90日間のAI試験導入ロードマップ：ユースケースから本番判断まで

業務、責任者、利用者、影響を受ける顧客、現状課題、期待する仕組み、利用可能データ、リスク、費用上限、判断日を記載します。最終判断を拡大・修正・停止と明記します。合意できなければ、試験ではなく探索へ資金を出している状態です。

経営スポンサーと業務責任者を1人ずつ決めます。スポンサーは組織障壁を除き、責任者は合格成果を定義して業務を変えます。技術、プライバシー、セキュリティ、法務は、全会議へ大人数を招くのではなくリスクに応じて参加します。

手順書だけでなく実際の業務を観察します。50〜100件を抽出し、入力、判断、ツール、引き継ぎ、例外、結果、時間を記録します。待ち時間と実作業を分け、件数、初回承認、エラー、手戻り、費用、顧客成果の現状値を取ります。

15日目までに狭いタスク定義と除外リストを作ります。「顧客対応を行う」を「配送状況チケットを分類し、注文を取得し、引用付き返信案を作る。本人紛争、破損、返金は除外」とします。除外リストが試作範囲の拡大を防ぎます。

用途を不可能にする要因を特定します。データ欠如、検索不良、分類不安定、連携不可、受け入れられないプライバシー条件などです。その前提を代表ケースで試す最小試作を作り、画面の装飾は避けます。

タスクが成立するか確認するため、まず合理的な範囲で高性能なモデルを使います。品質基準ができた後に、モデル規模、速度、費用を最適化します。最初の試作から入力、検索情報、出力、レビュー判断を記録します。

通常、難しい、過去の既知失敗、不足入力、攻撃的試行を含む固定セットを作ります。モデル実行前に、期待する証拠、合格結果、重大度を定義します。分野の専門家がラベルを付け、不一致を解決します。

構成要素と全体の両方を測ります。生成が良くても検索が失敗し、正しいツールでも引数が誤り、正しい下書きでも確認に長く掛かれば価値がありません。品質、重大エラー、介入、速度、承認成果あたり費用の基準を設定します。

認証、承認済み知識、最低限必要なシステムを接続します。最初は読み取り専用権限を使い、型付きツール、入力検証、タイムアウト、再試行、費用上限、監査ログ、停止条件を定義します。外部送信や状態変更前に人の承認を置きます。

実際の構成に対してセキュリティ、プライバシー、失敗審査を行います。データ保存、処理地域、ベンダー学習利用、削除、アクセス境界、事故責任を確認します。連携によって失敗影響が増えるならリスク区分を更新します。

シャドーモードでは、結果へ影響させず実業務を処理します。提案判断と担当者の操作を比較し、不一致を確認します。その後、訓練済みの少人数が下書きを使う、または操作を承認します。問題報告を1クリックで行え、修正理由を記録できるようにします。

自動化バイアスと回避行動を確認します。担当者が流暢な出力を安易に承認する、または手間が増えて使わない可能性があります。承認・却下ケースを抽出し、毎週利用者へ聞き取り、同じ問題が続けば業務や画面を変更します。

試験結果を現状値と対照群で比較します。承認成果、ケース別品質、重大失敗、人の介入、処理時間、顧客成果、継続費、導入費、回収予測を報告します。観測した価値と年間予測を分けます。

拡大時は、責任者、サービス水準、サポート、監視、評価頻度、モデル変更テスト、事故対応、切り戻し、予算、教育を含む本番計画を作ります。修正は仮説と期限を定めます。価値が弱い、必要データを使えない、安全基準を満たせない場合は停止します。

業務責任者がいない、実例ではなくきれいなデモデータを使う、成功が基準ではなく関係者の期待感で決まる、認証・連携・ガバナンスをデモ後へ先送りする。この4つは、モデルが出力できることだけを示し、運用価値を証明しない試験を作ります。

OpenAIの2026年拡大ガイドは、業務設計、ガバナンス、所有、拡大前の品質を重視しています。Microsoftの2026年職場調査でも、組織条件は個人努力よりAI効果と強く関連していました。90日計画はモデル性能だけでなく、運用プロセスを変える必要があります。