AIと人間の役割分担とは? 任せる業務の線引きと領域別の具体例Q&A
-
インプットポイント
-
- AIと人の役割分担の基本と業務ごとに線引きをするための3つの目安が分かる
- PMO/営業/開発/データ分析の各業務領域でAIに任せることと人が担うことの具体例が分かる
- AIに作業を任せた後も、人が担い続ける仕事を整理できる
生成AIを業務に取り入れる企業が増えるなかで、「どこまでAIに任せ、どこから人が担うべきか」という線引きに迷う方も多いのではないでしょうか。基本となる考え方は、資料の下書きや情報の集約といった作業をAIに任せ、判断とその結果への責任は人が担う、というものです。ただし、どこで線引きをするかは業務の領域や内容によって変わります。
本記事では、AIに任せる業務と人が判断する業務の線引きの目安と、PMO/営業/開発/データ分析/内製化の各領域での具体例をQ&A形式で整理します。
- INDEX
Q1. AIに任せる業務と人が判断する業務はどう線引きすればよいですか
A. 業務ごとに次の3つの目安に当てはまるかを確かめる方法が有効です。
いずれかに当てはまる業務は人が判断する範囲を広くとるのが基本です。
- 間違えたときの影響が大きく、取り消しにくいか:投資の判断/決済や個人情報を扱う処理など
- 判断の理由を説明する必要があるか:稟議や契約/監査や障害対応で説明を求められるシステムの設計など
- 相手との信頼や合意づくりが目的か:商談や交渉/関係者間の調整など
反対に、どれにも当てはまらない定型の作業は、積極的にAIに任せて構いません。また、1つの業務の中でも、作業と判断を分けて考えると線引きがしやすくなります。例えば会議の議事録であれば、発言の要約と論点の整理はAIに任せ、決定事項として何を残すかの確定は人が担う、という分け方ができます。
Q2. AIに仕事を任せた後、人がすべきことは何ですか
A. 人がすべきことは、AIの回答に修正の方向を伝えてやり取りを重ねることと、最終的な確認と判断を自分で行うことの2つです。
AIを「経験は浅いが、飲み込みの早い部下」と考えると、任せた後の関わり方が掴みやすくなります。
新人に仕事を任せた上司は最初の成果物が期待と違っても、直してほしい点と良かった点を伝えながら仕上がりに近づけていきます。AIも同じで、一度の回答だけで使えるかどうかを決めてしまうと、本来引き出せた成果を取りこぼします。修正を伝える際は「違う」とだけ返すより、どう直すかの方向を示すほうが伝わります。良かった点も伝えると残すべき部分がはっきりし、直してほしい点を優先度の高いものに絞ると、全体が崩れにくくなります。
最終的な確認と判断は責任の所在に関わります。AIが作った文章に誤りがあっても、自分の名前で提出した時点でその責任は使い手が負うことになります。作業は委ねても、最終確認と判断は自分が持ち続ける点が「丸投げ」と「任せる」の違いです。
AIへの任せ方を、部下育成の考え方になぞらえて整理した記事として、『AIの最大活用と部下育成の共通点とは?──AIは性能では無く関わり方で成果が変わる──』も併せてご覧ください。
Q3. AIの回答を確認するとき、人は何を見ればよいですか
A. 内容の正しさに加えて、自分が回答のどこを見て「正しい」と感じたのかを振り返ることが有効です。
AIの回答は内容が確かかどうかに関係なく、断定的な口調/分かりやすい説明/整った体裁を備えやすく、中身を確かめる前に正しいと思い込みやすいためです。
人は普段、情報の正しさを一つひとつ裏取りせず、話し手の自信/説明の分かりやすさ/資料の体裁といった手がかりから見積もっています。AIの回答はこの3つを満たしやすいため、手がかりごとに次の点を確かめると印象と中身を切り分けられます。
- 回答への自信:根拠の薄い内容でも断定的な口調で書かれやすいため、口調の強さと根拠の厚みが釣り合っているかを確かめる
- 説明の分かりやすさ:前提や例外が省かれた説明ほど理解できた感覚が生まれやすいため、分かりやすさと引き換えに前提が落ちていないかを確かめる
- 資料の体裁:見出しや表が揃っていると、よく考えられた内容に見えやすいため、整っていることと妥当であることを混同していないかを確かめる
例えば、きれいに整った競合比較表を受け取ると、その比較軸が今回の判断に合っているかを問わないまま使ってしまいがちです。違和感なく読めた回答こそ、上の3つを自身に問いかけてみてください。
AIの出力が正しそうに見える仕組みをより詳しく知りたい方には、『生成AIの出力は、なぜ”正しそう”に見えるのか──人の判断構造から読み解く』が参考になるでしょう。
Q4. PMOの仕事はAIでどう変わりますか
A. 進捗の集約や報告書の作成といった定型作業の多くをAIに任せられるようになり、PMOは空いた時間を、意思決定の支援やリスクの早期把握といった判断を支える仕事に充てられます。
また、AI活用の全社的なルール整備もPMOが新たに担う役割として重要になります。
PMO(プロジェクトマネジメントオフィス)は複数のプロジェクトを横断して組織としてプロジェクトの運営を支える部門です。AIが担える定型業務には次のようなものがあります。
- 進捗データの集約と可視化
- 進捗報告書(ステータスレポート)の作成
- 議事録の要点と担当者ごとのネクストアクションの抽出
- 課題やリスクの記録の整理と分類
- 過去のプロジェクトからのリスクの兆候の検知
ただし、AIがまとめた報告は過去のデータに基づく予測であり、そのまま信頼できるとは限りません。その報告が正しいか、どう判断すべきかを見極めることはPMOの役割として残ります。AI活用の全社的なルール整備はAIガバナンスとも呼ばれ、利用ルール/データやセキュリティの管理/出力の品質の確認/責任の所在の明確化を組織横断で定めます。プロジェクトを横断して管理しているPMOが担うのに適した役割です。
AI時代にPMOが担う役割と、AIとの役割分担の考え方は、『AI時代のPMOとは?〜「作業」から「判断」へ変わるプロジェクト推進の役割〜』で詳しく解説しています。
Q5. 営業ではAIと人の役割はどう分かれますか
A. 人の役割は、顧客との信頼関係を築いて合意形成を進めることと、AIをどう使うかを判断することです。
AIは商談記録の整理/提案書や見積書の下書き/見込み客の優先順位づけといった業務を担い始めています。
営業の流れを認知から継続・拡大までの工程に分けるとAIの使いどころは工程ごとに異なります。例えば、問い合わせなどで見込み客を獲得する段階ではその評価と優先順位づけを、見積りや契約の段階では見積書や稟議資料の下書きをAIが担い始めています。
一方で、顧客の関心の度合いや社内の事情をくみ取りながら進める信頼関係づくりと合意形成は引き続き人が担います。また、見積りの根拠を説明する責任と想定外の条件への判断はAIを使う場合も人が持ち続ける必要があります。成果につなげるには、どの業務をAIに任せ、どこで人が判断や承認を行うかを営業全体の業務の流れとして決めておくことが有効です。
営業の工程ごとにAIの使いどころと人の役割を整理したホワイトペーパー『AI時代の営業再設計~効率化を超えた営業モデルの構造変化に向き合う~』を、無料で公開しています。営業とAIの役割分担を見直す際の資料としてご活用ください。
Q6. システム開発ではAIにどこまでコードを書かせてもよいですか
A. 試作/社内向けの小さなツール/定型的なテストコードは積極的にAIに書かせて構いません。
一方、認証や決済など誤りの影響が大きい処理と、他システムとの連携や障害時の復旧に関わる処理は人が主導して設計するのが基本です。
こうした処理では、なぜその方式にしたのかを後から説明できることが欠かせませんが、AIはコードを生成できても、その判断の理由までは生成できません。AIが書いたコードでも、承認した時点でその内容を説明する責任は人が負います。
また、AIで速くなるのは主にコードを書く工程で、その分、書かれたコードを確かめるレビューに負荷が移ります。開発全体の速さは最も時間のかかる工程で決まるため、書く工程が速くなっても、全体は同じ比率では速くなりません。そこで、速さを優先できる領域と確実さを優先すべき領域を分けておくことが有効です。前者には使い捨ての検証コード/設定ファイル/既存コードの読み解きも含まれ、後者には性能やセキュリティの要件が厳しい中核機能も含まれます。この線引きを開発の開始時に決めておくとレビューにかける時間の配分も決めやすくなります。
AIに開発を任せるときの落とし穴と、任せる範囲の決め方を具体的に知りたい場合は、『生成AIコーディングは開発をどこまで変えるか|過信が生む3つの落とし穴』が役立ちます。
Q7. データ分析や予測をAIに任せるとき、人は何を決めればよいですか
A. 人が決めるのは予測の目的と予測結果の使い方(自動で業務に反映するか、人が確認してから使うか)の2点です。
どちらも予測を業務のどこでどう活かすかに関わる判断で、業務の事情を踏まえなければ決められないためです。
機械学習(データから規則性を学び、予測や分類を行う仕組み)の作業は、AIエージェント(指示に沿って複数の作業を自律的に進めるAI)が多くを代行できます。データの集計と可視化/予測モデルの試作/評価指標の算出/分析結果のレポート化などです。ただし、その結果が業務の役に立つかまでは保証されません。
例えば、解約率の低いサービスでは全ての顧客を「解約しない」と予測しても、見かけ上の正解率は高くなることがあります。しかし、それでは解約しそうな顧客を見つけるという本来の目的を果たせません。目的が決まっていなければ、数字だけでは使えるかどうかを判断できません。
予測結果の使い方は、外れたときの影響の大きさを目安に決めるのが基本です。精度が十分に高く、業務への影響が小さい領域は、自動化に近づけることができます。一方、顧客対応や重要な判断に関わる領域では予測を参考情報として扱い、人が最終確認する運用が適しています。
『機械学習の業務活用でAIエージェントに任せられること|モデル構築・精度評価・予測活用の確認ポイント』を読むと、工程ごとに人が何を確かめればよいかが具体的に掴めるはずです。
Q8. AIを使って内製化を進めるとき、人は何をしておくべきですか
A. AI活用のノウハウ、つまり作り方の判断の理由と、つまずいた点やその直し方を記録し、担当者以外も使える形で社内に蓄えておくことです。
AIを使えば作ること自体は容易になりますが、こうした判断の多くはAIとのやり取りの中にとどまり、記録しなければ社内に残らないためです。
内製化とは、システムやツールを外部に頼らず自社で作って運用することです。生成AIの普及で、社内の申請フォームや小さな業務アプリなら、担当者自身の手で作れる場面が増えました。ただし、作れるようになっても、次の改修や似た依頼に活かせる判断の積み重ねが残っていなければ、そのたびに一から考え直すことになります。外部パートナーに任せていれば引き継ぎを通じて作り方を受け取る機会がありましたが、判断のたびにAIに相談して進めるとその機会もありません。
現場ですぐに始められることとして、次の3つが挙げられます。
- 作業の区切りで、なぜその構成にしたのか、どこでつまずきどう直したのかを記録する
- レビューや引き継ぎの場で、なぜその作りにしたのかを担当者が自分の言葉で説明できるかを確かめる
- 作った本人以外が、記録だけを頼りに直せるかを試す
AIで作れるようになった今、内製化の価値がどこにあるのかは、『「作れる」だけでは足りない、AI 時代の内製化』で掘り下げています。
まとめ
AIと人の役割分担の基本は、資料の下書きや情報の集約といった作業をAIに任せ、判断とその結果への責任を人が担うことです。そのうえで、どこまでAIに任せるかはQ1で示した3つの目安(間違えたときの影響の大きさ/判断の理由を説明する必要/信頼と合意づくり)をもとに、業務ごとに決めるのが基本です。
Q4〜Q8で取り上げた業務領域ごとの分担を整理すると、次のとおりです。
| 業務領域 | AIに任せられる作業 | 人が担うこと |
|---|---|---|
| PMO | ・進捗データの集約と可視化 ・進捗報告書の作成 ・議事録からの課題の抽出 | ・報告が正しいかの見極め ・意思決定の支援 ・AI活用のルール整備 |
| 営業 | ・商談記録の整理 ・提案書や見積書の下書き ・見込み客の優先順位づけ | ・顧客との信頼関係づくりと合意形成 ・見積りの根拠の説明 ・AIの使い方の判断 |
| システム開発 | ・試作 ・社内向けの小さなツール ・定型的なテストコード | ・誤りの影響が大きい処理や他システム連携の設計 ・設計の理由の説明 |
| データ分析・予測 | ・データの集計と可視化 ・予測モデルの試作 ・評価指標の算出 | ・予測の目的の設定 ・予測結果を自動で使うか人が確認するかの決定 |
| 内製化 | ・システムやツールを作る作業 | ・判断の理由の記録 ・つまずいた点とその直し方の記録 |
領域ごとの具体例を通して見えてくるのは、AIに作業を任せた分、人の手元には回答の確認/判断の理由の説明/経験の記録という仕事が残ることです。まずは自部署の業務を「AIに任せる作業」と「人が持つ判断」に書き分けてみてください。判断に迷う業務があれば、該当するQで紹介した記事が手がかりになります。
ファーストデジタルは、AIの導入そのものを目的にせず、事業課題に合わせて戦略/業務/システム/データを一体で捉え、AI活用の戦略の立案から実装と定着までを支援しています。これまでの取り組みは、AI特設ページ『FirstDigital with AI』でご覧いただけます。営業の工程ごとにAIと人の役割分担を整理したホワイトペーパー『AI時代の営業再設計~効率化を超えた営業モデルの構造変化に向き合う~』も無料で公開していますので、併せて参考にしていただければ幸いです。

