AI活用を「個人の業務効率化」で終わらせない！「組織の業務変革」につながるAI活用テーマの見つけ方―NCDCが実践するAIワークショップのノウハウも公開―

生成AIは、業務プロセスの見直しや意思決定の高度化など、企業の基幹業務にも活用できる可能性を持っています。

しかし、多くの企業では社員にMicrosoft Copilot などのAIを使える環境を提供しても、実際の活用法は「メールの要約」や「資料作成の補助」といった身近な効率化に留まり、業務プロセス全体を変えるような大きな成果につながっていません。

その違いを生むのは、AIツールの性能ではなく、「どの業務に、どのようなテーマでAIを適用するか」というテーマ設定の深さにあります。現場から自然に出てくるアイデアだけでは、日々の作業改善に偏りやすく、事業インパクトの大きいテーマへ発展させることは容易ではありません。

本セミナーでは、NCDCが実際のAI活用ワークショップで実践している「現場から成果につながるAI活用テーマを引き出し、実行可能なプロジェクトへ整理する手法」の一部を公開します。
より良いAI活用テーマを検討するための問いの立て方や整理の進め方を学び、自社での実践に役立てていただける内容です。

主な内容
・AI活用が「小さな効率化」で止まってしまう理由 ―― 業務変革につながる企業との違い
・「メール要約」と「業務変革レベルの成果」は何が違うのか ―― AI活用テーマの考え方
・現場から成果につながるAI活用テーマを引き出す問いの立て方（ワークショップの一部を実演）
・出てきたアイデアを、実行可能なAI活用プロジェクトへ整理する方法
・業務改善・ナレッジ活用・データ活用など、幅広い業務領域へのAI適用イメージ
・社内で進められること／専門的な設計が必要なこと ―― 自社で試した後に陥りがちな「推進の壁」と、伴走支援の活用法

こんな方におすすめ
・AI活用の推進を任されているが、身近な効率化から先のステップへ進めず悩んでいるDX推進担当者・マネージャー
・自社内で簡易的な「AIテーマ発掘ワークショップ」を実践・企画してみたい方
・現場から出てくるAI活用アイデアを、よりインパクトのある取り組みに発展させたい方
・「社内で進められる範囲」と「専門家を頼るべき領域」の切り分けを知りたい方

Transcript

1. NCDC Online Seminar AI活用を「個人の業務効率化」で終わらせない！ 「組織の業務変革」につながるAI活用テーマの見つけ方 NCDCが実践するAIワークショップのノウハウも公開 2026 / 08 / 25 NCDC株式会社
2. 大沼 翔利 Onuma Shori NCDC株式会社 マネージングコンサルタント NCDCでは、システム開発のプロジェクトマネージャーや、組織課題・ 内製化といったテーマでのコンサルティング、AI活用やUXデザインの 研修・ワークショップの講師などを担当。 特に近年は、 AI活用テーマを現場から引き出すワークショップの企 画・設計・ファシリテーションを担当している。実践型の1Dayワーク ショップや、業務改善ロードマップまで描く8Daysプログラムなど、業 種・職種を問わず支援している。 2
3. デジタルテクノロジーとUXデザインで 社会を創造する Digital Society Enabler. AIやセンシング、クラウドといった先進技術とデザインの力を駆使し、 よりよい生活や働く環境を社会に提供する──。 そんな価値創造に挑戦する企業のパートナーとして、 NCDCはお客さまと共に「一歩先の社会」を実現していきます。 3
4. サービス・プロダクトの二軸による価値提供 ⚫ 多様な強みをお客さまごとのニーズに応じて、柔軟にお客様へ提供。 ⚫ 多様なプロジェクトを通じて見極めた「共通課題」に対しては、製品やパッケージ化したサービスを提供。 Professional Services お客さまごとのニーズに 応じたソリューションを One to Oneで提供 Synergy Product Services 共通の課題を解決する 製品・サービスを 市場に幅広く展開 ⚫ AWSアドバンストティア サービスパートナー ⚫ AWS Lambdaパートナー ⚫ 内製化支援推進AWSパートナー NCDCの強み デジタル戦略 , AI , IoT , データ活用 , モダンアーキテクチャ , アジャイル , 内製化支援 , UX/UIデザイン , プロダクトマネジメント ⚫ 4 SORACOMソリューションパートナー
5. デジタルビジネス立ち上げを一元的にサポート ⚫ デジタルビジネスに必要な企画から開発まで、一元的に提供しています。 ⚫ スモールスタートでの検証から、本開発・継続的な改善までサポートします。 ユーザ視点を大切にした アイデア・企画 5 モックやプロトタイプ の開発・検証 システム・アプリ開発 継続的な改善 ビジネスモデルのデザイン スモールスタート・PoC システム・インテグレーション ワークショップを中心とした合理的 なプロセスで、ビジネスモデルの検 討からUXデザインまで、迅速に行 います。 関係者が多数いる場合の組織横断、 会社横断のファシリテーションも得 意です。 新規性の高いプロジェクト ではMVP（Minimum Viable Product）を用いた検証を行 うなど、目的に応じて段階 的な開発を企画します。早 い段階でモックやプロトタ イプを用意してユーザの評 価を確認します。 ユーザとのタッチポイントとなる各種デバイスのフ ロントエンドデザインから、クラウドサービスを駆 使したバックエンドの開発まで。多様なテクノロ ジーをインテグレーションします。 ⚫ AI / IoT ⚫ モバイル・ウェブ アプリ開発 ⚫ クラウドインテグレーション ⚫ システムアーキテクチャコンサルティング など
6. こんな場面、ありませんか？ 全社にAIを配った。使われてはいる。 でも"成果"と呼べるところまで届かない。 研修もやった。ツールも入れた。 なのに、現場の使い方がそこから広がらない。 『AIで成果を出せ』と言われる。 でも、どの業務から手をつけていけば良いのか、 絵が描けない。 6
7. 今日のセミナーは、以下のような方々を対象にしています ⚫ AI活用の推進を任されているが、身近な効率化から先のステップへ進めず悩んでいる DX推進担当者・マネージャー ⚫ 自社内で簡易的な「AIテーマ発掘ワークショップ」を実践・企画してみたい方 ⚫ 現場から出てくるAI活用アイデアを、よりインパクトのある取り組みに発展させたい方 ⚫ 「社内で進められる範囲」と「専門家を頼るべき領域」の切り分けを知りたい方 7
8. AI活用が「個人の業務効率化」に留まってしまう理由
9. AI活用が「個人の業務効率化」に留まってしまう原因は大きく2つ 原因 原因 1 9 「個人」と「組織」とでゴールが違う 2 「AIで出来ること」の知見・手札が少ない 個人は手元のタスクが速くなれば嬉しい。 知っている範囲が狭ければ、考えつく打ち手も狭い。 組織はプロセスの流れごと変わらないと成果にならない。 「AIで出来ないか？」と聞かれて手が止まるのは、 同じ「AI活用」という言葉で、目指している先が違っている。 選ぶ基準・材料が手元にないから。 “タスク”ではなく”プロセス”に 手札を増やし、課題・非効率・打ち手に 着目したゴール設定が必要 気づける”AI活用の勘所”が必要
10. 原因1： 「個人」と「組織」とでゴールが違う（1/2） 全体 事業・業務 プロセス プロセス 商品企画 販売準備 タスク タスク 市場・競合を調べる 販促プランを作る タスク タスク 売りどころを決める 連動・依存 営業・販売へ渡す … タスク 企画書にまとめる … … … 組織は、プロセス（間）を効率化したい 個人は、自分ひとりのタスクを効率化したい 10 組織は、事業の売上 + 業務の品質を上げたい
11. 原因1： 「個人」と「組織」とでゴールが違う（2/2） = AI改善箇所 「個人」の業務改善イメージ = ある1点のみを改善する プロセス Input タスク タスク タスク Output タスク Output タスク Output 「組織」の業務改革イメージ = プロセス全体・繋ぎ目を変える 11 プロセス Input プロセス Input タスク タスク タスク
12. 原因2： 「AIで出来ること」の知見・手札が少ない（1/3） 多くの現場では②で止まってしまっている 多くの現場 人→AIに「渡す情報」を設計する 1 プロンプト エンジニアリング 聞き方を工夫する （指示文・見本・段取り） チャット型AI 例：ChatGPT/Copilot/ Gemini/Claude など ◎ ◯ 12 前提・資料・手順・役割を 先に渡しておく 3 4 AIの自律実行時の制御・ ツール・ルール等を用意 一回ずつ指示せず、実行 から検証、修正まで回す ハーネス エンジニアリング ループ エンジニアリング 5 グラフ エンジニアリング(※) 複数AIエージェントの分担 を設計・組織化する ◯ ◎ ◯ （作り込み次第） 自律型AIエージェント 例: Codex/GitHub Copilot/ Kiro/Claude Code など コンテキスト エンジニアリング （メモリ・添付・カスタム指示） カスタムAIエージェント 例: GPTs/Copilot Studio/ Gem/Claude Project など 2 AIが自律して手を動かす「前提」を設計する ◯ ◎ (※) 「グラフエンジニアリング」 は2026年7月ごろに出始めたワードで、定義などは未確定 △
13. 原因2： 「AIで出来ること」の知見・手札が少ない（2/3） AIが自律して動くことで、複数タスク（＝プロセス）をまとめて任せることができるところまで進化している 人→AIに「渡す情報」を設計する 1 プロンプト エンジニアリング 聞き方を工夫する （指示文・見本・段取り） 2 コンテキスト エンジニアリング 前提・資料・手順・役割を 先に渡しておく “人が” AIを使い分ける = 単一タスクに留まる AIが自律して手を動かす「前提」を設計する 3 ハーネス エンジニアリング AIの自律実行時の制御・ツール・ ルール等を用意 4 5 一回ずつ指示せず、実行から検証、 修正まで回す 複数AIの分担と配線を設計・組織 化する ループ エンジニアリング グラフ エンジニアリング(※) “AIが” AIを使い分ける = 単一タスクもプロセス全体も任せられる 参照のみOK 削除・書き込み禁止 13 (※) 「グラフエンジニアリング」 は2026年7月ごろに出始めたワードで、定義などは未確定
14. 原因2： 「AIで出来ること」の知見・手札が少ない（3/3） 知るほど、「これAIでなんとかできないか？」という気づきが増える。 使うほど、「これもAIに任せてみよう」という良いサボり癖がついてくる。 そうして今まで見えてこなかった課題や打ち手が見えてくるようになる。 “できること”を知る AIに聞いてみる・任せてみる 見えていなかった非効率が見える 回答が微妙、期待外れ 「これAIでなんとかできないか？」が増える 使わなくなる AIに聞いてみる・任せてみる 非効率・課題に 気づけない 14 非効率・課題から 目を背ける できた
15. 「組織の業務変革」につながるAI活用テーマの見つけ方
16. 「組織の業務変革」につながるAI活用テーマの見つけ方 トップダウン • これまで手が回らなかった測定・集約をAIに任せて、判断に使える形で出力。 • AIには測定結果だけではなく示唆を見出させ、人間の判断そのものを速くする。 • 誰が: 経営・管理部門と、業務を預かる事業部門。 組織の Outcome （売上・コスト・品質・スピード） ボトムアップ 16 • 一人の工夫（使いどころ・プロンプト）を共有して、隣の人が再現できる状態にする。 • 個人の改善を積み重ねて、部署・組織のプロセス標準に拡張していく。 • 誰が: 現場と、その現場を預かるマネージャー
17. トップダウンで見つける（1/2） 従来は取得不可能だった指標・KPIのリアルタイム把握や、日報や報告書等の非構造化データをAIで集約する。 指標を組み合わせて新たな指標を生み出し、洞察を得て意志決定スピードを上げることができる。 集計時間・扱えるデータ 集計結果・指標の読み方 毎回手で集計、定量データをグラフで見るだけ 1つ出して終わり。「だから何？」はあとで考える。 Before 集計 …？ 自動集計・文章など非構造化データも分析 複数の指標を組み合わせて、新たな洞察を得る 日報や報告書と数値と突き合わせ、定量だけでは出ない切り口で分析 ◯◯率がn%上昇かつ△△額がm円減少 → 〜ということが言える After 集計 示唆 洞察 分析 ※ どこまで出せるかは、いま社内に溜まっているデータと記録の粒度によって変わります。指標名・数値はイメージです。 17
18. トップダウンで見つける（2/2） 経営や組織にインパクトを与える洞察や示唆とはどんなものか、その指標はどう取り出すのか。 切り口はゼロから発明しなくても、いまの集計と眠っているデータの中にあります。 いまのデータが何に答えているかを書き出す 定例で見ているデータ・レポートに、「これで知りたい 事実やトレンドは何か」を一言ずつ書き添える。 判断に届いていない場面を拾う 「◯◯は良いのに△△が悪い」など、数字は出たのに、 一概に評価できなかった場面を挙げる。 眠っているデータを棚卸す 溜めているだけのデータ、集計していない切り口、 一部は使っているがまだ切り出せる指標がないかを探す。 得られた洞察・示唆は期待通りか 期待する洞察を言葉にする どんな結果が得られて、そこから何を知りたいのか。 問いの形まで書けたら、それがAI活用テーマです。 そこからどんな組織課題が明らかになったか 組織課題に対してどんな打ち手を講じたいか それはAIで解決できるか 18
19. ボトムアップで見つける タスク（プロセス）の Output が、次のタスク（プロセス）の Input になる。 AIエージェントの Output を、次のAIエージェントの Input としてそのまま渡せないか？ 事業・業務 プロセス • 業務→プロセスに分解 • プロセス→タスクに分解 • タスクを Input/Output に分解 • Input/Output はExcel？転記？ タスク 組織の業務改革につながる 19 タスク タスク タスク タスク タスク タスク タスク ・・・ タスク タスク タスク タスク Output Input / Output の改善の積み重ねが 最終的にプロセス全体に広がって プロセス Output 処理 Output 処理 Input 処理 Input Input ・・・
20. どちらでも使えるコツ = AIに逆質問させる 曖昧さを排除してくれる こんな方向性でいい？ 3案のうちどれが一番近い？ 目的と矛盾してるけど、どうする？ こういう解釈・理解で合ってる？ 言葉の定義：「運用を改善したい」 → 障害切り分けをして、Bugを開発にパスする仕事？ → 運用手順書に沿ったユーザ対応？ 形容詞の定義：「コストが高いので改善したい」 → 何と比較して？ 〜〜〜ということをやりたいと考えている。 → 数万円？数千万円？ この計画のあらゆる側面について、私たちが共通の認識に達するまで、徹底的に私に質問を投げかけてください。 設計のツリーを枝分かれの先まで一つひとつたどり、決定事項間の依存関係を順番に解決していきましょう。 人とAIとの間の認識を揃えてくれる 各質問に対し、あなたの推奨する回答も併せて提示してください。 人 「これやって」 質問は一度に一つずつお願いします。 AI 「できました！」 人 「うーん、イメージと違うなぁ」 もしコードベースを探索することで答えが得られる質問であれば、質問する代わりにコードベースを調査してください。 ※ grill-meプロンプトと言います。 20 …とならないように、人の頭の中にある暗黙知・前提・ 制約・目的・障壁・ゴール・方向性などをAIに引き出し てもらいつつ、それをAIに正しく伝える
21. 出てきたAI活用テーマを Outcome で検証する どんな手段で、何を作り、どういう結果が生まれ、最終的にどういう成果につながるか。 そのAI活用アイデアは Outcome を達成可能か？経営や組織の Outcome にインパクトを与え得るか？ Means （手段） 「AIを使う」 Output （モノ） 個人の効率化だと 大体ここで止まる 「便利なツール・システム」 Result （結果） 組織の改革を目指すなら、 ここまで深掘りできるはず 「工数・手間が◯％減」 「1日あたりの処理件数が◯件増」 Outcome （成果） 「◯万円/月の人件費を削減」 「売上が前月比◯％増」 21
22. 弊社の実例: 指標から示唆を得る ※ イメージ ※ 値はダミーです 22
23. ワークショップ事例: AIに逆質問させる 実際のワークショップで使ったスライド 23
24. ワークショップ事例: AIと対話しながら改善する 実際のワークショップで使ったスライド 24
25. ワークショップ事例: 業務を分解する 実際のワークショップで使ったスライド 25
26. ワークショップ事例: Outcome を定義する 実際のワークショップで使ったスライド 26
27. AIによる組織の業務改革の進め方
28. 小さく早く始めるのがベター タスクではなくプロセスに着目してゴール設定をすることは大事。でも、AIの進化は非常に速い。 じっくり全体構想の計画を立てて、いざ始める頃には情報が古くなっている可能性が高くなる。 アジャイル型で 小さいサイクルを回して進める ウォーターフォール型で しっかり構想を描いて進める ↑ AI の 進 化 計画→実行 古くなっている… 計画 計画→実行 実行 時系列→ 28 計画→実行 時系列→ • 絵が大きすぎて足踏みし、費用が先に膨らむ • かかる費用はAIの利用料くらい、すぐに変えられる • AIの新しいベストプラクティスが生まれ、情報が古くなる • 浮いた時間を次の計画を考える時間に充てられる • 手元の小さなタスクさえ改善されない • まずはAIを触って、AIを徐々に育てていく ↑ AI の 進 化
29. 「組織の業務改革」を誰が実行するのか AIに詳しいDX推進室や情報システム部、外部ベンダーではありません。 業務を熟知している事業部門側、つまりドメインエキスパートが主導するべきです。 これから 従来 プロセスに着目したゴール設定 + AIの勘所 IT用語がわからない… 事業部門 業務を知っている人 そんなこと当たり前だと思って 伝えてなかった 伝える こんな資料を作らないといけ ないのか IT専門家 DX推進・情シス・ベンダー 業務フローが分からない… そんな条件があるなんて 聞いてない 整理・設計・実装 システム化・効率化 成果物・効果 29 事業部門 業務を知っている人 人に伝えるための資料をつく る手間が減る。整理して渡す 前に、整理そのものを一緒に やれる 自然言語で対話 AI 何度も聞き返せる相手 専門用語を覚える手間が減る。 クラウドやネットワークの用語 を挟まずに頼めて、わからな ければ「例えで説明して」と何 度も聞き返せる 整理・設計・実装 「業務に合わない」「使えない」 に、完成してから気づく 動くもの・成果物 その日のうちに形になる 完成までの待ち時間が減る。 試して、違ったら言い直すを、 その場で何度も回せる
30. どこまで社内で進めて、どこから相談するか 場面 社内で進められること 専門家と一緒にやると早いこと テーマを見つける 業務を分解して、 AIを当てられそうな箇所を洗い出す。 洗い出した候補を、成果に結びつく順に 絞り込む。 ゴールを決める Means→Output→Result→Outcomeを 自分たちの言葉で書く。 数値で語れるOutcomeまで落とす。 測り方を決める。 小さく試す チャット型AI・カスタムAIエージェントで 手元の業務を試す。 自律実行の前提づくり（ハーネス・ループの設計）。 既存システムとの接続。 拡げる・共有する AIの使い方を持ち寄る・共有するための 場をつくる。社内勉強会。 部署をまたぐ進め方の設計。 セミナー・ワークショップの運営設計。 自社コラム「全社員にAIを配っても業務効率化が進まないのはなぜか？」もぜひ参照ください 30
31. まとめ
32. まとめ ⚫ 個人の小さな効率化で止まる原因 ⚫ 「個人」と「組織」とでは、目指すゴールが違う ⚫ 単一タスクの”点”ではなく、プロセス全体の”繋ぎ目”に着目する ⚫ 「AIで出来ること」の知見・手札の少なさ ⚫ 知見を増やし、使い込み、”AI活用の勘所”を身につける ⚫ 組織のAI活用テーマを見つける時に押さえるべきポイント ⚫ 新たな指標を作り、洞察を得て、トップダウンでテーマを見つける ⚫ Input / Output に着目して「繋げられないか？」と、ボトムアップでテーマを見つける ⚫ AIに逆質問させて、曖昧さと認識ズレを排除 ⚫ AI活用テーマは Outcome で検証する ⚫ 組織の業務改革は、事業部門が主導して小さく早く実行する 32
33. 豊富なAIワークショップ実績 課題・ゴール・レベルに合わせてワークショップを設計・伴走します。 お困りの方は、ぜひNCDCまでご相談ください！ 実績 33 対象者 概要 生成AI Kick Starter ワークショップ 生成AIをあまり使ったことがない 2時間。生成AIを使いながら進める体験型。最終的に弊社がレ ポート作成。 AIエージェント Discovery Workshop 生成AIを使ってはいるが、AIエージェントを 業務で深く利用するイメージが湧いていない 2時間。AIエージェントをどのように適用すると、どのような効果が 出るのかのDiscussion & Ideation。 カスタムAI業務改善 ハンズオン GPTsや、Gemなどを自分たちで開発して業 務改善を行いたい 1〜2時間/週を数週間。コワーク・レビュー・相談会を実施し参加 者自身でAIツールを開発。 AI活用業務改善 + ロードマップ策定 生成AIをあまり使ったことがなく、中長期的 なロードマップまで描いて欲しい 2時間/週を8週間。AIの基礎的な使い方と事例の紹介、業務課題 の洗い出しとAI活用方法のIdeation、ロードマップ策定。 Claude活用ワークショップ Claudeの各機能を使いこなして業務改善し たい人向け 3時間。Claudeと対話しながら業務課題の棚卸しと Claude/Cowork/Codeの活用案をIdeation+実践。