AI業務自動化
AI Workflow Automation
AI業務自動化とは?
- AIが文書理解・分類・作成などの判断業務を自動処理
- ルールベースRPAと生成AIの融合が主流の流れです
- 反復的で判断基準が明確な業務から適用
AI業務自動化が実際に変えるのはツールではなく、担当者の役割です。以前は、メールを読み、種類を分け、返信を書く作業を一人が最初から最後まで担っていましたが、今ではAIが下書きまで作り、人は正しいかどうかを判定する役割へと移ります。仕事の順序そのものがひっくり返るのです。そのため導入効果も、「何時間減らした」より「検討と例外処理に使える時間が生まれた」として先に現れます。実行者が検討者に変わる瞬間、同じ人数が担う仕事の量と種類が変わります。
現場で出会う自動化は大きく3つの層に分かれます。決まった画面を順番にクリックするRPA、非定型テキストを読んで分類・要約・草稿を作るAI処理、目標だけ与えるとツールを選んで複数の段階を自ら進めるAIエージェントです。前の2つは流れを人が組み、AIが1マスを埋める構造なので結果を予測しやすいですが、エージェントは経路が毎回変わるため検証の負担がはるかに大きくなります。対象の選定基準は意外なほどシンプルです。月の反復回数と1件あたりの所要時間を掛け合わせ、構築工数と毎月の保守費用を回収できるかを検討すればよいのです。月20〜30件程度の業務なら、自動化よりもプロンプトのテンプレート1枚のほうが効果が大きいでしょう。
最もよくある誤解は、「精度95%あれば十分だ」という計算です。1日200件なら毎日10件が間違うことになり、その10件が検証なしに顧客へ届けば、減らした時間より後始末の費用の方が大きくなります。人の検証ポイントをどこに置くかが成否を分ける理由です。もう一つは、自動化をIT部門の宿題として丸投げしてしまうことです。どの業務が本当に反復的で、どこで例外が発生するかは現場にしか分からないため、現場が候補を選べなければ、ツールだけが入って誰も触らなくなります。導入から6か月後に誰も使わない自動化が残るケースは、ほとんどここから始まります。
RPA市場の成熟と2023年以降の生成AIの組み合わせにより、「インテリジェント・オートメーション」という流れが形成され、AIエージェントの登場によって加速しています。
架空の事例でご説明します。役職員210名、年間売上900億ウォン(約1,076,310万円)台の産業用部品流通会社A社の事例です。CSチーム5名が1日平均170件の問い合わせを受けていましたが、在庫・納期・返品の問い合わせが入り混じって届くため、分類作業だけで午前中の2時間が消えていました。繁忙期には「24時間以内にご返信」の約束を守れず、クレームが月30件ずつ積み重なっていました。
- CSチーム長が3か月分の問い合わせ2万件をダウンロードし、種類別に数えたところ、上位5種類が全体の68%を占めていました。「この5つを押さえるだけで半分は片付く」という判断は、ここから生まれました。
- 最初のパイロットは納期の問い合わせ1種類に絞りました。AIがメールから注文番号を抜き出し、ERPの照会結果を添付した返信の下書きを作り、送信ボタンは担当者が押す構造にしました。
- 2週間の実測で注文番号の抽出精度は91%で、誤った9%は顧客が品番を誤って記入したケースでした。運営チームの課長が「見つからなければ答えず、人に回す」というルールを入れました。
- 3か月目に返品・単価の問い合わせまで対象を広げた際、金額がかかる単価の問い合わせだけは営業チームの検討を一段階加えました。営業の代理が「これは私が見るべきだ」と先に求めた項目でした。
- 6か月後、問い合わせ1件あたりの平均処理時間は11分から4分に、24時間以内の返信率は72%から96%に変わりました。CSチームは人員はそのままに、新規取引先のオンボーディング対応を新たに担当するようになりました。
金鍾赫(キム・ジョンヒョク)
パク・ソリョン