AI活用の前に業務標準化|業務がバラバラだとAIは学習できない
AIは、揃っていない業務を揃えてはくれない。
AIのPoCが「思ったより賢くない」で終わる原因は、モデルではなく渡した知識の状態です。用語・業務名・手順・判断基準を揃え、人・AI・システムの役割を分けてから渡す順番を解説します。
読了目安 約9分 | 公開日 2026年11月5日 | 監修:谷川雄亮(BoundFor)
この記事のまとめ
AIが「使えない」と判断される原因は、モデルの性能ではなく、渡した知識の状態です。同じ業務が拠点ごとに違う名前で呼ばれ、古い版と新しい版が同じ場所にあり、例外がどこにも書かれていない。この状態では、どんなAIも現場が納得する答えを返せません。AIの準備は、業務標準化そのものです。
- 用語・業務名・手順・判断基準の4つを、AI導入の前に揃える
- 人・AI・システムの役割を、業務ごとに分ける
- 業務はマクロ・ミドル・ミクロの3粒度で見える化する
- AIで棚卸しを速くし、根拠の確認と判断は人が持つ
こんな人向け:AI導入を検討中・PoCで止まっている企業のDX担当者、業務改革・BPR担当、情報システム部門の責任者
STORY IN 3 MINUTES
3分でわかる、この詰まりのほどき方
STEP 1
目指したいこと
生成AIで、社内の知識に誰でもすぐ答えを出せるようにしたい。問い合わせ対応や資料探しの時間を減らし、業務の生産性を上げたいと考えています。
STEP 2
ぶつかる壁
AI導入を検討し、社内文書を渡そうとする。どこに何があるか分からない。同じ業務の資料が拠点の数だけある。用語も表記もバラバラ。結局、PoCが「思ったより賢くない」で終わる。
STEP 3
つまずきの真因
AI導入を検討し、社内文書を渡そうとする。どこに何があるか分からない。同じ業務の資料が拠点の数だけある。用語も表記もバラバラ。結局、PoCが「思ったより賢くない」で終わる。
STEP 4
乗り越え方
用語・業務名・手順の標準を先に決める。人・AI・システムの役割分担を設計する。AIで棚卸しを加速し、判断は人が持つ。
STEP 5|越えた先
業務と用語がそろうと、AIは「それらしい答え」ではなく現場で使える答えを返します。標準化が、AI活用の効果を何倍にも引き出す土台になります。
実践の3つのポイント
AIの前に、用語と業務名を揃える
同じ業務を、部署ごとに違う名前で呼んでいたら、AIは別の業務として扱う。名寄せは、人がやる仕事。
人・AI・システムの役割を、先に分ける
どこまでAIに任せ、どこから人が判断するか。これを決めずに導入すると、現場は「使えない」と判断する。
AIで棚卸しを速くし、判断は人が持つ
資料や会話から業務のたたき台を作るのはAIが得意。根拠を確かめ、現場の実態に合わせるのは人。この分担が現実的。
AIの導入は、たいてい「ツールの検証」から始まります。いくつかの製品を試し、デモを見て、費用対効果を試算する。この進め方は、道具を選ぶ段階では正しい。ただ、AIの場合は順番が逆になりやすい。
AIが参照するのは、自社が持っている知識です。その知識が揃っていなければ、AIは揃っていないままの答えを返します。そして「うちの業務には合わない」という結論になります。
この記事は、AIの使い方の話ではありません。AIに渡す前に、何を決めておくかの話です。
1.何が起きているのか
ある企業で、社内文書を検索・回答できるAIの検証が始まりました。
方針は「まず、社内の資料を全部入れてみよう」。共有フォルダ、チャット、議事録、マニュアル。思いつくものを片端から入れました。
1か月後、検証の報告会。
「精度が上がりません。質問に対して、それらしい答えは返すのですが、現場の人が読むと『それは違う』となることが多くて」
原因を調べると、こうでした。
- 同じ業務のマニュアルが、拠点ごとに7種類あった
- 同じ意味の用語が、3通りに使い分けられていた
- 古い版と新しい版が、同じフォルダに混在していた
- 「例外のときはこうする」が、どこにも書かれていなかった
AIの性能の問題ではありません。渡した知識が、整っていなかったのです。
AIに渡す前の標準化とは何か
AIに渡す前の標準化とは、AIが参照する知識を、人もAIも同じ意味で使える状態に整えることです。文章をきれいにすることではありません。用語・業務名・手順・判断基準の4つを、社内で一意に決めることです。
整える対象は、次の4つです。
- 用語:同じ意味で違う言葉を使わない。用語集を作る
- 業務名:業務の一覧を作り、名前を統一する
- 手順:標準の手順を決め、版を管理する
- 判断基準:例外と分岐を、条件で書く
この4つが揃っていないと、AIは「それらしいが違う答え」を返します。人が読めば気づける誤りを、AIは自信を持って出力します。
似ている言葉との違い
| 言葉 | 中身 | AIに渡す前の標準化との関係 |
|---|---|---|
| AIに渡す前の標準化 | 用語・業務名・手順・判断基準を一意に決めること | AIが参照する知識を整える |
| AI導入 | AIのツールを選び、業務に組み込むこと | 後半の作業。整っていない知識の上に載せると崩れる |
| データ整備 | システムが持つデータの形式や精度を整えること | 片方だけでは足りない。文章の知識は別に整える |
| 業務標準化 | 業務そのものを揃える活動 | 同じもの。AIを理由に進めると、むしろ進みやすい |
なぜ今、AIの前提が問題になるのか
AIを使いたい企業は増えていますが、前提になる標準化は進んでいません。
従業員300名以上の企業を含む1,233名への調査では、「特定の人にしかできない業務がある」が約6割、「マニュアルや手順が整わず、どう動けばいいか分からない」が57.7%でした(参照1)。AIに渡す前に整えるべきものが、そもそも整っていない状態です。
自社で支援した会社では、書き出した業務の約9割が「作業」で、判断や調整はほとんど出てきませんでした(参照2)。AIがいちばん苦手なのは、この「判断」の部分です。
人手も制約になっています。2024年度の人手不足倒産は350件で、2年連続の過去最多(参照3)。人が足りないからAIに期待する。その期待に応えるには、まず渡す知識を整える必要があります。
2.なぜ起こるのか
① 業務と用語が、揃っていない
同じ業務を、A部署は「受付処理」、B部署は「一次対応」、C部署は「フロント業務」と呼んでいる。人は文脈で分かりますが、AIは別のものとして扱います。名寄せができていないと、正しい情報にたどり着けません。

② 版が、管理されていない
古い版と新しい版が混在していると、AIはどちらが正しいか判断できません。両方を参照して、矛盾した答えを返します。
③ 判断基準が、文書化されていない
「例外のときは臨機応変に」。これが書かれていないので、AIは例外を扱えません。結果、正常時の答えしか返せず、現場のいちばん困るときに役に立ちません。
④ いきなりツールから入っている
「AIで何ができるか」から始めると、業務の整理を飛ばします。すると、整っていない知識の上にAIを載せることになり、精度が出ません。そして「AIは使えない」という結論になります。
⑤ 役割分担が、決まっていない
どこまでAIに任せ、どこから人が判断するか。これが決まっていないと、現場は「責任が曖昧な道具」として避けます。
3.どう対処するか
用語・業務名・手順を、先に揃える
AI導入の前に、最低限これを決めます。

- 用語:同じ意味で違う言葉を使わない。用語集を作る
- 業務名:業務の一覧を作り、名前を統一する
- 手順:標準の手順を決め、版を管理する
- 判断基準:例外と分岐を、条件で書く
これは、業務標準化そのものです。AIの準備は、AIの話ではなく、業務の話です。
AI機能が付いた仕組みでも、中身は変わらない
マニュアルの仕組みにAI機能が付いてきています。検索の精度が上がり、下書きも作れる。ただ、AIが参照するのは、そこに載っている内容です。載っていない例外は答えられません。古い版が混在していれば、古い答えを返します。AIの精度を上げる作業は、コンテンツを整える作業と同じです。
人・AI・システムの役割を分ける
- システム:決まった処理を、決まった通りに(計算、転記、通知)
- AI:大量の情報の整理、候補の提示、下書き、検索(判断の材料を出す)
- 人:判断、例外の対応、責任を伴う決定、現場の実態との突き合わせ
この分担を、業務ごとに決めます。分担が決まれば、AIの導入範囲も決まります。
全体・対象業務・手順の3粒度で、業務を見える化する
AIに渡す前に、業務の地図を作ります。
- マクロ:事業全体の流れ(どこに情報が溜まっているか)
- ミドル:対象業務の流れ(どこをAIに任せるか)
- ミクロ:手順(どう書くか)
この3層があると、AIに渡す範囲と、人が持つ範囲を分けて設計できます。現状と将来像を並べて、変更の経緯を版として残す。これができると、AI導入の議論が「何を任せるか」に変わります。
AIで棚卸しを加速し、人が確かめる
資料や会話から業務のたたき台を作るのは、AIが得意です。ただし、AIが出した内容は、根拠資料と照らして人が確かめる。この分担を守らないと、間違った標準ができます。
4.チェックリスト
- 同じ業務を、複数の名前で呼んでいない
- 用語集がある
- 業務の一覧があり、名前が統一されている
- 標準の手順に、版の管理がある
- 古い版が、参照されないようになっている
- 例外・判断の分岐が、条件で書かれている
- 人・AI・システムの役割分担が、業務ごとに決まっている
- AIの出力を、人が確かめる工程がある
- 業務の全体像が、1枚で見える
- 何のためにAIを入れるかが、1文で言える
5.そのまま使える型
AIに渡す前の点検シート
【対象業務】 ■ 何のためにAIを使うか(1文) ■ 知識の状態 □ 業務名は統一されている □ 用語は統一されている(用語集:有/無) □ 手順は標準化されている □ 版は管理されている □ 古い版は隔離されている □ 例外・判断基準が書かれている ■ 役割分担 システムに任せる: AIに任せる(候補提示・下書き・検索): 人が持つ(判断・例外・決定): ■ 確かめる工程 誰が、何を根拠に、AIの出力を確認するか: ■ 効果の測り方 指標: ベースライン:
「何のためにAIを使うか」を1文にする
× AIを活用して業務を効率化する ○ 問い合わせ対応の下書きをAIが作り、 担当者が確認して返信する。 これにより、1件あたりの作成時間を 15分から5分にする。 ※ 主語(誰が)、行為(何をする)、 効果(何がどうなる)を入れる
6.実践してみる
- AIを使いたい業務を1つ選ぶ
- 「何のために使うか」を1文で書く
- 点検シートで、知識の状態をチェックする
- チェックが付かなかった項目を、標準化の課題として整理する
- 人・AI・システムの役割を、3行で分ける
- AIの出力を誰がどう確かめるかを決める
4番目が、そのまま標準化プロジェクトの計画になります。
7.どんな成果が出ているか
知識を整えてからAIを入れると、検証の議論が変わります。
ある企業では、社内文書を検索・回答するAIのPoCが「精度が上がらない」で止まっていました。同じ業務のマニュアルが拠点ごとに7種類、同じ意味の用語が3通り、古い版と新しい版が同じフォルダに混在。AIの性能を疑う前に、渡す側の問題が残っていました。
変えたのは2つです。用語集と業務一覧を作り、名寄せをしました。古い版を隔離し、参照先を1つに絞りました。
検証の会話は「AIは使えるか」から「どの業務から任せるか」に変わりました。精度の数字より先に、任せる範囲の議論ができるようになったことが大きい。AIの導入は、技術の話から業務の話に戻りました。
※本文の事例は、実際の商談・支援で伺った内容を、企業が特定できない形に一般化したものです。
8.進めるときの注意点は何か
つまずきは、ほぼ5か所で起きます。
| やりがちなこと | 起きること | 直し方 |
|---|---|---|
| ツールの選定から始める | 業務の整理が飛び、整っていない知識の上にAIが載る | 先に用語・業務名・手順を揃える |
| 全部の文書を入れようとする | 古い版と新しい版が混在し、矛盾した答えが返る | 参照する版を1つに絞る |
| 用語集を管理部門だけで作る | 現場の呼び方と合わず、使われない | 現場の呼び方を集めてから決める |
| 役割分担を決めない | 責任が曖昧な道具として避けられる | 判断は人が持つと明記する |
| AIの出力を確かめる工程を置かない | 誤った標準がそのまま広がる | 根拠資料と照らす人を決める |
9.この手順をツールで回すなら
この手順をツールで回すなら
業務の全体像と、AIに任せる範囲を1枚で見られるようにする必要があります。ビジネスプロセスマップは、顧客の行動と自社の活動を1枚の図にし、全体を俯瞰してから論点を絞る手法です。マクロ・ミドル・ミクロの粒度で整理でき、どこをAIに任せ、どこを人が持つかを、地図の上で決められます。
まとめ
① AIの前提は、業務と用語が揃っていること。
② 人・AI・システムの役割を、先に分ける。
③ AIで棚卸しを速くし、判断は人が持つ。
AIは、揃っていない業務を揃えてはくれません。ただ、揃っていない業務を見つける手助けはしてくれます。順番は、業務を揃える → 役割を分ける → AIに渡す。この順番を守った会社だけが、AIを「使える道具」にできます。
BEYOND THE WALL
この詰まりをほどくと、仕事はここまで変わります
業務と用語がそろうと、AIは「それらしい答え」ではなく現場で使える答えを返します。標準化が、AI活用の効果を何倍にも引き出す土台になります。
よくある質問
AIに入れる前に、どこまで整理すればいいですか
まずは用語と業務名だけでも構いません。同じ業務が複数の名前で呼ばれている状態を直すだけで、検索の精度は変わります。手順や判断基準は、対象業務を1つに絞ってから整えます。
用語集は、誰が作るのがいいですか
現場の呼び方を集めるのは現場、決めるのは業務の責任者です。管理部門だけで作ると現場の言葉と合わず、使われません。まず各現場から呼び方を書き出し、同じものをまとめます。
古い版が大量にあります。全部捨てていいですか
捨てるのではなく、参照されない場所に隔離してください。法令や契約上の理由で残す必要がある文書もあります。参照先を1つに絞ることが目的で、削除することではありません。
AIに任せてはいけない業務はありますか
責任を伴う決定、例外の判断、金額や権限に関わる承認は、人が持ってください。AIは候補の提示や下書きまでにして、決めるのは人にする。この線を業務ごとに引きます。
標準化が終わるまで、AI導入は待つべきですか
待つ必要はありません。1業務だけ標準化して、その業務でAIを試す進め方が現実的です。全社の標準化を待つと、何年もかかります。小さく試して、任せる範囲を広げてください。
NEXT STEP
この記事の続きは、ここから。
AIに渡せる形にするには、業務の流れと用語が揃っている必要があります。AIの導入は、そのあとでいい。ビジネスプロセスマップ|顧客と自社の活動を1枚に顧客の行動と自社の活動を1枚の図にし、全体を俯瞰してから論点を絞ります。マクロ・ミドル・ミクロの粒度で整理でき、AIに任せる範囲も見えてきます。ビジネスプロセスマップを見るFeelFlow BPR Cockpit|As-Is/To-Beの可視化資料や会話からAs-Is/To-Beのたたき台をつくり、版管理まで行えます。人・AI・システムの役割分担を、業務ごとに書き分けられます。
いちばんのおすすめ
業務改革(BPR)・業務標準化ソリューション
属人化した業務を見える化し、ビジネスプロセスマップで関係者の合意をつくったうえで、業務プロセスを再設計します。Webマニュアルによる定着、AIを使った継続改善まで伴走します。
業務標準化・BPRソリューションを見るあわせて検討したい
ManuaLive(Webマニュアル)
PC・タブレット・スマホから、目次・全文検索・目的別の導線で必要なページにたどり着けるWebマニュアルです。記事の追加や更新はブラウザで完結し、バージョン管理・承認ワークフロー・利用状況の確認で「古くならない・使われる」状態を保てます。
ManuaLiveを見るあわせて検討したい
ビジネスプロセスマップ
顧客の行動と自社の活動を1枚に描き、部門や拠点をまたいで「同じ景色」を見ながら、課題と打ち手を合意するための可視化手法です。
ビジネスプロセスマップを見るまずは、いまの業務とマニュアルの状態を診断するところから始められます。 無料相談・マニュアル診断を申し込む
BoundForは、業務標準化・暗黙知の形式知化・マニュアル整備・人材育成の仕組みづくりを、診断から定着まで一貫して支援しています。
参照
- 【調査】300名以上の企業でも“特定の人にしかできない”属人的業務が6割(株式会社スタディスト/PR TIMES、2026年5月14日) リンク
- 自社支援先での業務棚卸しの集計(BoundFor) リンク
- 人手不足倒産の動向調査(2024年度)(株式会社帝国データバンク、2025年4月4日) リンク
- 新規学卒就職者の離職状況(令和4年3月卒業者)(厚生労働省、2025年10月24日) リンク
- 令和6年 雇用動向調査 結果の概要(厚生労働省) リンク
- 令和6年度 能力開発基本調査(厚生労働省、2025年6月27日) リンク
- 令和7年度 能力開発基本調査(厚生労働省、2026年7月31日) リンク
- 現場の非効率実態調査(株式会社スタディスト)
※各リンク先は2026年11月時点で確認しています。事例は、実際の商談・支援で伺った内容を、企業が特定できない形に一般化したものです。
人を採る前に、辞めても回る仕事をつくる
業務標準化・マニュアル整備・育成の進め方に迷ったら、
現場で伴走してきたチームに相談しませんか。
営業目的のしつこい連絡はいたしません