要点：試作が本番に進まないとき、不足しているのは精度ではなく、判断に必要な材料です。判定の測り方、例外が出たときの責任の所在、運用を回す担い手、続けたときのコスト。この4つは技術の問題に見えて、実際には決めごとの問題で、試作と並行してしか埋められません。
動くところまでと、業務に載せるまでの距離
生成AIの試作は、動くところまでは短期間でたどり着きます。難しいのはその次です。デモを見た関係者から出てくるのは、たいてい「良さそうですね」と「で、これをうちの業務に入れて大丈夫なんでしょうか」の2つで、後者に答える材料が手元にない。ここで決裁者が判断を保留します。
本番まで進む会社は、試作を判断のための材料として設計しています。動作確認だけを目的に作ると、動いた瞬間に手元の情報が尽きる。試作の期間中に、精度以外の問いへの答えも並行して集めておくかどうかで、その後の速さが変わります。
総務省の令和7年版情報通信白書によれば、生成AIの活用方針を定めている国内企業の割合は2024年度調査で49.7%と、前年度の42.7%から増えています（図表Ⅰ-1-2-12）。一方で、導入にあたっての懸念として最も多く挙がったのは、活用方法が分からないという趣旨の項目でした（図表Ⅰ-1-2-15）。使う意思は固まってきたのに、自社のどの業務にどう載せるかで詰まっている。試作が本番に届かない状況は、この構図の延長にあります。
本番に進めない、4つの隔たり
決裁が止まるとき、実際に埋まっていない項目はだいたい次の4つに収まります。
- 判定材料：何がどうなれば良しとするのか、業務側の言葉で測れていない。
- 例外と責任：AIが外したときに誰がどう気づき、誰が最終的に責任を持つのかが決まっていない。
- 運用の担い手：日々動かし、直し、問い合わせを受ける人が決まっていない。
- コストの見通し：使うほどかかる費用が、業務量に紐づいた形で見えていない。
どれも技術課題の顔をしていますが、中身は決めごとです。そして4つとも、試作をやっている間なら安く埋まります。動かしてみて初めて分かることが材料になるので、本番の直前にまとめて片付けようとすると高くつく。
試作の成果物は、進める・見直す・見送るのどれかを選べる材料である。
なお、着手前に成功の基準そのものを合意する手順は、PoCで止めないための、成功定義の合意の進め方で扱っています。この記事はその先、試作を回している最中に何を集めるかの話です。
判断材料に変える測り方
精度の数字は必要ですが、それだけでは決裁は通りません。経営が知りたいのは、その精度で業務がどう変わるかです。橋を架けるには、測る対象を業務側に置き換えます。
業務の言葉で測る
たとえば問い合わせの一次回答を下書きさせるなら、見るのは正答率だけではありません。下書きが出てから送信までにかかった時間、担当者が手を入れた回数、そのまま出せた割合。この3つが揃うと、「何割の案件で、どれだけ手間が減ったか」が言えます。精度は、その裏付けとして添えます。
短くても、業務の周期に合わせて測る
1日だけ試して判断すると、その日の入力の偏りをそのまま結論にしてしまいます。週次の波がある業務なら1週間、月末に処理が集中するなら月末をまたぐ。期間は長くする必要はなく、業務の周期を1回ぶん含むことが大事です。
外した例を、捨てずに残す
うまくいかなかった入力は、本番設計の一次資料そのものです。どういう質問で外したのか、外し方は「間違った答えを出す」なのか「答えられない」なのか。この違いで、後述する例外処理の作り方が変わります。試作中に外した例を10件も集めておけば、本番の設計はかなり具体的になります。
例外と責任の線を、先に引く
本番運用でいちばん揉めるのは、AIが外したときの扱いです。ここが決まっていないと、現場は「責任の所在がはっきりしないものを業務に入れたくない」と正しく身構えます。
決めるのは3点です。誰が気づくか（人が必ず目視する工程を挟むのか、閾値で自動的に人へ回すのか）、どう戻すか（AIを止めて従来手順に戻す道が残っているか）、誰が責任を持つか（最終的な承認者は人か、AIの出力をそのまま外部に出す場面があるのか）。
とくに外部の顧客に触れる出力は、人が目を通す工程を最初は必ず挟むのが現実的です。運用が安定してから外していけばよく、逆の順番は取り返しがつきません。金融や医療のように誤りの許されない領域では、この設計そのものが要件定義の中心になります。
運用の担い手とコストを、試作のうちに見積もる
本番化の決裁で最後に効いてくるのが、続けられるかどうかです。ここも試作中に概算できます。
担い手は、日々の稼働と改善の2つに分けて考えます。日々の稼働は現場に置けますが、プロンプトやデータの手直しは誰かが継続して持つ必要があります。社内に置くのか、外部と組むのか。決まっていないまま本番に入ると、数カ月で誰も面倒を見なくなります。
コストは、試作の実測から業務量へ引き伸ばします。1件あたりのトークン量と単価が分かれば、月間の処理件数を掛けるだけで概算が出ます。ここで想定より高いと分かったなら、対象業務を絞り込む合図だと受け取ればいい。試作の段階で分かった時点では、まだ安い失敗です。
本番へ進む前に埋めておく6項目
決裁の場に持っていくものを、先に形にしておきます。
1. 対象業務 : どの工程を、どこからどこまで置き換えるか
2. 判定材料 : 業務側の指標（時間・手戻り・そのまま出せた割合）
3. 外した例 : 実データ10件程度と、その外し方の分類
4. 例外処理 : 誰が気づき、どう戻し、誰が承認するか
5. 担い手 : 日々の稼働と、改善を持つ人
6. コスト : 1件あたり実測 × 想定件数の月額概算この6つが埋まっていれば、決裁は進める、対象を絞って進める、見送るのどれかに収束します。逆に、どれかが空いたまま会議を重ねても、結論は出ません。精度をあと少し上げる作業に時間を使う前に、空いている欄がどれかを見たほうが、本番までの距離は縮まります。
まとめ
- 試作が本番に進まないとき、まず疑うのは精度より、決裁に必要な材料の欠けです。
- 集めるのは4つ。業務の言葉で測った判定材料、例外時の責任の線、運用の担い手、業務量に紐づいたコスト。
- どれも試作を回している間に埋めるのがいちばん安く済みます。動かして初めて分かることが材料になるからです。
- 決裁前に6項目を形にすると、結論が進める・絞って進める・見送るのどれかに収束します。
対象業務の絞り込みから判定の設計、概算見積までをまとめて整理したい場合は、AI活用設計で2〜4週間の診断として引き受けています。
出典：総務省『令和7年版 情報通信白書』第1部第1章第2節「企業におけるAI利用の現状」（図表Ⅰ-1-2-12・図表Ⅰ-1-2-15）
