「AI顧問を入れると業務が変わると聞いたが、本当にそうなのか」——これに正直に答えている記事が少ない。
検索上位に出てくる記事は「年間○万時間削減」「生産性○%向上」といった数字を並べているが、どんな業種の、何人規模の、どの業務の話なのかが書かれていない。読んでいる側は「うちの話ではないな」と感じながら最後まで読む羽目になる。
僕は業務効率化に特化したエンジニアとして、自社（株式会社ラズリ）をAI組織で運営しながら、複数の中小企業のAI活用支援に関わってきた。月のAIツール代は3.5万円。社員ゼロでSEO記事制作・経理・バックオフィス業務の大半をAI化して回している。
その立場から「実際に何が変わったか」「何は変わらなかったか」を書く。良かった話だけではない。うまくいかなかったパターンも含めて書く。
AI顧問導入後に変わる業務と変わらない業務
まず、結論から整理する。
AI顧問を入れて効果が出やすい業務と、出にくい業務は明確に分かれている。「AIで何でも変わる」という期待値で入ると、「お金を払ったのに変わらなかった」という感想になる。
| 業務の種類 | 効果の出やすさ |
|---|---|
| 議事録・会議メモの作成 | 出やすい |
| 定型メールの初稿作成 | 出やすい |
| 提案書・資料の構成案 | 出やすい |
| 報告書など定型書類の整形 | 出やすい |
| 顧客との交渉・折衝 | 出にくい |
| 経営判断・意思決定 | 出にくい |
| 人間関係が絡む問題解決 | 出にくい |
| 業務フローが整理されていない工程 | 先に整理が必要 |
AI顧問が実際に成果を出せるのは「パターン化できる業務」と「情報を整形する業務」だ。判断・関係性・文脈理解が求められる業務には、現時点の生成AIには限界がある。
この分類を最初に理解しておかないと、AI顧問への期待と現実がずれる。
実際に変わった業務の事例
議事録と会議メモの作成
これは中小企業でもっとも効果を実感しやすい業務だ。
従来の流れは「会議中にメモを取る→終了後に整形する→参加者に共有する」という構造だった。慣れた担当者でも、会議後の整形に相応の時間がかかっていた。
AI議事録ツールを導入すると、録音から文字起こしまで自動で行われる。その後アクションアイテムの抽出と担当者の割り当てをAIが補助する形になる。複数の現場で共通して見られたのは、「整形にかかる時間が大幅に短くなった」という変化だ。
ただし、注意点がある。議事録の精度は話し方と録音品質に大きく左右される。早口の参加者がいる、複数人が同時に話す、専門用語が多い、という会議では誤字や欠落が増える。AIが出した内容を人間が確認する前提でフローを設計する必要がある。
定型メールの初稿作成
「問い合わせへの返信」「見積もりのお礼」「アポ調整」といった定型メールは、パターンに対してプロンプトを整備しておくと、担当者が「AIの初稿を修正して送る」フローに変えられる。
これはAI顧問が行う「業務に合わせたプロンプト設計」の典型的な成果だ。汎用的なプロンプトではなく、自社のトーン・業種・取引先に合わせて調整されたプロンプトでないと、初稿の修正量が多すぎて結局手書きとあまり変わらなくなる。
ただし、クレーム対応や関係性が複雑な取引先へのメールは、AIの初稿をそのまま使うのは危険な場面がある。「初稿を出して人が確認する」というフローの前提で設計することが重要だ。
提案書・資料の構成案
「白紙から考える」という作業にかかる時間が短縮される。
背景情報と要点をAIに伝えると、構成案と各セクションのポイントが出てくる。その骨格を修正しながら作り込む進め方で、作成にかかる時間の構造が変わる。
注意点は、AIが出す構成は「一般的にもっともらしい構成」になりがちなことだ。自社の実績・スタイル・相手先との関係性を反映させるには人間の手が必要になる。ゼロから考える時間を削減できるが、「AIが作った提案書をそのまま出せる」とは思わない方がいい。
効果が出なかった事例
これを正直に書いている記事がほとんどないが、現場では珍しくないパターンだ。
パターン1：ツールを渡されたが誰も使わなかった
ChatGPTのアカウントを全社員に配布した、Notionを導入した、という段階で止まって、3ヶ月経っても誰も業務で使っていない——このケースを複数見てきた。
原因は「何に使えばいいかが全員に分かっていなかった」ことだ。経営者と顧問の間では「何のためにAIを導入するか」の設計ができていたが、現場の担当者には「自分の業務のどこで使えばいいかのイメージ」が伝わっていなかった。
ツールを配ることと、業務に組み込むことは全く別の課題だ。
パターン2：経営者だけが関与して現場が動かなかった
経営者が毎月AI顧問と打ち合わせをして、AI活用の計画が精緻化されていく一方で、現場の担当者は「また上が何か動いているな」という状態が続いたケースがある。
現場を動かすには、現場に直接関与する必要がある。経営者を通じて間接的に現場に落とすだけでは、実際の業務は変わらない。AI顧問が「誰に対して伴走するか」を契約前に確認しておくことが重要になる。
パターン3：業務の棚卸しをせずに始めた
「とりあえずAI顧問に入ってもらえば何かよくなるだろう」という期待で始めたケースでは、最初の1〜2ヶ月が「業務の現状把握」だけで終わることがある。
AI顧問が入る前に「自社でどの業務に時間がかかっているか」「どの業務がパターン化されているか」を最低限整理してから始めると、最初の打ち合わせの質が全く変わる。棚卸しができていない状態で始めると、顧問の工数の大半が現状把握に使われて実装が遅れる。
成果が出るまでにかかる期間の現実
競合記事の多くは「すぐに効果が出る」という印象を与える書き方になっているが、実際は時間軸がある。
導入初月：業務棚卸し、ツールの選定、プロンプトの設計。この段階では「使えた」という実感が薄い会社が多い。
2〜3ヶ月目：特定の業務で「これは確かに速くなった」という体験が出始める。議事録や定型メールは比較的早く体感が出やすい。この成功体験が出ると、他の業務への応用が自然と進む。
6ヶ月時点：定着した会社とそうでない会社の差がつく。差がつく要因は一つで、「社内に主導する人間がいるかどうか」だ。AI顧問が月1回来るだけでは変わらない。顧問が来ていない3〜4週間の間に現場で試し続けられるかどうかが分かれ目になる。
「6ヶ月で成果を判断する」という時間軸を最初から設計しておくことを勧める。
AI顧問なしで自分でやるとどうなるか
「AI顧問に頼まず、自力でやれるか」という視点を書いている記事はほぼない。
僕自身は、自社の業務効率化を全部自力でやってきた。AIツールの選定、プロンプト設計、自動化フローの構築を全部自分で試行錯誤した。その過程で分かったのは、「最初の業務選定」が一番難しいということだ。
自社の業務に近すぎると「今のやり方のどこを変えるか」が見えにくい。外から業務を見ることで「これはAIに向いている、これは向いていない」が判断しやすくなる。
自力でやった方がいいケース：
- 経営者自身がAIに興味があり、自分で試せる
- 業務がシンプルで、何から始めるかが明確
- 月の予算が限られている
AI顧問に頼んだ方がいいケース：
- 「何から始めるか」が分からない状態が3ヶ月以上続いている
- 一度試みたが社員が誰も使わなかった経験がある
- 業務が多岐にわたり、優先順位の設計に外部の目が必要
どちらが正解かは会社の状況による。「AI顧問に頼めば変わる」でも「自分でやればすぐ変わる」でもない。
AI顧問の効果を判断するための基準
外部に事例を提示してもらう時、信頼できる事例には以下の情報が含まれている。
- 業種と従業員規模
- 対象業務の具体名
- 導入前の作業時間や工数（実測値）
- 導入後の変化（実測値）
- 定着までにかかった期間
逆に、疑うべき事例の特徴はこうだ。
- 企業名・業種が匿名のまま
- 「○○%削減」という数字だけで文脈がない
- 「すぐに効果が出た」という記述のみで期間の記載がない
信頼できる事例は細かい。「従業員20人の製造業で、月次報告書の作成を担当していた1名の工数が週○時間分短縮された。定着に2ヶ月かかった」くらいの粒度で出てくる。この粒度で話せない顧問は、実績の裏付けが薄い可能性がある。
まとめ
AI顧問の効果は「使い方次第」という言葉では表しにくい。正確には「何の業務に使うかによって全く違う」だ。
議事録・定型メール・資料の初稿作成といったパターン化できる業務は、AI顧問が得意とする領域で実際に変化が出る。一方、交渉・判断・現場の人間関係が絡む業務は今のAIには限界がある。
効果が出ない理由の大半は「業務棚卸し不足」と「社内実行者の不在」だ。これはAI顧問の質の問題ではなく、導入体制の問題であることが多い。
AI顧問を検討している経営者には、まず「浮いた時間で自分は何をやりたいか」を決めてから探し始めることを勧める。時間を削減することが目的ではなく、削減できた時間で何をやるかが本来の目的だ。