安室氏は、「誤解の1つ目は、『DXとは大規模なシステム導入のことだ』という決めつけです。実際は決してそんなことはありません。今行っている業務の一部をデジタル化して置き換えるだけでも立派なDXなのです」と話す。

　誤解の2つ目は、「AIを導入すれば業務が全て全自動で回る」という思い込みだ。AIは全自動で何でもこなす魔法のツールではない。間違うこともあれば、文脈の判断が苦手な場面もある。最終的な意思決定や責任は引き続き人が担うのであり、人とAIの適切な役割分担が欠かせない。

　3つ目は「DXは中小企業には関係ない」という諦めだ。むしろ、アナログな業務が多く、一人当たりの業務負荷が高い中小企業程、AIを使った“小さなDX”による改善効果が如実に表れると期待される。

なぜ多くの中小企業でDXが進まないのか　根底にある「3つの要因」

　昨今は労働人口の減少が進み、これまでのように「人を増やす」という解決策が通用しにくくなっている。ベテランの担当者が退職すれば、現場の暗黙知も同時に失われる。1人当たりの生産性の向上は、もはや企業の存続を左右する経営課題だ。それにもかかわらず、ある調査では「DXに取り組みたい」と回答した中小企業の約7割が、実際には着手できていないことが明らかになった。なぜ最初の一歩を踏み出せないのか。その背景には、3つの構造的な要因があると安室氏は分析する。

　1つ目は「人材不足」だ。高度な技術力を持つ人材が社内にいないうえ、IT部門は既存システムの運用で手いっぱいだ。外部に委託しようにも、自社の業務を理解し、現場と連携して企画を進行できるパートナーを得るのは容易ではない。社内の推進担当者も本業との兼務が多く、プロジェクトが途中で停滞してしまう恐れがある。

DXが進まない理由1　「人がいない」（出典：プランベースセミナー）

　2つ目は「大規模なシステム投資へのハードル」だ。従来型のシステム開発では数千万円から数億円規模の予算が必要であり、投資対効果（ROI）を事前に算出しにくく経営層の合意を得るのが難しい。導入までに多くの期間を要するため、途中で業務が変わってしまうリスクや、失敗した際の影響の大きさなどが足かせとなる。

　3つ目は「自社の業務に適合するシステムがない」という問題だ。SaaSやパッケージ製品などの既製品は汎用（はんよう）的に作られているため、自社特有の業務に合致しないことが多い。しかし、個別開発を行えば莫大な費用がかかる。ここで無理に既製品に合わせて現場の業務を変えようとすれば、事態が悪化する恐れがある。安室氏は“最悪なパターン”として次のように警鐘を鳴らす。

　「現場から『仕事をやりにくくなった』『入力しづらくなった』と不満が出て、結局使い慣れた紙やExcelに戻ってしまった。その揚げ句、誰も使っていないシステムの利用料金を払い続けているという企業は少なくありません」（安室氏）

生成AIの登場により「できること」が根本から変わった

　こうした状況を打破する鍵が生成AIだ。従来のシステム開発では、要件定義から始まり、決められた手順や想定される入力データに基づいてプログラムを書く必要があった。加えて、きれいに整理された構造化データでなければシステムで処理することは難しかった。

　それに対して、生成AIは人が自然言語で指示を与えるだけで、文脈をくみ取って柔軟に機能する。プログラミングの専門知識は不要であり、手書きの帳票やFAX、画像など、これまでデータ化しにくかった非構造化情報も高精度に読み取ることができる。

生成AIの登場で「できること」が変わった（出典：プランベースセミナー）

　こうした特徴を持つ生成AIを使うために重要なのことは、「AIはDXのゴールではなく、アナログな業務をデジタル化するための『道具』である」という認識を持つことだ。従来はアナログな情報を人が手作業でデジタル化し、それをシステムに処理させるという流れが一般的だった。しかし安室氏は、「生成AIなら、アナログな業務を直接扱いながらデジタルに進めさせることができます。アナログな業務をデジタル化するための道具として使えるのです」と強調する。

　ただし、生成AIは間違うことがあるため、業務を無造作に丸ごと委ねてはいけない。情報の読み取りや要約、データ抽出、下書きの生成といった反復・補助作業をAIやシステムに任せ、内容の最終確認や関係者とのコミュニケーション、例外的な意思決定といった判断・関係構築は人が担うといった方法で役割分担すべきだ。人とAIを適切に組み合わせることにより、少ない人員でも生産性を大きく高めることが可能になる。

AI時代のDXの進め方　「最初の1業務」を見極める

　それでは、AIを使ってどのようにDXを進めればよいのか。「会社全体を一度に変えようとせず、痛みの大きい業務1つから小さく始めるべきです」と安室氏はアドバイスする。

　具体的には、まず日々の業務の中で効率化の余地がないかを洗い出す。手書き伝票の処理、FAXやメールを見ながらのシステム入力、同じデータを複数のExcelファイルに打ち込む二重入力、特定の従業員に依存している月次集計などだ。こうした個別の業務から着手すれば、改善効果がすぐに目に見えるため現場の納得感を得やすい。万一うまくいかなかった場合も、影響範囲をその業務内にとどめられる。

　最初のターゲットとして最適な業務には「4つの条件」がある。「毎日繰り返しており、大人数で行っている作業」「紙とFAX、Excelが介在する作業」「担当者が固定化され、属人化している作業」、そして「単純なルールで進められる作業」だ。これらの条件に該当する業務はAIの補助が効きやすく、導入による費用対効果も大きい。

最初に狙うべき業務「4つの条件」（出典：プランベースセミナー）

　ターゲットが決まったら、次はその業務を「人が行う作業」のステップに細かく分解し、どこをAIに置き換えるかを検討する。

　ここでは、FAXによる受注業務を例にとろう。現状、この業務は次の5つのステップを全て人が手作業で行っているとする。担当者が「FAXを受信」（STEP 01）して「内容を読み取り」（STEP 02）、「商品名や数量、納期などの情報を抽出」（STEP 03）する。「内容に間違いがないかを確認」（STEP 04）したうえで、「発注書を作成して送付する」（STEP 05）といった具合だ。

　これを工程ごとに切り分け、適切な役割分担を設定していく。まず、「STEP 01：FAX受信」はシステムによる自動受信に置き換える。次の「STEP 02：内容の読み取り」と「STEP 03：情報の抽出」は、文字認識や意味理解が得意なAIに担わせる。抽出されたデータに基づく「STEP 04：内容の確認」は、最終的な判断と責任を伴うため引き続き人が行う。そして、最後の「STEP 05：発注書の作成、送付」は再びAIとシステムが実行する。このように分解して再構築することで、人が手を動かすのは内容の確認部分のみに集約される。

「業務の分解とAI活用」（出典：プランベースセミナー）

　「よくあるのが、全てをAIに任せようとして失敗するケースです。どこを人がやるべきで、どこがAIの得意領域なのか、工程ごとに見極めることが重要です」（安室氏）

　この改善を組織に根付かせるためには、4つのステップを循環させる必要がある。「1．特定の業務を一つだけ選び」、手順を人とAI／システムが担える単位に分解し、「2．AIが得意な工程を部分的に置換」する。そして、「3．現場で実際に回して効果を検証」し、成功したら「4．次の業務へ展開」していく。

　こうしたサイクルを円滑に回すには、経営と現場の両輪で臨むことが不可欠だ。経営層が対象業務を決定し、変革のために小さな失敗を許容する方針を示す“トップダウンの決意”と、現場が作業手順を細かく言語化し、新たな運用を定着させる“ボトムアップの実践”が組み合わさることでDXが進む。

日常業務の改善から始める“AI活用DX”の具体例

　こうした考え方に基づき、プランベースでは「AIを業務でどう使うか」の具体的な検討から、システムの開発や現場への運用定着まで、中小企業のDXを幅広く支援している。身近な業務のボトルネックをAIでどのように解消していくのか、同社が実際に手掛けた4つの導入事例を以下に見ていこう。

　1つ目は、FAX情報からの発注書作成だ。従来はFAXやメールで届いた見積依頼を、人が目視で読み取り、システムやExcelに手入力して確認し、送信していた。これを、AIが画像やPDFを読み込んで商品名や数量、納期を自動抽出し、発注書の下書きまで作成する仕組みに変更した。人の作業は最終的な内容の確認と承認のみとなり、入力の手間と転記ミスが排除された。

　2つ目は、図面からの工程作業書の作成とシステム連携だ。これまでは、担当者が図面を見ながら紙の工程作業書を作り、現場がそこに実績を手書きし、さらに事務所でExcelに転記して金額計算や工程管理表の更新を行っていた。AIを活用することで、図面からの必要情報の抽出と作業書の作成を自動化。現場がシステムに直接実績を入力すると、計算や管理表への反映が自動的に行われるようにした。

「管理システムと連携」（出典：プランベースセミナー）

　3つ目は、棚卸情報から在庫管理への連携だ。従来の紙の調査札に製品と数量を手書きし、それを事務所に持ち帰ってExcelに打ち込み、システムと突き合わせて差異を計算するという作業は膨大な時間を奪っていた。これを、現場で調査札をスマートフォンで撮影するだけでAIがデータ化する仕組みに切り替えた。システムが在庫情報と自動的に突合し、差異があればその場で可視化されるため、担当者は差異の調査と対応に専念できるようになった。

　4つ目は、作業風景の動画からの手順書作成だ。属人化したノウハウをマニュアル化する際、これまではベテラン従業員の作業を観察やヒアリングして、「Microsoft Word」に写真を貼り付けて一から文章を書く必要があった。外国人実習生向けに多言語化する手間も大きな負担だった。そこで、ベテランが説明しながら作業する状況を動画で撮り、AIが音声を文字起こしして手順書の構成に自動的に整形する仕組みを導入した。ベテランは完成した下書きを確認して修正するだけで済み、他言語への翻訳もAIで瞬時に行えるようになった。

　これらの事例が示すのは、「自社のどの業務にAIが適用できるか」を具体的に想像することの重要性だ。

　安室氏は、「今回ご紹介した事例は、あくまでも一例です。まずはご自身の組織で『こういった業務に使えるのではないか』『負担のかかっている業務のどの工程ならAIに任せられるか』を具体的にイメージしてみてください。AIは目的ではなく、あくまで現場の課題を解決するための道具です。全社的な大改革を目指すのではなく、身近な日常業務の改善から小さく始めることが、DXを確実に前進させる『最初の一歩』となるはずです」と述べた。