監視
変化や異常を見つける。在庫不足、未返信、期限、売上低下など。
WORKFORCE DESIGN / SMALL BUSINESS
人が担う仕事を、選び直す。
中小企業の人手不足を、採用・業務・AIから再設計する。
人が足りないから、すぐ採用する。業務を効率化したいから、すぐAIを入れる。その前に、事業に必要な仕事を分けてみませんか。Aqshは、人が担う仕事、AIエージェントに任せる仕事、ITで自動化する仕事、外部と組む仕事、やめる仕事を整理します。
- HUMAN
- 人が担う
- AI AGENT
- AIが実行する
- IT
- ルールで自動化する
- PARTNER
- 外部と組む
- SELF SERVICE
- 顧客自身で完了する
- STOP
- 必要のない仕事をやめる
01 / DEFINITION
労働力を、従業員数だけで数えない。
法律や統計でいう「労働力」は、人間を指します。AIエージェントは従業員ではありません。ただ、経営の現場では、人間、AI、IT、機械、外部人材を組み合わせて仕事を完了させます。
Aqshが扱う広義の労働力再設計は、この「組織的実行力」を見直す考え方です。人をAIに置き換える話から始めず、必要な成果に対して、誰が何を担うのがよいかを一つずつ確かめます。
組織的実行力は、仕事を完了できる力の総量です。
人間 ＋ AIエージェント ＋ ルール型自動化 ＋ 機械・ロボット ＋ 外部人材・協力会社 ＋ 顧客のセルフサービス − 調整・監督・手戻り・事故による損失
人間の1時間とAIの1時間は、そのまま比べられません。完了したタスク数、品質、納期、監督時間、事業成果を見て、実際の処理能力を確かめます。
02 / EIGHT SHORTAGES
人手不足は、少なくとも8種類に分けられる。
「人が少ない」と見えても、採用が最初の答えとは限りません。どの不足が起きているかで、打ち手は変わります。
| 種類 | 起きていること | 主な対応 |
|---|---|---|
| 人数不足 | 必要な処理量に対して、人の数が足りない。 | 採用、外部活用、自動化 |
| 時間不足 | 特定の時間帯や繁忙期だけ、処理が追いつかない。 | シフト、外部活用、AI、セルフサービス |
| スキル不足 | 仕事に必要な専門性や経験を持つ人がいない。 | 育成、専門家、AI支援 |
| 配置不足 | 人はいるが、仕事との組み合わせが合っていない。 | 業務分解、再配置 |
| 管理不足 | 判断、指示、育成を担う人へ仕事が集中している。 | 標準化、権限移譲、管理支援 |
| 生産性不足 | 待ち、重複、転記、手戻りが多い。 | 業務改善、IT、AI |
| 継続性不足 | 離職、休職、属人化によって仕事を維持しにくい。 | 定着、複線化、知識化 |
| 仕事設計不足 | 必要性が薄い仕事や、過剰な工程まで続けている。 | 廃止、削減、簡略化 |
03 / TASK DECOMPOSITION
職種ではなく、仕事を構成するタスクから見る。
「営業をAI化する」「事務員を採用する」では、範囲が大きすぎます。一つの職種には、調べる、決める、伝える、関係をつくるといった違う性質の仕事が混ざっています。まず、実際に動いているタスクへ分けます。
収集
必要な情報を集める。市場、顧客、競合、社内データなど。
記録
あとから使える形で残す。日報、CRM、議事録、作業記録など。
整理
ばらばらの情報を分類し、見つけやすくする。案件、文書、問い合わせなど。
分析
差や傾向、原因の候補を見つける。売上、工数、不良、離脱など。
企画
目的と条件から案を組み立てる。施策、商品、採用計画、改善案など。
制作
相手が使える成果物にする。文章、画像、資料、コードなど。
判断
条件や状況から対応を選ぶ。採否、価格、発注、クレーム対応など。
実行
決めた処理を進める。登録、送信、発注、更新、作業など。
伝達
必要な相手へ、必要な形で届ける。報告、案内、通知、説明など。
調整
人、期限、条件をそろえる。日程、担当、優先順位、例外対応など。
関係形成
信頼、納得、協力をつくる。商談、面談、指導、謝罪など。
04 / ALLOCATION
見つかった仕事を、すぐAI化しない。
AIに向くかを考える前に、その仕事が本当に必要か、もっと簡単にできないかを確認します。標準化されていない仕事をAI化すると、混乱や誤りまで速くなることがあります。
- 廃止する
成果につながらない仕事を止める。
- 削減・簡略化する
回数、項目、確認者を減らす。
- 標準化する
開始条件、手順、完了条件をそろえる。
- 顧客セルフサービス
顧客自身で確認・申込できる形にする。
- ルール型ITへ移す
固定条件で確実に処理する。
- AIエージェントへ移す
情報を読み、判断を伴うタスクを限定して任せる。
- 外部と組む
社内保有が不要な専門性や繁閑差を補う。
- 人間が担う
目的、責任、関係、例外を引き受ける。
最も効率のよい自動化は、必要のない仕事をやめることです。
05 / FOUR AI ROLES
AIは、人を助けるだけでなく、タスクを担当する。
AIの役割は一つではありません。どこまで任せるかを曖昧にせず、人が確認する場所と、止める条件を先に決めます。
増幅
人が同じ仕事を速く、深く行う。提案書、分析、文章作成など。
代替
人が行っていた限定タスクを完了する。分類、入力、定型回答、記録など。
新規創出
人手では採算が合わず、できなかった仕事を行う。全顧客の監視や個別案の準備など。
統括・配分
人、AI、タスク、進捗を割り振る。担当振り分け、催促、例外通知など。
AIが仕事を完了するには、目的、業務知識、状況認識、計画、ツール、権限、記憶、検証、人間への引き継ぎが必要です。
06 / HUMAN VALUE
人間の仕事を、AIにできない残り物にしない。
人が担う仕事は、AIが苦手な作業の寄せ集めではありません。何を大切にするかを決め、責任を引き受け、人との関係をつくる。労働力再設計では、この価値を先に言葉にします。
目的と価値を決める
何のための仕事か、何を守るかを選ぶ。
最終責任を引き受ける
判断の影響を受け止め、説明する。
信頼と関係をつくる
相手の状況を理解し、納得と協力を得る。
前例のない例外へ対応する
情報が足りない状況で、優先順位を決める。
現実世界で身体を使う
現場の変化を捉え、安全に作業する。
組織文化をつくる
日々の行動を通じて、判断の基準を育てる。
意味と物語をつくる
事実を、顧客や働く人が判断できる言葉へ変える。
人を育てる
経験を共有し、任せられる範囲を広げる。
07 / PROCESS
採用や開発の前に、成果と仕事を見る。
最初から全社を変えません。事業への影響が大きく、現場で確かめられる一つの業務から始めます。
- 事業成果と制約を確認する
売上、納期、品質、人員、予算、制度をそろえます。
- 業務を棚卸しする
誰が、いつ、何をしているかを事実で集めます。
- タスクへ分解する
入力、判断、実行、完了条件まで細かくします。
- 人・AI・IT・外部へ配分する
向き不向きとリスクを見て、担当を仮決めします。
- 小さな範囲で試す
本番へ影響しにくい対象と期間を選びます。
- 権限と例外処理を設計する
できる操作、承認、停止、人への引き継ぎを決めます。
- 実装し、計測する
時間だけでなく、品質、確認、事故、成果を見ます。
- 採用、配置、仕組みを見直す
試した結果から、人が担う仕事と必要人材を更新します。
08 / SUPPORT
診断から採用・実装まで、必要な単位で進める。
支援内容は、今ある資料、対象業務、利用システム、社内で確認できる人を見て決めます。料金と期間は、作業範囲を確認してから個別にお見積りします。
労働力再設計診断
- 合う企業
- 採用、業務改善、AIのどこから始めるか迷っている。
- 調べる
- 困っている業務、処理量、事業への影響、現在の体制。
- 成果物
- 不足の分類と、最初に確認する仕事。
- 必要な協力
- 経営・現場の短い聞き取り。
- 行わないこと
- 根拠のない削減効果や採用不要の断定。
業務・タスク分解
- 合う企業
- 仕事が属人化し、引き継ぎや改善が進まない。
- 調べる
- 開始条件、入力、判断、使用システム、例外、完了条件。
- 成果物
- 業務フローとタスク台帳。
- 必要な協力
- 実務担当者による事実確認。
- 行わないこと
- 会議室の説明だけで現場手順を確定すること。
AIエージェント適合性評価
- 合う企業
- AIに任せたい業務候補はあるが、安全条件が決まっていない。
- 調べる
- 頻度、データ、判断、権限、品質、例外、監督時間。
- 成果物
- 支援型・承認型・限定自律型等の適合区分。
- 必要な協力
- 業務責任者による許容範囲の決定。
- 行わないこと
- 何でも自律化できるという評価。
1業務のAIエージェント試作
- 合う企業
- 小さく試し、実データで判断したい。
- 調べる
- 入出力、連携先、テストケース、停止条件。
- 成果物
- 限定試作、テスト記録、導入判断材料。
- 必要な協力
- 検証用データと人による正解確認。
- 行わないこと
- 未検証のまま外部送信や発注を任せること。
Webアプリ・業務システム実装
- 合う企業
- 既製サービスだけでは重要な流れがつながらない。
- 調べる
- 利用者、権限、データ、既存システム、運用体制。
- 成果物
- 要件、試作、動作する仕組み、運用基準。
- 必要な協力
- 現場テストと運用責任者の決定。
- 行わないこと
- 既製サービスで足りる範囲まで独自開発すること。
採用する仕事の再設計
- 合う企業
- 欠員を同じ仕事内容のまま補充しようとしている。
- 調べる
- 欠員の影響、不要業務、外部化、必要能力、条件。
- 成果物
- 人が担う仕事と採用要件の整理。
- 必要な協力
- 採用条件と配置を決める人の参加。
- 行わないこと
- 採否や人事評価をAIへ一任する設計。
採用ブランディング
- 合う企業
- 必要人材が決まり、応募から定着まで整えたい。
- 調べる
- 仕事の事実、選ばれる理由、応募接点、採用ファネル。
- 成果物
- 求人・採用ページ・応募導線。
- 必要な協力
- 社員取材、事実確認、応募後対応。
- 行わないこと
- 採用数や定着を条件なしで保証すること。
導入後の計測・改善
- 合う企業
- 採用、業務改善、AI導入を試した後の効果と課題を確かめたい。
- 調べる
- 処理件数、完了時間、品質、確認時間、例外、事業への影響。
- 成果物
- 計測結果、継続・修正・停止の判断材料、次の改善案。
- 必要な協力
- 導入前後の記録と、現場・責任者による評価。
- 行わないこと
- 利用回数だけを成果として扱うこと。
09 / FAQ
労働力再設計について、よく聞かれること。
人員削減を目的としたサービスですか。
人員削減から始めるサービスではありません。事業に必要な仕事を確認し、人が担う価値の高い仕事を選び直します。結果として作業量や採用人数の見通しが変わることはありますが、雇用に関する判断は企業が責任を持って行います。
AIを導入すれば、採用しなくてよくなりますか。
そうとは限りません。AIで減らせるタスクがあっても、顧客との関係、現場の判断、例外対応、管理など新しく必要になる仕事があります。試した結果を見て、必要な人材と採用要件を決めます。
どの業務から始めるべきですか。
事業への影響が分かり、件数と完了条件を確認でき、人が正解を判定できる業務から始めます。頻度が高いだけで選ばず、誤ったときの影響や必要な権限も一緒に見ます。
紙やExcel中心でも相談できますか。
相談できます。紙やExcelを急いで置き換えるのではなく、なぜ使われているか、誰がどこで判断しているかを確認します。現在の方法を残した方がよい部分も分けます。
AIエージェントとRPAの違いは何ですか。
RPAなどのルール型自動化は、決めた条件と手順を安定して繰り返す仕事に向きます。AIエージェントは、情報を読み、状況に応じた選択やツール操作を伴う仕事を限定範囲で進めます。両者は置き換えではなく、組み合わせることがあります。
情報漏洩や誤操作はどう防ぎますか。
入力できる情報、接続先、操作権限、承認、記録、停止条件を先に決めます。初期は外部送信や登録を行わないシャドー運用や、人間承認型で比較し、問題が起きたときに止められる状態をつくります。
AIの判断をそのまま使いますか。
判断の影響と検証方法によって扱いを変えます。採否、解雇、人事評価、契約、送金、税務など責任の重い最終判断を、AIへ無条件に一任する設計は行いません。
AI研修だけでも依頼できますか。
可能です。利用ルールと実務で試す業務まで決めたい場合は、既存の生成AI研修をご案内します。研修後に実装が必要かどうかは、試行結果を見て判断できます。
どの業種に対応できますか。
業種名だけで可否を決めず、対象業務、データ、システム、判断責任、現場環境を確認します。身体作業や法的責任の重い判断など、AIやWebだけでは扱いにくい範囲も率直にお伝えします。
料金と期間はどのように決まりますか。
対象業務の数、聞き取り人数、データとシステムの状態、試作や開発の有無、検証期間、導入後支援で変わります。初回相談で現在地を確認し、支援範囲と企業側にお願いすることを示して個別にお見積りします。
採用する前に、AIを入れる前に、仕事の中身を一緒に見ませんか。
初回は、現在の人員、困っている業務、処理件数、使用システム、事業への影響を伺います。AI導入を前提にせず、最初に見直すべき一つを整理します。従業員や顧客の個人情報、機密データはフォームへ入力しないでください。