生成AIやAIエージェントの進化により、企業のDXは新しい段階に入りつつあります。

これまでは、どのAIモデルを使うのか、どのツールを導入するのか、どの業務を自動化するのかといった論点が注目されてきました。もちろん、AIモデルやツールの選定は重要です。Microsoft 365 Copilot、Copilot Studio、Power Platformなど、業務にAIを組み込むための選択肢も広がっています。

しかし今後、企業間の差は「どのAIを使っているか」だけでは生まれにくくなっていくと考えています。

差が出るのは、自社の業務をどれだけ説明できるか。自社の判断基準や業務プロセスを、どれだけAIが扱える形に整えられているか。そして、AIを使った結果を組織の学びとして蓄積できるかです。

AI時代のDXで問われるのは、モデル選びではありません。

AIに仕事を任せるためには、まず人がどのように仕事をしているのかを説明できる必要があります。

 この記事では、AI時代のDXにおいて企業が整えるべきものを、「コンテキスト」「社内標準」「責任分界」「学習ループ」というワードから考えていきます。

AIを入れたのに実務で使い切れない理由

たとえば、ある企業でAIエージェントに社内の申請業務を支援させようとしたとします。

申請内容を読み取り、必要な確認事項を整理し、承認者に判断材料を提示する。文章だけを見ると、AIで十分に支援できそうに見えます。実際、申請文を要約したり、関連する社内ルールを探したり、承認者向けの確認メモを作ることは、AIが得意とする領域です。

しかし、実際に運用しようとすると、すぐにいくつかの問題が出てきます。

 どの規程を優先して参照すべきなのか。

過去の運用と最新のルールが食い違っている場合、どちらを正とするのか。

例外的な申請は、AIがどこまで判断してよいのか。

差し戻し条件は明文化されているのか。

最終的な承認責任は、誰が持つのか。

 このような前提が曖昧なままでは、AIは回答案や判断材料を作れても、実務として安心して任せられる状態にはなりません。

これはAIの性能不足だけが原因ではありません。むしろ、AIに渡すべき業務文脈が、組織の中で整理されていないことが原因である場合があります。 

人が暗黙の了解で処理していたこと。

担当者の経験で判断していたこと。

「いつもこうしているから」で進んでいたこと。 

こうした業務は、人同士であれば何となく回ってしまうことがあります。しかし、AIに任せる段階になると、その曖昧さが一気に表面化します。

競争領域はモデル優位からコンテキスト優位へ移っていく

AIモデルの性能は、今後も進化していきます。文章作成、要約、分析、検索、分類、コード生成など、AIができることはさらに広がっていくでしょう。

ただし、多くの企業が同じようなAIを利用できるようになるほど、「モデルそのもの」だけで差をつけることは難しくなります。もちろん、技術選定や活用スキルは重要です。しかし、企業の実務価値に直結するのは、そのAIが自社の業務をどれだけ理解できるかです。

ここで重要になるのが、コンテキストです。

この記事でいうコンテキストとは、単なる社内文書やデータのことではありません。業務の目的、判断基準、例外時の考え方、責任範囲、優先順位、過去の意思決定、現場で使われている言葉、顧客対応の方針などを含む、組織固有の業務文脈を指します。

AIに社内文書を参照させるだけでは、まだ十分ではありません。どの情報を正とするのか。どこまで自動化してよいのか。人に確認すべき境界はどこか。こうした判断の前提がなければ、AIは実務の中で安定して使われにくくなります。

今後のDXでは、業務をデジタル化するだけでなく、業務をAIが扱える形に構造化することが重要になります。

社内標準は人に教えるためだけのものではない

これまで、社内標準や業務マニュアルは、主に人に業務を教えるためのものとして扱われてきました。

新人教育、引き継ぎ、品質のばらつき防止、属人化の解消。そのために、手順書を作り、テンプレートを整備し、判断基準を共有する。こうした取り組みは、多くの企業で行われています。

しかしAI時代には、社内標準の意味が少し変わります。

社内標準は、人に教えるためだけでなく、AIに仕事を任せるための基盤にもなります。

AIは、組織の暗黙知をそのまま理解してくれるわけではありません。何を正しい判断とするのか。どの情報を優先するのか。どの表現は避けるべきなのか。どこまで自動化してよいのか。例外時には誰に確認するのか。

こうした基準が整理されていなければ、AIは実務に組み込みにくくなります。

たとえば、問い合わせ対応をAIで支援する場合でも、単に過去のメールやFAQを参照させるだけでは不十分です。最新の回答方針はどれか。契約や価格に関わる内容はどこまで回答してよいか。顧客に伝えてよい情報と、社内確認が必要な情報の境界はどこか。これらが定義されていなければ、AIが作った回答案を安心して使うことはできません。

つまり、社内標準を整えることは、単なる業務整理ではありません。人とAIが同じ前提で仕事を進めるための、組織の土台づくりでもあります。

AIに任せても人に残る責任範囲はなくならない

AIに仕事を任せる範囲が広がっても、人の責任がなくなるわけではありません。

むしろ、AIが実行を担うほど、人には「何を任せるのか」「どこで止めるのか」「最終的に誰が判断するのか」を設計する責任が残ります。

Microsoftの2026 Work Trend Indexでも、AIやエージェントが実行を担うほど、人間には仕事を方向づけ、判断し、成果に責任を持つ余地が広がるという考え方が示されています。 [microsoft.com]

たとえば、AIが問い合わせ回答案を作成したとしても、その内容を顧客に送ってよいかを判断する責任は人に残ります。AIが申請内容を確認し、承認可否の参考情報を整理したとしても、承認そのものの責任は業務責任者に残ります。

重要なのは、AIを使うか使わないかではありません。AIに任せる範囲と、人が責任を持つ範囲をあらかじめ設計することです。

この責任分界が曖昧なままAI活用を進めると、現場は不安になります。

AIの回答をどこまで信じてよいのか分からない。

間違いがあったときに誰が責任を持つのか分からない。

承認や判断をAIに任せてよいのか分からない。

結果として、AIは使われなくなるか、個人の判断でばらばらに使われるだけになります。

AI活用を組織に定着させるには、「AIで何ができるか」だけでなく、「人がどこに責任を持つか」を明確にする必要があります。

学習ループがないAI活用は属人的な便利ツールで終わる

AI活用でもう一つ重要なのが、学習ループです。

個人がAIを使って業務を効率化すること自体は、すでに多くの現場で始まっています。文章を整える、会議メモをまとめる、調査を補助する、資料のたたき台を作る。こうした活用は、すぐに効果を感じやすいものです。

しかし、それが個人の中に閉じている限り、組織の競争力にはなりにくい側面があります。

良いプロンプトがあった。

良い判断基準ができた。

良い成果物の型ができた。

AIに任せてよい範囲と、人が確認すべき範囲が見えてきた。

こうした学びが個人の中だけに残ると、再現性がありません。別の人が同じ業務をすると、また一から試行錯誤することになります。

組織としてAIを活用するなら、AIを使った結果を、標準、テンプレート、チェックリスト、判断基準、教育コンテンツに戻していく必要があります。

AIを使って終わりではなく、AIを使った結果から業務の進め方を更新する。これが学習ループです。

この学習ループがある組織では、人もAIも同じ標準に基づいて改善を積み重ねることができます。逆に、学習ループがない組織では、AI活用は一部の人の便利な使い方に留まりやすくなります。

これからのDXでは、AIを導入すること以上に、AIを使いながら組織が学び続ける仕組みを設計することが重要になります。

私たちはAI活用を業務設計の問題として捉えている

florbitalでは、AI活用を単なるツール導入の問題としては捉えていません。

Microsoft 365 Copilot、Copilot Studio、Power Platform、Dataverseなどは、業務にAIや自動化を組み込むうえで有力な選択肢です。一方で、どのツールを使うかだけでは、AI活用は定着しません。

大切なのは、業務そのものをどう整理するかです。

どの業務をAIに任せるのか。

どこに人の確認を残すのか。

どの情報を正として扱うのか。

判断基準をどのように明文化するのか。

運用しながら得た学びを、どう標準に戻していくのか。

こうした設計があって初めて、AIは実務の中で価値を発揮しやすくなります。

特に、業務改善やDX推進の現場では、「ツールを作ること」よりも前に、「何を解決したいのか」「どの業務をどう変えたいのか」「誰がどこに責任を持つのか」を整理することが重要です。

AI時代になっても、この本質は変わりません。むしろ、AIに業務を任せる範囲が広がるほど、業務設計、標準化、責任分界、教育の重要性は高まっていくと考えています。

florbital社内でも、AIエージェントを使った対外的な競争力強化、情報発信活動への活用、教育、標準化、判断ルール、テンプレート、品質基準といったテーマで取り組みを進めています。

ここから始めてみよう

まずは、自社の業務の中から「AIに任せたい業務」を一つ選び、その進め方を説明できるか確認してみることが出発点になります。誰が、何を見て、どの基準で判断し、どこで人が確認するのか。ここを言語化できれば、AIに任せられる範囲と、人が責任を持つ範囲も見えやすくなります。

大きな自動化から始める必要はありません。まずは一つの業務を説明できる状態にすること。そこから、AIに任せられる業務の土台づくりが始まります。

まとめ：AI時代のDXは学習する組織をつくること

AI時代のDXは、単に新しいAIモデルやツールを導入することではありません。

これから重要になるのは、自社の業務文脈を整理し、AIが扱える形にすることです。社内標準を整え、人とAIが同じ前提で仕事を進められるようにすることです。そして、AIに任せる範囲と、人が責任を持つ範囲を明確にすることです。

AIに仕事を任せるためには、まず人がどのように仕事をしているのかを説明できる必要があります。

この言葉は、これからのDXを考えるうえで重要な視点だと思います。

AIは、業務を代わりに進めてくれる存在になりつつあります。しかし、AIが実務で価値を出すためには、その前提となる業務の目的、判断基準、責任範囲、改善の仕組みが必要です。

モデルの進化は、これからも続きます。

しかし、どの企業にとっても本当に問われるのは、そのモデルを自社の業務価値につなげる力です。

AI時代のDXとは、AIとともに学習し続ける組織をつくることなのかもしれません。私たちも、自社やお客様へのDX支援/AI活用推進などの現場を通じて、この問いに向き合っていきたいと考えています。

■よくある質問

Q. 生成AI時代のDXとは何ですか？
A. 生成AI時代のDXとは、AIツールを導入することではなく、自社の業務をAIが扱える形に整理し、人とAIが同じ前提で仕事を進められる組織をつくることです。業務プロセス、判断基準、責任範囲、社内標準を整えることが重要になります。

Q. AIに業務を任せる前に何を整えるべきですか？
A. AIに業務を任せる前には、業務の目的、判断基準、参照すべき情報、例外対応、人が確認する範囲を整理する必要があります。これらが曖昧なままだと、AIは回答案を作れても実務で安心して使いにくくなります。

Q. AIを導入しても現場で使われない理由は何ですか？
A. AIが現場で使われない理由は、AIの性能不足だけではありません。どの情報を正とするのか、どこまでAIに任せてよいのか、最終判断を誰が持つのかが明確でないと、現場は不安になり活用が定着しにくくなります。

Q. 社内標準はAI活用にどう関係しますか？
A. 社内標準は、人に業務を教えるためだけでなく、AIに仕事を任せるための基盤にもなります。手順、判断基準、禁止事項、確認先が整理されているほど、AIは組織の前提に沿った支援をしやすくなります。

Q. AI活用における責任分界とは何ですか？
A. AI活用における責任分界とは、AIに任せる範囲と人が責任を持つ範囲を明確にすることです。たとえば、AIが回答案を作成しても、顧客へ送る判断や承認の最終責任は人に残ります。

Q. Copilot StudioやPower Platformを活用する際に重要なことは何ですか？
A. Copilot StudioやPower Platformを活用する際は、ツール選定だけでなく、対象業務の整理が重要です。どの業務を自動化するのか、どこで人が確認するのか、どの情報を参照するのかを設計してから活用する必要があります。

Q. AI活用を組織の成長につなげるにはどうすればよいですか？
A. AI活用を組織の成長につなげるには、AIを使った結果を標準、テンプレート、チェックリスト、教育コンテンツに戻す学習ループが必要です。個人の便利な使い方で終わらせず、組織の知見として蓄積することが大切です。