0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

IT業界と非IT業界のAI活用、成功と失敗を分けるものは何か SESエンジニアが今日から始められる自動化の実例

0
Posted at

はじめに

前回の記事「コーディングが速くなっただけで満足していないか SES現場でAIを『業務の自動化』に使うという発想」では、「AIはコーディングを速くする道具としてよりも、ルーティーン業務を自動化する仕組みとして使ったほうが効果が大きい」という話をしました。

今回はその話をもう一段具体化して、IT業界・非IT業界それぞれでよく語られるAI活用の成功パターン・失敗パターンを整理し、最後にSESエンジニアが客先常駐という制約の中で、今日から手を付けられる自動化の実例を紹介します。

なお、以下で挙げる事例は特定の企業を指すものではなく、業界紙・ニュース・カンファレンス等で繰り返し語られている典型的なパターンを一般化したものです。「どこかで聞いたことがある話だ」と感じる部分があれば、それはこの領域で共通して起きている現象だということだと捉えてください。

1. IT業界におけるAI活用

成功しやすいパターン

  • 障害対応の一次切り分け: 過去の障害報告書やナレッジベースをAIに検索・要約させ、似た事象への対応履歴を素早く提示する
  • ドキュメント・仕様書の下書き生成: 実装から仕様書を起こす、あるいはAPI仕様書のひな形を自動生成する
  • 単体テストの雛形生成: 既存コードからテストケースの叩き台を作らせ、人はレビューに専念する

これらに共通するのは、入力(コード・ログ・過去事例)と出力(要約・雛形)の形式がある程度決まっているという点です。決まった形式に沿った作業だからこそ、AIの出力をそのまま使うか、軽い修正で使えるかの判断がしやすくなります。

失敗しやすいパターン

  • ツール導入がゴール化する: 「AI導入」自体がKPIになり、既存の開発フローや承認プロセスを変えないままツールだけ入れるため、結局誰も使わなくなる
  • 本番データを扱えず形骸化する: セキュリティ・情報統制の都合で本番のログやコードを外部AIに渡せず、結果としてマスキング済みのサンプルデータでしか試せず、実運用に乗らない
  • レビュー工数がかえって増える: AIの生成物を疑ってかかる必要があるため、「人がゼロから書く」より「人がAIの出力を検証する」ほうが時間がかかるケースが発生する

IT業界は技術的な導入障壁が低い分、「入れてみたけど効果検証をしていない」まま放置されるケースが多い、というのが実感です。

2. 非IT業界におけるAI活用

製造業

  • 成功パターン: 設備点検の記録を音声入力し、AIが定型の点検報告書フォーマットに整形する。検品工程で画像から異常を検知し、人は最終確認のみ行う
  • 失敗パターン: 熟練工の暗黙知(音・振動・匂いなどの感覚的な異常検知)をそのままAIに置き換えようとして精度が出ず、現場が「使えない」と判断して定着しない

製造業は「決まった手順の記録業務」はAI化しやすい一方、「経験と勘に依存した判断業務」を性急に置き換えようとすると失敗しやすい傾向があります。

小売業

  • 成功パターン: 過去の販売実績から需要予測・発注量算出を自動化する。よくある問い合わせをAIチャットボットで一次対応し、複雑なものだけ有人対応に回す
  • 失敗パターン: クレーム対応や複雑な要望まで全自動化しようとして、顧客の感情を逆撫でする対応をしてしまい、炎上・信頼失墜を招いて結局有人対応に戻す

小売業では、「定型的な問い合わせ」と「感情を伴う個別対応」を混同して同じ仕組みに乗せてしまうことが失敗の典型パターンです。

医療・介護

  • 成功パターン: 看護記録・介護記録の音声入力とAIによる下書き作成で、記録業務の時間を短縮する
  • 失敗パターン: 個人情報・医療情報の取り扱い上、そもそもクラウドAIの利用自体が制限されており導入が進まない。あるいは記録内容の正確性を人が逐一確認する必要があり、期待したほど時間短縮にならない

医療・介護は業界特有のコンプライアンス制約が強く、「技術的にはできるが、そもそも使える環境にない」というボトルネックがIT業界より一段手前にあるのが特徴です。

3. 成功と失敗を分けているもの

業界を横断して見ていくと、成功しているケースと失敗しているケースには、それぞれ共通した傾向があります。

成功しているケースの共通点

  • 対象業務の入力・出力がもともと定型化されている
  • 「人がやっていた確認・整形作業」を減らす設計になっている(判断そのものを丸ごと置き換えていない)
  • 最終判断・最終確認は人が担うという役割分担が明確

失敗しているケースの共通点

  • 「AIを導入すること」自体が目的化し、既存の業務フローを見直していない
  • 精度検証や責任の所在(誤りが出たときに誰が気づき、誰が直すか)を決めないまま本番投入している
  • 暗黙知や感情対応など、そもそも定型化されていない判断業務を性急に置き換えようとしている

つまり、業界の違いよりも「対象業務が定型化されているか」「人の最終確認をどう組み込むか」の設計の違いのほうが、成否を左右しているというのがここまでの整理です。

4. SESエンジニアが現場でできる自動化の実例

前回の記事では、客先常駐という立場上「自分一人の判断で業務フローやツールを変えられない」という制約を前提に、まずは自分のルーティーン作業を言語化してリスト化することから始めようという話をしました。今回はそこからもう一歩進めて、実際に手元でできる自動化の実例を挙げます。

いずれも、客先の情報やシステムを直接扱うものではなく、自分の端末・自分の作業として持ち帰ってから行う範囲を前提にしています。

  • 日報・週報の下書き自動生成: その日にやった作業のメモ(箇条書きでよい)をAIに渡し、社内フォーマットに沿った日報・週報の下書きを作らせる。人は事実確認と微修正だけを行う
  • 議事録の要約とタスク化: 打ち合わせのメモや録音の文字起こしをAIに要約させ、決定事項・ToDo・担当者を分けて一覧化するテンプレートプロンプトを自分用に作っておく
  • 月次実績・単価交渉資料のたたき台作成: 自分がその月にやった作業ログをAIに渡し、単価交渉や契約更新時に使う実績整理シートの下書きを作らせる
  • 引き継ぎ資料・FAQのたたき台作成: 客先常駐は担当交代が前提の働き方です。自分の作業手順をメモとして残し、AIに引き継ぎ資料の構成案を作らせておくことで、契約終了時の引き継ぎコストを下げられる

これらはどれも、3章で整理した「成功しやすいパターン」の条件、すなわち入力(自分のメモ・ログ)と出力(定型フォーマット)がある程度決まっている業務に当てはまります。客先でAIツールの利用が制限されている環境でも、会社に持ち帰ってからのこうした作業であれば、個人の裁量で試せる範囲は十分にあるはずです。

おわりに

IT業界・非IT業界を問わず、AI活用がうまくいっているケースは「もともと定型化されている業務にAIを当てはめ、人は最終確認に専念する」という設計になっており、失敗しているケースは「AI導入自体が目的化し、既存のフローや責任分担を見直さないまま入れている」という共通点があります。

SESエンジニアは客先の業務フローやツールを自由に変えられる立場にはいませんが、日報・議事録・実績整理・引き継ぎ資料といった自分自身の定型業務であれば、今日からでも自動化を試すことができます。この記事が、自分の手元でできる小さな自動化を一つ試すきっかけになれば幸いです。

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?