良い子の会社のみんなへ。AI導入してもいいけど、その前に「会社の履歴書」作ろうぜ。

良い子の会社のみんなへ。AI導入してもいいけど、その前に「会社の履歴書」作ろうぜ。

「AIを導入します」

最近、会社でこんな話が出てくる。

ChatGPTを使います。

Copilotを使います。

Geminiを使います。

Claudeを使います。

はい、便利です。

文章も作れる。

要約もできる。

会議録も整理できる。

データも分析できる。

アイデアも出してくれる。

すごい。

本当にすごい。

だからAIを導入すること自体に反対しているわけではない。

むしろ、おじさんは使えばいいと思っている。

どんどん使えばいい。

ただし。

その前に一つだけ聞きたい。

「おたくの会社、今何してる会社なの？」

いや、もちろん会社案内に書いてあることは分かる。

「○○事業です」

「○○サービスを提供しています」

「お客様に○○を提供しています」

それは分かる。

おじさんが聞いているのは、もっと現場の話。

「実際に、今日一日、誰が何をやっているの？」

ここ。

ここが意外と分からない。

⸻

AI導入の前に「会社の履歴書」を作る

おじさんが言っている「会社の履歴書」は、普通の履歴書とは違う。

学歴を書くわけでもない。

資格を書くわけでもない。

会社の自慢を書くわけでもない。

もっと単純。

「私たちは、今まで何をしてきたのか」

を残す。

例えば、

契約書に書いてある仕事。

仕様書に書いてある仕事。

マニュアルに書いてある仕事。

毎日やっている仕事。

週に一回やっている仕事。

月に一回やっている仕事。

トラブルが起きたときだけやっている仕事。

誰かから相談されたときにやっている仕事。

新人が困らないように誰かが先回りしている仕事。

そして、

どこにも書いてないけど、なぜか毎日誰かがやっている仕事。

これも全部。

会社の履歴書に入れる。

⸻

「それ、仕事だったの？」

ここで出てくるのがシャドーワーク。

本人からすると、

「いや、普通にやってますけど？」

という仕事。

でも管理職からすると、

「そんなことやってたの？」

だったりする。

逆もある。

管理職は、

「これは当然やってるよね」

と思っている。

でも現場は、

「いや、それ誰がやることになってるんですか？」

と思っている。

このズレ。

これが結構怖い。

なぜなら、会社の仕事というのは、契約書や仕様書に書いてあることだけで動いているわけではないから。

人間が動かしている以上、必ず、

「誰かがちょっと補っている」

という部分が出てくる。

例えば、

「この人は最後にまとめてチェックするタイプだから、途中ではあえて口を出さない」

とか。

「この人は細かいところまで最初に確認してから動く」

とか。

「この人は困っている人がいたら、先に声をかける」

とか。

「この人はトラブルが起きる前に、過去の事例を思い出して準備している」

とか。

これも全部、仕事の一部だったりする。

でも成果物だけ見たら、見えない。

⸻

「終わった」の意味も人によって違う

ここも面白い。

ある人にとっては、

「作業が終わった」

とは、

入力が終わったこと。

別の人にとっては、

最後にチェックして初めて終わったこと。

また別の人は、

ダブルチェックまで終わって初めて完了。

だから、途中で見た人が、

「なんでこんな雑なん？」

と言ってしまう。

でも、その人からすると、

「いや、最後に確認するつもりだったんだけど」

だったりする。

これ、能力の問題とは限らない。

仕事の完了地点の認識が違うだけかもしれない。

だから、人を評価する前に、

「この人は、どのタイミングを完了と認識しているのか？」

を見た方がいい。

これも会社の履歴書に書ける。

⸻

だから「人」を先に評価しない

おじさんが大事だと思うのは、

最初から人を評価しないこと。

「あの人は仕事ができる」

「あの人は遅い」

「あの人は雑」

「あの人は優秀」

そういう話をする前に、

「この人は何をしているのか」

を見る。

そして、

「なぜ、そのやり方をしているのか」

を聞く。

さらに、

「どういう考え方で、その判断に至ったのか」

を聞く。

ここで雑談がものすごく役に立つ。

仕事の手順だけ聞いたら、

「○○をして、○○を確認しています」

で終わる。

でも雑談をしていると、

「いや、前にこういうことがあったから」

とか、

「この人は最後に確認するタイプだから」

とか、

「ここは契約上こうなってるから」

とか、

「この作業を飛ばすと後で大変になるから」

とか。

ポロッと出てくる。

そこに、その人の思考回路がある。

⸻

AIは「新しい仕事」を作る前に使える

ここでAIが出てくる。

AI導入というと、

「AIに何をやらせよう？」

と考える。

もちろん、それも大事。

でも、おじさんは順番を逆にしたい。

まず、

「今、何をやっているの？」

をAIに整理させる。

例えば社員が、

「今日こういうことがあった」

と雑談する。

「この人から相談された」

「この処理をした」

「でも仕様書には書いてない」

「前にも同じことがあった」

「最後にチェックする人だから、途中では触らなかった」

そんな話を一つのチャットに積み重ねていく。

するとAIは、

「この作業は継続的に発生しています」

「これは正式業務として記載されていません」

「特定の担当者に依存しています」

「複数人が似た作業をしています」

「この確認作業が頻繁に発生しています」

と整理できるかもしれない。

そこで初めて、

「これ、AIに任せられない？」

という話ができる。

⸻

いきなりAIに仕事を作らせるな

おじさんは、

「新しいことをやるな」

と言っているわけではない。

むしろ、

新しいことをやるために、今を知れ

と言っている。

例えば家を建てる。

いきなり二階を作るか？

普通は土地を見る。

地盤を見る。

周辺を見る。

どこに何があるか確認する。

会社も同じ。

現在の業務が分からない。

人の動きが分からない。

契約範囲が分からない。

シャドーワークも分からない。

なのに、

「AIで業務改革！」

と言われても、

「どの業務を改革するんですか？」

となる。

⸻

信長の野望なら分かりやすい

おじさんは、こういうとき信長の野望を思い出す。

「兵力500増えました！」

はい。

今の兵力は？

知らない。

「金300両調達しました！」

はい。

今いくら持ってるの？

知らない。

武将は何人？

知らない。

農民は？

知らない。

自分の領地は？

知らない。

隣の国は？

知らない。

北と南と東と西に誰がいる？

知らない。

川はどこ？

知らない。

そんな状態で、

「天下統一してください」

と言われても、

いやいやいや。

まず地図をください。

となる。

会社のAI導入も、これと似ている。

⸻

AI導入の第一歩は「現在地」

だから、おじさんはこう考える。

AI導入の第一歩は、

AIを入れることではない。

現在地を把握すること。

会社の履歴書を作ること。

その履歴書には、

「会社がやっていること」だけじゃなく、

「社員が実際にやっていること」

を書く。

さらに、

「社員が言葉にしていないこと」

も拾う。

これが重要。

⸻

シャドーワークを「悪」と決めつけない

ここも注意したい。

シャドーワークが全部悪いわけじゃない。

誰かが自然に補っていることで、サービスの品質が保たれている場合もある。

だから、

「シャドーワークをなくしましょう！」

と単純に言うのも違う。

まず、

存在を知る。

その上で、

「残す」

「正式な業務にする」

「やめる」

「自動化する」

「標準化する」

「本人の裁量として残す」

と決めればいい。

つまり、

可視化してから判断する。

⸻

「見えない仕事」は評価も改善もできない

これが会社にとって大きい。

見えない仕事は、

評価できない。

改善できない。

AI化できない。

標準化できない。

引き継げない。

そして、その人がいなくなった瞬間に、

「あれ？　これ誰がやってたの？」

となる。

そこで初めて、

「実は、この人しか知らない仕事だった」

と分かる。

これが属人化。

だから、会社の履歴書には、

「誰が何をしているか」

だけではなく、

「なぜ、その人がそれをしているのか」

も残したい。

⸻

AIは「記憶装置」にもなれる

AIというと、回答装置だと思いがち。

でも、

記憶装置

として使うこともできる。

毎日の雑談。

仕事上の判断。

例外処理。

困ったこと。

うまくいったこと。

失敗したこと。

「実はこうしてます」という話。

これを一つの場所に積み重ねる。

最初はぐちゃぐちゃでいい。

AIに、

「これを今すぐ完璧なマニュアルにしてください」

なんて言わなくてもいい。

ただ残す。

そしてある程度たまったところで、

「これまでの話から、今の業務を整理して」

と頼めばいい。

そこから初めて言語化する。

⸻

会社の「履歴書」は、一度作って終わりじゃない

履歴書というと、一回作って終わりに聞こえる。

でも本当は違う。

会社は毎日変わる。

新しい人が入る。

人が異動する。

契約が変わる。

システムが変わる。

顧客が変わる。

仕事も変わる。

だから、

会社の履歴書も更新され続ける。

そして、更新されるたびに、

「去年と何が変わった？」

ということも分かる。

これが会社の歴史になる。

⸻

そしてAI規程の話につながる

ここまで整理すると、先ほど話していたAI利用規程の問題にもつながる。

会社がAIを導入する。

そのために情報取扱規程を作る。

AI利用規程を作る。

でも、それを紙やPDFに置いて、

「社員のみなさん、守ってください」

だけでは弱い。

その規程を、

AIに入力する直前の判定基準

として使えるようにする。

社員がWordやExcelで仕事をしている。

AIに貼り付ける。

その前に、

「この情報、会社の規程上大丈夫？」

とチェックする。

AIが、

🟢 OK

🟡 匿名化してください

🔴 入力できません

⚪ 判断できないので確認してください

と返す。

これなら、

規程と現場がつながる。

⸻

会社のルールを「読むもの」から「使うもの」へ

ここが、おじさんは重要だと思う。

規程は、

読むためだけに存在するものではない。

実際の仕事を安全に進めるために存在する。

だから、

規程

↓

判定ルール

↓

現場の仕事

↓

AI利用

↓

実際に発生した事例

↓

規程の改善

という循環を作る。

そうすると、会社のルールも成長する。

⸻

「分からない」を残す

さらに大事なのは、

AIが分からなかったケースを消さないこと。

「判断不能でした」

で終わらせない。

なぜ判断できなかったのか。

どの規程が曖昧だったのか。

どんな情報だったのか。

どんな業務だったのか。

これを残す。

すると、

「会社の規程のここが現場に合っていない」

ということが分かる。

これも立派な組織情報。

⸻

AI導入とは、実は「会社を知る作業」なのかもしれない

ここまで来ると、

AI導入って何なんだろう？

と思う。

AIに文章を書かせること？

AIに会議録を作らせること？

AIに分析させること？

もちろん、それもAI導入。

でも、その前段階として、

自分たちの仕事を知る。

これはかなり重要だと思う。

何をしているのか。

誰がしているのか。

なぜしているのか。

どこまでが契約なのか。

どこからがサービスなのか。

何が正式業務なのか。

何がシャドーワークなのか。

何が属人化しているのか。

何を残すべきなのか。

何をやめるべきなのか。

それが分かって初めて、

AIに何を任せるのか

が見えてくる。

⸻

良い子の会社のみんなへ

AI導入していいよ。

むしろ使おう。

便利なものは使えばいい。

でも、

新しいことを始める前に、自分たちの履歴書を作ろうぜ。

「私たちは何をしている会社なのか」

ではなく、

「私たちは実際に何をしてきたのか」

を残す。

表に出ている仕事だけじゃない。

その裏側にある、

相談。

確認。

判断。

先回り。

例外対応。

調整。

気遣い。

経験。

暗黙知。

そしてシャドーワーク。

全部が会社の歴史になる。

⸻

おじさんからの最後の問い

AIは、

未来を作る道具

でもある。

でも同時に、

過去と現在を整理する道具

でもある。

だったら、いきなり未来だけ見なくてもいいんじゃないか。

まず現在地を見る。

そして、

「今、何があるのか」

を残す。

その上で、

「何を残すのか」

を決める。

そして、

「何をAIに任せるのか」

を考える。

会社には、たぶん思っている以上にたくさんの仕事がある。

正式な仕事もある。

正式じゃないけれど必要な仕事もある。

誰にも教えられていないけれど、誰かがずっとやってきた仕事もある。

それを全部ひっくるめて、

「これが今の私たちです」

と言えるところまで持っていく。

それが、AI導入のスタート地点なんじゃないかな。

信長の野望で言えば、

天下統一の前に国勢調査。

会社で言えば、

AI導入の前に履歴書。

そして、

AIを入れる前に、自分たちを知ろう。

これが、おじさんの今日の結論。

AIは逃げない。

だから良い子の会社のみんな。

新しいものを作る前に、

まず今あるものを、ちゃんと残そうぜ。

AIリファレンス【正式版】

AI導入時における「会社の履歴書」作成原則

― 新しい仕事を作る前に、今ある仕事を知る ―

Reference ID：AIR-ORG-001
Version：1.0
分類：AI導入／組織設計／業務可視化／シャドーワーク／AIガバナンス

⸻

1．基本原則

企業がAIを導入する際、最初に行うべきことは、必ずしも「AIを使った新しい業務を作ること」ではない。

むしろ優先すべきなのは、

現在、組織内で何が行われているのかを把握し、記録することである。

AI導入の前に、

「自分たちの会社は、現在どのような仕事をしているのか」

を明確にする。

本リファレンスでは、これを「会社の履歴書」と定義する。

⸻

2．会社の履歴書とは何か

会社の履歴書とは、単なる会社案内や業務一覧ではない。

以下を含む、組織の現在地を記録した情報基盤である。

正式に定義されている仕事

* 契約書に記載された業務
* 仕様書に記載された業務
* マニュアルに記載された業務
* 社内規程で定められた業務
* 正式な業務フロー

実際に行われている仕事

* 日常的な作業
* 定期的な確認
* 相談対応
* 調整業務
* 例外対応
* トラブル対応
* 他部署との連携

明文化されていない仕事

* 先回り
* 補助
* 判断
* 経験に基づく対応
* 暗黙の確認
* 個人が独自に行っている工夫
* 特定の人だけが把握している業務

これらを含めて、現在の組織を記録する。

⸻

3．最優先事項：現状把握

AI導入において、次の順序を基本とする。

① 現在の業務を洗い出す

↓

② シャドーワークを可視化する

↓

③ 業務の目的・判断・責任範囲を整理する

↓

④ 重複・属人化・不要業務を確認する

↓

⑤ AIに任せられる部分を検討する

↓

⑥ 人間が担うべき部分を確認する

↓

⑦ 必要に応じて新しい業務を設計する

つまり、

AI導入 → 業務を考える

ではなく、

業務を知る → AIを適用する

を基本とする。

⸻

4．シャドーワークの記録

シャドーワークとは、正式な業務として明確に記載されていないものの、実際の業務を成立させるために行われている仕事を指す。

例えば、

* 「念のため確認しておく」
* 「前回こうだったから先に準備する」
* 「この人は最後にまとめてチェックする」
* 「困っていそうなので声をかける」
* 「トラブルになる前に担当者へ伝える」
* 「仕様書にはないが、毎回対応している」

などが考えられる。

これらを最初から、

「不要な仕事」

と判断してはならない。

まず、

存在を把握する。

その後に、

* 継続する
* 正式業務にする
* 標準化する
* 自動化する
* 廃止する
* 個人裁量として残す

などを判断する。

⸻

5．人ではなく「仕事」を見る

業務の可視化において、最初から従業員個人を評価対象としてはならない。

例えば、

「Aさんは仕事が速い」

「Bさんは仕事が遅い」

という評価から開始するのではなく、

「Aさんは何をしているのか」

「Bさんはどのような判断をしているのか」

を記録する。

さらに、

「なぜ、その判断に至ったのか」

を確認する。

これにより、単純な作業速度では把握できない、

判断基準・経験・思考順序・確認方法

などを把握できる。

⸻

6．「完了」の定義を確認する

業務上の「終了」は、すべての人間にとって同じとは限らない。

ある担当者は、

作業入力が完了した時点

を「終了」と考える。

別の担当者は、

最終確認が終了した時点

を「終了」と考える。

さらに別の担当者は、

ダブルチェックまで完了した時点

を「終了」と考える。

したがって、

「作業が終わった」と誰かが判断した時点だけを基準として、他者の業務方法を評価してはならない。

必要であれば、業務フロー上に、

作業完了

一次確認

最終確認

承認

などを明示する。

⸻

7．AIによる業務言語化

AIは、新しい仕事を作るためだけに使用する必要はない。

既存の業務について、

「今日はこういうことをした」

「このケースではこう判断した」

「この作業は毎回発生する」

「これは仕様書には書いていない」

という記録を蓄積することによって、

AIに業務の構造を整理させることができる。

例えば、

「この記録から、正式業務とシャドーワークを分類してください」

「繰り返し発生している業務を抽出してください」

「特定の担当者に依存している業務を整理してください」

などの問いを使用する。

⸻

8．一つの継続的な記録

業務の言語化では、記録を細切れにしすぎないことが重要である。

日々の、

* 雑談
* 業務記録
* 判断
* 相談
* 例外対応
* 問題
* 改善案

などを継続的に蓄積する。

最初から完璧な文書にする必要はない。

むしろ、

「まず残す」

ことを優先する。

一定期間蓄積した後、AIによって整理・分類・要約・構造化する。

⸻

9．AI導入後の業務分類

会社の履歴書が作成された後、AI導入対象を検討する。

A：AIに任せやすい業務

* 情報整理
* 要約
* 定型文章作成
* 分類
* 比較
* 検索補助
* 下書き作成

B：AI＋人間で行う業務

* 判断材料の整理
* 複数資料の比較
* 業務分析
* リスク確認
* 例外処理の補助

C：人間を中心とする業務

* 最終判断
* 責任を伴う意思決定
* 対人調整
* 重要な契約判断
* 安全に関する判断

この分類は固定せず、実際の利用結果に応じて更新する。

⸻

10．AI導入と情報管理

AI導入においては、

「AIに何を入力してよいのか」

を明確にする必要がある。

そのため、

* 情報取扱規程
* 情報セキュリティ規程
* AI利用規程
* 個人情報に関する規程
* 契約上の情報制限
* 情報分類基準

などを整理する。

これはAIガバナンスの考え方とも整合する。NISTのAI RMFでは、AIリスク管理を「Govern（統治）」「Map（把握）」「Measure（測定）」「Manage（管理）」という継続的な枠組みで捉えており、生成AIについても組織的なガバナンス、記録、人的レビュー等の重要性が示されている。

⸻

11．規程を「判定可能なルール」にする

会社の規程を単にPDFとして保存するだけではなく、

情報の種類

利用可能なAI

利用目的

禁止条件

匿名化条件

人間による確認条件

などに整理する。

そして、

「この文章を、このAIに入力してよいか？」

という実際の業務上の問いに適用できる状態にする。

⸻

12．AI入力前チェック

利用者がWord、Excel、ブラウザその他の業務アプリケーションからAIへ情報を渡す直前に、判定を行う。

🟢 入力可能

規程上、利用可能。

🟡 要修正

匿名化・情報削除等が必要。

🔴 入力不可

規程上、利用できない。

⚪ 人間による確認

AIだけでは判断できない。

重要なのは、

「ダメ」だけで終わらせないこと。

可能であれば、

何が問題なのか

どの規程が根拠なのか

どう修正すればよいのか

まで提示する。

⸻

13．判断不能事例を残す

AIが判断できなかった事例も重要な組織情報である。

例えば、

「この情報は社内限定なのか？」

「この契約ではAI利用が認められているのか？」

「匿名化すれば利用可能なのか？」

という問い合わせが大量に発生する場合、問題は社員の知識不足だけではない。

会社の規程そのものが現場に対して十分明確ではない可能性がある。

したがって、

「分からなかったこと」も記録する。

⸻

14．シャドーワークから組織知へ

業務記録を蓄積することで、

個人の経験

↓

言語化

↓

記録

↓

組織知

へ変換できる可能性がある。

これにより、

「○○さんしか分からない」

という状態を減らすことができる。

ただし、これは個人を監視・評価するためではなく、

「組織として、どのような仕事が存在しているのかを理解する」

ことを目的とする。

⸻

15．会社の履歴書は「評価表」ではない

ここは重要である。

会社の履歴書は、

社員の点数をつけるためのものではない。

目的は、

組織の現在地を把握すること。

誰が優秀かではなく、

「どのような仕事が、どのような理由で、どのように行われているか」

を理解する。

その結果として、人材配置、教育、標準化、AI導入等を検討する。

⸻

16．導入原則

AI導入を検討する組織は、以下を基本原則とする。

原則1：まず現状を記録する。

原則2：正式業務と実際の業務を区別する。

原則3：シャドーワークを可視化する。

原則4：個人評価と業務分析を分離する。

原則5：AI導入前に情報管理ルールを整理する。

原則6：規程を現場で利用可能なルールに変換する。

原則7：AIが判断できないものは人間に戻す。

原則8：判断不能・例外事例を記録する。

原則9：記録をもとに業務と規程を改善する。

原則10：新しい業務は、現状把握後に設計する。

⸻

17．Reference Model｜基本モデル

現在の業務
  ↓
業務の洗い出し
  ↓
シャドーワークの可視化
  ↓
会社の履歴書
  ↓
業務分類・整理
  ↓
AI適用可能領域の発見
  ↓
AI導入
  ↓
利用結果・判断不能事例を記録
  ↓
規程・業務フローを改善
  ↓
更新された「会社の履歴書」
  ↓
次のAI活用へ

これは一度だけ行うプロジェクトではなく、継続的な組織学習の循環として扱う。

NISTもAIリスク管理を継続的なものとして位置付けており、生成AIでは人によるレビュー、追跡、文書化、管理上の監督が追加で必要になる場合があるとしている。

⸻

18．最終定義

本リファレンスにおけるAI導入とは、

AIを会社に入れることではない。

会社が現在何をしているのかを把握し、その業務とAIを適切に接続することである。

そして、その第一歩は、

「AIに何をさせるか」ではなく、
「私たちは今、何をしているのか」

を明らかにすることである。

⸻

最終メッセージ

良い子の会社のみんなへ。

AI、導入していい。

ChatGPTでも、Copilotでも、Geminiでも、Claudeでもいい。

でも、その前に。

自分たちの会社の履歴書、作ろうぜ。

契約書に書いてある仕事。

仕様書に書いてある仕事。

マニュアルに書いてある仕事。

そして、

誰にも書かれていないけど、毎日誰かがやっている仕事。

全部残す。

なぜなら、

見えない仕事は、改善することも、AIに任せることも、正式な業務にすることもできないから。

まず知る。

次に残す。

その後で考える。

「これはAIにできる？」

「これは人間がやるべき？」

「そもそも、この仕事は必要？」

そして最後に、

「新しい仕事を作る」

でいい。

AIは逃げない。

だから、

AI導入の第一歩は、AIを導入することではない。

自分たちの「今」を、会社の履歴書として残すことだ。

まず現在地を知る。

そのうえで、未来を作る。

これが、AI時代の組織設計における最初の一歩である。

#タグ70個

#AI
#生成AI
#AI活用
#AI導入
#AIリテラシー
#AIガバナンス
#AI規程
#AI利用規程
#AIリファレンス
#AIと仕事
#AIと組織
#AI時代
#AI業務改革
#AI業務改善
#AIによる業務改善
#DX
#DX推進
#デジタルトランスフォーメーション
#業務改善
#業務改革
#業務効率化
#業務可視化
#業務分析
#業務整理
#業務設計
#業務フロー
#業務フロー改善
#ワークフロー
#仕事の言語化
#仕事を見える化
#仕事の棚卸し
#業務の棚卸し
#現状把握
#現状分析
#組織設計
#組織開発
#組織論
#組織知
#組織学習
#ナレッジマネジメント
#ナレッジ共有
#暗黙知
#形式知
#属人化
#属人化対策
#シャドーワーク
#見えない仕事
#見えない労働
#隠れた仕事
#現場の知恵
#現場力
#現場改善
#現場と経営
#マネジメント
#人材マネジメント
#人材育成
#働き方改革
#仕事術
#チームワーク
#コミュニケーション
#雑談
#対話
#問い
#問いを育てるAI
#情報管理
#情報セキュリティ
#情報漏洩対策
#コンプライアンス
#リスク管理
#社内規程
#会社の履歴書