AIによる進捗フォロー体制の設計と運用の全体像
参照したAIgram
目次
概要
依頼したはずの仕事が動いていない、報告が上がってこない。こうした進捗遅れに悩まれる方は多いと思います。実際の事例を見ると、遅れへの対策は「担当者に気をつけてもらう」ことではなく、指示・記録・催促という一連の流れを仕組みとして作り直すところから始まっています。
チェーンストア向けの店番長では、本部から店舗への業務指示が投げっぱなしになりやすく、正しく実行されない指示は結果につながらないため、本部が店舗とともにミスや対応漏れを防ぐ姿勢が必要とされています 店番長AI指示アシスタントによる本部指示作成支援。同サービスのAI指示アシスタントは、本部担当者が入力した要点、リンコムが支援で培った知見、アプリ設定情報をシステムプロンプトとして組み合わせ、GPT-4 Turboで業務指示を生成します。
進捗そのものを扱う側では、デンソー工機部が案件、担当者、コスト、取引先などを紐づけてDataverseに格納し、構造化されたデータをCopilotやAIエージェントが活用しています デンソー工機部のDynamics 365によるAI DX。そのうえで現場に導入された「進捗遅れ案件の自動フォロー チャット」は、AIエージェントがTeamsのチャットで忘れたり後回しになったりしないようフォローメッセージを送り、担当者が即時に対応方針を回答する形をとっています デンソー工機部、Dynamics 365で工数20%削減へ。
記録の側では、NECが商談の議事録作成やCRM/SFA入力を自動化する「ナレッジワークAI商談記録」を1,000名規模で導入しました NECがナレッジワークAI商談記録を1000名規模導入。またJBSは、業務を分解してAIと人の強みに応じて役割を振り分け、問い合わせの初動にAIを置き、人はその先の付加価値業務へ移る運用に組み替えています JBSがD365 CSでサービスデスクAI協働を検証。
進捗フォローの仕組みは、依頼文の質を揃える、進捗データを構造化して貯める、遅れた案件へAIが催促を送る、記録の入力を自動化する、という組み合わせで成り立っています。
指示の出しっぱなしが対応漏れを生む
店番長の事例では、本部と店舗のすれ違いによる問題の多くが、本部が業務指示を投げっぱなしにし、管理責任を過大に店舗へ委ねていることから起こると説明されています 。商品の提供時期の間違いやポスターの貼り間違いといった単純なミスでも、その後のブランド力や風評に影響が残ることがあると指摘されています。
量の面も見ておきたいところです。業務指示は店番長ユーザー企業の平均で週40通、年間およそ2,000通が各店舗に届き、売り場面積の広い業態では年間10,000通以上が配信されます。これだけの量が流れる中で、指示内容の質は多くが個人のスキルに依存しており、標準化できている企業ばかりではないとされています。
- 指示を出した側が実行状況を追っていない
- 指示の書き方が担当者ごとに違い、受け手の解釈が分かれる
- 指示の量が多く、一件ずつ確認する余裕がない
進捗が遅れる原因を、受け手の意識だけに求めても解決しません。出し方と追い方の両方に手を入れる必要があります。
依頼文をAIで下書きして質を揃える
最初に手を入れやすいのが、依頼文そのものです。店番長のAI指示アシスタントを使っているもち吉では、AIが3、4割のところまで推敲するため、ゼロから考えるのに30分かかっていた指示作成が5分で済むようになりました
。
もち吉の担当者のコメントで期待として挙げられているのは、時間だけではありません。業務指示を作る人によって文章作成の得手不得手でニュアンスが変わったり内容に齟齬が出たりしやすかったのに対し、AIならキーワードを入れるだけで大体同じような文章が生成される点です。リンコムも、指示内容のクオリティを上げて店舗での対応漏れやミスを防ぐことを、この機能による課題解決の一つに挙げています。
依頼文の質を揃えることは、進捗フォローの入口にあたります。受け手が迷わない文面であれば、後から催促する回数そのものが減ります。
進捗の元データを構造化して貯める
AIに進捗を追わせるには、追う対象のデータが必要です。デンソー工機部は、AI-Readyな形でいかにデータを整えるかを構築における最初の課題とし、案件、担当者、コスト、取引先などをすべて紐づけてDataverseに格納し、それをDynamics 365で流しています 。データが構造化されているため、CopilotやAIエージェントが活用しやすく、精度の高い回答が返ってくると説明されています
。
同じ課題は、製造業以外でも出てきます。JBSは自社サービスデスクの取り組みで、社内に蓄積されたナレッジ・対応履歴・業務フローは多くの場合そのままではAIがうまく取り込めないという課題を挙げ、過去の対応履歴やナレッジをAIが「読める」状態に整えるステップを踏んでいます 。
- 案件と担当者、期限、関連先が紐づいた形で記録する
- 過去の対応履歴やナレッジを、AIが読める状態に整える
- どの項目が揃えば遅れを判定できるかを、先に決めておく
遅れの検知には鮮度の高いデータが必要
構造化するだけでは足りず、データの新しさも問われます。デンソー工機部では、従来は夜間バッチ処理で前日のデータが入ってきていましたが、それでは遅いとして、必要なデータについて基幹システムの更新がリアルタイムでDynamics 365に反映されるようにしました 。意思決定のスピードと正確性を高めるためには鮮度と精度の高いデータを集めることが欠かせないとされ、データが動いている中でエラーや矛盾が出ないよう、試行錯誤しながら細部を作り込んだと説明されています。
外部とのやりとりでは、データがそもそもデジタルになっていないこともあります。同部では部品メーカーからの納期情報を紙で受け取り、担当者がExcelに手入力していたため、手間がかかるうえ情報の更新にも時間を要していました 。人手を経由する分だけ、遅れの把握も遅れます。
AIが遅れ案件へ催促を送り回答を促す
データが揃うと、催促を自動化できます。デンソー工機部の「進捗遅れ案件の自動フォロー チャット」はすでに現場に導入されており、AIエージェントがTeamsのチャットで、忘れたり後回しになったりしないようフォローメッセージを送ります 。担当者はそれを受けて即時に対応方針を回答し、能動的な行動が促進される仕組みです 。
催促を人が行うと、相手との関係や気まずさが絡んで後回しになりがちです。AIが同じ基準で全案件に送るなら、その気まずさは発生しません。
コミュニケーションと運用支援を組み合わせて対応漏れを防ぐ考え方は、店番長にも見られます。同サービスは本部と店舗の円滑なコミュニケーションを促す機能とこれまで培ったノウハウによる運用支援によって店舗の対応漏れを防いでおり、利用ユーザー全体の実行完了率は平均で93%に達しています 。
催促は、担当者の記憶ではなくデータの状態から自動で出す。これが進捗フォローの中心にあたる部分です。
報告と記録の入力をAIに肩代わりさせる
進捗フォローが回らなくなる理由の一つが、報告と記録の手間です。NECでは、AIネイティブカンパニーへの変革を進める中で、営業活動の記録やCRMツールへの入力といった付帯業務が営業担当者の大きな負担になっており、営業活動の生産性向上と顧客接点情報の資産化が重要課題となっていました 。
導入された「ナレッジワークAI商談記録」は、対面・オンライン・電話の商談を録音録画し、記録したデータを独自の音声解析AIで自動的に文字起こしします。さらに、要約やフィードバック、スコアリングなどのレポートをAIが自動作成し、記録した商談の内容をCRM/SFAの所定の項目に自動で入力します
。
同じ発想は顧客対応の現場にもあります。Emperor Financial Services Group（EFSG）では、電話通話中のAI搭載音声認識機能によって会話を自動で文字起こしし、担当者のメモを取る時間を減らすとともに、今後のフォローアップや監査の際に参照できる正確な記録を残しています EFSGのCopilot Studio顧客対応統合。
- 記録の入力を担当者の作業として残さない
- 音声や会話そのものを、後から参照できる形に変換する
- 記録先を、進捗管理に使うシステムの項目に直結させる
初動をAIに任せ人は分析と改善を担う
AIに任せる範囲を決めるとき、参考になるのがJBSの整理です。JBSが目指したのは、AIと人が協働し、定型的な一次対応はAIに任せ、人はより顧客ニーズに寄り添った分析や改善といった高付加価値の業務に専念できる状態でした 。
背景には、サービスデスク業務が日々寄せられる問い合わせへの対応に人手を取られ、問い合わせの根本原因の分析やサービス改善、ナレッジの整備にまで手が回らないという状態がありました。JBSは業務を一つひとつ分解し、AIと人それぞれの強みに応じて役割を振り分けて再構築し、問い合わせの初動にAIを置き、人はその先の付加価値業務へ移る運用モデルを設計・検証しています。
EFSGでも役割の分け方は似ています。Copilot Studioで構築したチャットボットがよくある問い合わせに即座に回答し、請求に関する問い合わせでは過去のやり取りの概要を自動的に生成して、顧客サービス担当者が案件記録をリアルタイムで更新できるようにしています
。
小さく始めて現場の合意を取りながら広げる
仕組みを作っても、現場が使わなければ進捗は変わりません。デンソー工機部のAI DX構想の1つ目のポイントは、小さくアジャイルにスタートできることであり、走りながら改善するアプローチがデジタル技術を活用した変革には適しているとされています 。
進め方でも、合意形成が先に置かれました。工機部は変革に着手するにあたり、ベテラン・中堅・若手と語り合うグループミーティングを重ね、1,000名を超える部員から現場の声を直接聞いています 。実務者が設備づくりに対する思いと前向きな姿勢を熱意をもって伝えたことで、反対意見を持つ従業員も少しずつ耳を傾け、最終的には「やってみようか」と言い、要望を聞くボックスも設けられました 。
店番長のAI指示アシスタントも、プレビュー期間のフィードバックをもとにプロンプトの改良を行い、各社の本部や店舗の呼称をカスタマイズできるようにしたうえ、企業全体で決められた短いプロンプトを追加できるようにしています 。使いながら直していく前提で作られている点は共通しています。
- 一つの業務、一つの工程から始める
- 使う人の声を聞く場と、要望を出す窓口を用意する
- 運用しながらプロンプトや設定を調整する
現場が納得していない仕組みへの催促は、無視されるだけで終わります。合意を取りながら広げる工程も、設計の一部として扱う必要があります。
結論
AIで進捗遅れを防ぐ業務フォローは、次の順で組み立てられています。
- 依頼文をAIで下書きし、指示の質を担当者によらず揃える
- 案件・担当者・期限などを構造化し、鮮度の高い状態で蓄積する
- 遅れた案件へAIエージェントが催促を送り、担当者が対応方針を回答する
- 記録と報告の入力を自動化し、フォローに必要な情報を貯め続ける
- 初動をAIに任せ、人は分析と改善に時間を使う
入口となる指示文の生成では、もち吉で作成時間が30分から5分になり、対象の全店舗で業務指示の実行率100％を達成しています 。進捗の追跡側では、デンソー工機部の「進捗遅れ案件の自動フォロー チャット」がすでに現場で使われ、AIエージェントの催促に担当者が即時に回答する運用になっています 。
JBSは、AI導入後も業務変革に結びつかないという多くの企業の課題に対し、データ整備、プロセス設計、人の役割転換を一体で進める実践モデルとして自社の取り組みを位置づけています 。デンソー工機部は、マイクロソフト製品を活用したAI DXにより作業工数を約20％削減し、年間約8万時間の創出を見込んでいます 。
進捗遅れへの対策は、担当者の注意力を高めることではなく、指示と記録をデータとして残し、遅れた案件にAIが声をかける仕組みを作ることです。