生成AIは、カンバンの運用ルールを自動で決めるための道具ではありません。一方で、曖昧な依頼をカードへ分解する、列候補を整理する、WIP超過や滞留の原因候補を洗い出す、週次レビュー用の質問を作るといった補助には使えます。
重要なのは、AIが出した列、WIP上限、完了条件、優先順位をそのまま採用しないことです。カンバンでは、実際の仕事の流れ、担当人数、レビュー能力、依頼品質、締切、例外対応を人が確認し、現場に合う運用ルールを決める必要があります。
この記事では、生成AIをカンバンに補助的に使う方法を、カード作成、列設計、WIP制限、ブロック分析、日次・週次レビューまで、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。
カンバンの意味や全体像から確認したい場合は、カンバンとは?を参照してください。人だけで進める基本手順は、カンバン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。
- 曖昧な依頼をカード化する
- カードの完了条件候補を出す
- 現在の業務フローから列候補を整理する
- WIP上限を見直すための確認項目を作る
- ブロック理由を分類する
- レビュー待ちの滞留原因候補を洗い出す
- 週次レビュー用の質問を作る
- 改善案を複数比較する
一方で、次の判断は生成AIだけに任せない方が安全です。
- 正式な列定義
- WIP上限
- 緊急案件の扱い
- カードの優先順位
- 完了条件
- 誰が担当するか
- 運用ルールの変更
- 改善効果の判定
AIは「候補を広げる」「抜け漏れを減らす」役に置き、最終判断は人が行います。
1. 曖昧な依頼をカンバンカードへ変える
プロンプト例
次の依頼を、カンバンで管理しやすいカード候補へ変えてください。
依頼: 「A社対応をお願いします」
出力してください。
- タスク名候補
- 依頼元へ確認すべき質問
- 担当者が決まる前に必要な情報
- 完了条件候補
- ブロックになりそうな点
分からないことは推測せず、質問にしてください。
出力の使い方
AIが、
A社向け見積説明資料を作成する
と具体化しても、本当に見積資料なのかは人が確認します。
依頼元へ確認し、実際には「A社向け売上推移グラフの更新」だったなら、カード名を修正します。
2. 完了条件候補を作る
カンバンでは、「どこまで終われば完了か」が曖昧だと、完了列の意味が崩れます。
プロンプト例
次のカードについて、完了条件候補を3案出してください。
カード: 「A社向け見積説明資料を3ページで作成」
条件:
- 作成しただけで完了にしない
- 必要なレビューや共有まで考慮する
- 最終判断は人が行う前提で書く
出力の使い方
AIが、
- 上司レビュー完了
- 修正反映済み
- 営業担当へPDF共有済み
などを提案したら、実際の業務ルールと照合します。
人が最終的に、
上司レビュー済みPDFを営業1課へ共有した時点で完了
と決めます。
3. 現在の業務フローから列候補を作る
プロンプト例
以下は営業企画チームの依頼業務です。
- 営業から依頼を受ける
- 必要データと期限を確認する
- 資料を作る
- 上司がレビューする
- 修正する
- 営業へ共有する
この流れをカンバンの列候補へ整理してください。
条件:
- 列を増やしすぎない
- 待ち状態が見えるようにする
- 各列について「入る条件」「次へ進む条件」を書く
出力の使い方
AIは、
- 受付
- 要件確認
- 作業中
- レビュー待ち
- 修正中
- 完了
のような案を出せます。
ただし、実際の現場で要件確認が独立した状態として必要か、修正中を分ける意味があるかは人が決めます。
4. WIP上限を考えるための確認項目を作る
生成AIにWIP上限そのものを決めさせるのは適切ではありません。
一方で、判断材料の整理には使えます。
プロンプト例
3人チームでカンバンを使っています。
現在:
- 作業中カード 8件
- レビュー待ち 4件
- 1人あたり同時進行 3〜4件
WIP上限を見直す前に、人が確認すべきデータを整理してください。
含めてください。
- 1件あたりの平均作業時間
- レビュー能力
- 緊急案件の頻度
- ブロック件数
- 平均完了日数
- 切り替え頻度
上限値そのものは決めないでください。
出力の使い方
人が実測データを見て、たとえば作業中3件、レビュー待ち2件という上限を試すか判断します。
5. ブロック理由を分類する
プロンプト例
以下のブロック理由を分類し、再発防止の観点を整理してください。
- 営業から最新売上データが来ない
- 上司レビュー待ち
- 顧客回答待ち
- 依頼内容が不明
- システム障害
- 契約条件の確認待ち
出力してください。
- ブロック分類
- 共通原因候補
- 受付時に防げるもの
- 運用ルールで改善できるもの
- 外部要因として追跡すべきもの
出力の使い方
AIが「入力不足」「レビュー能力」「外部回答待ち」などに整理したら、実際の件数を人が確認します。
たとえば、1週間のブロック3件のうち2件が依頼元データ不足なら、受付時チェックを強化する判断につながります。
6. レビュー待ちの滞留原因を洗い出す
プロンプト例
カンバンでレビュー待ちが常に上限2件へ達しています。
考えられる原因候補を、次の観点で整理してください。
- レビュー担当人数
- レビュー時間
- レビュー依頼の品質
- 作業中WIP
- 差し戻し
各候補について、確認すべきデータも示してください。
出力の使い方
AIが「レビュー担当が少ない」「まとめてレビューしている」「差し戻しが多い」などを挙げても、原因は断定しません。
人が実際の記録を確認し、レビュー担当追加、レビュー時間固定、作業中WIPの調整などを判断します。
7. 日次レビューの質問を作る
プロンプト例
営業企画チームのカンバン用に、5分で確認できる日次レビュー質問を作ってください。
確認したいこと:
- WIP上限
- 24時間以上止まっているカード
- レビュー待ち
- ブロック
- 今日完了へ進めるカード
質問は10個以内にしてください。
出力の使い方
AIに定型質問を作らせると、毎日の確認漏れを減らしやすくなります。
ただし、カードの状態更新そのものは担当者が事実に基づいて行います。
8. 週次レビュー用の分析観点を作る
プロンプト例
次の週次実績をレビューしてください。
- 完了:9件
- 作業中WIP超過:0回
- レビュー待ち上限到達:2回
- ブロック:3件
- 主なブロック理由:依頼元データ不足
- 平均完了日数:4.1営業日
出力してください。
- 良くなっている可能性がある点
- 詰まりが残っている可能性がある点
- 追加確認すべきデータ
- 改善案候補
因果関係は断定しないでください。
出力の使い方
AIが改善候補を出した後、人が実データを確認して次週の運用変更を決めます。
9. 改善案を比較する
プロンプト例
レビュー待ちの滞留を減らすため、次の3案を比較してください。
案A:レビュー担当を1人増やす 案B:毎日15時・17時にレビュー時間を固定する 案C:作業中WIPを3件から2件へ減らす
比較観点:
- 期待効果
- 実施コスト
- リスク
- 効果確認指標
- 小さく試す方法
最終案は決めないでください。
出力の使い方
AIを比較材料の整理に使い、現場の人員・期限・業務量を踏まえて人が採否を決めます。
通し例|営業企画チームが生成AIをカンバン改善に使う
営業企画チーム3人は、営業から届く資料作成・集計依頼をカンバンで管理していました。
導入直後、ボードには、
- 作業中:8件
- レビュー待ち:4件
- ブロック:3件
がありました。
まずAIへ、作業中8件のカード名を渡し、「曖昧なカード名」「完了条件が足りないカード」「複数タスクが混ざっているカード」を分類させました。
AIは、
A社対応
のようなカードを具体化すべきと指摘しました。
人が依頼内容を確認し、
A社向け見積説明資料を3ページで作成
へ修正し、完了条件を、
上司レビュー済みPDFを営業1課へ共有
としました。
次に、AIへ業務フローを渡して列候補を整理させました。
候補をもとに、人が、
- 受付
- 要件確認
- 作業中
- レビュー待ち
- 修正中
- 完了
の6列を採用しました。
さらに、WIP上限を決める前に、AIへ確認すべきデータを整理させました。
人が実測すると、1人あたり3〜4件を同時進行しており、レビュー待ちも常に3〜4件ありました。
そこで、試験的に、
- 作業中:最大3件
- レビュー待ち:最大2件
としました。
翌週、作業中WIP超過は0回でしたが、レビュー待ちは2回上限に達しました。
AIへ滞留原因候補を出させたところ、レビュー担当人数、レビュー時間、差し戻し率などが挙がりました。
人が実際の記録を確認すると、レビュー担当が1人で、レビューが夕方に集中していました。
そこで、
- レビュー担当を1人追加
- 15時・17時にレビュー時間を固定
という変更を人が決めました。
また、ブロック3件の内訳をAIに分類させると、2件が依頼元からの必要データ不足、1件が顧客回答待ちでした。
人は、受付時に「必要データがそろっているか」を確認するルールを追加しました。
2週間後、
- 平均完了日数:5.2営業日 → 3.6営業日
- 1人あたり作業中タスク:4〜5件 → 1〜2件
となりました。
ここで重要なのは、「AIが正しいカンバンを設計した」わけではないことです。
AIは、カードの曖昧さ、列候補、確認データ、滞留原因候補、改善案の比較を補助しました。正式な列、WIP上限、レビュー体制、受付ルール、改善効果の判定は人が行っています。
そのまま使える型が必要なら、カンバンテンプレートを使うと、AIの出力を列定義、カード、WIP、ブロック、日次・週次レビューへ整理しやすくなります。具体的な導入判断は、カンバンの具体例も参考になります。失敗を先に確認したい場合は、カンバン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
列定義
AIは一般的な列を提案できますが、実際の業務フローと一致するとは限りません。列に入る条件、次へ進む条件を人が確認します。
WIP上限
AIの推定値を採用せず、担当人数、作業時間、レビュー能力、緊急案件の頻度から決めます。
優先順位
カンバンは仕事の流れを見える化することに強みがあります。重要度・緊急度で優先したい場合は、アイゼンハワーマトリクスとカンバンの違いを参照してください。
時間の確保
カードが整理されても、実行時間が確保できなければ進みません。時間配分を先に決めたい場合は、タイムボクシングとカンバンの違いが参考になります。
未整理タスク
頭の中の曖昧な仕事を具体的な次の行動へ変えることが課題なら、GTDとカンバンの違いを確認すると役割を分けやすくなります。
複数手法をまとめて使い分けたい場合は、アイゼンハワーマトリクス・タイムボクシング・カンバンの使い分けも役立ちます。
完了条件
AIが提案した完了条件は、社内の正式な承認・共有ルールと一致するか確認します。
改善効果
運用変更を入れただけで成功とせず、平均完了日数、WIP超過、ブロック、差し戻しなどを同じ定義で再測定します。
生成AIの誤りと限界
実在しない工程を補うことがある
業務名から一般的な列や作業を推測し、実際には存在しない工程を混ぜることがあります。
原因をそれらしく決めつけることがある
レビュー待ちが多いからといって、必ずしもレビュー担当不足が原因とは限りません。実データで確認します。
WIP上限を一般論で提案することがある
チーム人数だけでは適切な上限は決まりません。作業時間、レビュー能力、案件の大きさを確認します。
緊急度を誤って推測することがある
顧客名や期限の表現から重要度を推測することがあります。正式な優先順位は人が決めます。
機密情報の扱いに注意する
顧客名、契約条件、未公開の売上データ、個人評価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
- AIのカード分解をそのまま採用していないか
- 列が実際の業務フローと一致しているか
- 各列の入る条件・次へ進む条件を人が確認したか
- WIP上限を実測から決めたか
- ブロック理由を事実で確認したか
- レビュー待ちの原因をデータで確認したか
- 完了条件が正式ルールと一致しているか
- 優先順位をAI任せにしていないか
- 緊急案件の扱いを人が決めたか
- 改善前後を同じ指標で比較したか
- AIが作った架空工程を混ぜていないか
- 機密情報を不用意に入力していないか
まとめ
生成AIは、カンバンを効率よく設計・改善するための補助役として使えます。
特に役立つのは、曖昧な依頼のカード化、完了条件候補、列候補、WIP上限を決めるための確認項目、ブロック分類、滞留原因候補、日次・週次レビュー質問、改善案比較の作成です。
一方で、正式な列定義、WIP上限、優先順位、完了条件、緊急案件ルール、運用変更、改善効果の判定は人が担う必要があります。
生成AIに「正しいボード」を作ってもらうのではなく、「候補を広げる」「抜けを減らす」「詰まりを考える材料を増やす」ために使うと、カンバンをより速く、かつ実際の仕事の流れに沿った形で運用しやすくなります。