💡プログラミングは要らなかった。AI社員の導入で、一番手間がかかったのは「Excelの片づけ」

게시판: AI·머신러닝 | 작성자: admin | 작성일: 2026-10-08T23:04:35.064Z

AIに調べものを任せたい。そう思ったとき、最初にぶつかる壁は「プログラミング」だと考えていませんか。

私もそう思っていました。でも、実際に案件でやってみて分かったのは、手間がかかる場所は、まったく別のところにあったということです。

私は文系ですが、AIで業務を自動化する仕事やコンサル、セミナーをしていて、起業もしています。その中で、製造業の現場の「調べもの」を、AIに任せる仕組みを作りました。

この記事では、その調べものが、半日〜数日から【数分】になるまでに、実際に何があったのかを、そのまま書きます。

AI社員の初出勤。最初の仕事は「調べもの」だった
「AI社員」というたとえ
製造業の現場の「ヒヤリハット」
対応策のたびに、過去のデータを探していた
AI社員が出勤する前に、片づけが必要だった
過去のデータが、AIが読める形ではなかった
片づけに、約2週間かかった
別の案件でも、同じだった
片づけたあと、調べものは「数分」になった
2人のAI社員の役割分担

AI社員の初出勤。最初の仕事は「調べもの」だった

Q. AI社員の初出勤。最初に頼まれた仕事は？

A. 「過去3年分の企業データの片づけ。」

なんて、ちょっと言いすぎました。でも、半分は本当です。私の案件でも、AI社員が働き始める前に、片づけが必要でした。

「AI社員」というたとえ

最近、AIを「社員」にたとえる言い方を、よく見かけます。人に仕事を頼むように、AIに役割を決めて、任せるイメージです。

私も、このたとえは分かりやすいと思っています。新しい社員が来たら、まず簡単な仕事から任せますよね。AI社員に最初に任せるなら、向いているのは【調べもの】です。

過去の記録を探して、似たものを見つけて、まとめる。これは、AIが得意な仕事だからです。

製造業の現場の「ヒヤリハット」

私が作った仕組みは、製造業の会社で使われています。扱うのは、【ヒヤリハット】の対応策づくりです。

ヒヤリハットとは、事故にはならなかったけれど、「ヒヤリ」「ハッ」とした出来事のことです。たとえば、「台車にぶつかりそうになった」といった、小さな出来事です。

現場の方が、そうした出来事を記録して、同じことが起きないように、対応策を考えます。微細なものまで含めると、部署ごとに月30件ほど出てくるそうです。

対応策のたびに、過去のデータを探していた

対応策を考えるには、「過去に似たことはなかったか」「そのとき、どう対応したか」を調べる必要があります。

この【過去データの検索・調査】が、1件あたり、半日から数日かかっていました。

月に30件ほど出てくるなら、調べものだけで、かなりの時間になります。課長や部長は、調べものに追われて、「どう防ぐか」を考える時間が取りにくくなりそうです。

ここを、AI社員に任せよう、というのが今回の仕事でした。

AI社員が出勤する前に、片づけが必要だった

過去のデータが、AIが読める形ではなかった

AIに調べものを任せるには、調べる元になる、過去のデータを渡す必要があります。その過去のデータは、Excelに入っていました。

人が見るなら、問題のない表です。でも、AIが読むには、そのままでは使いにくいことがあります。

しかも、これは、その会社だけの【独自のデータ】です。ネットで調べれば出てくる一般的な情報ではなく、その会社の中にしかない記録です。AIは、それを最初から知っているわけではありません。

だから、AIに渡す前に、AIが読みやすい形に整える作業をしました。【AIが読める形にする】ための、片づけです。

片づけに、約2週間かかった

この片づけに、約2週間かかりました。

ツールを設定する時間より、日本語で指示を書く時間より、ずっと長い時間です。今回の案件で、一番手間がかかったのは、ここでした。

別の案件でも、同じだった

システム開発の別の案件でも、一番時間をかけたのは、Excelデータの整理でした。

そちらは、データの量が多くて、まだ整理しきれていません。そのため今は、「データ整理をするためのシステム」を作っているところです。

この案件では、画像の扱いにも、工夫が必要でした。

システムの外部設計の資料には、システムの画面のスクリーンショットが入っています。画像のままだと、AIが読み込むのが少し難しいのです。そこで、その画像に【説明文】を付けました。文字で説明が付いていれば、AIは、その画像が何を表しているのかを読み取れます。

うまくいっていない部分も、正直に書いておきます。AIに任せる前の準備は、思ったより地味で、時間がかかります。

片づけたあと、調べものは「数分」になった

2人のAI社員の役割分担

ここで、この案件の仕組みを、AI社員にたとえて紹介します。

1人目：対応策を考える担当。過去のデータをもとに、対応策の案を作る
2人目：Excelへの転記の担当。決まった表に、結果を書き写す

どちらも、プログラムを書いて作ったのではなく、日本語で「こう動いてほしい」と伝えて作りました。

仕事の流れ

実際の流れは、次のとおりです。

現場の方が、ヒヤリハットを入力する
過去のデータをもとに、AIが対応策を作る（回答は、その場ですぐに出る）
確認する担当者が、その場で回答を修正して、承認する
翌朝の朝礼で、みんなに周知する

AIの回答がその場で出るので、担当者が、その場で直して承認すれば、そこで完了です。入力した翌日には、周知できます。

以前は、同じところまで、ものにもよりますが、1週間ほどかかっていました。調べる時間に加えて、確認する時間も、必要だったからです。

最初は、疑われていた

「AIは、どのくらい使い物になるのか」。部長や現場の方は、最初、疑心暗鬼でした。

それも、当然だと思います。調べものに半日〜数日かかっているときに、「AIが数分でやります」と言われても、すぐには信じられません。

変わったのは、自動化のツールを作っていくにつれてです。動くものを少しずつ見てもらううちに、見る目が変わってきました。

一番のきっかけは、これまで手作業でしてきたことの【80点くらい】の出来のものが、パッと出てきたのを見たときでした。100点ではありません。でも、半日〜数日かけて調べていたことの、かなりの部分が、すぐ目の前に出てくる。そこから、見る目が変わっていきました。

「仲間を増やす順番」という言い方は、戦略っぽくて、私はあまり好きではありません。ただ、いきなり全員に分かってもらおうとするより、動くものを見せながら、順番に分かってもらう方が、自然なのかもしれないとは思っています。

半日〜数日が、数分になった

この仕組みができて、対応策づくりのための過去データの検索・調査は、1件あたり「半日〜数日」から、AIが対応策を作るまで「数分」になりました。

よくあるヒヤリハットなら、人が確認して、それで完了です。

調べものに追われていた時間が、確認する時間に変わりました。

初めて、数分で出てきた対応策を見たときは、正直、こうした技術に圧倒されました。同時に、これで人の役に立てるのなら、わくわくしました。

そして、自動化のツールを作っていくにつれて、「こんなことも自動化できるんだ」と、自分が一番びっくりしています。

それでも、最後に決めるのは人

ただ、AI社員がすべてを決めているわけではありません。

対応策を作るのはAIですが、「これでいい」と判断して、朝礼に回すのは、確認する担当者です。AI社員の仕事は、調べて、案を作るところまで。最後に決めるのは、人のままです。

AI社員を雇う話――――――――――実は、片づけの話だった

最初に覚悟していたこと

ここまで読んで、「結局、AIの導入は、地味な片づけなんだ」と思った方もいるかもしれません。

私自身、最初は、まったく逆のことを考えていました。きっかけは、オンラインスクールに入会したことです。

「AIを勉強しよう」と決めたとき、私は、こう覚悟していました。「どうせまた、プログラミングを一から勉強し直すんだろうな」と。

実際に必要だったのは、日本語だった

ところが、実際に触ってみると、プログラミングのスキルは、ほとんど必要ありませんでした。やっていることの大半は、日本語で指示を書くこと、日本語を読むことで解決したのです。

そのとき、私の中で、認識が変わりました。

数学的にしか解決できなかったことが、国語的に解決できる時代が来た。

これまでは、技術（数学）でしか越えられなかった壁が、言葉（国語）で越えられるようになったのです。

本当に手間がかかるのは、準備だった

そして、もう一つ分かったことがあります。

プログラミングが要らなくなった今、手間がかかる場所は、別のところに移っていました。AIに任せる前の、【準備】です。

AI社員を雇う話だと思っていたものは、実は、雇う側の私たちが、仕事の材料を整える話でした。2つの案件のどちらも、一番手間をかけたのは、プログラミングではなく、Excelのデータを整えることだったのです。

最初の仕事は、小さな調べものから

まず、自分の職場で見るところ

もし、自分の職場でも、AI社員に調べものを任せたいと思ったら、次の3つを見てみてください。

「半日かかっている調べもの」を、1つだけ書き出す
その調べものの元になる資料が、どこにあるかを確かめる
その資料を、AIが読める形（1行に1件、列に見出しがある表など）に整えられそうか見る

いきなり全部を任せる必要はありません。小さな調べものを1つ、AI社員に任せる。それだけで、仕事の見え方が変わります。

プログラミングは、要りません

最後に、正直な気持ちを書いておきます。

私は、「今まで諦めていたことが、形にできるかもしれない」と、初めて思えました。その理由は、プログラミングを学んだからではありません。日本語で指示を書けば、AIが動いてくれると分かったからです。

必要なのは、データを整える根気と、最後に確認する目。どちらも、プログラミングの知識がなくても、持てるものです。

AI社員の初出勤は、片づけから。その一歩目なら、文系でも、会社員でも、今日から始められます。

ハッシュタグ

#AI社員 #AI活用 #業務効率化 #Dify #n8n #非エンジニア #Claude Code #Codex

출처: note 원문

번역: Gemma 3(.44) 초벌 + 교정 검수

원문 보기 | 출처: note.com