生成AIの業務効率化が個人作業で止まる理由

社内の誰かが議事録を要約させ、誰かがメールの下書きを書かせている。便利だという声は上がるのに、部署の仕事の進め方は去年と変わっていない。多くの会社で、生成AIの導入はこの状態で足を止めています。

止まる場所には共通点があります。間違いに気づける仕事にしか渡せていない、という一点です。担当者が慎重すぎるわけではありません。出力が正しいかを確かめる工程を、会社として持っていないことの結果でした。

この記事では、生成AIによる業務効率化という言葉が指すものを整理したうえで、国の調査が示す日本企業のリスク対策の偏りを見ます。そのうえで、どの業務までなら任せられるのかの線を、採用・人事の工程に沿って引き直します。

生成AIによる業務効率化の定義と、成果として残る条件

生成AIによる業務効率化とは、文章の作成・要約・分類・下書きといった言語処理のタスクを生成AIへ移し、人が使う時間を判断と確認へ寄せ直すことです。ツールを導入することと同じ意味ではありません。

この違いは運用に出ます。ツールの導入は契約と配布で終わりますが、効率化は「誰のどの作業が減ったか」が測れて初めて成立します。配っただけで作業が減らない状態は、導入は済んでいても効率化には至っていない状態です。

成果として残るには、条件がひとつあります。出力が間違っていたときに、誰かが気づいて直せることです。気づけない仕事に渡せば、効率化のつもりの作業が品質低下として返ってきます。

ここが設計の分かれ目になります。生成AIは自信のある書き方で誤りを出すため、正しさは出力の見た目からは判別できません。確かめる側の工程を用意できるかどうかが、任せられる範囲を決めます。

効果として残るのは、間違いに気づける仕事に限られる

生成AIを何らかの業務で使っている日本企業は86.4%にのぼります。それでいて、組織としての取り組みを持たない企業が27.0%ありました。個々の社員が自分の判断で触っている状態が、広く残っていることになります。

出所：総務省『令和8年版 情報通信白書』図表Ⅰ-2-1-6（日本 回答477社）および図表Ⅰ-2-1-3（日本 回答497社・2026年7月24日公表）。

いずれも、従業員10名以上でかつ2025年までにデジタル化に着手した企業の管理職以上に尋ねた調査です。日本企業全体の平均ではなく、すでに前へ進んでいる層の数字として読む必要があります。その層でも、組織としての形は伴っていません。

この構図と、どの業務まで進んでいるかの分布はAI導入とは？進め方と定着しない理由で扱いました。本記事はその先を見ます。

個人の道具として使われている限り、渡される仕事は自然に絞られます。書いたものを自分で読み返せば誤りに気づける範囲、つまり議事録の要約やメールの下書きです。読み返しても正しさを判定できない仕事は、個人の判断では渡せません。

判定には社内の事実が要ります。この候補者の経歴が要件と合うのか、この規程の解釈は合っているのか、この数字は最新なのか。こうした問いは、手元の画面を見ても答えが出ません。

つまり、個人作業で止まっているという現象と、確かめる工程が無いという構造は同じことの裏表です。工程を作らないまま範囲だけ広げれば、確かめられない出力がそのまま仕事に流れます。

日本のリスク対策は指針の整備に寄り、出力を確かめる工程が薄い

日本企業がリスク対策として最も多く実施しているのは、全社的な指針やガイドラインの整備で41.1%です。一方、製品・サービスの導入後に定期的な評価・検証を行っている企業は29.1%、企画・導入段階で専門的な知見から審査する体制を持つ企業は26.1%にとどまります。

出所：総務省『令和8年版 情報通信白書』図表Ⅰ-2-1-9（2026年7月24日公表）。

この2つの項目は「製品・サービス」の企画・導入段階と導入後を尋ねており、社内業務の確認工程をそのまま測った設問ではありません。白書自身も、この差を顧客向けの製品・サービスへの活用の差によるものと推測しています。

差が開くのは、指針を整えた先にある2つの工程

ガイドラインの整備率だけを見ると、日本は米国に9.3ポイント届かない程度で、ドイツと中国は上回っています。差が開くのはその先です。

製品・サービスの企画・導入段階の審査体制で、日本は米国の半分（26.1%対52.5%）、中国の4割強（26.1%対59.0%）です。導入後の評価・検証でも、米国の6割強（29.1%対45.7%）、中国の6割弱（29.1%対51.9%）にとどまりました。

用途が先か、体制が先か

白書はこの差をこう読んでいます。他の3か国では、議事録・メール作成補助のような企業内で完結する利用にとどまっていない。顧客向けの製品・サービスにも生成AIを使っているため、事前の審査や事後の評価・検証を行う体制が整備されつつある、と。

用途が広いから体制が育った、という読み方です。この向きは実態に合っています。ただし現場の実務から見ると、逆向きも同時に成り立ちます。

体制が無いから、確かめなくても損が出ない用途にしか渡せない。どちらが先かは調査からは決められませんが、少なくとも自社で手を打つ側から見れば、後者の向きのほうが動かしやすい。審査と検証の工程は、用途が広がるのを待たなくても、今いる人員で作れるからです。

ガイドラインは「使ってよい範囲」を決める文書です。範囲を決めても、範囲の内側で出た出力が正しいかは分かりません。整備したのに使い道が広がらないという感覚には、この構造が対応しています。

懸念しているリスクの中身が、対策の偏りを説明する

日本企業が最も多く挙げる懸念は、社内情報の漏洩などのセキュリティリスクで46.4%でした。4か国のなかで最も高い数字です。

出所：総務省『令和8年版 情報通信白書』図表Ⅰ-2-1-8（2026年7月24日公表）。

入口で閉じるリスクと、出口でしか閉じないリスク

懸念の順位が国によって入れ替わっています。日本が情報漏洩を先頭に置くのに対し、米国と中国は出力結果の精度を最上位に置きました。ドイツは著作権44.7%とプライバシー44.0%が上位で、精度41.7%がこれに続きます。偏見とプライバシーの懸念は、3か国とも日本より10ポイント以上高く出ました。

この違いは、対策の偏りと素直につながります。リスクは、閉じられる場所が2つに分かれるからです。

• 入口で閉じるもの：情報漏洩は、何を入力してよいかを決めて学習に使われない仕組みを選べば、出力を見なくても抑えられる
• 出口で閉じるもの：出力の精度・偏見・権利侵害は、出てきたものを誰かが見る工程がないと抑えられない
• どちらでも閉じないもの：判断理由の説明不足は、使う業務そのものを選び直すしかない

日本が懸念の先頭に置いている情報漏洩は、入口で閉じられる種類です。入口の対策であるガイドラインの整備を先に進め、出口の対策である審査と検証が後回しになるのは、懸念の構成と整合しています。

ただし、出口を閉じないままだと渡せる業務は増えません。精度への懸念が低いのは精度が高いからではなく、精度を問われない仕事にしか使っていないから、という読み方もできます。

中小企業では、懸念そのものが広く共有されています。別の調査になりますが、中小企業基盤整備機構が中小企業だけに尋ねたところ、AIやITの導入にあたりセキュリティや情報漏洩への懸念があると答えた企業が75.2%（強い懸念21.6%、多少の懸念53.6%）でした。設問は生成AIに限らずAI・IT全般を対象とした単一回答なので、上の表とは並べて比べられません。

出所：中小企業基盤整備機構『中小企業のAI等の利活用に係る実態調査』（回答1,645社・令和8年3月公表）。

人事が扱う情報は、入力してよい範囲の線引きが重くなる

入口の対策は、何を入力してよいかを決めるところから始まります。人事の場合、この線引きが他の部署より難しい。扱う情報の多くが、本人から預かった個人情報だからです。

日本企業がプライバシー侵害を懸念として挙げた割合は24.5%でした。米国38.2%、ドイツ44.0%、中国43.4%と比べると10ポイント以上低い水準です。

出所：総務省『令和8年版 情報通信白書』図表Ⅰ-2-1-8（2026年7月24日公表）。

懸念が低いのは、扱いが安全だからとは限りません。個人情報に触れる用途へまだ踏み込んでいないから低く出ている、という読み方もできます。人事の業務へ本格的に入れると、この懸念は自社の問題として立ち上がってきます。

線を引くときに決めるのは3つです。

• 目的の範囲：選考のために預かった情報を、選考以外の用途へ回していないか
• 再学習の有無：入力したものが事業者側の学習に使われない契約・設定になっているか
• 出力の置き場：生成された文章を、元の情報と同じ管理の下に置けるか

3つ目が抜けやすい。応募書類を要約させると、要約という新しいデータがそこで生まれるからです。

原本は人事システムの中で管理されているのに、要約だけが担当者の手元のファイルに残る。この状態は、入力の範囲をどれだけ丁寧に決めてもすり抜けます。範囲と置き場は同時に決めておくほうが、後の運用が楽になります。

任せられるかどうかは、業務の種類ではなく確かめ方で決まる

どの業務を生成AIに渡せるかは、業務の名前では決まりません。同じ「書類を読む」でも、誤りに気づける読み方と気づけない読み方があります。

判定は3つの問いで足ります。

1. 誤りが出たとき、受け取った人がその場で気づけるか
2. 気づいたあと、外へ出る前に直せるか
3. 直せなかった場合、影響は元に戻せるか

3つとも「はい」なら、そのまま渡して差し支えありません。1つでも「いいえ」があるなら、渡す前に確かめる工程を足すか、渡す範囲を手前まで戻します。

この問いの立て方は、白書が第2段階として挙げた設計と同じ方向を向いています。白書は、業務プロセス全体において「どのタスクはAIを人間の思考や判断の補助として用い、どのタスクはAIに自律的に実行させるべきか」を検討する必要があると書きました。

出所：総務省『令和8年版 情報通信白書』第Ⅰ部第2章第1節4（2）AI導入・活用による効果創出のステップ（2026年7月24日公表）。

白書が挙げた実例も、この線の引き方で読めます。キリンホールディングスは、過去10年分の取締役会とグループ経営戦略会議の議事録データに社内データと外部情報を読み込ませ、財務やマーケティングなど異なる役割を持たせたAI役員を開発しました。使い道は2つで、経営戦略会議に付議する起案者の事前の壁打ち相手と、会議中の発言から抽出した論点や意見を経営陣へ提示することです。白書の記述からは、決定そのものを置き換える使い方は読み取れません。

経費精算では、ラクスの事例が挙げられています。アプリ上で領収書を選ぶだけで精算データの作成から勘定科目の入力までを自動化し、作成された申請が社内ルールに沿っているかをチェックする機能を備えた仕組みです。出力の正しさを別の機械が確かめる形で、確認の工程が製品の内側に入っています。

いずれも白書が各社の公表資料を出所として掲載した事例です。共通するのは、生成された結果をそのまま最終決定にしていないことでした。

採用・人事の工程に当てはめた線引き

採用と人事の仕事を工程に割ると、線がどこに引けるかがはっきりします。同じ「候補者を見る」でも、要約と判定では確かめやすさがまったく違うからです。

そのまま任せられる工程と、材料を残せば任せられる工程

上の3つは、誤りが出ても受け取った人が読んだ瞬間に気づき、外へ出る前に直せます。文面がおかしければ送る前に書き直せばよく、影響も残りません。

真ん中の2つは、確かめる材料を残せば渡せます。応募書類の要約は原本が手元にある限り検算できますし、面接記録の構造化は同席した面接官が読み返せば抜けに気づけます。材料を捨てないことが条件です。

任せる対象から外す工程

下の2つは性質が違います。適合度の評価が外れたかどうかは、入社して働いてみるまで分かりません。誤りに気づく時点が採用の意思決定より後ろにあるため、その場で確かめる工程を作れないのです。

AIが不合格と判断した分だけを人が見直す運用は、実際に使われています。ただし、それで拾えるのは落としすぎだけです。通した側の誤りは誰の目にも触れないので、片側しか確かめられない工程は、確かめる工程として数えません。

合否と処遇の決定はさらに厳しい。理由を説明できなければならない場面があり、判断理由の説明不足は白書の懸念でも20.2%が挙げていました。ここは工程を足しても閉じないので、任せる対象から外します。

線を引いて上の4工程を渡せば、担当者の時間は判定と対話へ寄るはずです。人事領域の全体像はAI人事とは？HR業務のAI活用率43%、5つの領域と導入企業の成果・リスクで扱いました。採用工程に絞った各社の実践はAI採用とは？工数80%削減・承諾率2.4倍、7社が実証したAI活用効果とリスクにあります。

なお、工程を組み替える前に、自社の採用がいま何で詰まっているかを見ておくと優先順位を付けやすい。エンジニア領域であればエンジニア採用力チェックで外形的な現在地を確認できます。

当社での実装記録

当社も同じ線で運用してきました。3つの例を挙げます。

面接レポートは、面接官がメモだけを書き、構造化と共有を機械に任せる形にしました。共有までに数日かかっていたものが即時になっています。最初に決めたのは生成の精度ではなく、評価観点を3項目に絞ることでした。

スカウト文面は、うまい書き手の型を先に言語化し、生成をその型の当てはめに限定しています。1通あたり10分以上かかっていた作業がレビューだけになり、型を直すと次の生成分から全員に反映されます。

面接官トレーニングでは、実際の面談データから練習相手を作り、想定問答と本番の乖離を埋めました。練習の相手役なので、出力が多少ずれても実害が出ません。

3例に共通するのは、AIに判断させていないことです。合否と処遇の決定は人が持ったままにしてあり、渡しているのは判断の手前にある整理と下書きに限られます。

もうひとつの共通点は、確かめる人が最初から決まっていたことでした。面接レポートは同席した面接官、スカウト文面は送る担当者、練習相手は受講者本人です。誰が見るかを決めずに配ったものは、社内でも定着していません。

人事領域でよく入る型

支援の現場で繰り返し入る型も、同じ線の内側にあります。業界と領域までを共通項として挙げます。

目標設定では、提出された目標案に対して、具体性・測定可能性・等級要件との整合をその場で返す使い方が定着しやすい型です。一次添削を機械が引き受けるので、面談は磨かれた目標から始められます。最終確定は面談で人が行う形です。

労務では、給与改定や手当変更のたびに発生する検算を、支給前の異常検知として自動化する形があります。出力が正しいかを既存の台帳と突き合わせて確かめられるため、確認の工程を新しく作る必要がありません。

評価運用では、集約後の評価データの形式不備を機械で洗い、分布と傾向を可視化する使い方があります。不備の指摘は元データと照らせば真偽が分かるので、ここも確かめやすい側に入ります。

3つとも、正しさを突き合わせる相手（等級要件・台帳・元データ）が社内にある業務です。突き合わせる相手が無い業務を先に選ぶと、確認の工程そのものを新設することになり、着手の負担が上がります。

中小企業では対策そのものが手つかずになる

企業規模で見ると、対策の厚みに差が出ます。ガイドラインを整備している企業は大企業44.9%に対し中小企業29.1%で、15.8ポイントの開きがありました。

出所：総務省『令和8年版 情報通信白書』図表Ⅰ-2-1-9（2026年7月24日公表）。

目を引くのは、開きが項目によって違うことです。ガイドラインの整備で15.8ポイント開く一方、推進部署の明確化は0.6ポイント、評価・検証は1.8ポイントしか変わりません。入力データを学習に使わせない仕組みにいたっては、中小企業20.3%が大企業19.8%をわずかに上回ります。比でみると最も開くのはAIガバナンスツールの導入で、大企業11.7%に対し中小企業6.3%と1.9倍です。

文書を整える作業には人手と時間が要るので、規模の差がそのまま出ます。対して、誰が担うかを決める作業と、入力を遮断する設定は、規模が小さくても始められる。評価・検証は大企業でも29.6%どまりで、ここはまだどちらも先行していない領域です。

一方で「特に実施している施策はない・把握していない」は中小企業24.1%と、大企業の1.7倍でした。4社に1社が、対策を実施していないか、実施の有無を把握できていないことになります。

対策が決まらないまま利用だけが広がると、社員が個人の判断で業務にAIを使う状態が既定値になります。入力した機密情報が社外へ出ていく経路も、そこで開いたままになりました。

着手するときの順序

順序は、人から決めるほうが早く進みます。確かめる人が決まっていない工程には、何を渡しても定着しないからです。文書を整えるのはその後で間に合います。

先に決めることは3つです。

1. 渡す工程と、その出力を誰が見るか（工程ごとに1人を名指しする）
2. 入力してよい情報の範囲と、学習に使われない環境の用意
3. 出力を見直す間隔と、そのとき何を見るか

1つ目が最も落としやすい。ガイドラインに「利用者は出力を確認すること」と書くだけでは、誰の仕事にもなりません。工程ごとに名前を書くところまで進めると、確認は業務として回り始めます。

3つ目にあたる定期的な評価・検証は、製品・サービスの領域ですら日本企業の29.1%しか持っていません。四半期に一度、渡した工程の出力を抜き取って読み、直した箇所を数えるだけでも記録は残ります。記録が残れば、範囲を広げてよいかどうかを数字で判断できるようになるはずです。

投資が要るのは2つ目だけで、1つ目と3つ目は今の人員で始められます。第2段階の投資計画を立てる前に、この2つを片付けておけば判断の材料が揃うはずです。

結論

生成AIに任せられる業務は、業務の名前では決まりません。決めるのは3つの問いです。誤りが出たとき受け手がその場で気づけるか、外へ出る前に直せるか、直せなかったときに戻せるか。この形で引いておけば、新しい業務が来ても同じ判定ができます。

採用と人事に当てはめた線は、要件の言語化・文面の下書き・書類の要約・面接記録の構造化まででした。適合度の評価と合否の決定は、誤りに気づく時点が意思決定より後ろに来るので、材料の整理までにとどめます。

線が手前に寄るのは、担当者が慎重だからではありません。日本企業の対策はガイドラインの整備41.1%に寄り、製品・サービスの導入後の評価・検証29.1%と企画・導入段階の審査26.1%は米国の半分から6割ほどです。確かめる仕組みを持っていないぶんだけ、渡せる範囲が狭くなります。

まず決めるのは、工程ごとに出力を見る人の名前です。文書を整えるより先に、そこを埋めるほうが範囲は広がります。