「全社で使えるようにしました」と案内を出したのに、ひと月経つと使っているのは数人だけ。生成AIの導入でいちばん多いのが、この止まり方です。
原因は機能ではなく順番にあります。全員に配ってから用途を考えると、何に使えばいいか分からないまま放置されます。逆に、用途を1つ決めてから配ると、そこから自然に広がります。ここでは後者の順番を5つのステップにまとめました。
つまずくのは、たいてい「広げ方」
全社に一斉に配る
アカウントは行き渡るが、何に使うかは各自任せ。触った人だけが使い、残りは開かなくなります。
1部署・1業務から
毎日発生している困りごとを1つ選ぶ。効果が数字で見えるので、次の部署に説明できます。
生成AIは「何でもできる」ぶん、何に使うかを決めた人からしか成果が出ません。最初に決めるのは、機能ではなく用途です。
5つのステップ
用途を1つに絞る 毎日起きていて、答えが社内資料にあるもの
規程やマニュアルを探す時間、同じ質問への回答、報告書の下書き。どれも社内に答えがあり、毎日発生します。業務別ユースケースから近いものを選ぶと、決めやすくなります。
根拠になる資料をまとめる 精度は、読ませた資料でほぼ決まる
AIの答えが浅いときは、多くの場合モデルではなく手元の資料が足りていません。就業規則、手順書、過去のFAQ。まずデータベースに入れて、答えの出どころを社内資料に固定します。
見せていい範囲を決める 広げる前に、ここを通す
人事資料と営業資料を同じ場所に置けば、誰でも読めてしまいます。権限管理とSSOで、誰がどの情報を根拠にできるかを先に決めます。ここが未決のまま全社に広げると、あとから戻すのが難しくなります。
用途ごとに担当を分ける 1つのAIに全部やらせない
問い合わせ対応と提案書の作成では、読ませる資料も答え方も違います。役割別のエージェントに分け、重い仕事にだけ上位モデルを許可します。モデルの決め方はマルチLLM構成にまとめています。
使われ方を見てから広げる 止まっている場所は数字に出る
管理者ダッシュボードで、どの部署が何に使っているかを見ます。使われていないエージェントは、たいてい資料が足りないか、用途が曖昧です。直してから次の部署へ渡します。
最初の30日で決めること
| 決めること | 目安 | 決まらないと起きること |
|---|---|---|
| 対象の部署と業務 | 1週目 | 用途が散り、成果が測れない |
| 読ませる資料の範囲 | 2週目 | 答えが一般論になる |
| 権限と公開範囲 | 3週目 | 広げたあとに戻せなくなる |
| 標準で使うモデル | 3週目 | 利用者が毎回迷う |
| 次に渡す部署 | 4週目 | 最初の部署だけで終わる |
よくある回り道
全機能を説明してから配る
研修で全機能を紹介するより、「この質問はここに聞く」を1つ示すほうが定着します。覚えることが少ないほうが使われます。
広げるのは、効果が見えてから。
全社に配ることは目的ではありません。1つの業務が確実に速くなったかどうかが、次に進めるかを決めます。
次に読むなら：データベース機能
答えの精度は、読ませた資料でほぼ決まります。まとめ方を解説しています。