベテランは、AI導入でどんな役割を担いますか？
最強のAIトレーナーです。エンジニアが書いた指示だけでは精度70%程度だったAIが、ベテランの「自分ならここを見る」という判断基準を指示に反映したら90%を超えました。AIの精度はモデルの性能だけでなく、「AIに何を伝えるか」で大きく変わります。
特に効くのは、ベテランが知っている「普通はこうだけど、このケースだけは違う」という例外パターンです。5個から10個集めるだけで、AIの判断がガラッと変わります。大量のデータより、こうした現場の勘所のほうがずっとインパクトがあります。
arXivに掲載された研究でも、専門家の知識をAIに組み込むと出力品質が206%向上するというデータがあります。
そしてこれは、技術継承にもなっています。ベテランの頭の中にしかなかった暗黙知が、AIへの指示という形で言語化・構造化される。ベテランが退職しても、その知識はAIの中に残ります。導入のつもりが、気づいたら技術継承の仕組みもできていた──嬉しい副産物でした。
よくある質問（FAQ）
- Q. 「80点の下書き」戦略とは何ですか？
- A. AIに完成品を作らせるのではなく、80点の下書きを出させて人間が仕上げる使い方です。ゼロから書くのと80点から直すのでは、体感でまったく別の作業になります。「AIが仕事を奪う」ではなく「AIがめんどくさい部分を巻き取る」発想です。
- Q. 精度が90%に届かない業務は、あきらめるべきですか？
- A. 数字だけで判断しないほうがいいです。重要なのは間違えたときのリカバリー設計で、人間が30秒以内に確認・修正できる仕組みがあれば、精度の数字が多少低くても実務で回るケースは多くあります。
- Q. 導入効果の測定は、どうすればいいですか？
- A. 対象業務と測る数字を導入前に決めておくことです。Ragateの2025年の調査では、導入企業の73.2%が「効果を実感」と答える一方、59.8%は「効果測定をきちんとやっていない」と回答しています。業務選びが曖昧だと、効果は感じるのに証明できない状態になりがちです。
- Q. 現場がAIに乗り気でないときは、どうすればいいですか？
- A. 「仕事を奪う」ではなく「めんどくさい部分を巻き取る」立て付けにし、ベテランに先生役を頼むと空気が変わります。ベテランの知識を吸収してAIが良くなっていく過程を見せると、「こいつ使えるのか？」が「けっこうやるな」に変わっていきます。
AUTHOR
黛 政隆（まゆずみ まさたか）
株式会社GembaShift 代表取締役CEO
エンジニア歴20年、PM経験50件超。生成AIの導入を、現場に入って一緒に組む仕事をしています。 この記事の内容は、著者自身が実際に手を動かして業務で検証した実体験に基づいています。