生成AIは、サービスブループリントを自動で完成させるための道具ではありません。一方で、顧客行動の抜け漏れを洗い出す、フロントステージとバックステージの候補を整理する、問題箇所の原因候補を広げる、改善案を比較するといった補助には使えます。
重要なのは、AIが出した工程や原因を、そのまま現状の事実として扱わないことです。サービスブループリントは、顧客から見える体験と、その裏側で実際に動いている人・システム・他部署をつなぐフレームワークです。AIは一般的な業務パターンを補完できますが、自社の実際の引き継ぎ、例外処理、権限、データ連携までは知りません。
この記事では、生成AIをサービスブループリントの実務に補助的に使う方法を、具体的なプロンプト例、出力の使い方、人が確認すべきポイント、誤りや限界まで含めて解説します。
基本的な意味や構造から確認したい場合は、サービスブループリントとは?を参照してください。人だけで進める基本手順は、サービスブループリント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
サービスブループリントで生成AIを使いやすいのは、主に次のような場面です。
- 顧客行動の候補を洗い出す
- 顧客接点・証拠の候補を整理する
- フロントステージとバックステージを分ける
- 支援プロセスの抜け漏れを確認する
- 待ち・引き継ぎ・二重入力などの失敗点候補を出す
- 原因候補を複数のレイヤーから考える
- 改善案を比較する
- 改善指標の候補を整理する
一方で、次の判断は生成AIだけに任せない方が安全です。
- 実際の顧客行動の確定
- 現場で本当に行われている業務の確定
- 問題原因の確定
- 責任部署の決定
- システム仕様の確定
- 改善施策の採否
- 改善効果の最終判定
AIは「候補を広げる」「抜け漏れを減らす」役、人は「事実確認と意思決定」を担います。
1. 顧客行動の候補を整理する
最初に、対象サービスと開始点・終了点をAIへ渡し、顧客行動の候補を出させます。
プロンプト例
以下のサービスについて、顧客が実際に行う行動だけを時系列で整理してください。
対象サービス:法人向けSaaSの新規導入 対象顧客:従業員100〜500人規模の管理部門主担当者 開始点:契約完了メール受信 終了点:初期設定完了
条件:
- 社内工程は混ぜない
- 顧客が実際に行うことだけを書く
- 不明な工程は推測で確定せず「要確認」とする
出力の使い方
AIが、
- 契約完了メールを受け取る
- 初回ログインする
- 基本情報を入力する
- 権限を設定する
- CSVでデータを移行する
- 初期設定完了を確認する
と整理しても、実際に全顧客がこの順番で進むかは人がログや担当者ヒアリングで確認します。
2. 顧客接点・証拠の候補を出す
顧客行動ごとに、顧客が見るもの・触るものを整理します。
プロンプト例
次の顧客行動について、顧客接点・証拠の候補を出してください。
顧客行動:
- 契約完了メールを受け取る
- 初回ログインする
- 基本情報を入力する
- 権限を設定する
- CSVでデータを移行する
出力:
- 顧客が見る画面
- メール
- 資料
- メッセージ
- 担当者との会話
条件:
- 顧客から見えないCRMや内部DBは含めない
出力の使い方
AIが「初回ログイン画面」「初期設定フォーム」「権限設定画面」「CSVエラーメッセージ」などを挙げたら、実際に存在する接点だけを残します。
3. フロントとバックを分ける
サービスブループリントで混乱しやすいのが、顧客から見える対応と内部処理の区別です。
プロンプト例
次の業務を、フロントステージとバックステージに分けてください。
業務候補:
- 営業が契約完了メールを送る
- 営業が契約情報をCRMへ登録する
- システムが初回ログイン画面を表示する
- CRMからアカウント発行システムへ連携する
- サポート担当が権限設定の質問へ回答する
- システム内部でCSVエラーコードを保持する
判断基準:
- 顧客から直接見えるならフロント
- 顧客から見えない内部処理ならバック
- 判断が難しい場合は理由を書く
出力の使い方
AIの分類をそのまま使わず、「顧客が本当に認識できるか」を人が確認します。
たとえば自動メール配信でも、顧客が受信するならフロント側の接点です。一方、配信条件を判定する内部処理はバック側です。
4. 支援プロセスの抜け漏れを確認する
裏側の業務には、CRM、認証基盤、FAQ、データ連携、他部署などが関係します。
プロンプト例
次のサービス提供を支える支援プロセス候補を整理してください。
顧客体験:法人向けSaaSの初期設定 フロント:初回ログイン案内、権限設定支援、CSVエラー表示 バック:契約情報登録、アカウント発行、導入担当確認
出力:
- 関係するシステム候補
- 関係する他部署候補
- 依存するデータ候補
- 抜けると顧客体験へ影響する箇所
条件:
- 実在を断定しない
- 一般的な候補として提示する
出力の使い方
AIがCRM、認証基盤、顧客マスタ、FAQ管理、CSV検証ロジックなどを挙げても、実際のシステム構成と照合します。
5. 待ち・引き継ぎ・二重入力の候補を洗い出す
サービスブループリントでは、問題が起きやすい境界を見つけることが重要です。
プロンプト例
以下の流れについて、失敗点候補を整理してください。
顧客:契約完了→初回ログイン→基本情報→権限設定→CSV移行→初期設定完了 フロント:営業メール、初期設定画面、サポート回答、エラー表示 バック:CRM登録、アカウント発行、導入担当確認、CSV検証
次の観点で出力してください。
- 待ち時間
- 部署間引き継ぎ
- 情報欠落
- 二重入力
- 手作業
- 顧客の再説明
- エラー情報の断絶
原因は確定せず、確認すべき箇所として出してください。
出力の使い方
AIが「営業から導入担当への情報欠落」を候補にしても、本当に起きているかCRM項目やヒアリングで確認します。
6. 問題原因を複数レイヤーから考える
「初期設定が分かりにくい」という問題を、画面だけの原因にしないためにAIを使えます。
プロンプト例
問題: 「顧客が初期設定で何を先に入力すればよいか分からない」
原因候補を次のレイヤー別に出してください。
- 顧客側
- フロントステージ
- バックステージ
- 支援プロセス
各原因候補について、確認すべきデータも書いてください。
原因は断定しないでください。
出力の使い方
AIが、
- 顧客側:事前準備情報が不足
- フロント:必須・任意表示が弱い
- バック:利用目的が導入担当へ渡っていない
- 支援:権限テンプレートがない
などを挙げたら、実際のログ・設定・運用を確認します。
7. 改善案を複数レイヤーで比較する
AIに「最適な改善策」を決めさせるのではなく、選択肢を広げます。
プロンプト例
次の問題への改善案を、フロント・バック・支援プロセスに分けて5案以上出してください。
問題: 契約時に伝えた利用目的を、導入担当から再度聞かれる。
出力:
- 改善案
- 対象レイヤー
- 期待効果
- 実施コスト
- リスク
- 確認すべき前提
最終案は決めないでください。
出力の使い方
AIが「CRM必須入力」「導入担当への自動連携」「引き継ぎチェックリスト」などを出したら、既存システムや運用負荷を人が比較します。
8. 改善指標の候補を整理する
サービスブループリントは、描いて終わりではありません。
プロンプト例
次の改善施策について、顧客側と業務側の指標候補を出してください。
施策:
- 初期設定の必須・任意項目を分ける
- CRM引き継ぎ項目を必須化する
- 権限テンプレートを追加する
- CSVエラー詳細を表示する
出力:
- 顧客側指標
- 業務側指標
- 改善前後で比較するときの注意点
出力の使い方
AIが、初期設定完了日数、問い合わせ件数、手作業時間などを出したら、実際に取得できるデータだけを採用します。
通し例|法人向けSaaSのブループリント作成をAIで補助する
ここでは、法人向けSaaSの契約完了から初期設定完了までを例にします。
対象は、従業員100〜500人規模の管理部門主担当者です。
1. 人が対象範囲を決める
人が、
- 開始点:契約完了メール受信
- 終了点:初期設定完了
- 改善目的:初期設定完了までの日数と問い合わせ件数を減らす
と決めました。
2. AIに顧客行動候補を出させる
AIは、
- 契約完了メールを受け取る
- 初回ログインする
- 基本情報を入力する
- 権限を設定する
- CSVでデータ移行する
- 初期設定完了を確認する
という候補を出しました。
人が行動ログと導入担当ヒアリングで確認し、この流れを採用しました。
3. AIにフロント・バック候補を分けさせる
AIは、営業メールや初期設定画面をフロント、CRM登録やアカウント発行をバックに分類しました。
人が確認すると、営業が把握していた利用部門・予定ユーザー数・利用目的・権限方針がCRMで必須項目になっておらず、導入担当へ一部しか渡っていないことが分かりました。
4. AIに失敗点候補を出させる
AIは、
- 営業→導入担当の引き継ぎ
- 権限設定の説明ばらつき
- CSVエラー情報の断絶
を候補として挙げました。
人が確認したところ、実際に、
- 顧客が契約時の内容を再説明している
- サポート担当が権限設定例を毎回個別作成している
- 内部ではCSVの行番号とエラーコードを保持しているのに顧客画面には表示していない
ことが分かりました。
5. AIに改善案を広げさせる
AIへ原因候補を渡し、フロント・バック・支援プロセス別に改善案を出させました。
人が実装コストと効果を比較し、
- CRMで利用部門・予定ユーザー数・利用目的・権限候補を必須入力
- 導入担当へ自動連携
- 初期設定で必須項目と後回し項目を分ける
- 権限テンプレートを3種類用意
- CSVエラーの行番号と理由を画面表示
を採用しました。
6. 改善後を測定する
3か月後、同条件の新規顧客で確認すると、
- 初期設定完了まで:平均8営業日 → 4.9営業日
- 初月問い合わせ:1社平均5.4件 → 2.8件
- 権限設定問い合わせ:月42件 → 19件
- CSVエラー再問い合わせ:月31件 → 11件
となりました。
ここでAIは、問題候補と改善案を広げる補助をしました。しかし、実際の業務確認、原因確定、施策採用、改善判定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、サービスブループリントテンプレートを使うと、顧客行動、接点、フロント、バック、支援プロセス、課題、改善施策、指標を整理しやすくなります。
具体的な適用判断をケースで追いたい場合は、サービスブループリント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、サービスブループリント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
実際の顧客行動
AIの一般的な流れではなく、ログ、インタビュー、問い合わせなどで確認します。
フロントとバックの境界
自動処理でも顧客から見えるものと見えないものがあります。実際の体験で判断します。
部署間の引き継ぎ
AIは引き継ぎ候補を挙げられますが、実際にどの項目が欠けるかは現場確認が必要です。
システム仕様
AIが「内部ではエラー詳細を持っているはず」と推測しても、事実とは限りません。仕様書やログで確認します。
原因と相関
問題の近くにある工程が原因とは限りません。複数の原因候補をデータで確認します。
改善施策の責任
担当部署、コスト、優先順位、顧客影響は人が決めます。
生成AIの誤りと限界
実在しない工程を作ることがある
一般的なSaaS業務をもとに、実際には存在しない承認やシステム連携を補うことがあります。
フロントとバックを誤分類することがある
顧客から見えるかどうかは、実際の提供形態を知らないと判断できない場合があります。
原因をそれらしく断定することがある
「問い合わせが多いからUIが悪い」など、根拠のない因果関係を作ることがあります。
抜けている工程を過剰に補うことがある
抜け漏れチェックを頼むと、必要以上に工程やシステムを増やすことがあります。
改善案が一般論に寄ることがある
「FAQを増やす」「研修する」「自動化する」といった汎用案だけになることがあります。実際の原因とつながっているか確認します。
機密情報の扱いに注意が必要
顧客名、契約条件、社内システム構成、未公開仕様、障害情報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。
生成AIに任せすぎないためのチェックリスト
- 対象顧客、開始点、終了点を人が決めたか
- AIの顧客行動候補をログやヒアリングで確認したか
- 顧客接点が実在するか確認したか
- フロントとバックの境界を現場で確認したか
- 支援プロセスを実際のシステム構成と照合したか
- AIの失敗点候補を事実として扱っていないか
- 原因候補をデータで検証したか
- 改善案を複数比較したか
- 担当部署と責任者を人が決めたか
- 改善指標が実際に取得できるか確認したか
- 改善前後を同じ条件で比較しているか
- AIが作った架空工程を混ぜていないか
- 機密情報の入力が社内ルールに適合しているか
まとめ
生成AIは、サービスブループリントを効率よく作成・改善するための補助役として使えます。
特に役立つのは、顧客行動候補、顧客接点、フロント/バックの分類候補、支援プロセスの抜け漏れ、待ち・引き継ぎ・情報断絶の候補、原因候補、改善案、改善指標の整理です。
一方で、実際の顧客行動、現場業務、システム仕様、原因、責任部署、施策、改善効果の判定は人が担う必要があります。
生成AIに「正しいサービスブループリントを描いてもらう」のではなく、「仮説を広げ、確認すべき箇所を早く見つける」ために使うと、顧客体験と裏側の業務をより効率よく整理し、改善へつなげやすくなります。