生成AIは、VSM(Value Stream Mapping)の現状把握や改善判断を自動で代行するための道具ではありません。一方で、工程候補の整理、測定項目の洗い出し、待ち時間や手戻りのレビュー、Future State候補、関係者への確認質問づくりには使えます。
重要なのは、AIが出した「工程」「待ち時間」「ムダ」「改善案」をそのまま事実として扱わないことです。VSMでは、Current Stateを実際の業務とデータから描き、処理時間・待ち時間・滞留・手戻りを測り、改善後も同じ指標で再測定する必要があります。
この記事では、生成AIをVSMに補助的に使う方法を、対象範囲、現状Process、時間計測、価値/非価値、改善候補、Future State、効果確認まで、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。
VSMの基本的な意味から確認したい場合は、VSMとは?を参照してください。人だけで進める基本手順は、VSM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。
- 対象プロセスの開始点・終了点候補を整理する
- 現状Processを5〜10工程程度へまとめる
- 各工程で測るべき時間や件数を洗い出す
- 待ち・滞留・手戻りの確認質問を作る
- 価値/必要非価値/非価値の分類観点を出す
- 改善候補を広げる
- Future Stateのたたき台を作る
- 改善後の再測定項目を整理する
一方で、次の判断は生成AIだけに任せない方が安全です。
- 実際の業務の開始点と終了点
- 各Processの実測時間
- 待ち時間や滞留件数
- 顧客にとって何が価値か
- 法令・統制上残すべき活動
- 根本原因
- 改善優先順位
- 改善後に本当に効果が出たか
AIは候補と質問を出す役に置き、事実と判断は現場とデータで確認します。
1. 対象範囲を決めるプロンプト
VSMでは、最初に端から端までの対象範囲を決めます。
プロンプト例
以下の業務課題について、VSMで扱いやすい対象範囲を3案作ってください。
- 業務:月次請求処理
- 問題:請求書送付に平均3営業日かかる
- 関係部署:営業、管理、経理
- 現在の候補:売上確定から入金確認まで
各案について、
- 開始点
- 終了点
- 対象外
- 顧客が受け取る最終成果
- その範囲にする理由
を示してください。
原因や改善案はまだ決めないでください。
出力の使い方
AIが、
開始点:売上確定データ受領 終了点:承認済み請求書の顧客送付
と提案しても、その範囲が実務上妥当かは人が確認します。
入金消込や債権回収まで含めると広すぎる場合は、対象外にします。
2. 現状Processをまとめるプロンプト
VSMではCurrent Stateを描きます。ここで重要なのは、理想フローではなく実際の流れです。
プロンプト例
以下の実作業一覧を、VSMで使える主要Processへまとめてください。
- 売上データを開く
- 契約番号を確認する
- 顧客情報を確認する
- 金額を確認する
- 請求書を作成する
- PDF化する
- 承認者を調べる
- 承認依頼する
- 承認結果を確認する
- 顧客へ送る
5〜10工程程度にまとめ、各工程で追加確認すべき例外も挙げてください。
出力の使い方
AIが、
- 売上確定データを受領する
- 契約条件を確認する
- 顧客情報を確認する
- 請求書を作成する
- 承認を依頼する
- 承認結果を確認する
- 顧客へ送付する
と整理したら、実際の案件を1件追って順番を確認します。
手順書と違う動きや差し戻しがある場合は、人が修正します。
3. 測定項目を洗い出すプロンプト
生成AIは「何を測るべきか」の漏れを減らす用途に向いています。
プロンプト例
次のVSM対象Processについて、Current Stateで測るべき項目を整理してください。
対象:売上確定データ受領から請求書送付まで
各工程について、
- 処理時間
- 待ち時間
- 滞留件数
- 差し戻し率
- 再作業時間
- 情報源
- 受け渡し方法
- 例外処理
を確認したいです。
不足している測定観点があれば追加してください。
出力の使い方
AIが測定項目を挙げても、数値はAIに作らせません。
受付時刻、着手時刻、完了時刻、次工程開始時刻、差し戻し履歴などを実データから取ります。
4. 待ち時間とリードタイムをレビューする
VSMでは、実作業時間より待ち時間の方が大きな改善余地になることがあります。
プロンプト例
以下の測定結果をレビューし、改善前に追加確認すべき点を整理してください。
- 実作業時間合計:65分
- 全体リードタイム:3営業日
- 契約条件確認待ち:6時間
- 顧客マスタ更新待ち:3時間
- 承認待ち:8時間
- 差し戻し率:18%
出力してください:
- リードタイムへの影響が大きい箇所
- 追加で確認すべきデータ
- 原因と断定してはいけない点
- 比較すべき条件
出力の使い方
AIは「承認待ち8時間が最大」と指摘できます。
しかし、「承認者不足が原因」とまで決めさせません。
月末だけ長いのか、特定金額帯だけ遅いのか、承認者誤りで再申請が発生しているのかを人が確認します。
5. 差し戻し・再作業の確認質問を作る
プロンプト例
請求処理のVSMで差し戻し率が18%あります。
差し戻しの原因仮説を広げるための確認質問を15個作ってください。
観点:
- 入力不足
- 承認者誤り
- 顧客マスタ
- 契約条件
- 税区分
- 情報の最新版
- 月末集中
原因は断定せず、確認すべきデータと反証条件を付けてください。
出力の使い方
AIが作った質問を、調査票やレビュー会議のチェックリストとして使います。
実際の原因は、差し戻し履歴や案件比較で支持・反証します。
6. 情報フローを確認するプロンプト
業務VSMでは、情報の分散が待ち時間を生むことがあります。
プロンプト例
次の請求プロセスについて、情報フロー上の確認ポイントを整理してください。
- 売上確定データ:基幹システム
- 契約条件:共有フォルダと営業管理システム
- 顧客情報:顧客マスタ
- 承認依頼:メール
以下の観点を含めてください。
- 二重入力
- 転記
- 最新版の判別
- 承認先の曖昧さ
- 更新タイミング
- 情報待ち
出力の使い方
AIの出力をもとに、実際のシステムと受け渡しを確認します。
「メール承認だから遅い」と単純に決めず、メール自体が問題なのか、承認ルールが曖昧なのかを分けて調べます。
7. 価値・必要非価値・非価値の分類を補助させる
プロンプト例
以下の活動を、
- Value Added
- Necessary but Non-Value Added
- Non-Value Added
の3分類候補に分けてください。
対象活動:
- 請求書作成
- 顧客送付
- 契約条件確認
- 承認
- 同じ情報の再入力
- 承認者を探す
- 差し戻し対応
- 顧客マスタ更新待ち
各分類について、判断理由と、人が確認すべき法令・統制・品質条件を示してください。
出力の使い方
AIが「承認は非価値」と分類しても、そのまま削除しません。
法令、内部統制、品質保証のために必要ならNecessary but Non-Value Addedとして残します。
価値判定は顧客要求と組織上の必要条件を人が確認して決めます。
8. 改善候補を広げるプロンプト
プロンプト例
以下のCurrent Stateの問題に対して、改善案を各3案出してください。
- 契約条件確認待ち:6時間
- 承認待ち:8時間
- 顧客マスタ更新待ち:3時間
- 差し戻し率:18%
各案について、
- どの問題に効くか
- 実施内容
- 期待効果
- 実行難易度
- 副作用
- 効果確認指標
を示してください。
一度に大量施策を実施する前提にしないでください。
出力の使い方
たとえば、
- 契約条件の参照先統一
- 金額帯ごとの承認ルール明文化
- 売上確定データの必須項目統一
- 顧客マスタ更新締切設定
などが候補になります。
最終優先順位は、待ち時間、発生頻度、顧客影響、実行難易度を見て人が決めます。
9. Future Stateのたたき台を作る
プロンプト例
次のCurrent Stateから、Future Stateのたたき台を3案作ってください。
現状:
- 実作業時間65分
- 全体リードタイム3営業日
- 契約条件確認待ち6時間
- 承認待ち8時間
- 差し戻し率18%
改善候補:
- 入力必須項目統一
- 契約条件参照先統一
- 承認ルール明文化
- 顧客マスタ更新締切設定
各案で、
- 変えるProcess
- 減らしたい待ち・手戻り
- 新しい情報フロー
- 人が決めるべき目標値
を示してください。
出力の使い方
AIに「待ちゼロ」「差し戻しゼロ」といった願望を決めさせません。
過去データ、業務制約、品質・統制条件を見て、実現可能なFuture Stateを人が選びます。
10. 改善計画へ落とすプロンプト
プロンプト例
以下の改善候補を実行計画へ整理してください。
- 売上確定データ形式統一
- 契約条件参照先統一
- 承認ルール明文化
- 顧客マスタ更新締切設定
各施策について、
- 主担当候補
- 事前確認
- 実施ステップ
- 効果指標
- 副作用指標
- レビュー時に確認する質問
を示してください。
具体的な責任者名や期限は勝手に決めず、必要な役割を示してください。
出力の使い方
AIの案をたたき台にして、実際の責任者、期限、会議日程、システム変更可否を人が決めます。
11. 改善後の再測定を設計する
プロンプト例
VSM改善後の効果確認計画を作ってください。
改善前:
- 実作業時間65分
- 全体リードタイム3営業日
- 差し戻し率18%
改善後に同じ定義で比較したいです。
出力してください:
- 測定項目
- 測定期間
- 比較条件
- 副作用指標
- 改善継続 / 修正 / 中止の判断材料
出力の使い方
実際に改善後を測り、たとえば、
- 実作業時間:65分 → 55分
- 全体リードタイム:3営業日 → 1.5営業日
- 差し戻し率:18% → 7%
となったかを確認します。
AIに「改善した」と評価させる前に、元データと同じ定義で人が比較します。
通し例|請求処理のVSMで生成AIを補助的に使う
管理部門で、請求書送付まで平均3営業日かかっていました。
最初に人が改善テーマを確認し、生成AIには対象範囲候補を出させました。
最終的に、
- 開始点:売上確定データ受領
- 終了点:承認済み請求書の顧客送付
と人が決めました。
次にAIへ現状Process候補と測定項目を出させ、実際の案件を追いました。
実測結果は、
- 実作業時間:65分
- 契約条件確認待ち:6時間
- 顧客マスタ更新待ち:3時間
- 承認待ち:8時間
- 全体リードタイム:3営業日
- 差し戻し率:18%
でした。
AIには、この結果から追加確認すべき質問を出させました。
そのうえで人が実データを確認すると、
- 売上確定データに必須項目の欠損がある
- 契約条件の参照先が分散している
- 承認ルールが案件ごとに分かりにくい
- 顧客マスタ更新締切が曖昧
ことが分かりました。
改善候補はAIに広げさせましたが、最終的に人が、
- 入力必須項目統一
- 契約条件参照先統一
- 承認ルール明文化
- 顧客マスタ更新締切設定
を選びました。
Future StateもAIにたたき台を作らせましたが、目標値は過去データと現場制約を見て決めました。
2か月後に再測定すると、
- 実作業時間:55分
- 全体リードタイム:1.5営業日
- 差し戻し率:7%
となりました。
ここで重要なのは、「AIが改善した」のではないことです。
AIは、工程候補、測定観点、質問、改善案、Future State案を広げました。実測、原因確認、優先順位、実施判断、効果確認は人が行っています。
そのまま使える記入形式が必要なら、VSMテンプレートを使うと、AIの出力をCurrent StateとFuture State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、VSM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、VSM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
実測値
生成AIは実際の処理時間や待ち時間を保証できません。受付、着手、完了、次工程開始の時刻を元データで確認します。
Current Stateの実在性
AIは一般的な業務フローを作れますが、現場の例外、差し戻し、特殊案件を見落とすことがあります。
価値・非価値の判定
顧客価値だけでなく、法令、品質、内部統制で必要な活動を人が確認します。
根本原因
VSMで待ちが見えても、その原因は別です。追加データで支持・反証します。
改善優先順位
AIが効果が高いと評価しても、顧客影響、費用、リスク、実行難易度を人が判断します。
効果確認
改善策を実施しただけで成功とせず、同じ指標で再測定します。
生成AIの誤りと限界
存在しない時間や件数を補うことがある
データが不足すると、それらしい数字を作る可能性があります。数値は必ず元データで確認してください。
理想フローをCurrent Stateとして出すことがある
AIは整ったプロセスを作りがちです。現実の待ち、差し戻し、例外を人が追加します。
待ちの場所を原因扱いすることがある
「承認待ちが長い」ことと、「承認者不足が原因」は同じではありません。原因仮説は検証します。
非価値活動を削りすぎることがある
統制や品質保証のために必要な工程まで削減候補にする可能性があります。
Future Stateを理想化しすぎることがある
待ちゼロ、手戻りゼロ、完全自動化などを前提にせず、現実的な制約を入れて判断します。
機密情報の扱いに注意する
顧客名、契約条件、個人評価、未公開の業務データ、システム構成を入力する場合は、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
- 対象範囲を人が最終確認したか
- Current Stateを実案件で確認したか
- 処理時間を実測したか
- 待ち時間を実測したか
- 差し戻し・再作業を確認したか
- 情報フローを現場で確認したか
- AIが作った数値を事実として使っていないか
- 価値/非価値の分類を人が確認したか
- 根本原因を追加データで検証したか
- 改善優先順位を人が決めたか
- Future Stateを現実的な制約で確認したか
- 改善後を同じ指標で再測定したか
- 機密情報を不用意に入力していないか
まとめ
生成AIは、VSMを効率よく実践するための補助役として使えます。
特に役立つのは、対象範囲候補、Current Stateの工程整理、測定項目、待ち・手戻りの確認質問、価値/非価値の分類観点、改善候補、Future State案、効果確認項目の作成です。
一方で、実測値、Current Stateの実態、価値判定、根本原因、改善優先順位、効果確認は人が担う必要があります。
生成AIにVSMの正解を作ってもらうのではなく、「候補を広げる」「測定漏れを減らす」「確認質問を作る」ために使うと、VSMをより速く、かつ現場の事実に基づいた形で実践しやすくなります。