生成AIは、標準作業そのものを自動で決めるための道具ではありません。一方で、現状作業の整理、標準手順候補の作成、判断条件や例外処理の洗い出し、チェック項目、教育ケース、改訂案のたたき台を作る補助には使えます。
重要なのは、AIが出した手順を「正しい標準」としてそのまま採用しないことです。標準作業では、実際の現場を観察し、品質・安全・時間の基準を人が定め、複数担当者で試し、導入後の定着や改善効果を確認する必要があります。
この記事では、生成AIを標準作業に補助的に使う方法を、対象範囲、現状整理、標準手順、判断条件、例外、チェックポイント、教育、定着確認、改訂まで、具体的なプロンプト例と人が確認すべきポイントを交えて解説します。
標準作業の意味や基本構造から確認したい場合は、標準作業とは?を参照してください。人だけで進める具体的な手順は、標準作業のやり方で確認できます。
生成AIを使うと効果が出やすい場面
生成AIは、次のような場面で補助として使いやすいです。
- 現状作業の違いを整理する
- 標準手順候補を複数作る
- 各工程の入力・出力・判断条件を言語化する
- 例外ケースを洗い出す
- チェックポイント候補を出す
- 教育用のケースを作る
- 標準作業の抜け漏れをレビューする
- 改訂案を比較する
一方で、次の判断は生成AIだけに任せない方が安全です。
- 実際の現場で何が行われているか
- 品質基準や法令・安全条件
- 標準時間
- どの手順を採用するか
- 例外処理の正式ルール
- 教育の合格基準
- 導入後に本当に品質・時間が改善したか
AIは「候補を広げる」「抜けを減らす」役に置き、標準として採用する判断は人が行います。
1. 現状作業の違いを整理するプロンプト
標準作業を作る前に、担当者ごとの現状作業を比べます。
プロンプト例
以下は請求書作成業務で、3人の担当者が実際に行っている手順です。
Aさん:
- 売上確定データ確認
- 契約条件確認
- 顧客情報確認
- 請求書作成
- 最終確認
- 承認者確認
- 承認依頼
Bさん:
- 売上確定データ確認
- 請求書作成
- 契約条件確認
- 顧客情報確認
- 修正
- 承認依頼
Cさん:
- 売上確定データ確認
- 契約条件確認
- 顧客情報確認
- 請求書作成
- 承認依頼直前に承認者確認
以下を整理してください。
- 共通工程
- 順序の違い
- 判断タイミングの違い
- 手戻りが起きそうな箇所
- 現場確認すべき点
最適手順はまだ決めないでください。
出力の使い方
AIが「Bさんは作成後に契約確認するため手戻りが起きやすい」と整理しても、それだけで標準を決めません。
実際の差し戻し記録や作業時間を確認し、現場観察と照らします。
2. 標準手順候補を作るプロンプト
プロンプト例
次の条件を満たす請求書作成の標準手順候補を3案作ってください。
品質条件:
- 契約番号が正しい
- 顧客コードが最新マスタと一致
- 金額・税区分が契約条件と一致
- 宛先が最新情報と一致
- 正しい承認者へ依頼済み
現状課題:
- 契約番号不足
- 宛先誤り
- 税区分誤り
- 承認者誤り
各案について、
- 手順
- 手戻りを減らせる理由
- 想定リスク
- 現場で確認すべき点
を示してください。
出力の使い方
AIの案を比較材料にし、人が実際の現場と品質基準を見て採用候補を絞ります。
3. 各工程の入力・出力・判断条件を言語化する
標準作業で差が出やすいのは、作業そのものより途中の判断です。
プロンプト例
標準手順「契約条件を確認する」について、以下を整理してください。
- 入力
- 作業
- 出力
- 次へ進む判断基準
- 例外条件
- 確認先
- 記録方法
請求書作成業務を前提にしてください。
出力の使い方
AIが、
- 入力:契約番号
- 出力:確認済み契約条件
- 判断基準:請求締日、支払条件、税区分が確認済み
- 例外:特殊契約は経理確認
と出したら、実際の社内ルールと一致するかを人が確認します。
4. 例外処理を洗い出すプロンプト
通常手順だけでは、現場で標準が崩れやすくなります。
プロンプト例
請求書作成の標準作業について、通常手順では処理できない例外ケース候補を15個出してください。
観点:
- 入力不足
- 契約条件
- 顧客マスタ
- 税区分
- 承認
- システム障害
- 締切
各例外について、
- 発生条件
- 想定される影響
- 人が決めるべき対応ルール
を示してください。
出力の使い方
AIが出した例外を、実際の過去案件と照合します。
存在しない例外を標準へ追加する必要はありません。一方で、過去に頻発している例外が抜けていれば補います。
5. チェックポイント候補を作る
プロンプト例
以下の過去エラーから、標準作業に入れるチェックポイント候補を整理してください。
- 契約番号不足:18件
- 宛先誤り:10件
- 税区分誤り:7件
- 承認者誤り:7件
各チェックポイントについて、
- どの工程で確認するか
- 人が確認するか、システムで防げるか
- 確認漏れ時の影響
を示してください。
出力の使い方
たとえば、
- 契約番号 → 最初の入力確認、必須入力制御
- 宛先 → 顧客マスタ確認、最終照合
- 税区分 → 契約条件確認、特殊契約は経理確認
- 承認者 → 承認ルール参照
といった候補が出ます。
最終的にどこまでシステム化できるかは、人が実装条件を確認します。
6. 標準時間を検討するための質問を作る
生成AIに標準時間そのものを決めさせるのは適切ではありません。
ただし、実測データを集めるための観点整理には使えます。
プロンプト例
請求書作成の標準時間を決める前に、現場で取得すべき測定データを整理してください。
条件:
- 最速担当者の値だけで決めない
- 品質を維持できる時間を重視する
- 通常案件と例外案件を分ける
出力してください:
- 測定項目
- 比較条件
- 外れ値の扱いで確認すべき点
- 標準時間をノルマ化しないための注意点
出力の使い方
人が複数担当者の実測を取り、たとえば35分、38分、45分などの差を確認します。
標準時間は、品質を保ちながら複数担当者が再現できる現実的な値として人が決めます。
7. 小規模試行の設計を補助させる
プロンプト例
新しい請求書作成の標準手順を3人の担当者で小規模試行したいです。
試行計画を作ってください。
条件:
- 1人10件程度
- 通常案件と例外案件を含める
- 品質と時間の両方を見る
出力してください:
- 試行対象
- 測定項目
- 担当者への確認質問
- 標準の修正判断に使う材料
出力の使い方
AIが作った試行計画を参考に、実際の案件条件や担当者負荷を人が調整します。
8. 教育ケースを作るプロンプト
標準作業は説明会だけでは定着しません。
プロンプト例
請求書作成の標準作業を教育するための練習ケースを5つ作ってください。
含めたいケース:
- 通常案件
- 契約番号不足
- 顧客マスタ更新中
- 特殊税区分
- 例外承認
各ケースについて、
- 状況
- 期待される判断
- よくある誤り
- 教育担当者が確認するポイント
を示してください。
出力の使い方
AIのケースを、そのまま実案件として扱わず、社内ルールに合わせて修正します。
教育では「説明を聞いたか」ではなく、実際に標準どおり判断できるかを確認します。
9. 標準作業の抜け漏れをレビューする
プロンプト例
以下の標準作業案をレビューしてください。
確認観点:
- 対象範囲
- 入力・出力
- 品質基準
- 判断条件
- 例外処理
- チェックポイント
- 標準時間
- 教育
- 定着確認
- 改訂条件
不足している項目と、現場で追加確認すべき点を分けて示してください。
出力の使い方
AIは抜け漏れを広く指摘できますが、指摘が実際に必要かは人が判断します。
10. 改訂案を比較するプロンプト
標準作業は一度決めたら固定するものではありません。
プロンプト例
標準作業導入後、次の結果になりました。
- 差し戻し率:14% → 6%
- 平均作業時間:45分 → 38分
- 承認者誤り:7件 → 2件
- 残った差し戻しは特殊契約に集中
改訂案を3つ出してください。
各案について、
- どの残存問題へ効くか
- 変更内容
- 教育への影響
- 想定リスク
- 改訂後に測る指標
を示してください。
出力の使い方
AIが、
- 特殊契約専用の判断フロー追加
- 経理確認条件の明文化
- 特殊契約チェックリスト追加
などを出したら、業務責任者が実際のルールと責任分界を確認して採否を決めます。
通し例|請求書作成の標準作業で生成AIを補助的に使う
管理部門では、請求書300件のうち42件に差し戻しがあり、平均作業時間も45分でした。
まず人が3人の担当者の実作業を観察し、それぞれの作業順、参照先、判断タイミングを記録しました。
生成AIには、その違いを整理させました。
AIは、
- Bさんは請求書作成後に契約条件を確認するため手戻りが起きやすい
- Cさんは承認者確認が遅いため最後に詰まりやすい
といった仮説を出しました。
人が差し戻し42件を確認すると、
- 契約番号不足:18件
- 宛先誤り:10件
- 税区分誤り:7件
- 承認者誤り:7件
でした。
次にAIへ標準手順候補とチェックポイント候補を作らせました。
候補をもとに、人が最終的に、
- 売上確定データ受領
- 契約番号・顧客コード・請求締日・金額確認
- 契約条件確認
- 顧客マスタ確認
- 請求書作成
- 金額・税区分・宛先の最終チェック
- 承認者確認
- 承認依頼
という流れを選びました。
AIにはさらに、例外処理候補として、契約番号不足、顧客マスタ更新中、特殊税区分、例外承認などを出させました。
人が社内ルールと照合し、
- 契約番号なし → 営業へ差し戻し
- 顧客マスタ更新中 → マスタ管理担当へ確認
- 特殊税区分 → 経理確認
- 例外承認 → 管理責任者へ確認
と正式ルールを決めました。
標準時間はAIに決めさせず、複数担当者の実測を確認して38〜40分を目安としました。
次に、AIへ小規模試行の確認項目を出させ、3人×10件で試しました。
すると、
- 契約条件の参照先が分かりにくい
- 特殊契約の税区分判断が曖昧
という問題が見つかりました。
そこで人が、契約条件の参照先を1か所へ統一し、特殊契約は経理確認へ分岐するルールを追加しました。
教育では、AIに通常案件と例外案件の練習ケースを作らせましたが、最終的な内容は社内ルールに合わせて修正しました。
1か月後に再測定すると、
- 差し戻し率:14% → 6%
- 平均作業時間:45分 → 38分
- 承認者誤り:7件 → 2件
まで改善しました。
残った差し戻しは特殊契約に集中していたため、AIには改訂案を出させました。
その中から、人が特殊契約専用の判断フロー追加を採用しました。
ここで重要なのは、「AIが標準作業を決めた」のではないことです。
AIは、候補整理、抜け漏れ確認、例外洗い出し、教育ケース、改訂案を広げました。現状観察、品質基準、正式ルール、標準時間、採否、定着確認は人が担っています。
そのまま使える記入形式が必要なら、標準作業テンプレートを使うと、AIの出力を対象範囲、手順、判断条件、例外、定着確認、改訂へ整理しやすくなります。背景から判断の流れまで具体例で追いたい場合は、標準作業の具体例も参考になります。よくある失敗を先に確認したい場合は、標準作業で失敗しやすいポイントも参照してください。
人が必ず確認すべきポイント
現状作業の実在性
AIは一般的な手順を作れますが、実際の現場で行われている例外や暗黙判断は保証できません。現場観察が必要です。
品質・安全基準
法令、契約、内部統制、品質、安全条件は人が正式ルールを確認します。
標準時間
AIの推定値を使わず、複数担当者の実測から決めます。
例外処理
AIが挙げた例外が実在するか、確認先や責任分界が正しいかを人が決めます。
採用する標準手順
速さだけでなく、品質、再現性、現場負荷、システム制約を見て判断します。
教育の合格基準
AIが作ったケースを使う場合も、最終的な合否は社内基準に合わせます。
定着と改善効果
標準を配布しただけで成功とせず、導入前後の品質・時間・手順遵守率を確認します。
生成AIの誤りと限界
実在しない手順を補うことがある
業務名から一般的な工程を推測し、実際には存在しない作業を混ぜることがあります。
例外を過剰に増やすことがある
可能性を広く出すため、実務では不要な例外まで提案することがあります。
品質基準を一般論で作ることがある
「正確性を確認」「適切に承認」など、抽象的な基準になりがちです。具体化は人が行います。
最速・効率を優先しすぎることがある
確認工程を減らす案が出ても、品質や安全を犠牲にしないか確認します。
標準時間を推測することがある
時間は元データで測り、AIの推定値は採用しません。
機密情報の扱いに注意する
顧客名、契約条件、個人評価、社内システム構成、未公開の品質データなどを入力する場合は、自社の情報管理ルールに従います。必要に応じて固有名詞や具体値を抽象化してください。
生成AIに任せすぎないためのチェックリスト
- 現状作業を人が観察したか
- AIの手順候補を事実扱いしていないか
- 品質・安全基準を正式ルールで確認したか
- 判断条件を人が承認したか
- 例外処理の責任分界を確認したか
- 標準時間を実測から決めたか
- 小規模試行を行ったか
- 複数担当者で再現できたか
- 教育後に実行できることを確認したか
- 導入後の差し戻し率・作業時間を測ったか
- AIの改訂案をそのまま採用していないか
- 残った問題をもとに標準を見直したか
- 機密情報を不用意に入力していないか
まとめ
生成AIは、標準作業を効率よく設計・改善するための補助役として使えます。
特に役立つのは、現状作業の違いの整理、標準手順候補、入力・出力・判断条件、例外ケース、チェックポイント、教育ケース、抜け漏れレビュー、改訂案の作成です。
一方で、現状観察、品質・安全基準、標準時間、正式ルール、採否、教育合格、定着確認は人が担う必要があります。
生成AIに「正しい標準」を決めてもらうのではなく、「候補を広げる」「抜けを減らす」「比較材料を作る」ために使うと、標準作業をより速く、かつ現場の事実に基づいた形で設計・改善しやすくなります。