2026/5/27

経営から「AI入れて」と言われた情シスが、最初の1週間にやるべき5つのこと

「AI入れて」と言われた瞬間、情シスがやってはいけないこと

経営層から「うちもAI入れて」と降ってくる場面が中堅企業で増えている。情シス担当者・兼任DX担当者が最初にやってしまいがちなのは、ベンダーへの問い合わせ、生成AIツールの比較表作成、PoC候補のリストアップ。どれも筋が悪い。経営の意図が固まっていない段階でツール選定に入ると、提案を集めても判断基準がなく、稟議書も書けない。

最初の1週間でやるべきことは、ツール選定ではなく「自社のAI導入の足場を作ること」だ。経営の本音、現場のリテラシー、業務の棚卸し、既存ツールに眠っている機能、PoC候補の優先順位付け。この5つを1週間で進めれば、2週目以降のベンダー商談と稟議準備がまっすぐ進む。

なぜツール選定から始めると失敗するのか

ツール選定を先に動かすと、3つの罠にハマる。1つ目は、判断軸が無いまま提案だけが積み上がる。複数ベンダーから資料が届いても、自社が何を解決したいのかが明確でないため、機能比較表が空虚な作業になる。2つ目は、ベンダーが提示してくる「成功事例」に引きずられて、自社にとって本当に効く領域から外れる。3つ目は、稟議書を書く段になって、決裁者から「結局、何が良くなるのか」と聞かれて答えられない。

経営の「AI入れて」は、抽象的な期待値の塊だ。コスト削減か、売上拡大か、競合追随か、採用ブランディングか。どれを期待しているかで、選ぶべきAI領域がまったく違う。最初の1週間で、この期待値の解像度を上げる作業に時間を投じる。

Day 1〜2: 経営の本音を5分で聞き出す質問

経営層に時間を取らせず、本音を引き出す質問は3つでいい。「今期、どの数字を動かしたくてAIに期待していますか」「競合のどの動きが気になっていますか」「1年後に社外から見て、何が変わっていたら成功と呼べますか」。この3つの答えで、AI導入の本当のゴールが見える。

聞き取り結果は議事メモではなくA4半枚にまとめる。「目的:粗利率の改善」「対象:見積もり作成業務」「成功指標:見積もり作成時間の半減」のように、目的・対象・成功指標の3項目を埋める。この紙が、以降すべての判断の起点になる。

Day 2〜3: 自社のAIリテラシー診断

現場が生成AIをどれくらい使えているかを、簡単なアンケートで把握する。設問は5問で足りる。「ChatGPT・Gemini・Copilotのいずれかを業務で週1回以上使っているか」「使っている場合、どの業務に使っているか」「使っていない場合、理由は何か」「会社として使ってよいツールが明示されているか」「機密情報の取り扱いルールを理解しているか」。

結果は3つに分類できる。すでに現場が自走している領域(生成AIで業務改善の芽が出ている)、関心はあるが手をつけていない領域(教育とルール整備で動き出す)、そもそも認知がない領域(経営の指示だけ降りてきて現場が動いていない)。最初に投資すべきは2つ目の領域だ。芽が出ている部分は支援、認知ゼロの部分は急がない。

Day 3〜4: 業務リスト化(時間泥棒の洗い出し)

AIで効くのは「定型的で、時間がかかっていて、誰がやっても結果がほぼ同じ業務」だ。逆に効きにくいのは、属人的な判断・対面コミュニケーション・例外処理。業務リストを作る時は、各業務に対して「月の総時間」「定型度(高・中・低)」「複数人がやっているか」の3列を埋める。

すべての業務を網羅する必要はない。1〜2部署で20〜30業務をリスト化すれば、AI適用の優先順位が見える。月20時間以上かかっていて、定型度が高く、複数人がやっている業務が最優先候補だ。

Day 4〜5: 既存ツールに眠っているAI機能の棚卸し

意外と見落とされるのが、すでに契約している Microsoft 365・Google Workspace・Salesforce・kintone などに搭載されているAI機能だ。Copilot for Microsoft 365、Gemini for Google Workspace、Einstein 1、kintoneのAIアシスタント。新規契約なしで使える機能が眠っている可能性が高い。

既存契約のAI機能で7割の業務がカバーできるなら、わざわざ別ツールを追加する稟議は通りにくい。逆に、既存ツールでカバーできない領域こそ、新規投資の正当性が立つ。棚卸しは、PoC候補の絞り込みと稟議の説得力に直結する。

Day 5: PoC候補を3つに絞る

Day 1〜4で集めた材料を、3つのPoC候補に絞る。絞り込みの軸は「成功確率の高さ」「経営が示した目的との整合」「失敗してもダメージが小さいこと」の3点。1つ目を見積もり作成自動化、2つ目を社内問い合わせのチャットボット化、3つ目を議事録の自動要約、のように業務領域・難易度・期待効果を散らす。

3つに絞ったら、各候補について「30日で何を検証するか」「成功基準」「失敗時の撤退条件」を1行ずつ書く。この3行が、ベンダー商談の依頼書になる。

1週間後に経営と握るべき1枚サマリー

1週目の終わりに、経営と握るべき1枚サマリーを作る。中身は5項目だけ。目的の明確化(Day 1〜2の聞き取り結果)、現場のリテラシー水準(Day 2〜3の診断)、AI適用候補の優先順位(Day 3〜4の業務リスト)、既存ツール活用方針(Day 4〜5の棚卸し)、PoC候補3件(Day 5の絞り込み)。

この1枚を見て経営が「これでいい」と言えば、ベンダー商談・PoC設計に進める。「もっと別の領域を狙ってほしい」と言われれば、ツール選定に入る前に方向修正できる。最初の1週間の投資は、後段のすべてを早く正確にする。

Beekleの取り組み

Beekleは中堅企業のAI導入を、ツール選定の前段から伴走する。最初の1週間でやるべき「経営合意の作り方」「業務リスト化のフォーマット」「既存ツール棚卸しのチェックリスト」をワークショップ形式で支援し、2週目以降のPoC設計までを一気通貫で進める。生成AI駆動の小さな開発で、PoCを安く早く回せるのも特徴だ。

「AI入れて」と言われたが何から手を付けるべきか分からない、ベンダー商談に入る前に社内の足場を固めたい、という場面で相談を受けることが多い。スコープマネージャーストーリービルダーを使えば、PoC候補の絞り込みと優先順位付けが社内だけで進められる。

よくある質問

Q. 経営が「とにかくChatGPTを入れろ」と具体的なツール名で指示してきた場合は?

A. ツール名が先に出ている時こそ、目的の聞き取りを丁寧にやる。「ChatGPTで何を実現したいか」を3つの質問で深掘りすると、本当の期待値が見える。ChatGPTのアカウント発行だけ進めて、本筋のAI推進は別軸で動かす、という分け方もできる。

Q. 1週間でここまで進める時間がない。兼任で他業務も抱えている。

A. 5つすべてを完璧にやる必要はない。最低限、Day 1〜2の経営聞き取りとDay 5のPoC候補3件は1週間で必ず終わらせる。残りは2週目に持ち越してよい。経営合意とPoC候補だけは、最初の1週間で固める。

Q. 自社にAIリテラシーが高い人材がいない場合は?

A. 外部相談役を月数万円で確保するのが現実解だ。情シス兼任者がゼロから学ぶ時間より、相談できる相手を持つ方が早い。1週目の聞き取り・診断・棚卸しの作業フォーマットだけ揃えれば、外部相談役のレビューで質を担保できる。

Q. PoC候補に既存ツールのAI機能を含めるべきか?

A. 含めるべき。既存ツールのAI機能を1ヶ月使い倒して、足りない部分が明確になってから新規ツールを検討する方が、稟議の根拠が強くなる。「既存で7割、追加で3割」の構図が、決裁者にとって最も説明しやすい。

Beekleにご相談ください

Beekleでは、生成AI/CDP/業務システムの企画・要件定義・開発・運用までワンストップで支援しています。「何を作れば成功か」の整理、検証フェーズの設計、本番化判断まで、発注側の判断材料が揃うように伴走します。費用感の概算だけでも歓迎です。

お問い合わせはこちら

関連記事

「生成AIの活用と発注」カテゴリの他の記事

AI導入で「コストが増えただけ」にならないためのKPI再設計術

2026/5/27
読む

社内ナレッジAIチャットボットの作り方|精度の高い回答システムを構築する実践ガイド

2026/5/27
読む

AIプロジェクトが進まない|ゼロスタートでデモから始め、アジャイル的に改善する方法

2026/5/27
読む

組織体制がAI導入を阻む|経営者がAI前提の業務を主導しなければ変わらない

2026/5/27
読む

既存システムの制約でAIが導入できない|基幹システムを見直した方が早いケースの判断軸

2026/5/27
読む

経営者がAI導入を理解しない|As-Is/To-Be可視化と費用対効果で説得する方法

2026/5/27
読む

「コストがかけられない」なら最低限から始める|ゼロスタートで生成AI導入のリスクを最小化する方法

2026/5/27
読む

生成AIの業務効果をどう測るか|「効果が見えない」を防ぐROI測定と指標設計

2026/5/27
読む

生成AIの学習データをどう用意するか|社内データの棚卸し・品質管理・前処理の実務ガイド

2026/5/27
読む

生成AI導入のセキュリティとプライバシー対策|業務利用で押さえるべきリスクと対処法

2026/5/27
読む

「データ基盤が整っていない」は生成AI導入を諦める理由にならない|CDP・データクリーニングから始める現実解

2026/5/27
読む

生成AIの回答精度を業務レベルに引き上げる方法|GraphRAGとハルシネーション対策の実践ガイド

2026/5/27
読む

プロンプトエンジニアリングとは|AI受託発注時に発注先のスキルを見極めるための基礎知識

2026/5/1
読む

生成AIガイドラインの作り方|AI案件を発注する前に社内で整備すべき利用ルール

2026/5/1
読む

AIエージェントの作り方|業務適用までの実装と運用設計

2026/5/1
読む

AIエージェントを発注検討者が知っておくべきこと|中堅企業の判断軸と発注前チェック

2026/5/1
読む

生成AI駆動開発(AIファースト開発)とは|中堅企業のシステム開発はこう変わる

2026/5/1
読む

BigQuery × MCPで生成AIから業務データを直接見る|ChatGPTがSQLを書いて答える仕組み

2026/5/1
読む

MCPを活用したAI案件の発注前に押さえること|活用シナリオ・体制・リスク

2026/5/1
読む

生成AIをどう選び、どう契約するか|1社固定 vs 複数モデル使い分けの戦略

2026/5/1
読む

この知識を実践してみませんか?

現状(As-Is)と改善後(To-Be)を可視化して改善点を発見できます。

次の工程で使うツール: 要件を3軸で評価して「作る/後回し/作らない」を整理できます

いきなり試すのが不安な方は 先に相談する こともできます。