社内にAI担当者がいなくても進む「判断は社内・作業は外」の線引き

「AIを業務に使いたいが、社内に詳しい人間がいない」。中小企業の経営者や情報システム担当の方から、この相談が目に見えて増えています。そして多くの場合、話は「じゃあ全部外注しましょう」か「まずは社内で勉強してからにしましょう」の二択に流れがちです。

結論から言えば、この二択はどちらも失敗しやすい選び方です。AIを使った業務システムは、工程ごとに「社内でしか判断できないこと」と「外に出したほうが速くて安いこと」がはっきり分かれます。本記事では、AIの専門人材が社内にいない前提で、どこに線を引けば発注が成立するのかを整理します。

「全部外注」も「全部内製」も止まる理由

まず、二択がうまくいかない構造を押さえておきます。

全部外注の場合、発注側が要件を言語化できないため、開発会社は「現場でよく使われている一般的な形」を作ります。出来上がったものは動くけれど自社の業務とは微妙にずれている、という状態になりやすい。しかもAIを使うシステムは、出力の良し悪しを判断できるのが業務を知っている人だけです。検収の段階で「これで合っているのか分からない」となれば、プロジェクトはそこで止まります。

全部内製の場合、生成AIのツール自体は安価に試せるので、最初の一歩は軽く踏み出せます。問題はその先です。既存の基幹システムとのデータ連携、権限管理、ログの保存、障害時の切り戻し。この領域は通常の業務システム開発と同じ重さがあり、兼務の担当者が片手間で支えきれる規模を超えます。結果、個人が作った便利ツールが属人化したまま残り、その人の異動とともに使われなくなります。

線引きの原則は「判断は社内、作業は外」

切り分けの基準はシンプルです。やり直しのきかない判断は社内に残し、手を動かす作業と技術的な意思決定は外に出す。この一点に尽きます。

判断とは、たとえば「この業務のどこまでをAIに任せ、どこから人間が確認するか」「誤った出力が出たとき、誰が責任を持って止めるか」「どの顧客データを外部サービスに送ってよいか」といった問いです。これらは技術の問題ではなく経営判断であり、外注先が代わりに決めることはできません。決めてもらった場合、その結果を引き受けるのは自社です。

逆に、モデルの選定、プロンプトの設計、検索精度の調整、インフラ構成といった領域は、経験の差がそのまま品質と工数の差になります。ここを内製で学びながら進めるのは、学習目的でない限り割に合いません。

工程ごとに担当を割り振る

実際の進め方を工程で分けると、次のような分担になります。自社の案件に当てはめて、空欄が残らないか確認してみてください。

注目してほしいのは、社内側の作業の多くがAIの知識を必要としない点です。業務時間の把握、例外ルールの洗い出し、良し悪しの判断。いずれも現場を知っていればできることで、むしろ外注先には絶対にできない部分です。

社内に最低限残すべき3つの役割

専任のAI担当者は不要ですが、役割としては次の3つを誰かが兼ねる必要があります。

• 業務の代表者：対象業務を最もよく知る現場の人。出力が実務で使えるかを判断する
• 窓口役：外注先との連絡を一本化する人。技術に詳しくなくてよいが、社内の誰に聞けば答えが出るかを知っている必要がある
• 決裁者：データの外部送信可否、予算、停止の判断を下す立場の人。中小企業では経営者本人が担うことが多い

この3人が揃っていれば、AI未経験でもプロジェクトは回ります。逆に、窓口役が不在で「現場に直接聞いてください」という体制にすると、要望が矛盾したまま開発が進み、手戻りが発生します。

実装で詰まりやすい箇所を先に知っておく

見積もり段階で軽く見られがちで、後から工数が膨らむ箇所があります。発注前に外注先と話しておくと、認識のずれを減らせます。

既存データの形がそろっていない。社内文書を検索してAIに回答させる仕組み（RAG。社内資料を検索したうえで生成AIに回答させる方式）を作る場合、スキャンしただけのPDF、表が崩れたExcel、同じ内容の新旧版が混在したフォルダ、といった状態がそのまま精度に跳ね返ります。データ整備は社内でしかできない作業であり、ここを工数に入れずに見積もると必ずずれます。

例外処理の洗い出し。たとえば次のような場面です。請求書の自動読み取りを導入したところ、特定の取引先だけ手書きの但し書きが入る慣習があり、そこだけ人の確認が必要だった――こうした例外は、現場の人が「当たり前すぎて言わなかった」ために後から出てきます。

精度の合格ラインが決まっていない。AIの出力は100%にはなりません。「何%なら本番稼働と判断するか」「間違えたときの影響はどの程度か」を事前に決めておかないと、検収が終わりません。

データの取り扱いと法令。個人情報を含むデータを外部のAIサービスに送る場合、個人情報保護法上の取り扱いを確認する必要があります。また、政府が公表しているAI事業者ガイドラインは、事業者が留意すべき考え方を整理した文書として参照されています。詳細は所管省庁の最新の公表内容を確認したうえで、自社の方針を決めてください。業務によっては電子帳簿保存法など個別の法令が関わる場合もあります。

まとめ

AIの専門人材が社内にいないことは、外注に踏み切れない理由にはなりますが、プロジェクトが失敗する理由にはなりません。失敗するのは、判断まで外に出してしまった場合か、作業まで抱え込んでしまった場合です。

整理すると、社内に残すのは「どの業務を対象にするか」「どのデータを外に出してよいか」「出力が実務で使えるか」「いつ止めるか」の4つの判断です。それ以外の技術選定・設計・実装・保守は、経験のある外注先に任せたほうが速く、安く、安全です。

まずは自社の業務を一覧にして、時間がかかっている順に並べてみてください。その一覧こそが、AI未経験の会社が最初に用意すべき、最も価値のある資料です。