「AIを活用して、生産性を上げてほしい」

経営レベルからそうした方針が降りてきたとき、必要性は理解できても、「分かりました。すぐ進めます」とは言い切れない。そんなミドルマネージャーも少なくないのではないでしょうか。

世の中では、AIで資料作成が速くなった、業務が効率化した、といった事例を目にする機会が増えています。一方、実際に現場で始めようとすると、話は少し複雑です。

顧客情報や機密情報を扱うなら、社内ルールの確認や申請が必要になるかもしれない。メンバーに「何かAIで試せそうな業務はある？」と聞いても、「興味はあるんですけど、今ちょっと忙しくて」と返ってくる。自分自身も通常業務で手いっぱいだったりします。

「AIで効率化する」という言葉は簡単でも、実際にはその前に、「何に使うかを考える」「安全に使えるか確認する」「試してみる」という新しい仕事が発生します。

ここで押さえておきたいのが、経営が示すテーマと、現場が扱える仕事の“粒度”は違うということです。

経営から見れば、「AIを活用して生産性を向上する」は一つの方針です。一方、現場で判断できるのは、「この会議資料づくりをどうするか」「この確認作業を減らせないか」といった個々の仕事です。

この差を埋めないまま「AIを活用しよう」とだけ伝えると、現場には「AIの使いどころを探す」という新しい仕事が一つ増えます。

AI活用に限らず、新しい施策が既存業務にそのまま上乗せされると、現場には「便利になる」より先に「やることが増えた」と感じられることがあります。

だからこそ、ミドルマネージャーに求められるのは、AIに詳しくなることそのものではありません。まず必要なのは、上位方針を現場の仕事の粒度まで翻訳することです。

1．AIを考える前に、仕事のどこにムダがありそうかを見る

「AIを活用しよう」と言われると、まず「AIには何ができるのか」を知りたくなります。

ただ、自分たちの仕事のどこに問題があるのか分からなければ、AIの使いどころも見つかりません。

例えば、こんなことはないでしょうか。

• 担当者が変わるたびに、過去資料を一から探している
• 毎年同じ時期に忙しくなり、残業で乗り切っている
• 特定のメンバーしか分からない仕事がある
• 共有フォルダから必要な情報がなかなか見つからない

一つひとつは小さなことです。しかし、生産性を下げているのは、こうした日常に生じている小さな“ムダ”かもしれません。

まず「何が生産性を下げているのか」を見つける。そのうえで初めて、「AIで減らせるか」「別の方法がよいか」を考えます。

AI活用の出発点は、AIを知ることより、自分たちの仕事を知ることです。

2．「生産性向上」を、現場の困りごとに置き換える

「生産性を上げる」と言われると、今まで1日かかっていた仕事を1時間で終わらせる、といった劇的な効率化を想像しがちです。

しかし、最初から大きな成果を狙う必要はありません。先ほど挙げた“ムダ”の例は、この象徴と言えるでしょう。

「生産性を上げる」とは、これらの“ムダ”を一つでも減らすことと置いてみる。これだけで、「生産性向上」という壮大に見えるテーマも、少し扱いやすくなるのではないでしょうか。

ポイントは、何時間短縮するか、といった数値化を最初からやろうとしないことです。

• 「担当者が変わるたびに発生している資料を探す手間は時間に換算するとどの程度か？」
• 「繁忙期とは言え減らせそうなムダな作業の進め方があるのではないか？」
• 「特定の人しか分からない状態が続いていることで、引き継ぎや確認に余計な時間が発生していないか？」
• 「同じ説明を繰り返さないといけない手間が発生しているのは、そもそものやり方に問題があるのでは？」

こうした小さな“ムダ”に着目し、現場で実際に起きている具体的な困りごとを一つ減らすことができれば、それだけで十分立派な生産性向上と言えます。

もしやみくもにAIを使おうとすること自体がムダになっているのであれば、目的や対象を明確にするまではAIを使わない、という判断も、立派な生産性向上の一手になります。

3．AIで何をするかではなく、何を良くしたいかから考える

困りごとが見えてきたら、そこで初めて「AIが使えるか」を考えます。

例えば、毎週の会議資料づくりに時間がかかっているなら、構成案だけAIに作らせてみる。

問い合わせ対応で似た質問が多いなら、回答案のたたき台を作らせてみる。

一方、情報そのものが整理されていないなら、AIより先に情報の置き場所を整える必要があります。

「AIで何ができるか」から仕事を探すのではなく、「何を良くしたいか」から手段を探す。

上位方針をそのまま現場へ渡さず、自分たちが扱える問いに翻訳する。そこは、業務とメンバーの状況を知るミドルマネージャーだからこそ担える役割です。

4．小さく試して、使える範囲を見極める

困りごとが一つ見つかったら、いきなり部署全体でAI活用を始める必要はありません。

まずは範囲を絞って、小さく試してみることが大切です。

例えば、先ほど例に挙げた、「毎週作っている会議資料の構成を考えるのに時間がかかる」という困りごとに対して、「構成案だけAIに作らせてみる」という打ち手を打ってみたとします。

実際にやってみると、例えば

• 「構成を考える時間は減った」
• 「一方で、数字や事実関係は人が確認する必要があった」
• 「自社固有の事情を反映するには一部構成の見直しも必要だった」

といったことが見えてくるかもしれません。

ここまで分かれば、「AIは使える／使えない」という二択ではなく、「この部分には使える」という判断ができます。

冒頭にあった顧客情報や機密情報の扱いについても基本的な考え方は同じです。

どの業務で、どの情報を使う必要があるのか。それを整理して初めて、社内ルールの確認や申請が本当に必要なのかも見えてきます。

使い方が決まっていない段階で、社内ルールを守るという最低限の部分を超えて、AIのリスクをすべて整理しようとすると、考えることばかりが増えて、結局何も始まらなくなります。

まず仕事の困りごとを見る。小さく試す。その結果を見て、必要なルールや進め方を考える。

この順番の方が、現場も動きやすくなるのではないでしょうか。

5．明日からできる一歩：「AIを勉強すること」ではなく、仕事を一つ見ること

生産性向上が目的であれば、「AIを勉強する」を最初の入り口にしないほうがよいです。もしかするとAIの専門家になろうとすること自体が、生産性向上から遠のいている可能性すらあります。

まずは明日、自分のチームの仕事を一つだけ見るところから始めてみませんか？

例えば、チームミーティングで、「最近、地味に時間を取られている仕事って何かありますか？」と聞いてみる。あるいは、自分自身の仕事の中から、「毎回面倒だと思いながらやっている作業」を一つ選んでみる。

そして、何に時間がかかっているのか、どこまでをAIに任せられそうか、どこは人が確認しなければならないか、といったことを、10～20分だけ考えてみます。もし余裕があれば、実際に一度試してみて、「AIを使った時間」「確認にかかった時間」「自分で直したところ」をメモできると、さらに良いです。

それだけでも、「AIで生産性を上げる」という大きな話が、自分たちの仕事の話に変わってきます。

AI活用は、大きな導入計画から始めなくても構いません。

まずは、自分たちの仕事の中にある、小さな「面倒」を一つ見つける。

そこから、その面倒を減らす方法の一つとしてAIを試してみる。

ミドルマネージャーだからこそできるAI活用は、案外そこから始まるのかもしれません。