なぜAIに聞いても「欲しい答え」が返ってこないのか

ChatGPTなどの生成AIを使い始めると、多くの人が一度は次のような経験をします。

▶ あわせて読みたい：AIを使える人と使えない人の違い｜仕事に表れる5つの特徴

「AIに質問したけれど、一般論しか返ってこない」

「文章はきれいだが、そのまま仕事では使えない」

「何度聞き直しても、自分が欲しい方向に進まない」

こうしたとき、「もっと高度なプロンプトを書かなければいけないのではないか」と考える人は少なくありません。

そこでインターネットを検索すると、「最強のプロンプト」「プロンプトテンプレート100選」「この一文を追加するだけ」といった情報がたくさん見つかります。

もちろん、プロンプトの書き方を学ぶことには意味があります。

しかし、プロンプトのテクニックだけを覚えても、AI活用が急に上手になるとは限りません。

なぜなら、AIに期待した回答を出してもらうためには、その前に人間側が次の内容を整理する必要があるからです。

• 何を解決したいのか
• 誰のための成果物なのか
• どのような背景があるのか
• 何を判断したいのか
• どこまでAIに任せたいのか
• 何をもって良い回答とするのか

つまり、良いプロンプトを作る第一歩は、文章を書くテクニックではなく「良い問いを作ること」です。

そしてAI活用をさらに業務全体へ広げていくためには、次のように発展させていく必要があります。

問いを作る力 → AIにできることを想像する力 → 業務を分解する力 → 人間とAIの役割を決める力 → ワークフローを設計する力

この記事では、中小企業の経営者やAI推進担当者が、自社で生成AIを実務に活用するために必要な考え方を、プロンプトの基礎からワークフロー設計まで段階的に解説します。

プロンプトの考え方｜良いプロンプトは「良い問い」から始まる

生成AIを使うとき、多くの人は最初に「何と入力すればよいか」を考えます。

しかし、本来はその前に、「自分は何を知りたいのか」「何を決めたいのか」「どんな成果物が必要なのか」を考える必要があります。

プロンプトの質は、単に文章の長さや細かな指示の数で決まるわけではありません。

プロンプトはAIへの「命令文」だけではない

プロンプトというと、「○○してください」というAIへの指示文だと考えられがちです。

しかし、実務でAIを使う場合には、もっと広い意味で考えたほうがよいでしょう。

プロンプトとは、AIが仕事を進めるために必要な情報を渡し、考えてほしい問いを設定し、どのような成果物を求めるかを伝える設計図です。

例えば、AIに営業メールを書かせる場合を考えてみましょう。

単純に「営業メールを書いてください」と入力するだけでは、AIには次のことが分かりません。

• 誰に送るのか
• 何の商品なのか
• 相手は商品を知っているのか
• メールを読んだ後に何をしてほしいのか
• 丁寧な文章がよいのか、短い文章がよいのか
• 新規営業なのか既存顧客への提案なのか

情報が不足しているため、AIは一般的な営業メールを作るしかありません。つまり、回答が一般論になる原因の一つは、AIの能力不足ではなく、AIが考えるために必要な条件が十分に与えられていないことにあります。

プロンプトを書く前に人間が考えるべきこと

プロンプトを書く前に、まず自分自身へ問いかけてください。

「AIに何を作らせたいか」ではなく、「この仕事で何を実現したいのか」です。

例えば、「提案書を作りたい」というのは作業です。しかし、本来の目的は「経営者に投資の必要性を理解してもらいたい」かもしれません。

「議事録を作りたい」というのも作業です。本来は「会議後に、誰が何をいつまでに実行するか明確にしたい」ことが目的かもしれません。

目的が変われば、AIへ渡す情報も成果物も変わります。そのためプロンプトを書く前に、作業ではなく目的を言葉にすることが重要です。

プロンプトの上手さより、仕事の解像度が回答を変える

同じ生成AIを使っているのに、社員によって成果が大きく異なることがあります。その原因は「プロンプトを書く才能」だけではありません。自分の仕事をどれだけ理解しているかも大きく影響します。

例えば営業経験が長い人は、顧客が何を気にするか、どの順番で話せば理解されやすいか、どの情報が不足しているか、どこで反論されるかをある程度想像できます。

そのためAIにも具体的な条件を与えられます。一方、業務への理解が浅ければ、「良い営業資料を作ってください」としか依頼できません。

AI活用力とは、AIに詳しいことだけではありません。業務を理解し、その仕事で必要な情報や判断を言語化できることも重要なのです。

悪いプロンプトと良いプロンプトは何が違う？

ここでは、具体例を使って違いを見てみましょう。

比較①「企画を考えて」から何を追加するか

Before

「新商品の販売企画を考えてください」

After

「従業員30名程度の中小企業向けに、月額3万円の業務効率化サービスを販売します。現在は既存顧客からの紹介が中心で、新規見込み客への認知が不足しています。経営者が『自社でも使えそうだ』と具体的にイメージできる販売企画を3案考えてください。各案について、対象顧客、訴求内容、集客方法、問い合わせまでの導線、実行時の注意点を整理してください。広告予算は月10万円以内を想定してください。」

この例では、次の情報が整理されています。

• 商品
• 対象者
• 現状
• 課題
• 目的
• 制約
• 欲しい成果物

比較②「メールを書いて」を良い問いへ変える

Before

「お客様へのメールを書いて」

After

「先週オンライン面談をした見込み客へ、お礼と次回打ち合わせの提案をするメールを作ってください。相手はAI導入に興味がありますが、社内で何から始めるか決められていません。売り込みを強くせず、次回は現在の業務を一緒に整理する打ち合わせだと伝えてください。300文字程度、丁寧で親しみのある文章にしてください。」

重要なのは「メールを書いて」ではなく、そのメールで相手にどのような状態になってほしいかまで考えていることです。

比較③「業務を効率化して」をAIが考えられる問いへ変える

Before

「経理業務をAIで効率化する方法を教えてください」

After

「当社では毎月、請求書をメールと紙で受け取り、担当者が内容を確認してExcelへ転記し、上長が確認した後に会計ソフトへ入力しています。月約150件あり、転記と確認に時間がかかっています。この業務を『情報受付・内容確認・入力・承認・保存』の工程に分け、AIや既存ITツールで省力化できる工程と、人が判断すべき工程を分けてください。最初に小さく改善するならどこから始めるべきかも示してください。」

ここまで具体化すると、AIは単なる「経理DXのアイデア」ではなく、実際の業務フローを前提に考えられます。

悪いプロンプトと良いプロンプトの比較

ここで重要なのは、良いプロンプト＝長いプロンプトではないということです。必要な情報が少なければ、短いプロンプトでも十分です。大切なのは「AIが考えるために必要な情報が揃っているか」です。

良い問いを作るための「6つの質問」

AIに入力する文章を考える前に、次の6つを自分へ質問するとプロンプトを整理しやすくなります。

①何を解決したいのか

最初に考えるべきなのは目的です。

「資料を作る」「メールを書く」「データをまとめる」ではなく、その作業によって何を実現したいのかを考えます。

例えば「採用ページの文章を書く」ではなく、「応募前の求職者に会社の働き方を理解してもらい、ミスマッチを減らしたい」まで考えると、AIへ依頼する内容が変わります。

②誰のための成果物なのか

同じ内容でも、対象者によって表現は変わります。

例えばAI導入の説明資料でも、経営者向け、現場社員向け、IT担当者向けでは説明すべき内容が違います。

AIへ「分かりやすく書いて」と伝えるだけでなく、誰にとって分かりやすくするのかを指定しましょう。

③現在どのような状態なのか

AIが改善案を考えるには、現在地が必要です。

例えば「営業を効率化したい」だけではなく、「問い合わせは月50件、顧客情報はExcel管理、商談履歴は担当者ごとのメモに分散している」と伝えれば、提案の具体性が上がります。

④どこまで分かっていて、何が分からないのか

意外に重要なのが、既に分かっていることと、まだ分からないことを分けることです。

例えば「生成AIを導入したい。ChatGPTを使うことは決めているが、どの部署から始めればよいか分からない」と伝えれば、AIはツール比較ではなく部署選定に集中できます。

⑤どのような制約があるのか

実務では、必ず制約があります。

予算、人員、時間、社内規則、セキュリティ、顧客との契約、システム環境などです。

制約を伝えなければ、AIは理想論を提案することがあります。「実行できる提案」を得るためには、現実的な制約を共有することが重要です。

⑥何をもって「良い回答」と判断するのか

最後に、評価基準を考えます。

例えば営業企画なら、「すぐ実行できること」「費用が少ないこと」「既存顧客を活用できること」など、優先順位があります。

AIへこの基準を伝えることで、「それらしい回答」ではなく、目的に合った回答に近づきます。

問いを深くするには「想像力」が必要

良い問いを作るためには、知識だけでなく想像力も重要です。

ここでいう想像力とは、芸術的なアイデアを生み出す能力だけではありません。

AI活用における想像力とは、「今まで人がやっていた仕事を、AIと組み合わせたらどんな形に変えられるかを想像する力」です。

「今の仕事をAIで速くする」だけではない

生成AIを導入すると、多くの企業は最初に「今やっている作業をAIで速くする」ことを考えます。これは重要な第一歩です。

例えば、メールを早く書く、会議を要約する、文章を校正する、アイデアを出すなどです。

しかし、本格的な業務改善を考えるなら、その先があります。

例えば営業報告書を書く作業をAIで10分短縮するだけではなく、「そもそも営業担当者が毎回ゼロから報告書を書く必要があるのか」と考えることもできます。

商談メモからAIが情報を整理し、報告書案を作り、人間は重要部分だけ確認する仕組みに変えられるかもしれません。

重要なのは、作業を速くする発想から、仕事の流れそのものを変える発想へ進むことです。

「この仕事の前後もAIにできないか？」と考える

一つの作業にAIを使えたら、次にその前後を見てみます。

例えば問い合わせ返信をAIで作っているなら、その前には「問い合わせ内容を読む」「内容を分類する」「必要な情報を探す」という作業があります。

後には「回答を確認する」「顧客へ送る」「履歴を残す」という作業があります。

そこで、「問い合わせを分類するところもAIにできないか」「過去のFAQから関連情報を探せないか」「返信後に履歴を整理できないか」と考えます。

このように前後工程まで広げて考えることが、AIワークフロー設計の入口です。

AI活用で想像力を働かせる5つの問い

①この作業の前には何が起きている？

すべての業務には入力があります。メールが届く、電話が来る、注文が入る、顧客から資料を受け取る、会議が行われるなどです。

まず「何をきっかけにこの仕事が始まるのか」を考えます。

②この作業の後には何が起きる？

成果物の次の利用先を考えます。

例えば議事録なら、「保存して終わり」ではなく、タスクを担当者へ伝える、次回会議で進捗を見る、上司へ共有するといった後工程があります。

後工程まで考えると、議事録そのものより「タスク一覧」が重要だと分かる場合もあります。

③人間は何を判断している？

ここが非常に重要です。業務には、見た目には単純な作業でも、実際には人間の判断が含まれています。

例えば問い合わせ対応でも、「怒っている顧客か」「急ぎなのか」「営業担当へ回すべきか」「その場で回答してよいか」などを無意識に判断しています。

AI活用では、この判断を言語化することが必要です。

④AIへ渡せる情報は何がある？

AIが考えるためには情報が必要です。過去のメール、FAQ、マニュアル、顧客情報、商品情報、会議記録、規程、過去案件など、業務で既に持っている情報を洗い出します。

⑤AIが作った結果を誰が確認する？

すべてをAIへ任せればよいわけではありません。間違った場合の影響が大きい業務では、人間の確認が必要です。

したがって、「AIに何をやらせるか」と同時に「誰がどこで確認するか」まで考えることが重要です。

プロンプトからワークフロー設計へ進む

単発のAI利用から会社全体の業務改善へ進むには、プロンプトだけではなくワークフローを考える必要があります。

1回のプロンプトでは業務全体は変わらない

例えばAIでメール作成時間を15分から5分に短縮できたとします。それだけでも効果はあります。

しかし、そのメールを書く前に、顧客情報を探す、過去のやり取りを確認する、上司へ内容を確認するために30分かかっているなら、業務全体の改善余地はまだ残っています。

AI活用を考えるときは、一つの作業だけでなく、業務全体のどこに時間がかかっているかを見る必要があります。

仕事を「入力→処理→判断→出力」に分解する

業務を分解するときは、最初から複雑な図を作る必要はありません。まず、入力→処理→判断→出力の4つに分けてください。

入力：顧客から問い合わせが届く

処理：内容を読み、必要な情報を調べる

判断：どの回答をするか決める

出力：メールを作成して返信する

こうすると、「どこでAIを使えるか」を考えやすくなります。

1つの巨大プロンプトではなく工程へ分ける

AI活用に慣れてくると、何でも一つのプロンプトに詰め込みたくなることがあります。

しかし、業務では工程を分けたほうが扱いやすい場合があります。

例えば問い合わせ対応なら、問い合わせ→内容分類→必要情報の整理→回答案作成→人間確認→返信と分けます。

このとき、それぞれの工程でAIへ異なる問いを設定できます。

「問い合わせを分類してください」「この問い合わせへの回答に必要な情報を整理してください」「以下の情報をもとに回答案を作成してください」といった形です。

一つの巨大な指示にするより、問題が起きた工程も見つけやすくなります。

AIワークフロー設計に必要な6つの能力

AI時代に重要になるのは、プロンプトを書く能力だけではありません。特に業務へAIを組み込む場合、次の6つの能力が重要です。

①業務を分解する力

「営業」「経理」「採用」という大きな単位では、AI活用を設計できません。

例えば営業なら、見込み客情報収集、初回連絡、ヒアリング、商談記録、提案内容整理、提案書作成、フォロー、受注管理などへ分解します。

業務を細かく見ることで、AIを使える場所が見えてきます。

②問いを作る力

各工程で、「AIに何を考えてもらうのか」を決めます。

例えば商談記録なら、「要約してください」だけではなく、「顧客の課題、要望、懸念点、次回までの確認事項に分けて整理してください」と問いを設計できます。

③情報を整理する力

AIは情報がなければ判断できません。

そのため、どの情報が必要か、どこに保存されているか、最新情報はどれか、誰が使える情報かを整理する必要があります。

AI導入以前に、情報がバラバラになっていることが課題だと分かる場合もあります。

④成果物を定義する力

AIに何を作ってほしいのかを明確にします。文章なのか、表なのか、チェックリストなのか、分類結果なのか。さらに、「誰が次に使うのか」まで考えます。

例えばAIが営業報告を作る場合、読むのが経営者なら、詳細な会話記録より、商談状況、見込み度、課題、次回アクションのほうが重要かもしれません。

⑤判断基準を言語化する力

業務の中には、経験者が無意識に判断していることがたくさんあります。

例えば採用担当者なら、「この応募者は次の面接へ進めるべきか」を判断するとき、複数の基準を見ています。

その基準をAIへ伝えるには、暗黙の判断を言葉にする必要があります。これはプロンプト作成だけでなく、技能継承や業務標準化にもつながる重要な能力です。

⑥人間とAIを役割分担する力

AIに全部任せる必要はありません。むしろ重要なのは、AIが得意な仕事と、人間が責任を持つ仕事を分けることです。

AIには、情報整理、分類、要約、比較、下書き、選択肢の提示などを任せやすいでしょう。

一方で、最終承認、重要な経営判断、顧客との交渉、例外対応、法的・倫理的影響の大きい判断などは、人間が関与すべき場面が多くなります。

プロンプト力とワークフロー設計力の違い

プロンプト作成とワークフロー設計は、似ていますが対象範囲が違います。

プロンプトを改善することは重要です。しかし、その先では、「プロンプトをどう書くか」から「仕事をどう設計するか」へ視点を広げる必要があります。

具体例｜営業提案業務をAIワークフローへ変える

ここでは、営業提案を例に考えてみましょう。

従来の業務

1. メモを見直す
2. 顧客課題を整理する
3. 提案内容を考える
4. 過去資料を探す
5. 提案書を書く
6. 上司に確認する
7. 修正する
8. 顧客へ送る

プロンプトだけを使った場合

AIへ、「以下の商談メモから提案書を作ってください」と依頼します。

これだけでも作成時間は短縮できます。しかし、AIが顧客課題を誤って理解すると、提案書全体の方向性がずれる可能性があります。

問いを分解した場合

「以下の商談メモから、顧客が抱えている課題、希望、懸念点、予算、導入時期を整理してください。」

「整理した課題のうち、優先度が高いと思われるものを3つ挙げ、理由を説明してください。」

「当社サービスで対応できるものと、対応できないものを分けてください。」

「対応できる課題について提案構成を作ってください。」

このように分けることで、人間が途中で確認できます。

ワークフロー化した場合

商談メモ入力 → AIが顧客情報を整理 → 営業担当者が内容確認 → AIが提案骨子作成 → 営業担当者が提案方針を決定 → AIが提案書下書き → 上司が最終確認 → 顧客へ提出

ここで重要なのは、AIへ全部任せていないことです。AIは情報整理や下書きを担当し、人間は重要な判断を担当する。この役割分担こそ、実務的なAIワークフローです。

AIに任せる仕事・人間に残す仕事の判断基準

「AIができるなら全部AIへ任せればよい」と考えるのは危険です。判断するときは、少なくとも次の2軸で考えるとよいでしょう。

AIに向いている業務

• 大量情報の整理
• 文章要約
• 分類
• 比較
• 下書き
• アイデア出し
• チェック項目の抽出
• 過去情報からの検索補助

最終成果ではなく、「人間が判断する前の材料作り」に使うと効果を出しやすくなります。

人間が判断すべき業務

• 経営判断
• 採用・解雇など重要な人事判断
• 契約に関する最終判断
• 顧客への重大な回答
• 例外処理
• 高額な投資判断

「AIができるか」だけで判断しない

AI活用では、「技術的にできるか」だけではなく、「間違えた場合にどれくらい影響があるか」も考える必要があります。影響が小さい作業なら自動化範囲を広げやすく、影響が大きい業務では人間確認を多く残す。この考え方が重要です。

良いプロンプトを作る実践チェックリスト

• □ 何を実現したいのか明確になっている
• □ 誰向けの成果物か決まっている
• □ AIに必要な背景情報を渡している
• □ 現在の状況を伝えている
• □ 時間・予算などの制約条件を伝えている
• □ 欲しい成果物の形式を示している
• □ 何を重視するか判断基準を示している
• □ 不明点があればAIから質問させる設計になっている
• □ 一つのプロンプトへ仕事を詰め込みすぎていない
• □ 出力結果を人間が確認する前提になっている

すべて満たす必要はありません。簡単な作業なら数項目で十分です。重要なのは、回答が悪かったときに「AIがダメ」と考える前に、問いや前提条件を見直すことです。

AIワークフローを設計する実践チェックリスト

• □ 何をきっかけに業務が始まるか分かっている
• □ 入力される情報が分かっている
• □ 業務を複数工程へ分解できている
• □ 各工程で人間が何を判断しているか分かる
• □ AIへ任せる工程を決めている
• □ AIに必要な情報を定義している
• □ AIから欲しい出力を定義している
• □ 人間が確認する場所を決めている
• □ 最終成果物が明確になっている
• □ 例外が発生した場合の処理を考えている

このチェックリストで整理すると、「とりあえずChatGPTを導入する」という状態から、「この工程でこの情報をAIへ渡し、ここまで処理させる」という具体的な設計へ進めます。

よくある失敗｜プロンプトだけ改善し続けない

失敗①プロンプトテンプレートを集め続ける

便利なテンプレートはあります。しかし、テンプレートを集めること自体が目的になると、自社業務の理解が進みません。

重要なのはテンプレートをコピーすることではなく、「なぜこの質問が必要なのか」を理解することです。

失敗②一度に全部AIへやらせる

「調査して、分析して、企画して、文章を書いて、チェックして」と一度に依頼すると、どの工程で問題が起きたのか分かりにくくなります。

複雑な仕事ほど、途中で確認できるよう工程を分けましょう。

失敗③業務を理解せずAI化する

経営者やAI推進担当者だけで業務フローを想像し、現場へAIを導入すると、実際の業務と合わない場合があります。

現場では、「その前にこの確認が必要」「例外の場合は別処理」といった暗黙のルールが存在します。

ワークフロー設計では、実際に仕事をしている人から業務を聞くことが重要です。

失敗④AIの答えを評価する基準がない

AIから10個のアイデアが出ても、何を選ぶか決められなければ業務は進みません。

「どの回答が良いか」を判断する基準は、人間側で持つ必要があります。

失敗⑤人間の確認工程をなくす

AI活用＝完全自動化ではありません。

特に重要な顧客対応や経営判断では、人間が確認する工程を残したほうが安全です。

自動化率を高めることより、仕事全体として正確かつ効率的に進むことを優先しましょう。

中小企業が今日から始める3ステップ

ここまで読むと、「ワークフロー設計は難しそうだ」と思うかもしれません。

しかし、最初から会社全体を設計する必要はありません。小さな業務から始められます。

STEP1｜毎週繰り返している業務を1つ選ぶ

まず、日常的に何度も行っている業務を選びます。例えば、問い合わせ返信、議事録作成、営業報告、提案書作成、SNS投稿作成、求人原稿作成、社内資料作成などです。頻度が高く、ある程度パターンがある業務がおすすめです。

STEP2｜入力・処理・判断・出力に分ける

入力：商談メモ

処理：内容整理

判断：案件の見込み度判断

出力：営業報告書

これだけでも仕事の構造が見えてきます。

STEP3｜各工程で「AIに何を問うか」を書き出す

次に、「どこでAIを使えるか」を考えます。商談メモ整理なら、「顧客の課題、要望、懸念事項、次回アクションに分けて整理してください」と問いを作れます。

問いを作る → AIを使う → 人が確認する → 改善する

いきなり大規模なシステムを作る必要はありません。まず一つの業務で、この小さなサイクルを回すことが重要です。

プロンプトの先にあるAI活用とは

生成AIの登場によって、「プロンプトを書く能力」が注目されるようになりました。

しかし、AIの性能が高くなるほど、重要になるのは単なる言葉のテクニックではありません。

むしろ、「何を解決するのか」「何をAIへ任せるのか」「どの情報を使うのか」「どこで人間が判断するのか」を設計する能力が重要になります。

問いを作る → AIに仕事を任せる → 複数の工程をつなぐ → 人間とAIの役割を分ける → 業務全体をワークフローとして設計する

その意味では、プロンプトはゴールではありません。プロンプトは、人とAIが一緒に仕事をするための入口です。

よくある質問

良いプロンプトを書くコツは何ですか？

最も重要なのは、文章を長くすることではなく、「何を解決したいのか」を明確にすることです。そのうえで、対象者、背景、条件、欲しい成果物、判断基準など、AIが考えるために必要な情報を追加します。

プロンプトは長いほど良いのでしょうか？

長ければ良いわけではありません。簡単な作業であれば短い指示で十分です。複雑な業務では背景情報が必要になるため長くなる場合がありますが、大切なのは文字数ではなく必要な情報が揃っていることです。

プロンプトテンプレートを使えば十分ですか？

テンプレートは出発点として便利ですが、そのまま使うだけでは自社業務に合わないことがあります。テンプレートの各項目がなぜ必要なのかを理解し、自社の目的や業務に合わせて調整することが重要です。

AIワークフロー設計にプログラミングは必要ですか？

考え方を整理する段階では必須ではありません。まずは紙や表計算ソフトなどを使い、業務を入力・処理・判断・出力へ分けるだけでも始められます。その後、自動化の範囲によってツール連携やシステム開発を検討します。

中小企業はどの業務からAIワークフロー化すべきですか？

繰り返し頻度が高く、文章整理や情報分類などが多い業務から始めると取り組みやすいでしょう。いきなり会社全体を変えるのではなく、一つの業務で効果と課題を確認しながら範囲を広げることが重要です。

まとめ｜良いプロンプトを作る力とは、良い問いを作る力

AIに欲しい答えが返ってこないとき、プロンプトの言葉遣いだけを直そうとしてしまいがちです。

しかし、その前に考えたいのは、「自分はAIに何を問いかけたいのか」です。

良いプロンプトは、良い問いから生まれます。

• 目的を明確にする
• 対象者を考える
• 現状を整理する
• 制約を把握する
• 成果物を定義する
• 判断基準を言語化する

問い → 想像力 → 業務分解 → AIと人間の役割分担 → ワークフロー設計

生成AIを使いこなすために、すべての人が高度なプロンプトテクニックを覚える必要があるわけではありません。

むしろ中小企業にとって重要なのは、「自社の仕事を理解し、その仕事をAIが考えられる問いへ変換すること」です。

まずは、毎週繰り返している業務を一つ選んでみてください。そして、「この仕事は何を入力し、何を判断し、何を出力しているのか」を書き出してみましょう。

そこから、AIを業務の一部として使う本当の意味でのAI活用が始まります。

CTA｜プロンプトを増やす前に、仕事の流れを整理してみませんか？

ChatGPTなどの生成AIを導入していても、「社員がそれぞれ個人的に使っているだけ」「プロンプトを工夫しているが、会社全体の業務改善につながらない」「どの業務をAIへ任せられるのか整理できない」という企業は少なくありません。

こうした場合、プロンプトを増やす前に、現在の業務を分解し、AIへ任せる工程と人間が判断する工程を整理することが重要です。

AI活用について相談する際は、次の情報が分かると、より具体的に整理できます。

• AIで改善したい業務
• 現在の業務の流れ
• 業務に関わっている人数
• 特に時間がかかっている作業
• 現在利用しているAIやITツール

自社のどの業務からAI活用を始めるべきか、AIと人間をどのように役割分担すればよいか分からない場合は、現在の仕事の流れから一緒に整理してみましょう。

ご相談はこちら：AI導入支援サービス／お問い合わせ