生成AIのアカウントを配布し、全社員研修を実施したのに、数週間後には一部の人しか使っていない。こうした状態から抜け出すためのAI活用の定着支援は、ツール操作を教える活動ではありません。仕事の選び方、データの境界、役割別教育、品質評価、上長のレビュー、相談窓口、改善会議を一つの運用としてつなぎ、社員が安全に「同じ業務で繰り返し使える」状態をつくる仕事です。本稿ではタイ・ASEANの多言語拠点を想定し、90日で定着の土台を構築する方法を実務順に整理します。
生成AIが社内に浸透しない理由は「社員の意欲」だけではない
「使わない人の意識が低い」と決めつけると、定着施策はほぼ確実に研修の追加へ向かいます。しかし現場で止まる理由は、知識不足だけではありません。どの仕事に使ってよいか分からない、入力してよいデータが曖昧、出力をどこまで信用してよいか判断できない、上司が成果物を受け付けない、良い使い方を共有する場所がない、失敗時の相談先がない、といった運用上の摩擦が重なっています。
AI活用の定着を次の式で捉えると、対策が見えやすくなります。
定着 = 対象業務の明確さ × 安全に使える環境 × 実務能力 × 上司・同僚の承認 × 改善の継続性
どれか一つがゼロに近ければ、研修参加率が高くても業務利用は続きません。たとえばプロンプト作成が上手でも、顧客情報を入力できる環境がなく、匿名化ルールもなければ仕事には使えません。逆に、セキュアな環境があっても、入力・確認・承認の担当が決まっていなければ成果物は滞留します。
OpenAIの2026年8月の企業利用分析では、同社の企業顧客データにおける月間利用上位10%の「frontier firms」は、典型的な企業に比べ、アクティブユーザー当たりの出力トークンが8.3倍でした。これは利用の深さを示す観測値であり、生産性やROIが8.3倍という意味ではありません。それでも、単にアカウントを持つことと、仕事の文脈やツールに接続して深く使うことの間には大きな隔たりがある、という示唆は得られます。
ありがちな五つの停止点
| 停止点 | 現場で起きること | 支援側が直す対象 |
|---|---|---|
| 業務が曖昧 | 「自由に使って」で試用が散らばる | 対象業務、開始条件、完了条件 |
| データ境界が曖昧 | 情報漏えいを恐れ、実データで使えない | データ分類、匿名化、承認済み環境 |
| 品質基準がない | 出力の良し悪しが人によって変わる | 評価セット、採点基準、人の確認 |
| 管理職が不在 | 部下が使っても業務プロセスが変わらない | 業務オーナー、承認者、KPI |
| 改善経路がない | 一度の失敗で使われなくなる | Office Hours、FAQ、変更履歴、再訓練 |
したがって「生成AIが浸透しない」という相談に対する最初の答えは、追加セミナーではなく、停止点の診断です。
AI活用の定着支援で最初に測る五つの準備度
ETDAのAI Readinessの考え方は、AIの準備をツール所有だけで評価しない点で実務的です。公開されている評価ツールは12の質問と五つの次元で組織の状態を考える構成です。これは認証や法的な合否判定ではなく、会話を始めるための診断枠として使います。本稿では次の五領域に置き換えます。
- 戦略と業務価値：経営課題と対象業務がつながっているか。
- 人と役割：業務オーナー、利用者、承認者、IT、法務・セキュリティの責任が明確か。
- データと技術：利用可能なデータ、権限、ID、ログ、連携先が整理されているか。
- ガバナンス：禁止事項、レビュー、インシデント対応、変更管理が定義されているか。
- 運用と学習：教育、相談、評価、共有、改善を回す時間と担当があるか。
各領域を0〜3で採点すると、きれいな総合点を作ることより、ボトルネックを可視化できます。0は未定義、1は一部の人だけが理解、2はPilotで運用可能、3は複数部門へ再現可能、という程度で十分です。重要なのは「平均2点だから開始可能」と考えないことです。データ境界が0なら、他が3でも実データ利用は止めるべきです。
診断インタビューで聞くべき質問
- 何の時間、品質、リスクを改善したいのか。
- その業務は週に何回発生し、誰が入力し、誰が承認するのか。
- 正解例と失敗例は残っているか。品質を誰が採点できるか。
- 個人情報、顧客秘密、図面、契約、輸出管理情報をどう分類しているか。
- 日本語・タイ語・英語で同じ用語が同じ意味になっているか。
- AIが停止しても業務を続けられる手順があるか。
- 利用者が困ったとき、誰が何営業日以内に答えるか。
ここで「AIで何ができますか」から始めないことが大切です。業務の目的、証拠、責任、例外から始めると、AIを使う部分と使わない部分が自然に分かれます。
生成AIの社内展開は「ユースケースのポートフォリオ」で管理する
全社展開という言葉から、全員へ同じツールを一斉配布する計画を想像しがちです。しかし定着に向くのは、少数の業務を選び、証拠を作り、横展開するポートフォリオ方式です。
候補業務は、価値・実行可能性・リスクの三軸で比較します。
- 価値：発生頻度、所要時間、品質損失、待ち時間、売上・顧客影響。
- 実行可能性：入力データ、正解例、担当者、連携難易度、言語。
- リスク：誤答の影響、個人情報、機密、法規、労務、安全、外部公開。
最初の90日には、高頻度で、正解を人が確認でき、失敗時に戻せる業務が向いています。たとえば社内文書の下書き、会議記録からのアクション抽出、既存マニュアルの検索支援、定型報告の要約、分類・タグ付けです。一方で、設備の安全停止判断、採用・評価の最終判断、法的見解、顧客への無承認送信などは、初期の自動実行対象にしません。
ユースケースカードを一枚で作る
| 項目 | 記載内容 |
|---|---|
| 仕事 | 開始条件、入力、作業、完了条件 |
| 利用者 | 主担当、代理、承認者 |
| 価値 | 基準時間、件数、品質課題、期待する変化 |
| データ | 分類、保存場所、入力可否、匿名化 |
| AIの役割 | 下書き、検索、分類、抽出など限定された動詞 |
| 人の役割 | 確認、修正、承認、例外処理 |
| 評価 | テスト例、採点者、合格条件 |
| 失敗時 | 手作業への切替、報告先、記録 |
このカードがないユースケースは、研修の演習には使えても運用には上げません。高度なAI技術より、業務の境界を一枚に書けることの方が定着には重要です。
定着を支える五層の運用システム
AI活用をイベントで終わらせないためには、次の五層を同時に設計します。
1. 承認済み環境とアクセス
SSO、アカウント、権限グループ、ログ、保存、退職・異動時の削除を整えます。無料版の個人アカウントと会社管理の環境を混在させない、という単純な原則が最初の一歩です。利用規約やモデル学習へのデータ利用、保持期間、地域、外部連携は契約・設定によって異なるため、導入時点の最新条件をIT・法務と確認します。
2. データ境界と安全な型
「機密を入力しない」だけでは運用できません。社員が判断できるよう、公開、社内、機密、厳格管理などの分類ごとに、利用可能な環境、マスキング、承認、保存、出力共有を例示します。顧客名をコードへ置き換える、個人情報を削除する、原文ではなく承認済み抜粋を検索対象にする、といった具体的な型が必要です。
タイのPDPA、顧客契約、業界規制、他国へのデータ移転は個別条件で判断が変わります。本稿は法律助言ではありません。対象データと処理経路を図にし、必要に応じて専門家の確認を受けてください。
3. 再利用できるワークフロー
プロンプト集だけでなく、入力テンプレート、参照資料、期待する出力形式、確認リスト、承認手順まで一つにします。よいワークフローには、目的、対象外、データ条件、手順、評価例、版番号、所有者があります。モデルや業務が変われば更新するため、個人のメモではなく共有資産として管理します。
4. 役割別の学習と支援
全社員共通のリテラシー、業務別の実習、管理職の承認・KPI教育、チャンピオンの改善訓練、IT・リスク担当の管理者教育を分けます。詳しくは管理職向けAI研修の設計や生成AI研修費用を評価する観点も参考になります。
5. 測定と改善会議
利用ログだけでなく、品質、修正、事故、時間、業務成果を月次で確認します。ユースケースごとに継続、修正、停止、拡大を決め、決定理由を残します。これにより「使うこと」自体が目的になるのを防ぎます。
生成AIの社員研修を「受講」から「実務遂行」へ変える
研修の成果物を受講証明にすると、定着と切れます。成果物は、受講者が自分の業務で安全に一連の作業を実行し、出力を評価し、修正理由を説明できることです。
役割別カリキュラム
| 対象 | 学ぶ内容 | 実務での合格証拠 |
|---|---|---|
| 全社員 | AIの限界、データ分類、引用確認、報告経路 | 許可・禁止の判断テスト、出力の誤り発見 |
| 実務利用者 | 担当ワークフロー、入力、評価、例外処理 | 実データを匿名化した演習を自力完了 |
| 管理職 | 業務選定、承認、KPI、リスク受容 | ユースケースカードと月次判断を承認 |
| チャンピオン | テンプレート改善、評価セット、Office Hours | 改善提案をテストし、版管理して公開 |
| IT・リスク | ID、権限、ログ、連携、事故対応 | アクセス確認、ログ追跡、演習対応 |
生成AIリテラシー教育では、「もっと上手な質問」を教えるだけでは不十分です。根拠がない断定を見抜く、数字を原資料へ戻す、引用・著作権を扱う、個人情報を分類する、AIを使ったことを必要な相手へ説明する、という判断力を含めます。OECDの2026年のAIとスキルに関する整理も、技術スキルだけでなく、認知的・社会的・管理的能力や継続学習の重要性を示しています。
多言語拠点では「翻訳」ではなく同じ判断を再現する
日本語教材をそのままタイ語・英語へ翻訳しても、運用が同じになるとは限りません。品番、部署名、工程名、品質用語、敬称、日付、単位を用語集として固定し、各言語で同じ許可・禁止例を用意します。安全、品質、人事、顧客回答に関わる演習は、母語話者または業務責任者が確認します。
また、発言しやすさにも配慮します。全体研修で「分からない」と言いにくい文化では、少人数のOffice Hours、匿名質問、各部門チャンピオンへの個別相談が有効です。チャンピオンは宣伝係ではなく、現場の障害を集め、テンプレートとルールを改善する役割です。
AI活用を定着させる90日ロードマップ
90日は魔法の期間でも成果保証でもありません。対象業務を絞り、二〜三回の改善サイクルを回し、拡大判断の証拠を揃えるための管理単位です。
0〜30日：定義し、基準値を取る
最初の30日では、利用者を増やしません。スポンサー、業務オーナー、IT、リスク、HR/L&D、現場チャンピオンを決め、準備度を診断します。候補から2〜4件を選び、現行の作業時間、件数、修正率、待ち時間、エラー、エスカレーションを測ります。
同時に、データ分類、承認済み環境、禁止用途、事故報告、手作業への切替を整えます。各ユースケースに10〜30件程度の代表例を集め、正解または許容範囲を業務担当者が定義します。件数は業務の多様性によって変えるべきで、10件あれば十分という意味ではありません。
30日目のGateでは、入力が合法・契約上許容されるか、正解を採点できるか、担当者が時間を確保できるかを確認します。満たさなければ開始を遅らせる判断も正解です。
31〜60日：限定運用で証拠を作る
対象者を各業務5〜15名程度に限定し、既存手順と並行して使います。これも推奨する管理幅であり、普遍的な最適人数ではありません。毎週、利用者は結果、修正、所要時間、例外、困りごとを記録します。チャンピオンはOffice Hoursを開き、よくある質問をワークフローへ反映します。
評価は「それらしい文章」ではなく、事前に決めた基準で行います。必須項目が揃うか、原資料と数字が一致するか、根拠へ戻れるか、用語集を守るか、危険な依頼を拒否・エスカレーションできるかを確認します。
60日目には、継続、修正、停止の判断をします。利用が少ない場合も、すぐ社員の抵抗と結論づけません。対象業務が低頻度だった、ログインが煩雑、上司の承認が遅い、出力形式が既存システムに合わない、という原因を分けます。
61〜90日：運用へ移し、拡大条件を決める
合格したワークフローだけを限定的な正式運用へ移します。所有者、版、変更申請、監視、月次レビュー、障害時の連絡、退職・異動時の権限処理を業務手順に含めます。新規利用者は、短い共通教育と担当業務の実技に合格してからアクセスします。
90日目は「全社展開」の号令を出す日ではありません。次の部門へ複製できるかを判断する日です。評価セット、教育、用語集、権限、KPI、サポート負荷が再利用できるなら拡大します。業務担当者がベンダーなしで一次対応と月次判断をできなければ、まだ定着ではありません。
KPIはログイン率、品質、業務価値、リスクをつなぐ
一つの数字で定着を表そうとすると歪みます。次の四層を一緒に見ます。
| 層 | KPI例 | 読み方 |
|---|---|---|
| 到達・能力 | 対象者の有効化率、実技合格率 | 使える入口があるか |
| 利用・反復 | 対象業務での週次利用率、継続週数、再利用ワークフロー数 | 実務に組み込まれたか |
| 品質・価値 | 合格率、修正時間、リードタイム、処理件数、再作業 | 仕事が良くなったか |
| リスク・運用 | 禁止データ、重大誤答、未承認公開、事故対応時間、サポート件数 | 安全に維持できるか |
「週次アクティブ率70%」のような目標だけを置くと、意味のない操作を増やす可能性があります。分母を「全社員」ではなく「その週に対象業務が発生した対象者」にする方が実態に近づきます。また、利用率が低くても、低頻度の重要業務で品質が改善しているなら、失敗とは限りません。
仮定値による事業性の計算例
以下は相場でもTOMAS TECHの顧客実績でもなく、計算方法を示す仮定です。
- 対象者40名
- 1人当たり週12件の対象作業
- 1件当たり6分短縮
- 月換算4.33週
- 能力の社内計画価値350 THB/時間
総短縮時間は 40 × 12 × 6 × 4.33 ÷ 60 = 207.84時間/月、総時間価値は 207.84 × 350 = 72,744 THB/月 です。ライセンス、教育、評価、レビュー、サポートを合わせた継続費を仮に42,000 THB/月とすれば、差額は30,744 THB/月です。
ただし、短縮時間は自動的に現金利益になりません。残業が減る、外注が減る、同じ人数で処理量が増える、納期遅延が減るなど、能力の再配分を確認して初めて価値になります。品質やリスクの悪化を金額で隠さないことも重要です。
ガバナンスは利用を止める壁ではなく、安心して広げるガードレール
NIST AI RMF Coreは、任意のリスク管理枠としてGOVERN、MAP、MEASURE、MANAGEを提示しています。タイの法的義務を定めるものではありませんが、定着支援の作業を整理するのに有効です。
GOVERN：誰が決め、誰が止めるか
方針、役割、リスク許容度、教育、第三者管理、記録を定義します。各ユースケースに業務オーナーを置き、ITだけへ責任を集中させません。停止権限と、停止中に手作業へ戻す責任も決めます。
MAP：業務文脈と影響を理解する
利用者、影響を受ける人、データ、外部連携、誤答の影響、言語、国境を越える処理を図にします。「社内利用だから低リスク」とは限りません。人事評価や安全判断の下書きは、社内でも影響が大きい可能性があります。
MEASURE：代表例で繰り返し測る
正常例だけでなく、欠損、曖昧、多言語、悪意ある入力、古い文書、単位違いを含む評価セットを作ります。モデルやプロンプト、参照資料を変更したら再評価します。採点者と基準を固定し、主観だけにしません。
MANAGE：継続、修正、停止、拡大を決める
測定結果に基づき、リスク低減策を優先し、残るリスクを承認し、事故へ対応します。すべてのユースケースを救う必要はありません。価値が小さい、サポート負荷が高い、品質が安定しない場合に停止できることは、健全な運用の証拠です。
ETDAが2026年に強調する実践的なAIガバナンスも、方針を掲示するだけでなく、影響・リスク評価、教育、テスト、実務ツールへ落とす方向です。ガバナンスを契約書と禁止事項だけにしないことが、現場の安心につながります。
支援会社へ依頼する範囲と受入基準
AI活用の定着支援を外部へ依頼する場合、研修回数や資料ページ数だけで比較しないでください。成果物は、社内が継続運用できる仕組みです。
| 支援範囲 | 受け取る成果物 | 受入基準 |
|---|---|---|
| 準備度診断 | 課題、証拠、優先順位、依存関係 | 関係部門が事実を確認し、次の判断が明確 |
| ユースケース設計 | カード、基準値、評価セット | 業務オーナーが採点・停止できる |
| ガバナンス | データ分類、RACI、事故・変更手順 | 実際のシナリオ演習で担当者が動ける |
| 教育 | 役割別教材、実技、用語集 | 受講でなく業務遂行を確認できる |
| 定着運用 | Office Hours、FAQ、KPI、月次会議 | 問い合わせと改善が記録される |
| 引継ぎ | 管理者手順、資産一覧、出口計画 | 社内担当が一次対応と変更判断を行える |
契約前に確認したいのは、データをどこへ送るか、再委託先は誰か、成果物と設定の所有権、ログへのアクセス、モデル変更時の再評価、担当者交代、データ返却・削除、解約後の出力形式です。特定製品から離れられない設計は、短期導入が速くても長期の変更コストを上げます。
定着支援の「卒業条件」も置きます。たとえば社内チャンピオンがOffice Hoursを運営できる、業務オーナーが月次Gateを判断できる、ITが権限とログを管理できる、評価セットを社内で更新できる、重大事故の演習を完了した、という状態です。支援が永続することではなく、必要な判断能力が社内に残ることが成果です。
よくある失敗と立て直し方
失敗1：全社員へ同じ研修を一度だけ行う
共通リテラシーは必要ですが、実務への橋がありません。対象業務ごとの実技、上司の承認、30日後のフォローを追加します。イベントとしての研修を検討中なら、法人向け生成AIセミナーの設計ポイントも合わせて確認してください。
失敗2：チャンピオンへ仕事を丸投げする
善意の兼務だけでは燃え尽きます。役割、活動時間、上司の評価、エスカレーション先を正式に与えます。チャンピオンが答えられない質問をIT・法務・ベンダーへ上げるSLAも必要です。
失敗3：成功例だけを共有する
成功例だけでは、社員は自分の失敗を隠します。誤答、使わなかった理由、停止したユースケースも共有し、何を学んだかを資産にします。心理的安全性はリスク発見の仕組みでもあります。
失敗4：利用率を人事評価へ直結する
無理な利用を誘発し、禁止データや品質問題を増やす恐れがあります。評価するなら、適切な業務選択、検証、改善、知識共有を見ます。「使わない」という安全な判断も認めます。
失敗5：Pilot終了と同時に支援を切る
正式運用に入ると、権限変更、データ更新、モデル変更、利用者増加で新しい問題が出ます。少なくとも一回の月次レビューを正式運用後に行い、社内所有者への引継ぎを確認します。
FAQ：AI活用の定着支援でよくある質問
生成AIが社内に浸透しないとき、最初に何を確認すべきですか？
対象業務、データ境界、品質基準、上司の承認、相談経路の五点です。利用ログだけで社員の意欲を判断せず、対象業務が実際に発生した人数を分母にし、短いインタビューと作業観察で摩擦を特定します。
生成AIの社員研修は何時間あれば十分ですか？
一律の正解はありません。共通リテラシーは短くても、業務別実技、評価、フォローがなければ定着しません。時間数より、受講者が許可されたデータで担当ワークフローを完了し、誤りを見つけ、必要時にエスカレーションできるかを受入基準にします。
生成AIリテラシー教育には何を含めますか？
仕組みと限界、情報分類、個人情報・機密、根拠と引用の確認、著作権、バイアス、誤答、説明責任、事故報告、手作業への切替を含めます。役割によって深さを変え、安全・人事・顧客回答など影響の大きい業務は追加教育を行います。
生成AIの社内展開は何部門から始めるべきですか？
部門数より、業務の条件で選びます。高頻度、正解を人が確認可能、データ境界が明確、失敗時に戻せる、責任者がいる業務を2〜4件程度から始めます。この件数は管理しやすさの目安であり、組織規模に応じて調整してください。
AI活用の定着を何カ月で判断できますか？
90日で土台と初期証拠を作ることはできますが、季節業務や低頻度業務はより長い観察が必要です。90日目は完了日ではなく、継続、修正、停止、拡大を判断するGateと考えます。
外部の定着支援はいつまで必要ですか？
社内の業務オーナー、チャンピオン、IT・リスク担当が、一次問い合わせ、評価セット更新、月次判断、権限管理、事故対応を行えるまでが一つの目安です。契約時に卒業条件と引継ぎ成果物を明記してください。
まとめ：定着の単位は「人」ではなく「安全に繰り返せる仕事」
AI活用の定着は、全社員が毎日AIを使うことではありません。価値のある業務で、許可されたデータを使い、期待する品質を満たし、人が責任を持って確認し、問題があれば止めて改善できる状態です。90日では、準備度を診断し、少数の業務を選び、役割別に学び、限定運用で証拠を作り、KPIとガバナンスを運用へ移します。ログイン率だけでなく、品質、業務価値、リスク、サポート負荷を一緒に見れば、「使わせる施策」から「仕事として根づかせる設計」へ変えられます。
TOMAS TECHでは、対象業務、役割別教育、データ境界、KPI、90日Pilotの範囲がまだ固まっていない検討段階でもご相談いただけます。タイ・ASEAN拠点での多言語運用を含め、現状診断と小さな開始単位を整理したい場合は、お問い合わせページからご連絡ください。
参考資料
- OpenAI: From assistance to execution — How enterprises put AI to work
- OpenAI: How AI is expanding what people do at work
- OpenAI: The state of enterprise AI 2025 report
- Microsoft WorkLab: Agents, human agency, and the opportunity for every organization
- OECD: AI and skills
- OECD: Skills in the AI age
- ETDA: AI Readiness Scan
- ETDA: AI 2026 — Driving Trust AI Governance
- NIST: AI RMF Core
※本稿の90日計画、採点例、人数、KPI、試算値は実装設計または説明用の仮定であり、成果保証、市場相場、法律助言ではありません。
