AI活用を定着させるには、まず業務の「暗黙知」を言語化する ――プロンプトだけでは足りない業務改善の土台

生成AIを業務に取り入れる企業は増えています。文章作成、要約、問い合わせ対応、コード生成、業務アプリの試作など、AIを使える場面は日々広がっています。

しかし、実務の現場では「AIに指示したが、期待した結果にならない」「一見よさそうだが、そのまま業務には使えない」「プロンプトを少し変えるたびに出力がぶれる」といった声も少なくありません。

このとき、問題は必ずしもAIモデルの性能だけにあるわけではありません。多くの場合、AIに渡している業務文脈や判断基準が不足しています。

人間同士であれば、過去のやり取り、社内の慣習、担当者の経験、暗黙の優先順位をもとに補完できることがあります。しかしAIは、与えられていない前提を正しく理解することはできません。説明が曖昧であれば、AIはその空白をもっともらしく埋めてしまいます。

AI活用を業務改善や内製化につなげるうえで重要なのは、単にプロンプトの書き方を覚えることではありません。業務の背景、判断基準、例外処理、完了条件を明文化し、AIが参照できる形に整えることです。

これは、エンジニアだけに必要な考え方ではありません。AIを業務で使うすべての部門に必要になる、新しい業務設計の作法だと言えます。

AIは「新人を10秒ごとにオンボーディングする」ようなもの

AIに業務を依頼するときは、まったく前提を知らない新しい担当者に仕事を渡す状態に近いものがあります。

社内の人であれば、「いつもの形式で」「前回と同じ感じで」「この顧客は少し慎重に」といった言い方でも伝わることがあります。周囲の人に聞くこともでき、過去の資料や会話の流れから補完することもできます。

しかしAIには、社内の空気や過去の経緯はありません。渡された情報だけをもとに処理を行います。必要な情報が足りなければ、その不足分を推測します。

実務では、この推測が問題になります。AIの出力が「ほぼ合っているが、そのまま使うには危ない」状態になるのは、多くの場合、依頼内容そのものよりも、前提情報の渡し方に原因があります。

たとえば、業務アプリをAIで作ろうとする場合、「顧客問い合わせを管理するアプリを作って」と指示するだけでは不十分です。

誰が使うのか。どの顧客情報に接続するのか。誰が閲覧でき、誰が更新できるのか。問い合わせがクローズされたときに何が起きるのか。対応履歴はどこに保存するのか。削除してはいけないデータは何か。

こうした前提を明確にしなければ、AIは勝手に仕様を補完します。結果として、見た目はそれらしいが、実務には使いにくいアプリやワークフローが生まれてしまいます。

AI活用では、プロンプトそのものよりも、その前段にある業務文脈の整理が重要です。

暗黙知をそのままにしたAI活用は、属人化を増やす

日本企業の業務には、多くの暗黙知があります。

この申請は誰に確認するのか。例外的な顧客にはどう対応するのか。どの項目は必ず確認し、どの項目は状況によって省略できるのか。システム上は同じステータスでも、実務上は意味が異なる場合もあります。

これらは、ベテラン担当者の頭の中や、Slack、Teams、メール、過去のExcel、議事録の中に分散していることが少なくありません。

人間だけで業務を回している間は、それでも何とか成立する場合があります。分からないことがあれば聞ける。担当者が経験で判断する。必要に応じて過去のやり取りを探す。

しかしAIを業務に組み込むと、この曖昧さはそのままリスクになります。

AIは、社内の経験や文脈を勝手に理解してくれるわけではありません。業務ルールが文書化されていなければ、参照できません。判断基準が明確でなければ、一定した出力は期待できません。

その結果、AIを使ったはずなのに、最終確認や修正に時間がかかる。担当者によってプロンプトがばらつく。AIの出力を信頼できず、結局人がやり直す。こうした状態になりやすくなります。

AI活用を進めるほど、業務の暗黙知を放置することは難しくなります。むしろ、AI導入は、これまで見過ごされてきた業務ルールや判断基準を言語化する機会でもあります。

プロンプトや業務ドキュメントは、もはや「実行されるもの」になる

これまで、業務マニュアルやSOP、テンプレートは、人が読むためのものでした。多少古い情報が残っていても、人間が読めば違和感に気づき、現場の判断で補正できることがありました。

しかしAIがそれらを参照するようになると、状況は変わります。

AIエージェントやAIワークフローが、プロンプト、業務手順書、ナレッジベース、過去のテンプレートをもとに処理を行う場合、それらの文書は単なる参考資料ではなく、実行される前提情報になります。

古いルールが残っていれば、古いルールに基づいて処理されます。曖昧な説明があれば、曖昧な出力が返ってきます。誤ったテンプレートが使われれば、その誤りが繰り返し再生産されます。

エンジニアの世界では、コードは変更履歴を管理し、レビューし、テストし、古くなったものを修正・廃止します。同じように、AI活用におけるプロンプトや業務ドキュメントも、管理対象として扱う必要があります。

具体的には、プロンプトテンプレートをバージョン管理する。業務ルールの変更時に関連ドキュメントも更新する。誰が編集できるのかを制限する。古くなった手順書を残し続けない。AIが参照するナレッジの正確性を定期的に確認する。

こうした地味な管理が、AI活用の品質を左右します。

AIを導入するということは、単に便利なツールを追加することではありません。業務ドキュメントやプロンプトを、実際に業務を動かす仕組みの一部として扱うことでもあります。

「見れば分かる」は仕様ではない

業務アプリやAIワークフローを作るとき、「だいたいこんな感じで」「見れば分かると思う」という進め方は危険です。

人間同士であれば、完成物を見ながら調整することは可能です。しかしAIにとって、「よい状態」は自動的には分かりません。何が正しい出力なのか、何をしてはいけないのか、どの例外を考慮すべきなのかを、事前に定義する必要があります。

たとえば、「顧客リクエストを管理するアプリ」を作る場合でも、必要な仕様は多くあります。

誰がアクセスできるのか。どのシステムに接続するのか。リクエストが完了したらどう処理するのか。誤って削除してはいけないデータは何か。担当者が不在の場合はどうするのか。個人情報を表示してよい範囲はどこまでか。

これらを曖昧にしたままAIに依頼すると、AIは不足している部分を補ってしまいます。その補い方が、実際の業務ルールやセキュリティ要件と合っているとは限りません。

AI活用では、依頼する前に「完了条件」を書くことが重要です。

どの状態になれば完了なのか。どの例外を考慮する必要があるのか。絶対に起こしてはいけない失敗は何か。誰が最終確認するのか。

このような条件を先に定義しておくことで、AIの出力を評価しやすくなります。これは、エンジニアがテストやレビューを前提に開発する考え方に近いものです。

AIを業務で使ううえでは、非エンジニアであっても、こうした「仕様を明確にする力」が重要になります。

AIを活用した業務アプリ開発や、社内業務の内製化を検討されている方向けに、Retoolのユースケースや活用例をまとめた資料をご用意しています。
AI活用をPoCで終わらせず、実務に定着させる方法を検討したい方は、資料請求ページをご覧ください。

問い合わせ

AI活用を進める組織ほど、エンジニアリング的な運用が必要になる

AI活用は、個人の工夫だけでは限界があります。

最初は、一部の担当者がプロンプトを工夫し、業務効率を上げるところから始まるかもしれません。しかし、利用者が増え、AIが参照するドキュメントやテンプレートが増え、業務アプリやワークフローの生成にも使われるようになると、組織としての運用設計が必要になります。

AIが生成したものを誰が確認するのか。どの業務ではAIの出力をそのまま使ってよいのか。どの業務では人の承認が必要なのか。参照してよいデータはどこまでか。プロンプトやナレッジが古くなった場合に、誰が更新するのか。

これらを個人任せにすると、AI活用は属人化します。

実務では、プロンプトテンプレート、業務手順書、ナレッジベース、AIワークフローを、チームで管理する必要があります。更新履歴を残し、レビューし、使われなくなったものを整理する。誤った出力が出た場合は、プロンプトやドキュメントのどこに原因があったのかを確認する。

これはまさに、エンジニアがコードベースを管理する方法に近いものです。

生成AIによって業務の自動化やアプリ生成が速くなるほど、AIを支える文脈、ドキュメント、プロセスの品質が重要になります。AI活用を本格化させる企業ほど、エンジニアリング的な運用を取り入れる必要があります。

日本企業のDXで起きやすい課題

日本企業のDXや内製化では、AI活用以前から似たような課題がありました。

業務フローが人によって違う。例外処理が文書化されていない。Excelやスプレッドシートに重要なロジックが埋め込まれている。担当者に聞かないと判断基準が分からない。過去の経緯がメールやチャットに残っているだけで、正式な業務ルールとして整理されていない。

こうした状態では、AIを入れても効果は限定的です。

AIは、散らばった暗黙知を自動的に整備してくれるわけではありません。むしろ、業務ルールが曖昧なままAIを使うと、曖昧さがそのまま出力に反映されます。

たとえば、申請内容の自動チェックを行う場合、何をもって不備とするのかが定義されていなければ、AIの判断は安定しません。問い合わせ対応の下書きを作る場合も、顧客属性ごとの対応方針やエスカレーション条件が整理されていなければ、担当者の確認負荷はあまり減りません。

AI活用を成功させるには、業務そのものを整理する必要があります。

これは、AI導入の前準備というより、DXや内製化の基礎です。業務を言語化し、判断基準を明確にし、データやドキュメントを整える。この土台があって初めて、AIは実務の中で安定して機能します。

IT部門と現場の役割分担

AI活用を実務に定着させるには、IT部門と現場部門の役割分担も重要です。

現場部門は、業務の具体的な流れや例外パターンを最もよく理解しています。どの判断が難しいのか。どの作業に時間がかかっているのか。どの情報が不足するとミスが起きるのか。こうした知見は、現場にあります。

一方で、AIが業務データに接続したり、業務アプリやワークフローを生成したりする場合、IT部門の関与は欠かせません。誰がどのデータにアクセスできるのか。どの処理を自動化してよいのか。どの出力に承認を挟むのか。ログや監査をどう残すのか。これらは現場だけで決めるべきではありません。

したがって、AI活用では、現場が業務文脈を言語化し、IT部門が安全に使える基盤とルールを整えることが重要になります。

現場は、AIに渡すべき業務情報を整理する。IT部門は、データ接続、権限管理、運用ルール、監査性を設計する。両者が協力することで、AI活用は個人の試行錯誤から、組織として再現できる業務改善へと変わっていきます。

RetoolでAI活用を業務アプリ開発につなげる

AI活用を実務に定着させるうえで重要なのは、AIの出力を単発の回答や文章生成で終わらせないことです。

問い合わせ対応の下書き作成、申請内容の要約、異常値の検知、ナレッジ検索など、AI単体でも一定の効果を出せる使い方はあります。しかし実際の業務では、AIの出力の前後に必ず業務プロセスがあります。

問い合わせ対応であれば、顧客情報を確認し、過去の対応履歴を参照し、AIが作成した回答案を担当者が確認し、必要に応じてステータスを更新します。申請処理であれば、申請内容を確認し、承認者に回し、結果を記録し、関連システムへ反映する必要があります。

つまり、業務でAIを使うには、出力を生成するだけでは不十分です。データ接続、画面、ワークフロー、権限、承認、ログまで含めて設計する必要があります。

Retoolは、社内業務アプリ、管理画面、ワークフロー、AIを活用した業務支援ツールを構築するための開発プラットフォームです。データベース、SaaS、API、社内システムと接続しながら、AIの出力を実際の業務アプリやワークフローの中に組み込むことができます。

実務で使いやすい形の一つは、AIが下準備を行い、人が確認して判断する流れです。問い合わせ対応では、AIが問い合わせ内容を要約し、関連する顧客情報や過去履歴を表示し、担当者が内容を確認したうえで返信やステータス更新を行う。申請処理では、AIが申請内容を確認し、不備の可能性を提示し、承認者が画面上で判断する。こうした流れを業務アプリ上に組み込むことで、AIを日常業務の一部として活用しやすくなります。

また、企業でAIを使う場合は、誰がどのデータにアクセスできるのか、AIの出力を誰が確認するのか、どの操作をログとして残すのかも重要です。Retoolでは、ユーザーやグループごとの権限管理、環境分離、監査ログ、SSO、Git連携などを活用しながら、IT部門が管理できる形で業務アプリやワークフローを運用できます。

AI活用を内製化につなげるには、プロンプトの工夫だけでは不十分です。業務文脈を整理し、それを実際の画面、データ接続、ワークフロー、権限管理に落とし込む必要があります。Retoolは、その橋渡しをするための選択肢の一つになります。

まとめ：AI活用の差は、ツールよりも業務文脈で生まれる

AI活用を成功させるために、特別なエンジニアリング知識が必ず必要になるわけではありません。

しかし、エンジニアが日々行ってきたように、業務の前提を明確にすること、仕様を言語化すること、変更履歴を管理すること、レビューし、古くなったものを更新することは、これから多くの部門で必要になります。

AIにうまく指示できる組織は、単にプロンプトが上手な組織ではありません。業務の暗黙知を言語化し、判断基準を明確にし、AIが参照できる文脈を整えている組織です。

生成AIは、曖昧な業務を自動的に整えてくれるものではありません。むしろ、曖昧さをそのまま増幅することもあります。

だからこそ、AI活用を進める企業には、業務ドキュメント、プロンプト、ワークフローを「実行されるもの」として扱う姿勢が求められます。

内製化や業務改善においても、AIは強力な手段になります。ただし、その効果を引き出すには、現場の知見を言語化し、IT部門が安全な基盤を整え、作ったものを継続的に改善できる状態をつくることが重要です。

AIを活用した業務アプリ開発を進めるうえでは、どの業務を対象にするかだけでなく、業務文脈、データ接続、権限、運用ルールをどのように整理するかが重要です。

Retoolのユースケースや導入事例をまとめた資料をご用意しています。
AIを活用した社内業務アプリの整備や、内製化の体制づくりを検討されている方は、ぜひ資料をご覧ください。

問い合わせ