Copilotで資料を作るようになって仕事のやり方が変わった話

Transcript

1. 社 内 勉 強 会 Copilotで資料を作るようになって 仕事のやり方が変わった話 2026年6月 | aono_masa
2. A G E N D A 本日の内容 2 1 自分の課題 アイデアはあるが、形にするのが苦手だった 2 Copilotがどう解決したか 生成AIは「変換ツール」である 3 仕事のやり方が変わった インプット蓄積・資料作成・成果 4 本質論 資料とは何か・仕事とは何か 5 まとめ AI時代に人間がすべきこと 6 Hands-on ＋ 補足 実践タイム／GIGO・データ整備論
3. 1 . 自 分 の 課 題 アイデアはあるが、形にするのが苦手だった 3 好き・得意だったこと • アイデアを考えること • 企画を立てること 苦手だったこと • 資料作りにとにかく時間がかかる • フィードバックで行ったり来たり • 伝えるための資料なのに、作る作業に消 耗 「企画を形にする」コストが仕事のボトルネック → 動かせる企画の数に限界があった
4. 2 - 1 . C O P I L O T と は 生成AIの本質は「変換ツール」 4 インプット 変 換 アウトプット → → 例 会議音声 → 議事録 例 構成案 → スライド POINT 「次のトークン予測」といった技術論よりも、「変換ツール」という捉え方の方がビジネスの 実態に近い
5. 2 - 2 / 2 - 3 . 何 が 変 わ っ た か 昨年までの「限界」と、今年の「ブレークスルー」 5 昨年まで：壁打ち相手どまり • ビジネスレベルのスライドは直接出力でき ない • 「この内容で伝わる？」と相談する使い方 • 出てきた内容を自分で手動貼り付け 今年から：そのまま資料になる • 構成案を入れるとそのままスライドに • 画像生成の進歩で概念図・模式図も作れる • 「形にする」コストが劇的に低下 変換効率はAIの進歩とともに変化し続ける。一度試してダメでも、定期的に再チャレンジを
6. 3 - 1 . 変 化 ① インプットを「貯める」習慣がついた 6 Teams会議のトランスクリプトを必ず 保存 社内・ベンダーとの打ち合わせも同様に メールのやり取りも残す 企画に関わる情報はとにかくデータ化 紙は原則使わない 使ったらスキャンしてクラウドへ 考えはTeamsのメモに残す 後でCopilotに読ませるため 「何を入れるか」が変換の質を決める ― インプット管理が仕事の一部になった
7. 3 - 2 . 変 化 ② スライド作成 ― こだわり度で3段階を使い分け 7 ライト スピード重視 今ある情報をそのまま参照させて 、すぐ資料化 ミドル 精度重視 ソース（ファイル・メール・チャ ンネル）を指定して読み込ませる ヘビー 役員・部長クラス向け ソース指定 → 骨子生成 → 壁打ち で磨く → 資料化 → 人間チェック 共通ルール：最後は必ず人間の目でチェック・修正する TIPS 複数モデル・複数の切り口で同時並行生成し、一番いいものを選ぶ（待ち時間に別バージョンを走らせる）
8. 3 - 3 . 結 果 一人で動かせる企画の数が増えた 8 スピード 頭の中のアイデアを形にする速度が大幅に 向上 企画数 一人で同時に動かせる企画の数が増えた 実現力 「形にするコスト」で諦めていた企画が通 せるように 手戻り減 行ったり来たりのフィードバックループが 減った
9. 4 - 1 . 本 質 論 仕事の本質 ＝ 他者の負荷を減らすこと 9 仕事とは、他の人の認知負荷・作業負荷を減らしてあげること。生成AIの「変換」は、まさにそのた めの手段。 会議音声 全部聞かないと把握できない ＝ 負荷が高い → 議事録 ぱっと見て把握できる ＝ 負荷が低い 逆に、負荷を増やす変換は「害」 思いのこもっていないゴミスライドを量産する ＝ 受け取った人の認知負荷を上げるだけ
10. 4 - 2 . 本 質 論 資料は、ただの手段 10 「AIで資料を作ったの？すごい」 「AIで資料を作るなんて…」 → どちらも、ずれている。資料を作ったこと自体は何も変わらない。 資料だけで人を動かす場面 資料単体で完結する説得力・網羅性が必要 口頭説明しながら使う場面 話の流れを支えるシンプルさが必要 求められるものが全然違う ― どちらの場面かを強く意識することが大事
11. 4 - 3 . 本 質 論 企画が通るのはゴールではなく、スタートライン 11 「企画が通せるようになった」は短期的な指標に過ぎない。価値が生まれて初めて、資料は目的を達成し たと言える。 資料 → 企画通過 → 実行 → 価値創出 → 他者の負荷が減る スタートライン 最後は「他者の負荷が減る」＝ 仕事の本質に戻ってくる
12. 5 - 1 / 5 - 2 . ま と め 「それっぽい資料」が溢れる時代に 12 AIで資料が簡単になった弊害 • 誰でも「それっぽいスライド」が作れる時 代に • 目的の分からない資料が爆発的に増えるリ スク • 中身のない資料の説明は、作る側も見る側 もしんどい だからこそ重要になること • 「何のために作るか」を自分の頭で考える 力 • AIはスライドを作れる。でも―― 目的を考えるのは、人間の仕事
13. 5 - 3 . ま と め 人間にしかできないスキルの価値が上がる 13 資料作成が楽になった分、相対的に重要になるスキル： 口頭で説明する力 資料に頼らず、自分の言葉で伝える 動機付け・共感を得る力 人の心を動かし、納得を生む 周りを巻き込む力 一人ではなくチームで実現する 自分もここを伸ばしている途中。 そこを伸ばせば、AI × 人間で最強になれる
14. 6 . H A N D S - O N 実際にCopilotでスライドを作ってみよう ※ 内容は当日ご案内します（別途設計）
15. A P P E N D I X ① GIGO ― インプットの質がアウトプットを決める 15 ※ 本編とは直接関係しない補足。質疑応答への備えとして。 原則：GIGO • Garbage In, Garbage Out • インプットの質がアウトプットの質を決め る • 整ったデータ → 分析がしっかり機能する ただし、必ずしも本質ではない • 非構造化・断片的なデータでも意外と精度 が出る • MicrosoftはTeams・SharePoint等の業務 データと相性が良い
16. A P P E N D I X ② データ整備に「唯一の正解」はない 16 ベストプラクティスは状況次第 用途・組織・ITリテラシーによって最適解は変 わる 厳しすぎるルールは機能しない 誰も従わなくなる ― 結局は組織論の話になる 推進の難易度は高い 強力な推進者（スポンサー）が必要 それでも価値はある 日常業務で自然に残るデータをそのまま使えれ ば、意外と高い価値が出る可能性