生成AIの登場で、DX（業務のデジタル化）の前提が変わり始めています。これまで費用対効果の観点で「わざわざシステムにするほどではない」とされてきた小さな業務まで、いまはAIで仕組み化できるようになりました。だからこの数年のテーマは、「どのAIツールを導入するか」から一段ずれていきます。本当に問われているのは、自社の業務構造そのものを見直し、AIを前提に仕事の進め方を組み直せるか——です。本稿では、eapが実務で使っている「AI Operating Model」という考え方を、経営の言葉で整理します。単なるAI活用の紹介ではありません。会社の動かし方の設計図の話です。
Section 01なぜ今、企業は業務構造を見直すのか
これまでのDXは、大人数が関わる基幹業務を中心に進んできました。ERP、CRM、勤怠、会計、販売管理——多くの社員が毎日使い、投資に見合うだけの効果が見込める領域です。これらは今も企業の土台であり、否定されるものではありません。むしろ、しっかり入れておくべきものです。
ところが会社の実務は、それだけでは回っていません。月次レポートの作成、データの集計、情報の整理、顧客ごとの個別対応、Slackの確認、Excelの更新——一つひとつは小さいけれど、大量に存在する業務があります。重要でないわけではありません。むしろ現場は、この積み重ねに毎日の時間を奪われています。
にもかかわらず、この領域はほとんどシステム化されてきませんでした。理由はシンプルで、費用対効果が合わなかったからです。一人か二人しか関わらない業務のために、わざわざソフトを開発して保守するのは割に合わない。だから現場は、手作業とその人固有のやり方でしのぐしかありませんでした。
AIは、この前提を変えます。ソフトを一から作るコストが下がったことで、これまで採算に乗らなかった小さな業務——関わる人数が少なく、頻度も高くない業務まで、仕組みにして自動化できるようになってきました。私たちはこれを、大人数向けのシステムに対して「一人のための業務システム」と呼んでいます。
従来のDXは、投資に見合う「左側（大きな業務）」をシステム化してきました。右側に長く伸びる小さな業務の山は、費用対効果が合わず手つかずのまま。AIはこの右側まで仕組み化を届かせます。配色は情報の濃淡のみを表すモノクロ。分布は概念を示す図で、実データではありません。
ここで一つ、隣の論点との線引きをしておきます。同じDX/AIの領域で、私たちは別稿「AIにも原価管理が必要になってきた」で「どの業務に、どのモデルを、いくらの原価で使うか」を扱いました。本稿はその手前——そもそも、どの業務を仕組みに変えるべきかという、業務構造そのものの設計を扱います。原価の最適化は、仕組みに変える業務が決まってから効いてくる話です。
Section 02Before AI / After AI — 何が変わるのか
この変化を、業務の流れとして並べてみます。左が、小さな業務が手つかずだったこれまで。右が、それを仕組みに変えたあと。違いは「AIツールを使うかどうか」ではなく、業務が属人化のまま止まるか、改善が回り続けるかという、構造の違いです。
左右で分かれるのは、最後の一段です。手作業のままだと属人化して止まり、仕組みに変えると改善が回り続ける。AI Operating Modelが目指すのは、この右側の状態です。
Section 03AI Operating Modelとは何か
ここで、言葉の定義をはっきりさせます。AI Operating Modelは、AIツールの名前でも、特定の製品でもありません。会社の動かし方に関する、一つの考え方です。
ポイントは、設計し直す対象が3つあることです。ひとつ目は業務。誰が、何を、どの順番でやるか。人がやる工程とAIに任せる工程を引き直します。ふたつ目は意思決定。どの判断を人が握り、どこまでをAIの下ごしらえに任せるか。境界線を決めます。みっつ目は情報活用。バラバラに散っている社内の情報を、AIが扱える形に整え、必要なときに引き出せるようにします。
ここを取り違えて「AIツールを導入する」だけで止まると、たいてい何も変わりません。便利な道具が一つ増えるだけで、仕事の流れは前のままだからです。道具を足すのではなく、流れを引き直す。それが、導入とAI Operating Modelの違いです。
Section 04eap AI Operating Model Framework — 5つのステップ
では、業務構造をどう組み直すのか。eapは、次の5つのステップで進めます。順番に意味があります。可視化と構造化を飛ばして「とりあえずAIを入れる」から始めると、たいてい定着しません。
5は終わりではなく、1へ戻る入口です。一度作って終わりにせず、使われ方を見ながら直し続ける。この循環そのものが、AI Operating Modelの中身です。濃淡はステップの位置を示すだけで、優劣ではありません。
それぞれを少し補足します。Step1・可視化は、意外と誰もやっていません。「うちの業務」と言ったとき、その中身を工程まで分解できる会社は多くない。まずここを一枚にします。Step2・構造化が、この5つの中で最も難しく、最も価値があります（次のSection 06で改めて触れます）。Step3・選定では、全部を一度にやろうとしない。頻度が高く、工数がかかり、失敗しても致命的でなく、やり方が繰り返せる業務から着手します。Step4・仕組み化で、はじめて実装の道具が出てきます。道具は目的ではなく手段です。Step5・継続改善で、使われ方を見て直す。ここまでを一周と考えます。
Section 05eapが自社で実践しているAI活用
抽象論だけでは伝わりにくいので、私たち自身の業務での例を挙げます。いずれも、派手な自動化の話ではありません。大事なのは「便利になった」ことではなく、誰の作業がどこへ移り、何が会社の資産として残るようになったかという、構造の変化のほうです。顧客名や機密に触れる情報は含みません。
議事録の作成とタスクの整理を、その都度人が手作業で行う。誰がやるかで粒度が変わり、記録は個人の手元に散らばる。
要点と宿題の整理を仕組みに任せ、人は「何を決めたか」の確認に集中する。記録は組織のナレッジとして一箇所に蓄積される。
複数のデータを集めて突き合わせ、資料の形にするまでを人が担う。時間がかかるうえ、担当者が変わると作り方も変わる。
データの取得・整理・レポート化までを仕組みに乗せ、人は数字の意味を読み、次の打ち手を考える側に回る。
顧客とのやり取りや状況が、メール・チャット・表計算に分散する。全体像を把握するのに、探す時間がかかる。
散らばった情報を整理してつなぎ、営業活動にそのまま使える状態にする。判断に必要な材料が、すぐ引き出せる。
3つに共通するのは、人の仕事が「作業」から「判断」へ移っていることです。整える・集める・探すといった手前の工程を仕組みに預け、人は決める仕事に時間を使う。そして作業の記録が、その人固有のやり方ではなく、会社に残る形になる。AI Operating Modelが変えているのは、便利さではなく、この配置です。
Section 06AI時代に、本当に効いてくる能力
AIが業務に入ってくると、会社の競争力を決めるものが変わります。差がつくのは、「AIツールを使えるか」ではなく、「自社の業務を理解し、改善すべき対象を見つけ、それをAIで仕組みに変換できるか」です。ツールは誰でも同じものが使えます。差は、その手前と後ろにつきます。
私たちが重要だと考えているのは、次の4つです。業務理解——自社の仕事を工程まで分解して見られること。要件定義——現場の暗黙知を、AIが扱える形にほどいて言語化できること。仕組み化——それを繰り返し使える形に落とし込めること。継続改善——使われ方を見て直し続けられること。
この4つの中で、いま最も差がつくのが要件定義です。多くの業務は、担当者が「なんとなくこうしている」という暗黙知で回っています。そのやり方を、AIが同じ判断を再現できるところまでほどいて言葉にする——これは、AIの性能が上がっても自動では埋まりません。むしろAIが賢くなるほど、「何を、どういう基準でやってほしいか」を的確に定義できる人と、できない人の差が広がっていきます。仕組み化がうまくいかない原因の多くは、AIの限界ではなく、要件が言語化できていないことにあります。
だからこそ、この能力は外注で買い切るものではなく、会社の中に少しずつ育てていくものです。eapが支援に入るときも、丸ごと巻き取って終わりにするのではなく、この「業務を分解し、暗黙知をほどく」やり方が社内に残ることを目指します。
Section 07eapの提供価値 — 分析から実装、継続改善まで
私たちは、AIの専門会社として「AIの使い方」だけを売る立場ではありません。事業の中身を理解したうえで、企業の業務と仕組みを、AIを前提に組み直す——そこに立っています。だから支援の範囲も、考え方の提示だけでは終わりません。
具体的には、業務分析（どこに手作業と属人化があるか）、AI活用設計（どの業務を、どう仕組みにするか）、業務フロー改善（人とAIの工程を引き直す）、システム開発とAIエージェント構築（実際に動くものを作る）、そして継続改善（使われ方を見て直す）まで。分析から実装、その後の改善までを、一つの線でつなぎます。
この一気通貫を支えているのが、グループ体制です。2025年12月にグループ化したラフノート株式会社（Ruby on Rails での開発20年）と組むことで、「考え方の設計」で止まらず、業務に組み込むシステムやAIエージェントの実装・運用まで、自社で巻き取れます。検証だけの会社でも、実装だけの会社でもない、という点が、私たちの立ち位置です。
AI Operating Modelは、流行りの技術を追う話ではありません。AIを前提に、仕事の進め方そのものを設計し直すという、経営の話です。私たちのパーパス「可能性を、実現する力に変える」は、これまで手が届かなかった小さな業務まで仕組みに変え、会社の力に変えていくこの領域にも、そのまま当てはまります。
本稿は、日経クロステック「不可能だった『ロングテール業務』のシステム化、AI活用で突破口開く」（中田敦）が提起する市場背景を踏まえ、eap独自のメソッドとして再構成したものです。