「AIで業務が効率化できる」と言われても、実際にどれくらい変わるのかが分からないと、判断のしようがありません。
この記事に載せている事例は、すべてCodeClimbが自社の業務で実際に計測した数字です。他社から聞いた話でも、想定値でもありません。
あわせて、うまくいかなかったこと、途中でやめたことも書きます。効率化の事例だけを並べても、自社に当てはめるときの判断材料にはならないからです。
この記事の事例は、すべて自社で計測したものです
先に前提を書きます。
CodeClimbはAI導入支援を仕事にしています。ただ、他社に導入する前に、まず自分たちの業務をAIに任せて運用しています。「AIを売る側が自分では使っていない」という状態にしたくなかったからです。
以下の4つは、その中で時間を計測できたものだけを載せています。感覚で「速くなった」と言えるものはもっとありますが、数字にできないものは事例に入れていません。
| 業務 | 導入前 | 導入後 |
|---|---|---|
| 見積書・請求書づくり | 1件あたり15分 | 1分もかからない |
| 営業のアプローチ | 朝2時間で15件 | 確認して送るだけで30分弱 |
| 日報・振り返り | 1時間以上 | 話すだけで30分 |
| システム不具合の調査 | 半日 | 10分ほど |
以降で、それぞれ何をどう変えたのかを書きます。
時間はどうやって測ったか
事例の前に、測り方を書いておきます。ここが曖昧な事例記事は、数字を信じる根拠がないからです。
計測は特別なことをしていません。同じ業務を、同じ人が、導入前と導入後にやったときの所要時間を記録しただけです。ストップウォッチではなく、着手した時刻と終わった時刻を作業ログに残す形で取っています。
そのうえで、次のものは数字に含めていません。
- 最初に仕組みを作った時間（初期設定や指示文の調整にかかった時間）
- 失敗してやり直した回数
- AIの出力を確認する人の判断時間のうち、もともと発生していた分
つまり、載せている数字は「軌道に乗ったあとの、日常の1回あたり」です。導入初月は、どの業務もこの数字より遅くなります。ここを混ぜて「導入したその日から速くなる」と書くと、実態と違うものになります。
事例1｜見積書・請求書づくり
導入前: 1件あたり15分。過去の見積を探して、コピーして、数字を入れ替えて、体裁を整える。この繰り返しでした。
導入後: 1分もかからなくなりました。
やったことは、書類の書式そのものをAIに渡し、「どの案件の、どういう条件で」だけを伝えれば形になる状態にしたことです。金額の妥当性は人が見ます。そこは渡していません。
最初はうまくいきませんでした。 過去の見積を全部読ませて「似たものを作って」と頼んだ時期があり、そのときは案件ごとに条件が違うため、毎回直す量が多くて時間が減りませんでした。書式と入力項目を先に固定してから、ようやく安定しています。
この業務は中小企業なら業種を問わず発生するので、最初の1つとして選びやすいところです。具体的な設計や、AIに任せる範囲をどう決めたかは見積書・請求書のAI自動化に詳しく書いています。
事例2｜営業のアプローチ
導入前: 朝2時間かけて15件。相手を調べて、文面を考えて、送る。ここに午前中が消えていました。
導入後: 調査から文面の用意までAIが行い、確認して送るだけで30分かかりません。
変わったのは作業量ではなく、人がやる工程の位置です。以前は「調べる・書く・送る」の全部を人がやっていました。今は「調べる・書く」をAIが済ませ、人は「これで送っていいか」を判断するところだけを担当します。
一件ずつ読んで直すので、送る内容の質は落ちていません。むしろ、調べる時間を惜しんで雑に送っていた頃より良くなりました。
ここで大事なのは、送信そのものは自動化していないという点です。文面を作るところまでがAIで、送るのは人が押します。誤送信は取り返しがつかないので、この線は引いたままにしています。
事例3｜日報・振り返り
導入前: 1時間以上。その日やったことを思い出しながら書いていました。
導入後: 話すだけでAIがまとめて30分です。
これは効率化というより、やり方を変えたら続くようになったという事例です。書く形式だと後回しになって溜まりましたが、話す形式にしてからは止まらなくなりました。
記録が続くと、後から「あの案件、何で詰まったんだっけ」を辿れるようになります。時間の削減より、この副次的な効果の方が大きいと感じています。
数字だけ見ると4つの中で削減幅は小さいのですが、続かなかったものが続くようになったという点では、いちばん効果が大きかった取り組みです。
事例4｜システム不具合の調査
導入前: 半日。どこで何が起きているかを突き止めるまでが長い作業でした。
導入後: 10分ほどで原因を特定できるようになりました。
コードやログをAIに読ませ、「原因の候補を、確認が早い順に挙げてほしい」という渡し方をしています。「直して」ではなく「候補を挙げて」と頼むのが要点です。直すのは人がやります。
「直して」と頼むと、原因が分からないまま直った風の変更が入ることがあります。そうなると、後で同じ問題が別の形で出てきます。原因を先に特定して、直す判断は人が持つ。この順番を変えないようにしています。
4つの中では、これがいちばん時間の差が大きい事例です。
うまくいかなかったこと、やめたこと
ここからが、他の事例記事にはあまり書かれていない部分です。
常駐させていた補助ツールを止めた
作業を補助するために裏で動かしていたツールが、気づかないうちに大量のトークンを消費していました。1日あたり数千万トークン規模です。
さらに、そのツールが蓄積したデータがディスクを圧迫し、無関係な定期処理まで失敗しはじめました。最初は「定期処理が壊れた」という症状として現れたので、原因にたどり着くまで遠回りしています。
入れたものを定期的に棚卸しするところまでが運用でした。便利そうなものを足し続けると、それぞれは小さくても合計で無視できない量になります。導入は一度きりですが、棚卸しは続ける必要があります。
自動実行の設定ミスに5週間気づかなかった
定期実行しているジョブで、使うモデルを指定し忘れていました。設定ファイルの既定値が使われ、意図していない軽量なモデルで5週間動き続けていました。
エラーは出ません。結果は返ってくるので、誰も異常だと思わなかったのです。動いているけれど質が低い、という状態がいちばん見つけにくいというのが教訓でした。
監視は「落ちたら気づく」ようにできていても、「質が落ちたら気づく」ようにはなっていないことがほとんどです。自動化した処理は、動いているかだけでなく、意図した条件で動いているかまで見る必要があります。
経理は、そもそも事例にしていません
経理業務は外部のサービスに任せており、もともと自分たちで手作業をしていません。
つまり導入前の時間が存在しないので、ビフォーアフターの比較が成立しません。「経理もAIで効率化しました」と書くことはできますが、それは数字の裏付けがない話になります。
出せる数字がないものは、事例として出さない。この線引きは守っています。
2026年時点で分かった、AIに向く業務の条件
4つの事例に共通していたことがあります。
- 毎回やることが決まっている — 手順がその都度変わる仕事は渡しにくい
- 入力する材料がそろっている — 過去の書類、ログ、記録など、AIが読めるものがある
- 最後に人が確認できる — 送る前、出す前に人の目が入る形にできる
- 間違えたときに戻せる — 取り返しがつかない操作は渡さない
逆に、この4つを満たさない業務に手を出すと、たいてい途中で止まります。外部への送信、認証、課金、削除にかかわる操作は特に注意が必要です。この線引きはAI導入で任せない業務4分類で詳しく整理しました。
最初の1業務をどう選ぶか
いきなり全社で始めると、ほぼ確実に止まります。
選び方の目安は3つです。頻度が高いこと、入力する資料が決まっていること、確認する人が決められること。この3つがそろっている業務から始めると、失敗しにくくなります。
4つの事例のうち、最初に手をつけたのは見積書・請求書でした。毎日発生し、書式が決まっていて、金額を人が見るという形にできたからです。逆に、不具合の調査は効果がいちばん大きかったものの、最初に選ぶ業務としては向きません。前提となる知識が要るためです。
詳しい選び方は中小企業のAI導入のはじめ方にまとめています。
よくある質問
どれくらいの期間で効果が出ましたか
業務によりますが、軌道に乗るまでは1つあたり数週間かかっています。導入した初月は、仕組みを整える時間が乗るため、むしろ以前より遅くなります。「入れたその日から速くなる」という前提で始めると、たいてい途中でやめることになります。
何人の会社でも同じことができますか
人数より、その業務を毎回同じ手順でやっているかどうかが効きます。手順が人によって違う場合は、AIを入れる前に手順をそろえる作業が必要になります。そこを飛ばすと安定しません。
専門の担当者が必要ですか
最初の設計は経験のある人と一緒にやったほうが安全です。特に、どの業務を渡すかの線引きと、人が最終確認を持つ範囲の決め方は、後から変えると影響が大きい部分です。運用に乗ってからは、現場の担当者だけで回せる状態を目指します。
失敗したらどうなりますか
この記事に書いたとおり、止めた取り組みも、設定ミスに気づかなかった期間もあります。ただ、いずれも元に戻せる範囲でやっていたため、業務が止まる事態にはなりませんでした。取り返しのつかない操作を渡さない、というのが最大の予防策です。
まとめ
自社で計測した4つの事例と、うまくいかなかったことを整理します。
- 見積書・請求書は1件15分かかっていたのが1分もかからなくなった
- 営業のアプローチは朝2時間で15件だったのが、確認して送るだけで30分かからない
- 日報は1時間以上かかっていたのが、話すだけで30分になった
- 不具合の調査は半日かかっていたのが10分ほどで済むようになった
- 常駐ツールは棚卸しが必要だった。裏で枠とディスクを食う
- 自動実行は条件の明示が必要だった。動いていても質が落ちていることがある
- 経理は事例にしない。比較が成立しないため
数字が出た4つに共通していたのは、手順が決まっていて、材料がそろっていて、人が最後に確認できる業務だったという点です。特別なことはしていません。
そして、載せている数字はいずれも軌道に乗ったあとの1回あたりです。導入初月は違います。ここを正直に書いていない事例は、判断材料になりません。
AIを入れたのに、社内で使われていないなら
ツールを契約して全社に配っても、実際に使うのは一部の人だけ、というのはよくあります。原因はツール選びではなく、どの業務をAIに渡すかが決まっていないことにあります。
CodeClimbは、この記事に書いたやり方をそのまま御社の業務に当てはめる設計をお手伝いしています。まず、どの業務から渡すべきかを切り分けるところから始めます。
全国どこからでも対応しています。福島県須賀川市・郡山市の企業様からのご相談も承っています。
