AI導入に対するWTの考え方と、具体的な進め方

「会社を、AIをリードする会社にしたい。どう進めればいいか」。経営者の方々からいただくご相談のなかで、一番多いものです。

この記事を書き始める前に、ひとつ実験をしました。Geminiに「AI導入に対する考え方、具体的な進め方について記事を作成して」と、一行だけ投稿してみたのです。30秒後、7,000字の立派な記事が返ってきました。

同じ30秒で、人間が書けるのはせいぜい30〜40文字です。何百倍もの差。この差を目の当たりにすると、「もう記事は全部AIに書かせればいい」と思えてきます。しかし、ここにこそ、AI導入を考えるうえで一番大事な違いが隠れています。

たしかに人の脳は、言葉を「出す」速さではAIにまったく敵いません。話す・書くといった意識的なアウトプットは、毎秒2〜3語、AIの単位であるトークンに換算しても数トークン程度です（トークンはAIが言葉を数える単位で、日本語ではおおむね1文字前後です）。人が行動として処理できる情報量は毎秒わずか10ビット程度だ、という研究もあります（Zheng & Meister、Neuron誌、2024年）。ところがその裏側で、脳は桁違いの計算を並列で走らせています。よく引用される推計（脳の処理能力を毎秒10^15〜10^16回の計算とみる見方）をもとに大型LLM（70B〜100Bクラス）に換算すると、毎秒およそ5,000〜50,000トークン相当。現場の空気を読み、相手の表情を捉え、過去の経験と照らし合わせ、手を正確に動かして文字を紡ぐ。その膨大な処理の大半を捨てて、ごくわずかな言葉に意味を凝縮して出力しているのが、人間です。

計算の過程に興味のある方のために、根拠も置いておきます。

脳の処理能力（よく引用される推計の一つ）:
  毎秒 10^15〜10^16 回の計算（1〜10 PFLOPS）

大型LLMが1トークンを出すのに必要な計算:
  約 2×10^11 回（2 × パラメータ数1,000億）

換算:
  10^15 ÷ (2×10^11) = 毎秒 約5,000トークン
  10^16 ÷ (2×10^11) = 毎秒 約50,000トークン

脳の物理極限まで仮定を広げた場合（上限モデル）:
  10^18 ÷ (2×10^11) = 毎秒 約500万トークン

脳の物理的な限界まで仮定を広げた推計では、毎秒500万トークン相当という数字にすらなります。人間の脳は、静かにそれだけの計算を回しながら、毎秒わずか数文字を選び出しているのです（なお、脳はアナログの超並列構造、AIはデジタルの行列演算という仕組みの違いがあるため、この換算はあくまで目安です）。

つまり、こういうことです。30文字の指示を7,000字に広げるのがAI。毎秒数万トークン相当の処理を、数十文字の判断に凝縮するのが人。AIは「広げる機械」として桁違いで、人は「縮める機械」として桁違い。優劣ではなく、向きが正反対なのです。

だから、WT（wesionaryTEAM）の考え方は、一言で表せます。

AIが拡張し、人が圧縮する。

AI導入でつまずく現場を、WTは数多く見てきました。よくある失敗と実際のご相談は、別の記事「AI導入でよくある失敗と、実際にいただくご相談」にまとめています。この記事では、そうした失敗事例と、WT自身が自社の開発や業務でAIを使い込んできた経験を踏まえて、「では、どう進めるのか」に答えます。考え方の中身と、そこから導かれる3つの原則、そして具体的な進め方 — WTの標準では、最初のAIエージェントが動くまで1週間です。あわせて、成果とリスクを一緒に引き受ける共創型という進め方の考え方と、補助金の位置づけまで、判断に必要な材料をそのまま公開します。

AI導入の考え方: AIが拡張し、人が圧縮する

リードの実験に戻ります。Geminiが30秒で書いた7,000字は、たしかに立派でした。構成は整い、間違ったことは何ひとつ書かれていない。では、なぜWTはあの7,000字を捨てて、この記事をゼロから書いているのか。

あの文章には、誰の判断も通っていないからです。正しい。けれど、誰のものでもない。どの会社が同じ一行を投稿しても、ほぼ同じ7,000字が返ってきます。そこにはWTが書く理由がなく、あなたが読む理由もありません。立派な文章と、意味のある文章は、違うのです。

拡張だけでは、価値にならない。圧縮を通って、はじめて価値になる。

AIは、拡張機能として桁違いに優秀

まず、AIの凄みを正面から認めるところから始めます。AIは、疲れず、忘れず、機嫌を変えず、同じ品質で何百件でも処理し続けます。人が読みきれない量の資料を横断し、選択肢を並べ、下書きを用意する。人の手が物理的に届かなかった範囲まで、判断の材料を広げてくれます。

思い返してみてください。人は仕事のなかで、実に多くのことを諦めてきました。100社分の事例を全部は比べられない。過去5年の問い合わせを全部は読み返せない。構成案を10通りも作っている時間はない。「時間がないから」という言葉の後ろに、どれだけの「本当はやりたかったこと」を置いてきたか。AIは、その諦めを一つずつ拾い上げてくれます。

なぜそこまでできるのか、少しだけ技術的な種明かしをします。AIの中身は、膨大な文章を学習して「文脈の続きに来る確率が最も高い言葉」を当て続ける機械です。だから、文法が厳密で曖昧さのない世界ほど、無類の強さを発揮します。その代表が、プログラミングです。たとえば「この売上データを月別・商品別に集計して、伸びている商品を抜き出して」と日本語で頼むだけで、AIは一瞬でPython（データ分析を得意とするプログラミング言語）の分析ロジックを書き上げ、数万行でも数百万行でも、ものの数秒で処理してしまいます。人が表計算ソフトと格闘して丸一日かける仕事が、頼んでから席を立つ前に終わっている。WTの開発現場でも、AIが最も戦力になっているのはまさにこの領域で、コードの下書き、資料の横断検索、選択肢の洗い出しといった「広げる仕事」は、もうAIの領分です。

ここには、人が逆立ちしても勝てない差があります。悔しがる場所ではありません。安心して、任せる場所です。

人は、圧縮機として桁違いに優秀

一方で、リードの数字を思い出してください。人の脳は毎秒数万トークン相当の処理を裏で走らせながら、その大半を捨てて、わずか数文字を選び出しています。捨てているのではなく、選び抜いているのです。

誤解のないように言うと、パターンの検知ならAIにもできます。機械音の異常も、数字の並びの違和感も、データさえ揃っていればAIはむしろ得意です。人にしかできない圧縮は、その先にあります。

たとえば、長年の取引先から厳しい値引きを求められたとき。データだけを見れば、答えは「断る」です。しかし決断する人は、その会社との20年の関係、苦しい時期に助けられた恩、業界での評判、現場の士気——数値になっていない膨大な事情を一瞬で織り込んで、「今回は受ける。ただし条件を変える」と決めます。あるいは採用の面接で、経歴は申し分ない人を「うちの現場には合わない」と見送る。逆に、経歴には表れない何かを見て、賭ける。

面接については、よく知られた話があります。面接官は最初の数分の印象で判断を終えていて、残りの時間はその判断の理由を探している、というものです。実証研究ではそこまで極端ではなく、5分以内に判断を固める面接官は約4人に1人、15分以内なら約6割（Friederら、2016年）。それでも、多くの面接官が面接の半ばまでに結論に達し、残りはそれを確かめる時間になっているのは事実です。いい加減な話に聞こえるかもしれませんが、順序が逆なのです。表情、話し方、間合い、装い。数分のあいだに膨大な情報を処理して結論に達してしまうから、言葉があとから追いかける。圧縮が先で、説明が後。人の脳は、それほどの速さで決めています。

どれも、正解がデータのどこにも書かれていない問いに、自分の価値観で答えを出し、結果に責任を負う仕事です。

これが、圧縮です。毎秒数万トークン相当の処理を裏で走らせながら、最後は「決める」という一点に凝縮する。検知まではAIにもできます。しかし決断は、価値観と責任を持つ人にしかできません。

そして、ここが肝心です。その決断には、その人が積んできた年月が織り込まれています。失敗した夜も、頭を下げた朝も、うまくいった日の手応えも。AIは世界中の文章を学習していますが、貴社の長年の積み重ねだけは、どこにも書かれていないから、学習のしようがありません。だから、人の判断を通った仕事には、貴社にしかないオリジナリティが宿ります。Geminiの7,000字と、現場を知る人の一言。お客様のこころを動かすのは、いつだって後者です。

失敗は、拡張と圧縮を取り違えたときに起きる

AI導入が失敗するのは、たいてい、この二つの役割を取り違えたときです。

人件費の削減だけを目的に、AIを人の代わりに置く。そのとき失われるのは、拡張ではなく、圧縮のほうです。提案書は速く作れるようになった。代わりに、どの提案書からも「この会社らしさ」が消えた。問い合わせ対応は自動化できた。代わりに、「あのお客様、最近ちょっと様子が変だ」と言う人がいなくなった。工数は確かに減っています。しかし数字に出ない何かが、静かに失われていく。そして、それに気づくのは、たいてい失ったあとです。

「AIで何人分の工数が減るか」という問いから始めてはいけない理由が、ここにあります。この問いは、貴社でいちばん測りにくく、いちばん価値のあるものから先に削る問いだからです。減らせる工数は測りやすい。失われる判断力は測りにくい。測りやすいものだけで判断すれば、答えは決まっています。こうして起きた失敗の実例は、別記事「AI導入でよくある失敗と、実際にいただくご相談」で詳しく書いています。

しかし、役割を正しく分ければ、話はまったく逆になります。拡張はAIに任せ、人は圧縮に集中する。すると、判断の材料は桁違いに増え、最後に選ぶ人の経験が、これまで以上に効いてきます。つまりAIの時代に、貴社の人たちが積み上げてきた年月は、安くなるのではありません。むしろ、はじめて全力を出せるようになるのです。AIに置き換えられる資産ではなく、AIによって解き放たれる資産。WTがAI導入で設計しているのは、その仕組みです。

では、この考え方を、実際の進め方にどう落とすのか。次の章から具体的に書きます。

考え方から導かれる、3つの原則

「AIが拡張し、人が圧縮する」。この考え方を実務の判断基準に落とすと、3つの原則になります。WTがご提案を組み立てるときに、実際に使っているものです。

原則1: 「AIに何をさせるか」ではなく、「誰の判断を強くするか」

AI導入の検討は、たいてい「AIに何をさせようか」という問いから始まります。WTは、この問いを逆にします。貴社の、誰の、どの判断を強くしたいか。

営業責任者が案件の優先順位を決める判断か。開発責任者が仕様を確定させる判断か。経営者が投資先を選ぶ判断か。強くしたい判断が一つ決まると、AIに集めさせるべき材料も、任せてはいけない領域も、自然に決まります。前の章の言葉で言えば、圧縮の場所を先に決めるから、拡張の設計が定まるのです。

順序が逆になると、どうなるか。「AIで業務効率化しろ」という号令だけで始まった導入が、目標を決められないまま費用だけを積み上げていく。別記事で書いた、あの失敗に向かいます。

原則2: 席数を増やす前に、効く業務を1つ決める

全社にアカウントを配れば、全社が変わる。そう期待した導入の多くが、「継続して使っているのは1割」という現実に行き着きます。任せる仕事を決めないまま、道具だけを配ったからです。

WTは逆に、範囲を思い切って狭めます。効果が出る業務を、1つ。そこで結果を出し、数字で確かめ、成功の型を作る。型ができてから、隣の業務へ広げる。遠回りに見えて、これが一番速い道です。1つに絞るから、効果が測れる。効果が測れるから、続ける・畳む・広げるの判断ができる。判断ができるから、次の一歩に自信が持てる。この循環が、全社一斉の導入には作れません。

原則3: 道具を覚えさせず、今の仕事の流れに組み込む

デモでは素晴らしかったAIツールが、現場では使われない。これは現場の怠慢ではありません。自分の仕事の手順を変えてまで新しい道具を覚える余裕は、忙しい現場にはないのです。

だからWTは、新しい画面を増やしません。すでに使っている業務システムや、毎日の仕事の流れの中に、AIを組み込みます。拡張は人の見えないところで走り、結果だけが、いつもの画面に判断の材料として届く。現場が新しく覚えることは、何もない。それが、定着する導入の条件です。

原則が決まれば、あとは実行です。次の章では、この3つの原則をそのまま工程に落とした、WTの標準的な進め方を書きます。最初のAIエージェントが動くまで、1週間です。

具体的な進め方 — 最初のAIエージェントが動くまで1週間

ここからは、実行の話です。WTの標準的な進め方は、5つのステップでできています。特別な準備も、大きな体制も要りません。

AIエージェントとは — 答えるAIから、働くAIへ

その前に、言葉をひとつだけ。この記事で「AIエージェント」と呼んでいるのは、聞けば答えるチャット型のAIではなく、任せた仕事の一連の流れを自動でこなす仕組みのことです。

たとえば、「毎月の売上データを集計する → 過去の傾向と比べて変化を洗い出す → 報告書の下書きを作る → 担当者に確認を回す」。これまで人がAIに一つずつ指示していた作業の流れを、まとめて任せられます。答えるAIから、働くAIへ。いま、AI活用の主戦場はここに移っています。

この5つのステップは、思いつきの手順ではありません。第2章の役割分担——拡張はAIに、圧縮は人に——と、別記事にまとめた失敗パターンを、工程の中で一つずつ塞ぐ形で設計しています。

ステップ1: 効く業務を1つ決める

最初の1週間が始まる前に、WTと貴社とで、業務を1つ選びます。基準は前の章の原則そのものです。誰の判断を強くするか。材料集め・下書き・処理といった「拡張」が仕事時間の大半を占めていて、「圧縮」つまり決断の場所がはっきりしている業務ほど、効きます。

同時に、選ばない業務も決めます。責任を伴う判定や判断そのもの。お客様のこころを動かす場面。第2章で書いたとおり、検知まではAIにできますが、決断は人の仕事です。ここを最初に線引きしておくことが、「全社に配ったのに使われない」への一番の予防になります。このとき、選んだ業務にいま何時間かかっているかも測っておきます。あとで効果を数字で確かめるためです。

ステップ2: 最初のAIエージェントが動くまで、1週間

業務が決まったら、その業務専用のAIエージェントを小さく作ります。目安は、1週間です。

作り始める前に、データの線を引きます。社外に出せないデータはどれか。誰がどの情報を見てよいか。守秘義務契約や社内規程があって外部のAIにデータを送れない場合は、データを社外に出さない構成を選びます。「大切なデータほどAIに使えない」という壁は、構成の選び方で越えられます。

「数ヶ月かかると聞いていたのに」と驚かれることがあります。種明かしは、第2章に書いたとおりです。AIが最も得意な仕事はプログラミングであり、WT自身が、AIと一緒に開発しているのです。開発のスピードそのものが、数年前とは別物になっています。もう一つ理由があります。出来合いのツールを貴社の業務に合わせて捻じ曲げるより、貴社の仕事の流れの中に専用に作るほうが、実は速いのです。デモでは素晴らしいツールが現場に定着しない失敗を、最初から通らずに済みます。

ステップ3: もう1週間で、効果を測る

動き始めたエージェントを実際の業務で使い、ステップ1で測っておいた数字と比べます。かかっていた時間は減ったか。判断の材料は増えたか。人は決断に集中できるようになったか。

測るのは、効果だけではありません。費用も、機能単位で見えるようにしておきます。AIの利用料は使った分だけ増えていくので、どの機能にいくらかかり、どれだけ効いているかが見えなければ、続ける・畳むの判断ができません。「請求書には合計金額しかなく、削りどころが分からない」という失敗を、この段階で塞ぎます。

そして、大事な約束をしています。効いていなければ、畳む。まだ小さく作った段階ですから、畳んでも失うものはほとんどありません。「せっかく作ったから」と効かないものを続けてしまう失敗を、意思ではなく仕組みで防ぎます。

ステップ4: 効いた型だけ、本番に作り込む

数字で効果が確認できた型だけを、本番用に作り込みます。答えの正確さをどう評価し続けるか。誰がどのデータを見られるようにするか。誰が何を聞き、AIが何を答えたかの記録をどう残すか。試験用の作りのまま本番へ進むと必ず止まる——「試験止まり」の壁を、この段階で越えます。

あわせて、特定のAIサービスに縛られない構成にします。AIへの指示文や、答えの品質を確かめるためのデータは、貴社の資産として残す。AI本体は、あとから差し替えられる形にする。他社の料金改定ひとつで貴社の事業が止まる、という状態を作らないためです。

ステップ5: エージェントを増やしながら、組織へ広げる

効いた型は、隣の業務へ、他の部署へと広がっていきます。二つ目からは、最初よりずっと速い。

広げるときに守り続けるのは、圧縮の場所です。人の関与を保ったまま、広げる。誰が使っても同じ出力になった瞬間、作るのは速くなっても、選ばれる理由が消えていきます。拡張を広げ、圧縮を守る。この設計を保てているかを確かめながら進めると、この頃には組織に「AIと働く感覚」が育ち始めていて、現場のほうから「うちの業務でもできないか」という声が出てきます。号令で配る導入では決して起きないことが、起き始めるのです。

工程だけを見れば、シンプルな話です。ただ、この進め方と同じくらい大事なことが、もう一つあります。誰と、どんな関係で進めるか、です。

共創型という選び方 — 成果とリスクを、一緒に引き受ける

AI活用は、やってみなければ効果が読めない領域です。これは、どれだけ経験を積んでも変わりません。業務との相性、データの状態、現場の使い方。動かして、測って、はじめて分かることが必ず残ります。

ところが従来の商習慣では、効果が分かるより前に、発注側が費用とリスクのほとんどを引き受けます。見積を取り、稟議を通し、数百万円を先に払い、数ヶ月後に効果が出るかどうかを知る。ここで立ち止まる経営者を、WTは何人も見てきました。そして、その躊躇は正しいと思っています。読めないものに大金を先払いする決断を、軽々しくするべきではありません。

だからWTは、立場を変えることにしました。外から支援して対価をいただく立場ではなく、貴社と同じ結果を追う立場に立つ。AIで事業の成長をつくる案件では、貴社に成果が出て、はじめてWTにも成果が生まれる形——WTはこれを共創型と呼んでいます。

この構造は、WTの振る舞いを変えます。効く業務の選定に、本気にならざるを得ません。効いていなければ、「畳みましょう」と自分から言うことになります。導入すべきでないと判断すれば、そう申し上げます。きれいごとではなく、WTの成果が貴社の成果からしか生まれない以上、そうする以外にないのです。成果とリスクを一緒に引き受けるとは、そういう意味です。

なお、社内の業務効率化のように成果を分け合う形が成立しにくい案件では、従来型の受託開発として、小さな検証から投資回収の見通しが立つ範囲で段階的に進めます。進め方の詳細はAI導入支援のページにまとめています。

補助金の位置づけ — 前提ではなく、加速材料

AI導入には、国の補助金を使える場合があります。2026年度からは、これまでのIT導入補助金が「デジタル化・AI導入補助金」に変わり、AI機能付きのツールや生成AI対応ツールが明確に補助の対象になりました。通常枠の補助上限は最大450万円（補助率は原則2分の1、条件により3分の2）です。WTは補助金申請を支援する事業者と連携しており、対象になるかの判断から、採択後の実装・運用までを一続きでご提案できます。

ただ、順番を間違えないことが大切です。補助金が取れたら導入する、という計画は、補助金に事業の判断を預けています。WTの進め方は逆です。効く業務を1つ選び、小さく動かして確かめる——この始め方なら、補助金がなくても踏み出せます。補助金は、効くと分かったものを大きく育てるときの、加速材料。それが健全な順番だと考えています。

よくあるご質問

何から始めればいいですか？

業務を1つ選ぶことからです。選ぶ基準は本文の3つの原則——誰の判断を強くするか、拡張が大半を占める業務か、今の仕事の流れに組み込めるか——をご覧ください。候補が絞れない場合は、業務の一覧を一緒に眺めながら、WTのほうから「ここが効きそうです」とご提案します。

本当に1週間で動きますか？

はい、最初のAIエージェントが動くまでの目安として、実際に1週間で進めています。WT自身がAIと一緒に開発していること、出来合いのツールを合わせ込むのではなく貴社の仕事の流れに合わせて専用に作ることが、その理由です。要件が複雑な場合は前後しますが、目的は「小さく動かして、確かめる」ことなので、最初から大きく作ることはありません。

社内にIT人材がいなくても大丈夫ですか？

大丈夫です。現場が新しく覚えることがない形に設計するのが、WTの原則です。必要なのはITの知識ではなく、業務を知っている人。「この仕事は、実際はこう回っている」を教えていただくことが、何よりの協力になります。

データを社外に出したくない場合は？

データを社外に出さない構成（自社で管理する環境の中でAIを動かす形）を選べます。守秘義務契約や社内規程がある場合でも、機密に触れる機能は自社管理の環境で、一般的な仕事は通常のクラウドAIで、と機能ごとに使い分けられます。WTはこの構成を自社のプロダクトで実際に運用しています。

まとめ — AIをリードする会社への、最初の一歩

冒頭の問いに戻ります。会社を、AIをリードする会社にするには、どう進めればいいか。

WTの答えは、こうです。AIをリードする会社とは、最新のAIツールを一番多く契約した会社ではありません。拡張と圧縮の役割分担を、自社の仕事の中で設計できた会社です。ツールは、どの会社でも買えます。しかし、貴社の人たちが積み上げてきた年月と判断は、どこにも売っていません。AIで判断の材料を桁違いに広げ、その判断を人が下す。この設計ができたとき、貴社のオリジナリティは、AIの速度で拡張され始めます。

そして、その最初の一歩は驚くほど小さい。効く業務を1つ決めて、1週間で最初のAIエージェントを動かす。そこから始まります。

よくある失敗を先に知っておきたい方は、別記事「AI導入でよくある失敗と、実際にいただくご相談」をご覧ください。進め方や共創型の詳細はAI導入支援のページにまとめています。貴社の業務のどこが「効く1つ」なのか——その見立てからで構いませんので、お気軽にご相談ください。