ChatGPTを全社配布したのに、実際に毎月触っている人は1割程度にとどまる——そんな会社は珍しくない。ツールの契約は済み、社員のアカウントも発行済み、キックオフの説明会も一度は開いた。それでも実際に触っているのは、もともとPC操作が得意な一部の社員に限られる。
LayerXの代表取締役CTOを務める松本勇気さんが本書で見立てるのは、性能の問題ではなく教育を怠っているという原因だ。大企業でのLLM導入案件、たとえば三井物産や三菱UFJ銀行を実際に手がけてきた実務の蓄積が土台になっている一冊だ。
「触れてもらえることと、活用されることの間には大きな溝があります。」
配ることと、使われることは別ものだ。その溝を埋める考え方に、著者は「戦力化」という名前を与えている。
「AIオンボーディング」——本書の中心主張
入社したばかりの優秀な新人と同じで、LLMも会社固有の事情を飲み込ませて初めて仕事を任せられる——この教え込みの工程に著者は「AIオンボーディング」という名前を与える。本書の主張はこの一点に集約される。
中途採用者を組織の戦力に育てる人事の営みをオンボーディングと呼ぶが、著者はこの発想をそのままAIの導入に横滑りさせた。
この比喩が絵空事で終わらないのは、大手企業への導入実績が土台にあるからだ。三井物産や三菱UFJ銀行、三菱HCキャピタルの現場でRAGを構築するとき必ずぶつかる、データが版違いのまま散らかる問題や、ログをどこまで保存しどう統制するかというガバナンス上のせめぎ合いまで、本書は具体的に描いている。
著者は12年にわたりニュースアプリの開発からLayerXでのプロダクト立ち上げまでAI活用に関わり続けてきた人物で、そのプラットフォームを導入した企業では、年間で最大1.2万時間の業務削減という実績も出ている。
全10章は大きく三部構成で進む。序盤でデジタル化が停滞してきた前提を書き換え、中盤でワークフローとナレッジベースという方法論を掘り下げ、終盤でエージェントやリスク対応、全社展開の戦略へと視野を広げていく流れだ。
リスクを避けてきた文化が、初めて追い風に変わる
数字を一つ挙げると、世界のデジタル競争力を測るIMDのランキングで日本は67カ国中31位にとどまり、順位はじわじわと下がり続けている。著者はこの背景に、一度固めた高品質な手順を崩したくないという、リスクを避ける組織文化を見る。
組織を長年安定させてきたその良さこそが、皮肉にも変わることへのブレーキになっていた。
これまでのデジタル化は、システムに人間を合わせる業務プロセスの再設計が前提だったから、この文化と正面からぶつかってきた。ところがLLMは人間と同じ感覚で自然言語を読み解ける。
使い慣れたExcelシートや稟議書のフォーマットに手を加える必要すらない。人間が担っていた転記やレビューを、業務の隙間に入り込んで肩代わりできる。
普段から手順をきっちり固めておくタイプの組織ほど、生成AIとの相性はむしろ良い、というのが本書の逆転の見立てだ。品質を安定させるために磨き上げてきた組織ほど、実は他国よりもデジタル化を進めやすいのではないか、と著者は問いかける。
しかもLLMは汎用性が高い。個別開発では数千万円から数億円という投資が普通だった従来型のAIとは違い、プロンプト一つで多様な業務に対応できる。
著者が大企業の各部署と重ねてきた議論から浮かび上がった、LLMで自動化や効率化ができそうな業務の候補は、少なくとも数百、多い部署では数千にのぼったという。
優秀すぎる新人の5つの弱点と、教え方の設計
LLMは物知りで疲れ知らずで賢い。本を1冊読み切るのに人間が数時間から数日かかるところを、数十秒から数分で読んで要約まで出す。それでも本書は5つの限界を正面から並べる。
一度に扱える情報量には上限があり、確率で続きを作るので毎回同じ答えになるとは限らず、もっともらしい嘘を出すことがあり、インターネット上の一般論しか知らず、そして自分では会話を覚えていない。
企業が埋められるのは、社外に出ていない自社の情報を知らないという4つ目の弱点だ。どれほど優秀な中途採用者でも、社内の暗黙のルールを覚えて期待どおりの成果を出すには数か月かかる。
AIも同じだと著者は言う。
この教育の中身を、本書は「ワークフロー」と「ナレッジベース」という2つに分けて設計する。ワークフローは、人間が頭の中で無意識にやっている手順をステップへ分解し、その順序に沿ってLLMを動かす仕組みだ。
契約書レビューなら、目次からセクションを特定し、抽出したい項目のルールを整理し、過去の事例と突き合わせ、所定の書式に整形する、というように細かく割る。
複雑な仕事をそのまま投げるとミスが出るが、LLMが扱いやすい単位まで分解するだけで出力の精度は大きく変わる。
散らばった社内規定や過去の契約書、商談記録——これらの定型化されていないデータをLLMが検索・参照できる形に整え直したものが、ナレッジベースと呼ばれる。
社内RAGが期待どおりの精度を出さないとき、本書が疑いの目を向けるのはモデルの性能でも検索アルゴリズムでもない。「最新版.docx」が何世代も積み重なった、いわば情報のゴミ屋敷のほうだ。版違いのファイルと重複だらけのフォルダをそのまま検索対象にすれば、答えにノイズが混ざるのは当たり前の結果だ。
全社のデータを一気に読ませず、領域ごとに絞り込んだ小さな知識のまとまりだけを渡す設計も欠かせない。そして本書独自の概念が「知の循環」だ。ワークフローが生んだ成果物をAI自身が要約してタグを付け、ナレッジベースへ戻す。
次の業務はその蓄積を参照して動く。整理を人力でやろうとするからナレッジ管理は続かない。分類や要約の手間をAIに任せてしまえば、賢い司書を常駐させているのと同じ状態になる。
書類仕事はつまるところ4種類しかない、というのが実装編の整理だ。決算書から項目を抜き出す転記、過去の完成品と文体を参照して下書きを作る作成、規定や前例と突き合わせて修正案を出すレビュー、そして要約とタグ付けで鮮度を保つ整理と共有。
手本として与えるべきなのは、実際に社内審査や上司の指摘を経て磨かれた、質の高い完成品に限られる。教材の質が、そのまま出力の質になる。これを正しく実行できれば、個別業務の実行時間は5割から7割減るという見積もりが本書には出ている。
エージェントの手綱と、「入れないリスク」のほうが大きい
エージェントと呼ばれるソフトウェアは、与えられた目的から自分で計画を組み立て、必要な道具を選びながら実行に移し、出てきた結果を自ら採点して次の一手を修正していく。
あらかじめ敷かれたレールを進むワークフローと違い、非決定的にふるまい、曖昧な依頼にも対応できる。ただし本書がここで最も強調するのは、任せきりにしないことだ。
「完全に任せきりにするのではなく、重要な判断を行う前や、一定の処理が完了した段階で、人間に『報告・連絡・相談』（ホウレンソウ）を行う仕組みを組み込むことが重要です。」
予算の上限を超えたとき、重要な分岐に来たとき、エラーが出たとき。そこで人間の判断を仰ぎ、承認が下りて初めて処理を再開する。このように途中に検問所を設ける発想こそが、走り出したら止まらない事態を避ける設計だという。
業務の自律度は自動運転になぞらえて6段階に整理され、多くの企業はまだ人間主体のレベル2にとどまり、一部の先進企業がレベル3に手を伸ばし始めた段階だという。
いきなり最上位を目指すのではなく、まず目の前の段階を固める。この冷静さが本書らしいところだ。
リスクについても本書は率直だ。情報漏洩は学習オプトアウト機能を使えば一般的なSaaSと同水準に抑えられ、ハルシネーションはAIを下書き製造機と割り切って人間が最終確認する運用でカバーできる。
100パーセント正しくないと使えないという完璧主義のほうを、本書は疑ってかかる。人間だって日常的にミスをしているのだから、AIにだけ最初から完璧を求める理由はない。
そのうえで著者が警鐘を鳴らすのは逆方向のリスクだ。踏み出さずにいることこそが、実は経営にとって一番の危険になるという指摘である。部署ごとのPoC(概念実証)を積み上げるだけでは、成果は出ても全社の変革には届かない「PoC貧乏」に陥る。
全社共通の基盤にワークフローとナレッジベースを乗せ、前線部隊は商談や市場動向を武器に変える攻めの提案力強化へ、それ以外の管理部門や事務方は日々の書類作業を徹底して自動化する守りへ、同じ基盤を使い分ける。
この全体像を先に描けるかどうかが、次の分かれ目になる。
明日からできること
まず自分の部署の書類仕事をひとつだけ選び出し、そこに入ってくる情報と、判断のよりどころにしている基準、最終的に出す成果物の3つを紙に書き出してみる。「見積書と金額が一致しているか」といった、自分がふだん無意識に使っている判断ルールを言語化する作業そのものが、タスク分解の実体になる。
過去に承認を通った完成品を10件ほど集め、チャットに添えてドラフトを作らせてみる。いきなりRAGの基盤づくりに走らなくていい。ここに古い版や重複を混ぜると、そのまま精度の低下に直結する。
自分の趣味や関心のあるテーマで、今週AIに1つ調べさせてみる。目的は業務効率ではなく、何ができて何ができないかを見極める審美眼を自分の手で養うことだ。
合わせて読みたい
同じ課題を別の角度から照らす3冊を挙げておく。
『生成AI時代を勝ち抜く事業・組織のつくり方』梶谷健人（記事はこちら） 本書が扱うのは既存業務をどう戦力に変えるかだが、こちらはAIを前提に事業や組織そのものを設計し直す視点に立つ。全社プラットフォーム戦略を語る終盤の章と並べて読むと、描くべき全体像が具体化する。
生成AIを入れても生産性が上がらない会社の共通点（記事はこちら） 利用率が伸び悩む現象を、また別の角度から切り取ったコラム。配ってあるのに使われない、という本書側の見立てを重ねて読むと、自社のどこで止まっているかが見えやすくなる。
『生成AI時代の「超」仕事術大全』保科学世（記事はこちら） 組織の土台づくりを扱う本書に対し、こちらは個人の仕事の進め方に軸足を置いた一冊だ。ここで描かれる技法を、まず自分ひとりの仕事に落とし込んでみるときの練習台になる。
