AIを入れる前に、
仕事の流れを整える。

転記、書類の仕分け、定型文の下書き、定期レポートなど、繰り返し発生する作業を対象に自動化方法を検討します。既存の表計算ソフトや業務ツールを活用できるかを確かめ、判断が必要な箇所には人の確認を残す設計を行います。

既存の表計算データ、処理記録、予定表などから、業務量や処理時間の偏り、遅延が起きやすい条件を読み解きます。大規模なデータ基盤を前提とせず、現状を把握し、改善の前後を比較するための指標づくりを支援します。

対象業務を限定し、既存の運用をすぐに置き換えずにAI活用の適合性を確かめるための検証を設計します。評価基準、利用データ、担当者の確認手順、停止や従来手順への切り戻し方を事前に整理します。

予約、繁閑、在庫、担当者の稼働状況など、日々の配分判断に関わる情報を整理し、判断を支える集計やルールを設計します。AIによる提案を使う場合も、制約条件や最終承認者を明確にし、現場で説明できる運用を目指します。

AIを業務で使う際の入力情報、出力確認、利用範囲、相談先などを、現場が実行できるルールに整理します。個人情報や機密情報を扱う場合は、利用目的や提供先、契約条件などの確認事項も洗い出し、従業員向けの説明や学習につなげます。

自動化候補を「繰り返し回数」だけで選ばず、例外の多さ、誤りの影響、現場の負担、導入後の保守まで比較する実務ガイド。小規模なチームでも使える候補評価表の作り方を解説します。

対象：AI導入の候補業務を絞りたい経営者・担当者、日々の事務作業を改善したい少人数チーム

AIの試行を「使ってみた感想」で終わらせず、導入前の基準値、評価指標、確認担当、停止条件をそろえる方法を解説します。業務を置き換える前に適合性と運用負荷を確かめたい組織向けのガイドです。

対象：AIの本格導入を判断する前に試したい組織、現場を巻き込んだ検証計画を作る担当者

AIの利用範囲を決めるときに、すべてを人手確認にする方法と無確認で処理する方法の二択にしないためのガイドです。影響度と不確実性に応じて確認箇所を設計し、責任の所在と例外時の流れを明確にします。

対象：AIで文書、問い合わせ、判断支援を行いたい担当者、出力の確認責任を業務フローに組み込みたい管理者

顧客・従業員情報や社内資料をAIで扱う前に、利用目的、入力データ、サービス提供者、アクセス権限、契約条件を確認する実務ガイドです。日本の個人情報保護に関する検討事項と、社内で確認を進める順序を整理します。個別案件の法的判断を代替するものではありません。

対象：顧客情報や従業員情報を扱う業務でAIを検討する担当者、利用ツールや委託先を評価する事業者

新しいシステムを導入する前に、日々使っている表計算データを改善判断に活かすためのガイドです。列の定義、入力ゆれ、更新責任、履歴の扱いを整え、無理のない指標と集計方法を設計する手順を解説します。

対象：表計算ソフトに業務記録が蓄積している事業者、集計表は作っているが改善に結びついていない担当者