AIと仕事

AIの導入は
ゴールではありません。
AIで成果を出すことが
ゴールです。

ライセンスを買って研修をすると、それでゴールしたように感じます。でも、本当はそこがスタートです。この記事では、そこから実際の成果につなげるために私が考えたシンプルなフレームワークを紹介します。ステージごとに私ならやることと、最初に使える1ページのプランも載せています。

A Audit ゴールを決める M Model AIの割合 P Prime 準備する L Leverage 価値に変える E Elevate 測る
  1. AAudit:ゴールを決めて、仕事を見る
  2. MModel:AIをどこまで使うかを決める
  3. PPrime:必要なものを整える
  4. LLeverage:変化を価値に変える
  5. EElevate:ゴールに照らして測る

AIの取り組みの多くは、同じように終わります。ライセンスを買い、研修を行い、報告書には「完了」と書かれます。

でも、それはプロジェクトが終わっただけで、成果が出たわけではありません。MIT NANDAの2025年の調査では、売上の急成長につながったAIのパイロットは約5%でした。1 AIベンダーのWRITERによる2026年の調査では、生成AIで大きなROIを得ている組織は29%にとどまり、個人レベルの成果が事業の価値につながっていないことも分かりました。2

問題はツールではないと思っています。たいてい足りないのは、ツールの周りにあるすべてです。何を増やしたいのかを決めること、変えるべき仕事を見つけること、そのための準備を整えること、そして実際に何かが変わったかを確かめること。

AMPLEは、私が改善を続けているフレームワークです。自分や周りの人がAIにどう取り組んでいるか、そしてどこでつまずいているかを見てきて考えました。1人でも、チームでも、組織全体でも、成果につながる形でAIを取り入れるための実践的な方法の1つで、仕事と事業の両方を良くすることを目指しています。5つのステージがあり、最後のステージが最初に戻るので、回り続けます。

対象は、すでにAIを使い始めていて、導入するだけでなく成果を出したいと考えているすべての人です。自分の仕事でも、チームでも、組織全体でも使えます。

ここからは、ステージごとに、私ならやることと、終わったときに手元にあるべきものを紹介します。

Audit:ゴールを決めてから、仕事が実際にどう進んでいるかを見る

まずゴールから決めます。何を増やしたくて、何を減らしたいのか。「タスクXを自動化する」ではなく、「マーケティングにもっと時間を使う」「提案書をもっと早く出す」「これまでできなかった仕事をする」といった形です。

次に、会社全体ではなく、自分のワークフローか、チームのワークフローを1つ選びます。最初はタスク1つでも構いません。業務マニュアル上の流れではなく、今の仕事が実際にどう進んでいるかを書き出します。チームのワークフローなら、実際に仕事をしている人と一緒に書き出します。

私ならやること
  • ゴールを1〜3つ書く。増やしたいこと、減らしたいこと、うまくいっていると分かるのはどんなときか。
  • 月次レポートや提案書の作成など、実際に時間がかかっているワークフローかタスクを1つ選ぶ。自分のものでも、チームのものでも構いません。
  • その中の手順をすべて書き出し、誰が担当していて、だいたいどのくらい時間がかかるかを書く。
  • すでにAIが使われているところを記録する。個人で使っているツールも含めて。
  • コピー、催促、書式の直し、再確認など、価値の低い作業に時間が取られているところに印をつける。

担当自分の仕事なら自分。チームなら、チームリーダーと実際に仕事をしている人。終わったとき1〜3つのゴールと、手間がどこに使われているかが分かるタスク一覧。

Model:タスクごとに、AIをどこまで使うかを決める

多くの人がつまずくのがこのステップです。AIに実際に何をさせるべきか。だからこそ、ここは時間をかける価値があります。

ツールからではなく、Auditで決めたゴールから考えます。どのタスクがそのゴールの妨げになっているのか、と問いかけます。

自分の仕事では、聞き方を変えます。このタスクをなくして、もっと大事なことに集中するにはどうすればいいか。答えがAIのこともあれば、そもそもそのタスクが要らないこともあります。

タスク単位で考えます。職種やチーム全体では、単位が大きすぎます。「デザインは人がやるべきだ」と言う人もいるでしょう。方向としては正しいと思います。でも、デザインの中にも、参考資料を集める、バリエーションを作るなど、喜んで任せたいタスクがあります。

タスクごとに、次の4つのどれかを答えます。

やめる。
実は目的のない仕事もあります。スプレッドシートの数字を読み上げるだけの会議なら、やめてしまえばいい。AIは要りません。
人がやる。
本当に人が必要な仕事。AIは使いません。ほかを片づけることで、こうした仕事にもっと時間を使えます。
AIと一緒にやる。
主導権は自分が持ったまま、AIと一緒に進める仕事。たたき台づくり、別の目でのチェック、今やっていることをもっと速くするなど。
AIに任せる。
必要だけれど、繰り返しの仕事。AIがやり、自分が確認します。その人の時間が戻ってきます。

最初の答えは、飛ばされがちです。依頼が「AIを使おう」だからです。でも、いちばん手軽に得られる成果になることが多いのです。

でも、AIは仕事を減らすためだけのものではありません。もっと大きな変化は、これまでできなかったことができるようになることです。動くアプリを作れるプロダクトマネージャー。きちんと伝わるスライドを作り、データでストーリーを語り、それを見せる分かりやすい画面をデザインできる人。だから、もう1つ答えがあります。

加える。
これまでできなかった、結果を変える新しいこと。説明の代わりにプロトタイプ、表の代わりにグラフ、ただのレポートの代わりにデザインされたページ。

これも、0か100かではありません。私のタスク全体で見ると、だいたい10%を人がやり、30%をAIと一緒にやり、60%をAIに任せています。これはあくまで出発点の目安で、目標ではありません。何かを任せる前には、3つのことを考えます。なぜAIがやるべきなのか。任せるリスクに見合うのか。人が主導権を持ち続けるべきか。

次に、空いた時間をどこに使うかを決めます。自動化すれば、もっと価値の高い仕事に時間を使える、とよく言われます。でも実際によく見るのは、同じタスクをもっとたくさんこなしているだけの状態です。人がやる、AIと一緒にやる、AIに任せるの割合は、タスクごとに変わります。大事なのは、戻ってきた時間をゴールに向けることです。たとえば、AIエージェントを活用したプロダクトのデザイン・開発プロジェクトなら、戦略やデザインの検討、アイデア出しにずっと多くの時間を使えるようになります。

タスクを見つけるには、次の質問が役立ちます。

  1. 毎週やっていて、つい後回しにしていることは?
  2. ある場所から別の場所へ、コピーしたり、打ち直したり、整形し直したりしているものは?
  3. 毎回同じ形なのに、ゼロから書いているものは?
  4. 簡単なルールで確認できるのに、手作業で確認しているものは?
  5. 情報はもうどこかにあるのに、待っているものは?
  6. 時間があったら、もっとやりたいことは?
  7. スキルがないので、飛ばしたり、ほかの人を待ったりしていることは? コード、デザイン、データ、文章など。
  8. 動くプロトタイプや、より良いビジュアル、分かりやすいストーリーがあれば、結果が変わるのはどこ?

「もっとやりたいこと」からは、人がやるものと、空いた時間を向ける先が分かります。最後の2つからは、加えるもの。残りからは、やめるもの、AIと一緒にやるもの、AIに任せるものが分かります。

私ならやること
  • まず自分の仕事でやってみる。チームで進める場合は、それからチームでやる。
  • 下のタスク洗い出しシートに、1つのワークフローを記入する。
  • 最初に変えるタスクを1〜3つ選ぶ。頻度が高く、時間がかかり、AIが間違えてもリスクが低いもの。
  • 加えるものを1つ選ぶ。AIがあれば、すぐに実務で使えるスキル。
  • それぞれについて、求める成果を1文で書き、今の数字を記録する。担当者も決める。自分でも構いません。
  • AIが作ったものを誰が確認するかを決める。自分でも構いません。
  • 空いた時間を、ゴールに向ける。

担当自分で決める。チームなら、チームリーダーがチームと一緒に決める。終わったとき変えることの短いリスト。それぞれに、答え、成果、出発点の数字、担当者が決まっている状態。

ワークシート

タスク洗い出しシート

1行に1タスク。1つのワークフローについて、1人でもチームでも記入できます。記入したら、最初に取り組む1〜3行と、加えるものを1つ選びます。入力した内容はこのページの外に送られず、保存もされません。ページを離れる前にコピーしてください。

タスク
タスク頻度と所要時間何のための作業?やめる、人がやる、AIと一緒にやる、AIに任せる?理由とリスクは?これが片づいたら、集中できること…
加えられること
まだできないこと結果が変わるところ最初に作る小さなバージョン

スマホでは、表を横にスワイプするとすべての列が見られます。

Prime:必要なものを洗い出し、整える

次に、選んだタスクに何が必要かを洗い出し、それだけを整えます。全員を一度に、ではありません。私は5つの質問をします。

私ならやること
  • どんなツールが必要か?まず、選んだ仕事をする人にライセンスを用意する。自分1人の場合もあります。
  • どのデータやシステムをつなぐか?選んだタスクで使うものだけ。
  • AIにはどんなコンテキストが必要か?自分たちが何者か、どう書くか、何を良しとするか。AIのアウトプットが自分の仕事や自社に合うようにするためです。ツールが読めるファイルにまとめておけば、毎回プロンプトで繰り返さずに済みます。
  • 承認なしに入れてはいけないものは何か?顧客データ、個人データ、機密情報など。
  • タスクごとにどんなチェックが必要で、誰が確認するか?アウトプットを使う前に満たすべきこと。確認するのは自分でも構いません。

ここは大切です。でも、これはスタートにすぎません。環境が整っても、それが大事な仕事に使われるとは限りません。

担当自分。または、ツールとデータを管理している人と、AIのアウトプットを確認する人。終わったとき選んだタスクのためのツール、連携、コンテキスト、ルール、チェック。

Leverage:変化を価値に変える

ここで、変化が価値に変わります。空いた時間と新しくできるようになったことを、ゴールに注ぎ込むのです。ここはまた、実際にうまくいくのを私が見てきた部分でもあり、始まりは研修です。

私は200人を対象にAIワークショップを行いました。1回あたり約3時間で、ワークシートを使って自分のペースで進めることもできました。全員がAIを使ってアプリを作りました。

本当のポイントは、アプリではありませんでした。ワークショップでは、やり方を説明するだけでなく、実際にどう活用するかを考え始めるためのユースケースや事例を紹介し、マインドセットや考え方も扱いました。それが、「アプリを作れる」から「自分の仕事の中に、作る価値のあるアイデアがある」へと、人を動かしたのです。

全員が、何らかの形で完成したアプリを手にしました。そして、そこから想定以上に広がりました。学んだことを生かして社内の業務ツールを作った人もいれば、クライアントへの提案のためにプロトタイプを作り始めた人もいました。

暗い会議テーブルに置かれたスマートフォン。画面には動くアプリのプロトタイプが映り、横には印刷されたクライアント向けの資料がある。手が画面から離れたところ。

特に印象に残っているのは、コードを書いたことのなかったプロダクトマネージャーです。彼は提案の段階で、プロダクトのビジョンを見せるために、動くプロトタイプを作りました。以前なら考えられなかったことです。

提案書は、アイデアを説明するものでした。今は、アイデアが動くところを見せられます。

私ならやること
  • 空いた時間と新しいスキルを、ゴールに注ぎ込む。提案書、マーケティング、プロトタイプ、これまでできなかった仕事など。
  • 機能ではなく、Modelで選んだタスクと新しいスキルを題材に、実際の仕事で練習する。
  • 動くものを最後まで作る。チームなら、全員がそうできるようにする。一度自分でやってみると、自分の仕事の見え方が変わります。
  • 使い方と同じくらい、どこで使うかに時間をかける。機能の紹介より、自分の仕事に近い事例のほうがずっと効果があります。
  • スキルをすぐに生かせる場を用意する。私たちの場合、それは提案でした。
  • 毎週のリズムをつくる。1人でもチームでも、作ったもの、空いた時間が実際にどこに使われたか、どんな価値が生まれたかを振り返る短い時間を設ける。

英国政府による2026年のAIスキルアップの事例のレビューも、同じ方向を示しています。研修は、実際のタスクや成果と密接に結びついているときに効果がある、ということです。3

担当自分で毎週振り返る。チームなら、チームリーダーが毎週の定例を回す。終わったとき空いた時間と新しいスキルが毎週ゴールに注がれている状態と、そこから生まれた価値の記録。

Elevate:ゴールに照らして測り、もう一周する

次にやるなら変えたいのが、ここです。私は成果を追っていませんでした。マネージャーが追っていたのは、ワークショップを受けてアプリを作った人数です。それも知る価値はありますが、数えているのは参加であって、価値ではありません。プロトタイプを含んだ提案がいくつあったか私が言えないのも、そのためです。

私なら、Auditで決めたゴールから始めて、次を追います。

ゴール
増やしたかったことは増え、減らしたかったことは減ったか。
サイクルタイム
以前と比べて、今その仕事にどのくらい時間がかかっているか。たとえば、ブリーフから最初の提案までの時間。
手戻り
修正のために差し戻される頻度。
利用
1か月後も、そのツールやワークフローが使われているか。
時間の使い道
Modelで書いたことと比べて。
受注や売上
正直に結びつけられる場合に。

削減時間は、いちばん出しやすい数字ですが、いちばん弱い数字でもあります。浮いた時間は、何かに変わって初めて意味を持ちます。

私ならやること
  • 4週間後に、まずAuditで決めたゴールを確認し、次にModelで書いた数字と比べる。
  • 変えたことそれぞれについて、伸ばすか、直すか、やめるかを決める。
  • 次のゴールやタスクを選び、学んだことを生かして、Auditからもう一度始める。

担当自分。チームなら、チームリーダーと数字を管理している人。終わったときゴールに照らして何が変わったかの根拠と、次の一周のリスト。

月曜日にやること

  1. 増やしたいことと、減らしたいことを書き出す。
  2. ワークフローを1つ選ぶ。自分のものでも、チームのものでも。
  3. その中のタスクを書き出す。チームのワークフローなら、実際に仕事をしている人2人と一緒に。
  4. 各タスクに、やめる、人がやる、AIと一緒にやる、AIに任せるの印をつける。今週、1つやめてみる。
  5. プロトタイプやグラフ、デザインされたページなど、これまでできなかったことを1つ選び、AIで最初のバージョンを作る。
  6. 変えるタスクを1〜3つ選び、それぞれ今の数字を書き留める。
  7. そのタスクに必要なものを整え、デモではなく、その実務を題材に練習する。
  8. 4週間後の振り返りをカレンダーに入れる。
ワークシート

1ページのAMPLEプラン

5つのステージを1ページに。ここで記入して、自分のドキュメントにコピーしてください。保存はされないので、ページを離れる前にコピーしてください。

無料のAMPLEワークブック

1人でも、チームでも、組織全体でも、自分で進められます。

  1. はじめに、進め方を選ぶ
  2. 1Audit:ゴールを決めてから、仕事が実際にどう進んでいるかを見る
  3. 2Model:タスクごとに、AIをどこまで使うかを決める
  4. 3Prime:必要なものを洗い出し、整える
  5. 4Leverage:変化を価値に変える
  6. 5Elevate:ゴールに照らして測り、もう一周する
  7. 61ページのAMPLEプラン
  8. 記入例1:1人で、すべてのシートを記入
  9. 記入例2:チームで

ワークブックをダウンロードページ上で記入する(英語)PDF・A4・18ページ。印刷して書き込むことも、画面上で入力することもできます。English version

出典

  1. 1MIT report: 95% of generative AI pilots at companies are failing。Fortune、2025年8月。MIT NANDAの報告書『The GenAI Divide: State of AI in Business 2025』について。
  2. 2Enterprise AI adoption in 2026。WRITERとWorkplace Intelligenceによる、従業員1,200人と経営層1,200人を対象にしたベンダー調査。
  3. 3Supporting case studies: What works for AI upskilling in the UK。英国雇用年金省(DWP)とSkills England、2026年7月27日。