「生成AIで生産性を上げろ」と経営会議で指示され、社内に開発リソースがないため外部ベンダーへの相談を考え始めた。ところがベンダーと話してみると「まずデータ整備からですね」と言われ、その整備がどこまで必要なのか、どこまでやれば発注に進めるのかは説明されない。稟議に書ける材料が手元にないまま、時間だけが過ぎていく——こうした状況に置かれている情報システム部門の方は少なくありません。
やっかいなのは、この状態で見切り発車すると失敗の形が見えづらいことです。データ整備が別工程として後から積み上がって見積もりが膨らむ、評価基準を決めないまま PoC を走らせて合否判定ができない、完成しても現場の業務手順とかみ合わず使われない。いずれも「AI の技術力」ではなく「発注側の準備度」が原因で起きるため、ベンダーを変えても再発します。
この「準備度」を表す言葉が AI Ready（AI-Ready）です。経済産業省の政策文書でも「AI-Ready化」という形で明確に位置づけられており、単なるバズワードではありません。そして重要なのは、AI Ready が「できている／できていない」の二択ではなく段階で測るものだという点です。段階で測れるということは、自社の現在地を自分の手で判定できるということでもあります。
本記事では、AI Ready の定義と4つの構成要素、経団連が示す5段階のレベル定義を整理したうえで、AI開発を外部に発注する前に自社の準備度を測る20問のセルフチェックを提示します。さらに、診断結果のレベル別に「発注してよい範囲」「発注前に社内で潰しておくこと」を分岐で示し、弱点が見つかった場合に発注までの90日をどう組み立てるかまで解説します。
読み終えたときに、「うちは今この段階だから、まずこれをやって、この範囲で発注する」と自分の言葉で説明できる状態になることを目指した構成にしています。
はじめての AI 導入ガイド――中小企業が失敗しないための7ステップ
この資料でわかること
AI導入を検討しているが「何から始めればよいか分からない」中小企業の意思決定者に対し、導入プロジェクトの全体像を一気通貫で提示し、「自社でも着手できる」という確信と具体的な行動計画を持ってもらうこと。
こんな方におすすめです
- AI導入を検討しているが、何から始めればよいか分からない
- ベンダーの選び方や費用感がつかめず、判断できない
- 社内でAI導入の稟議を通すための資料が必要
入力いただいたメールアドレスにPDFをお送りします。
AI Readyとは？AI導入の前提となる「準備が整った状態」
AI Ready（AI-Ready）の定義と表記の整理
AI Ready とは、企業がAIを安全かつ継続的に業務で活用できる状態が整っていることを指します。「AIツールを導入済みである」という意味ではなく、AIを使うために必要なデータ・業務プロセス・システム・組織体制が、活用に耐える水準まで準備されている状態を表す言葉です。
表記については「AI Ready」「AI-Ready」「AI レディ」など複数の書き方が流通しています。経団連や経済産業省の文書では「AI-Ready」「AI-Ready化」というハイフン付きの表記が使われることが多く、企業のブログ記事などでは「AI Ready」と分かち書きにされることもあります。いずれも同じ概念を指しているため、表記の違いを気にする必要はありません。本記事では読みやすさを優先し、原典を引用する箇所を除いて「AI Ready」に統一して表記します。
また「AI-Ready化」という語は、AI Ready ではない状態から AI Ready な状態へ移行していく取り組みそのものを指します。「うちはまだAI-Ready化の途中です」という使い方をする語であり、後述するレベル定義と組み合わせて使うと社内での説明がしやすくなります。
AI-Ready化が注目される背景
AI Ready は、民間のマーケティング用語として生まれた言葉ではありません。経済産業省の METI Journal ONLINE では「社内のデータ、AIが活用できる状態ですか？「AI-Ready化」に注目」という記事が公開されており、社内に散在するデータをAIが意味を理解して扱える形に整え、業務のなかで安全に使い続けられる状態にすることが AI-Ready化として説明されています。
背景にあるのは、生成AIの普及によって「AIを使えるかどうか」の制約が、AIモデルの側から企業のデータ・業務の側へ移ったことです。数年前まではモデルの精度や開発コストがボトルネックでしたが、汎用的な生成AIが手軽に使えるようになった結果、「モデルに何を読ませるか」「どの業務に組み込むか」という発注側の準備が成否を左右する比重が高まりました。
政策面でも AI-Ready 化を支えるデータ基盤は重点投資領域として位置づけられており、関連する市場規模を今後10年程度で大きく拡大させる目標が示されています（出典: 経済産業省 METI Journal ONLINE、2026年）。つまり AI Ready は、一過性のキーワードではなく、産業政策の文脈に載った継続的なテーマだと捉えておいてよいものです。
「AI導入」「AI活用」とAI Readyの違い
似た言葉が並ぶため、整理しておきます。
用語 | 指しているもの | 時間軸 |
|---|---|---|
AI Ready | AIを活用できる準備が整った「状態」 | 導入の前段 |
AI導入 | AIを業務に組み込む「プロジェクト」 | 準備完了後に着手 |
AI活用 | 導入したAIを日常業務で使い続ける「運用」 | 導入完了後 |
AI導入とAI活用は動詞的な言葉であり、プロジェクトや運用という「活動」を指します。これに対して AI Ready は形容詞的な言葉で、活動を始められる「状態」を指します。この違いが実務上なぜ重要かというと、状態は測定できるからです。
「AI導入がうまくいくか」は事前には測れませんが、「AI Ready かどうか」は現時点の社内の状況を点検することで測れます。そして測れるものは、経営層への説明にも、外部ベンダーへの発注判断にも使えます。本記事の後半で提示するセルフチェックは、この「状態の測定」を具体的な設問に落とし込んだものです。
AI Readyを構成する4つの要素と、経団連が示す5段階レベル
AI Ready を測るには、何を見ればよいのかという分解軸が必要です。一般に AI Ready は、データ・業務プロセス・システム・組織/人材の4つの要素で語られます。まずこの4要素を押さえ、そのうえで公的なレベル定義を確認します。
要素1 データ（散在・品質・権利関係）
AIに読ませるデータが、必要なときに必要な形で取り出せるかどうかを見る要素です。多くの企業でここがボトルネックになります。
典型的なつまずきは3つあります。1つ目は散在です。基幹システム、部門ごとの Excel、共有フォルダ、紙の帳票と、同じ業務のデータが複数箇所に分かれていて、全体像を把握している人がいない状態です。2つ目は品質です。表記揺れ、欠損、重複、フォーマットの不統一があると、そのままAIに読ませても意図した結果になりません。3つ目は権利関係です。個人情報が含まれる、取引先との契約で外部提供が制限されている、といった制約は、技術的な整備とは別に確認が必要になります。
「データ整備」という言葉が漠然と使われがちですが、実務上は「どこに何があるか把握する」「使える形に整える」「外に出してよいか確認する」の3つに分けて考えると進めやすくなります。
要素2 業務プロセス（標準化・可視化）
AIに任せたい業務の手順と判断基準が、担当者の頭の中ではなく文書として存在しているかを見る要素です。
AIは業務のどこかを代替または支援するものですから、その業務の入力・処理・出力が定義されていなければ、何を作ればよいかが決まりません。とくに問題になるのが判断基準です。「この条件のときはこう処理する」というルールが暗黙知になっていると、AIに何を学ばせるか、どこまでを自動化してどこから人が判断するかを決められません。
ここで注意したいのは、業務を完璧に標準化してから着手する必要はないという点です。必要なのは、対象として選んだ業務について社外の人が読んで理解できる粒度で書き出せること。全社の業務標準化は別のプロジェクトであり、AI導入の前提条件ではありません。
要素3 システム（連携・セキュリティ）
データを保持しているシステムからデータを取り出せるか、そしてAIサービスとの接続が社内規程上許容されるかを見る要素です。
技術面では、既存システムに API やエクスポート機能があるか、オンプレミス環境から外部のクラウドサービスへ接続できるかといった点が論点になります。古い基幹システムではデータの取り出し自体に工数が必要になるケースがあり、これを見落とすと後述するように見積もりが大きく膨らみます。
規程面では、社外のAIサービスに社内データを送信してよいか、その審査を誰がどのプロセスで行うかが決まっているかが問われます。情報システム部門としては技術的な可否よりもこちらの整理に時間がかかることも多く、早めに着手する価値があります。
要素4 組織・人材（推進体制・AIリテラシー）
意思決定できる推進責任者がいるか、業務部門から継続的に関与するメンバーを確保できるかを見る要素です。
外部に開発を発注する場合、社内にAIの専門家がいる必要はありません。必要なのは、対象業務を理解していて、仕様上の判断を下せる人が継続的に会議に出られる体制です。ここが確保できていないと、ベンダーからの質問に答えられず開発が止まる、あるいは現場を知らない人の想像で仕様が決まって使われないものができあがる、という結果になります。
あわせて、AI利用に関する社内ルール（利用範囲・禁止事項・出力の検証責任）が整備されているかも、この要素に含まれます。
経団連「AI-Ready化ガイドライン」の5段階レベル
4要素は自社の状態を整理するには便利ですが、各社が独自に定義しているものが多く、社内稟議や経営説明で使うには根拠として弱い面があります。そこで参照したいのが、経団連が2019年に公表した提言「AI活用戦略〜AI-Readyな社会の実現に向けて〜」に含まれる AI-Ready化ガイドラインです。
このガイドラインは、企業の AI-Ready 化の進展度を、経営・マネジメント層／専門家／従業員／システム・データ という4つの観点それぞれについて5段階で定義しています。両端は次のように示されています。
- レベル1: AIへの理解がなく、事業における活用の議論にまで至っていない状態。経営層にAIへの理解がなく、データエンジニアリング分野の専門人材も欠けている段階
- レベル5: 全従業員がAIを活用しており、それぞれの領域知識とAIの知識を兼ね備えた専門家が社内にいる状態
レベル2から4は、この両端のあいだを段階的に進んでいく過程として定義されています。各レベルの詳細な記述は上記の提言原文に整理されているため、社内説明資料を作る際は原典にあたることをおすすめします。
このガイドラインを引く実務上のメリットは2つあります。1つは、自社の状態を「レベル2相当」のように公的な定義に紐づけて語れるため、稟議や経営報告での説得力が増すこと。もう1つは、AI Ready が0か1かではなく段階であることが明確になるため、「完璧になってからでないと動けない」という思い込みを解けることです。
外部発注の可否を左右するのは「業務」と「データ」
4要素はどれも重要ですが、外部ベンダーへの発注可否という観点に絞ると、優先度には差があります。
システムの接続方式やセキュリティ審査は、ベンダーと一緒に検討できる領域です。組織体制も、推進責任者さえ決まっていれば残りは走りながら整えられます。一方で、対象業務が特定されておらず手順も書き出せない、対象データがどこに何件あるか分からない、という状態では、ベンダー側は見積もりの前提を置けません。結果として、見積もりに大きな安全マージンが乗るか、「まず調査フェーズから」という追加工程が積み上がることになります。
つまり、発注前に自社で潰しておくべき優先度が最も高いのは「業務」と「データ」です。後述するセルフチェックでも、この2軸の点数が低い場合は総合点にかかわらず優先して着手することを推奨しています。
AI Readyでないまま発注すると起きる3つの手戻り
準備度が低いまま発注に進んだ場合、何が起きるのかを具体的に見ておきます。ここで挙げる3つは、技術的な失敗ではなく、発注側の準備状態に起因してコストとスケジュールに跳ね返る事象です。
見積もりが膨らむ（データ整備が想定外の工数になる）
最も起きやすいのが、見積もり段階での想定と実際の乖離です。
「対象データはこのシステムに入っています」と伝えて見積もりを取ったところ、着手してみるとデータの取り出しに API がなく、エクスポートしたCSVの表記が部門ごとにばらばらで、名寄せと整形だけで数か月かかった——といった展開です。この工数は当初の見積もりに含まれていないため、追加費用または納期延長として顕在化します。
厄介なのは、この状態がベンダーの見積もり精度の問題ではないことです。発注側がデータの実態を把握していない以上、ベンダーも前提を置いて見積もるしかありません。安全側に倒せば見積もりは高くなり、楽観側に置けば後から追加が発生します。どちらに転んでも発注側は納得しづらい結果になります。
回避策はシンプルで、発注前に対象データの所在・件数・形式・品質の実態を自社で確認しておくことです。完全な整備までは不要でも、実態が分かっていれば見積もりの前提を具体的に共有でき、レンジを狭められます。開発費用がどのような構造で決まるかはAI開発の費用相場で整理していますので、見積もりを受け取る前に目を通しておくと前提条件の妥当性を判断しやすくなります。
PoC止まりで終わる（評価基準が事前に決まっていない）
2つ目は、PoC（実証実験）は完了したのに本番導入の判断ができず、そのまま立ち消えになるパターンです。
原因の多くは、着手前に「何をもって成功とするか」を決めていないことにあります。精度が何%あればよいのか、既存業務と比べて何が改善すればよいのか、誰がその判断を下すのか。これらが決まっていないと、PoCの結果が出ても「まあまあの精度だが本番で使えるかは分からない」という評価に落ち着き、意思決定が先送りされます。
さらに、評価基準がないと関係者ごとに期待値がばらつきます。現場は「完全自動化」を期待し、経営層は「即座のコスト削減」を期待し、情報システム部門は「安定稼働」を重視する、といった具合です。この状態でPoCの結果を共有すれば、誰かは必ず不満を持ちます。
評価基準は精緻である必要はありません。「現在この作業に月40時間かかっており、これを20時間以下にできれば導入する」という粒度で、業務部門の責任者と事前に合意しておくだけで、判断はぐっと進めやすくなります。この種のつまずきは特定の技術に固有のものではなく、一定のパターンがあります。AI導入が失敗する5つのパターンで他の類型もあわせて確認しておくと、自社のリスクを事前に潰しやすくなります。
完成しても使われない（業務プロセスに接続されていない）
3つ目は、システムとしては完成し検収も通ったのに、現場が従来のやり方を続けていて使われないパターンです。
これは業務プロセスの整理が不十分なまま開発を進めた場合に起きます。AIの出力をどのタイミングで誰が受け取り、その結果をどう次の工程に渡すのか。従来の手順のどこが置き換わり、どこが残るのか。ここが設計されていないと、AIの機能自体は動いていても、業務のなかに居場所がない状態になります。
現場の合意形成も同じ根から来る論点です。手順が変わることを事前に共有せず、完成後に「これを使ってください」と渡しても、慣れた手順を変える動機は生まれません。逆に、対象業務の選定段階から現場の担当者が関与していれば、多少の使いにくさがあっても運用でカバーされます。
AI導入準備度セルフチェック20問（5軸で自社を採点する）
ここからが本題です。自社が今どの段階にあるかを、5つの軸それぞれ4問、合計20問で採点します。
チェックの使い方と採点方法
使い方は次のとおりです。
- 各設問に「はい」「いいえ」で答えます。判断に迷う場合、および「確認すれば分かるはずだが今は分からない」場合は「いいえ」としてください。発注時にベンダーへ答えられない情報は、準備できていないのと同じ扱いになるためです
- 「はい」1つにつき1点として、20点満点で集計します
- 総合点とは別に、軸ごとの点数（各4点満点）も記録します
採点結果の読み方には順序があります。まず軸ごとの点数を見て、1点以下の軸があれば、総合点にかかわらずその軸を最優先で潰します。とくに軸2（データ）と軸3（業務プロセス）が低い場合は、外部発注の見積もり精度に直結するため優先度が高くなります。総合点によるレベル判定は、そのうえで発注範囲を決めるための目安として使ってください。
なお、この20問はそのまま発注時にベンダーから聞かれる内容とほぼ重なります。診断のためだけでなく、AI Ready チェックリストとして回答を書き出し、発注先に渡す資料の下敷きとしても活用できます。
軸1 目的・ユースケース（4問）
この軸で見ているのは、AIを「何のために」「どの業務に」使うのかが特定できているかどうかです。ここが曖昧なままでは、どんなに優れたベンダーでも作るべきものを決められません。
# | 設問 | はい／いいえ |
|---|---|---|
1-1 | AIに任せたい業務を、部署・工程のレベルまで1つに絞り込めていますか | |
1-2 | その業務に現在どれだけの時間・人数・コストがかかっているかを、数値で言えますか | |
1-3 | 「何がどうなれば成功か」を数値目標として定義できていますか | |
1-4 | その成功目標について、対象業務を所管する部門の責任者と合意が取れていますか |
設問1-1で「複数の候補があって絞れていない」場合は「いいえ」としてください。候補が複数あること自体は問題ありませんが、最初の発注では1つに絞ることが手戻りを避ける近道になります。
軸2 データ（4問）
この軸で見ているのは、AIに読ませるデータの実態を把握し、取り出せる状態にあるかどうかです。大規模なデータ基盤が構築済みである必要はなく、対象業務のデータがどこにどんな形であるかを説明できれば十分です。前述のとおり、見積もりの精度に最も影響する軸です。
# | 設問 | はい／いいえ |
|---|---|---|
2-1 | 対象業務で使うデータがどこに何件あるかを、保管場所の一覧として示せますか | |
2-2 | そのデータをファイルやCSV等の形式で外部に提供できる状態ですか（技術面・契約面の両方で） | |
2-3 | データに個人情報・機密情報が含まれるか、含まれる場合の取り扱い可能範囲を確認済みですか | |
2-4 | 直近1年分程度の実データ（加工前の実物）をサンプルとして用意できますか |
設問2-4は軽視されがちですが重要です。仕様書上の項目定義と実際のデータには、想定外の欠損や表記揺れという形でしばしば差があります。実データを早期に共有できると、ベンダー側の見積もり前提が具体化します。
軸3 業務プロセス（4問）
この軸で見ているのは、対象業務の手順と判断基準が、社外の人に伝えられる形になっているかどうかです。
# | 設問 | はい／いいえ |
|---|---|---|
3-1 | 対象業務の手順を、社外の人が読んで再現できる形で書き出せますか | |
3-2 | その業務の判断基準（どういう場合にどう処理するか）が、担当者の頭の中ではなく文書になっていますか | |
3-3 | 例外処理・イレギュラーとして扱っているパターンを列挙できますか | |
3-4 | AI導入後に業務手順が変わることについて、現場の合意を得られる見通しが立っていますか |
設問3-3の例外処理は、開発工数を左右する要因になりやすい項目です。「基本の流れは単純だが例外が20通りある」といった業務は、例外の扱いを事前に決めておかないと開発途中で仕様が膨らみます。
軸4 システム・セキュリティ（4問）
この軸で見ているのは、データを技術的に取り出せるか、そしてAIサービスの利用が社内規程上許容されるかです。
# | 設問 | はい／いいえ |
|---|---|---|
4-1 | 対象データを保持するシステムから、データを取り出す手段（API・エクスポート機能等）がありますか | |
4-2 | 外部のAIサービスやクラウドAPIに社内データを送信することが、社内規程上許容されていますか | |
4-3 | 生成AI・外部SaaSの利用について、情報システム部門の審査プロセスが定まっていますか | |
4-4 | 新しいシステムを本番運用する際の、監視・障害対応の担当が決まっていますか |
設問4-2で「規程が存在しない」場合も「いいえ」としてください。規程がないことは許容されていることを意味せず、稟議の段階で必ず論点になります。
軸5 組織・人材・AIガバナンス（4問）
この軸で見ているのは、社内にAIの専門家がいるかではなく、プロジェクトを継続的に前に進められる体制と、AIの使い方に関するルールがあるかどうかです。
# | 設問 | はい／いいえ |
|---|---|---|
5-1 | AI導入の推進責任者（仕様上の判断を下せる人）が決まっていますか | |
5-2 | 検討会議に継続的に参加できる業務部門のメンバーを確保できていますか | |
5-3 | AIの出力を誰がどのように検証するか（人が最終確認するか否か）の方針が決まっていますか | |
5-4 | AI利用に関する社内ルール（利用範囲・禁止事項・責任分界）が文書として存在しますか |
設問5-4はAIガバナンスの領域です。生成AIを業務で使う場合、出力の正確性・著作権・情報漏えいの3点について社内の方針が問われます。ここが未整備でも発注自体は可能ですが、本番稼働の直前に法務や情報システム部門から差し戻されるリスクが残ります。
はじめての AI 導入ガイド――中小企業が失敗しないための7ステップ
この資料でわかること
AI導入を検討しているが「何から始めればよいか分からない」中小企業の意思決定者に対し、導入プロジェクトの全体像を一気通貫で提示し、「自社でも着手できる」という確信と具体的な行動計画を持ってもらうこと。
こんな方におすすめです
- AI導入を検討しているが、何から始めればよいか分からない
- ベンダーの選び方や費用感がつかめず、判断できない
- 社内でAI導入の稟議を通すための資料が必要
入力いただいたメールアドレスにPDFをお送りします。
診断結果レベル別｜発注前にやるべきこと・発注してよい範囲
集計した総合点を3つのレベルに分けて、それぞれで「発注してよい範囲」と「発注前に社内で潰すこと」を示します。
レベルA（0〜9点）: まず業務の可視化と対象業務の絞り込み
この段階は、経団連のレベル定義でいえば AI-Ready化に着手する前後にあたります。AIで何かをしたいという方向性はあるものの、対象業務・データ・体制のいずれもまだ具体化していない状態です。
この状態で本格的な開発を発注すると、要件が固まらないまま工数だけが消費されます。優先すべきは開発の発注ではなく、対象業務の絞り込みと現状の可視化です。具体的には、AIで改善したい業務の候補を洗い出し、それぞれについて現在かかっている工数を概算し、最も効果が見込めそうな1つを選ぶところから始めます。
一方で、「準備が整うまでベンダーに相談してはいけない」わけではない点は強調しておきます。むしろこの段階でこそ、業務の絞り込みや対象データの見立てについて外部の視点を入れる価値があります。発注してよい範囲は、開発ではなく調査・整理を目的とした短期の支援や、無償の初回相談です。この範囲であれば準備不足によるコスト膨張のリスクはほとんどありません。
レベルB（10〜15点）: 1ユースケースに絞ってスモールスタート発注
対象業務がおおむね定まり、データの所在も把握できているものの、いくつかの軸に穴が残っている段階です。多くの企業がここに該当します。
この段階では、全社展開を前提とした大きな発注は避け、1つのユースケースに絞ったスモールスタートを推奨します。範囲を絞ることには2つの意味があります。1つは、準備が不十分な軸があっても、対象範囲が狭ければ整備の負担が現実的な規模に収まること。もう1つは、最初の実装を通じて自社の準備度の実態が具体的に見えるため、次の発注の精度が上がることです。
発注前に潰しておきたいのは、点数が低かった軸のうち「業務」と「データ」に関わるものです。とくに評価基準（設問1-3・1-4）が未合意の場合は、開発着手前に必ず業務部門と合意してください。ここを飛ばすと、成果物が出てから評価で揉めることになります。
レベルC（16点以上）: 要件定義・評価基準の合意へ進む
対象業務・データ・体制がそろっており、AI Ready と呼べる状態です。この段階であれば、要件定義から本開発までを見据えた発注に進んで問題ありません。
次にやるべきことは、社内で整理した情報を発注先と共有できる形式にまとめ、要件と評価基準を明文化して合意することです。準備が整っている企業ほど、要件定義の質がそのまま成果物の質に直結します。要件定義でまとめるべき項目とその粒度についてはAIプロジェクトの要件定義ガイドにテンプレートとチェックリストをまとめていますので、発注先との打ち合わせ前に確認しておくと議論が速く進みます。
なお、要件定義以降の進め方（体制の組み方、フェーズ分割、社内展開の順序）についてはAI導入の進め方で別途整理しています。
レベル別の対応早見表
レベル | 点数 | 状態 | 発注してよい範囲 | 発注前に社内で潰すこと |
|---|---|---|---|---|
A | 0〜9点 | AI-Ready化の着手前後 | 調査・整理を目的とした短期支援、初回相談 | 対象業務の絞り込み、現状工数の把握 |
B | 10〜15点 | 部分的に準備済み | 1ユースケースに絞ったスモールスタート開発 | 評価基準の業務部門との合意、対象データの実態確認 |
C | 16点以上 | AI Ready | 要件定義〜本開発 | 発注先に渡す情報一式の整理、AI利用ルールの確認 |
いずれのレベルでも共通するのは、「弱点軸を先に潰す」という原則です。総合点が高くても、たとえばデータの軸が0点であれば、その状態で開発を発注しても着手直後に止まります。早見表は範囲を決めるための目安として使い、着手順序は軸ごとの点数で決めてください。
AI Readyを高める発注前90日の進め方
診断で弱点が見つかった場合に、発注までの準備をどう組み立てるかを示します。ここでは30日を1ブロックとして3ブロック、合計90日の進め方として整理します。
前提として強調しておきたいのは、順序です。「全社のデータ基盤を整備してからAIに着手する」と考えると、着手までに年単位の時間がかかり、その間に状況も技術も変わります。ここで示すのは逆の順序で、対象ユースケースの範囲に限って必要な準備を整える進め方です。
1〜30日: ユースケースを1つに絞り、成功の定義を決める
最初の30日でやることは2つだけです。
1つ目は、AIで改善したい業務を1つに絞ることです。候補を3〜5件洗い出し、それぞれについて「現在かかっている工数」「改善できたときのインパクト」「データが手元にあるか」の3点で比較します。効果が最大のものを選ぶ必要はなく、むしろ最初の1件はデータが揃っていて範囲が明確なものを選ぶほうが、成功体験を作るうえで有利に働きます。
2つ目は、その業務について「何がどうなれば成功か」を数値で定義し、業務部門の責任者と合意することです。「月40時間の作業を20時間以下にする」「担当者3名で回している確認作業を1名に減らす」といった粒度で構いません。この合意を文書に残しておくことが、後の評価で揉めないための最も効果的な手当てになります。
31〜60日: 対象業務のデータ棚卸しと業務手順の文書化
次の30日では、絞り込んだ業務に限定してデータと手順を整えます。
データ側では、対象業務で使うデータについて「どのシステムに」「何件」「どの形式で」「いつからの分が」あるかを一覧化します。あわせて、一度エクスポートしてみて、取り出せること・取り出したデータの中身を確認してください。この作業は情報システム部門だけで完結せず、業務部門の協力が必要になることが多いため、時間に余裕を持って着手します。
業務側では、対象業務の手順を、社外の人が読んで理解できる粒度で書き出します。フローチャートである必要はなく、箇条書きで「誰が」「何を受け取り」「どう判断し」「何を出力するか」が追える形であれば十分です。ここで例外処理も列挙しておくと、後の見積もり精度が上がります。
この2つが揃うと、診断における軸2・軸3の点数は大きく改善します。そして発注先に渡せる材料としても、この段階のアウトプットがそのまま使えます。
61〜90日: AIガバナンス・セキュリティの社内合意
最後の30日は、規程面の整理にあてます。技術的な準備と違って社内の調整プロセスに時間がかかるため、並行して早めに動き出しておくのが理想です。
整理すべき論点は主に3つです。第1に、外部のAIサービスへ社内データを送信することの可否と、その承認プロセス。第2に、AIの出力を誰がどう検証するか（人の最終確認を必須とするか、どの範囲まで自動化を許容するか）。第3に、AI利用に関する社内ルールの整備（利用範囲・禁止事項・責任の所在）です。
3つ目については、ゼロから作ろうとすると負荷が大きいため、まずは対象ユースケースに限定した運用ルールから始めるのが現実的です。全社的なガバナンス体制の作り方については生成AIガバナンスとはで構築のステップを整理していますので、社内ルールの骨子を検討する際の参考にしてください。
発注先に渡す情報を揃える
90日の締めくくりとして、ここまでのアウトプットを発注先に渡す情報一式としてまとめます。含めるべきものは次の4点です。
- 対象業務の定義: 業務の手順、判断基準、例外パターン、現在の工数
- データの情報: 所在・件数・形式の一覧と、可能であれば実データのサンプル
- 評価基準: 何がどうなれば成功かの数値目標と、その合意状況
- 制約条件: セキュリティ規程上の制約、既存システムとの連携要件、予算とスケジュールの目安
この4点が揃っていれば、複数のベンダーから同じ前提で見積もりを取ることができ、比較が可能になります。逆にこれらがないまま相見積もりを取ると、各社が異なる前提を置くため、金額の差が何に由来するのか判断できません。
社内にAI人材がいない場合の補い方についても触れておきます。結論として、専門家を採用してから発注する必要はありません。ここまでの4点は、AIの専門知識ではなく自社業務の理解があれば作成できる内容だからです。技術的な選択肢の評価（どのモデルを使うか、どういうアーキテクチャにするか）はベンダーの提案を受ける領域であり、発注側に求められるのは「業務要件を正確に伝えること」と「提案が自社の評価基準を満たすかを判断すること」です。この2つは、これまで基幹システムの導入でベンダーコントロールをしてきた情報システム部門であれば十分に担える役割です。
まとめ｜AI Readyは「完璧な状態」ではなく「発注できる状態」
最後に、本記事の要点を3つに整理します。
1つ目は、AI Ready は0か1かではなく段階であるということです。経団連の AI-Ready化ガイドラインが4つの観点それぞれを5段階で定義しているとおり、企業のAI活用準備度は連続的に進んでいくものです。「まだ AI Ready ではないから動けない」のではなく、「今はこのレベルだから、この範囲でなら動ける」と捉えるのが実務的です。
2つ目は、外部発注の可否を分けるのは、業務とデータの整理度であるということです。システムの接続方式やセキュリティの詳細はベンダーと一緒に詰められますが、対象業務が特定されておらずデータの実態も分からない状態では、見積もりの前提を置くことすらできません。発注前に自社で潰すべき優先順位は、この2つが最上位に来ます。
3つ目は、総合点よりも弱点軸を優先して潰すということです。20問の診断は総合点でレベルを判定しますが、着手順序は軸ごとの点数で決めてください。1点以下の軸がある場合、そこが実際のプロジェクトの停止要因になります。
そして全体を貫くメッセージとして、AI Ready は「全社のデータ基盤が完成した状態」を意味しません。対象として選んだユースケースの範囲で、業務が説明でき、データが取り出せ、評価基準が合意されていれば、その範囲においては AI Ready です。全社の整備を待つのではなく、1つの業務から範囲を区切って準備を整え、そこから発注に進む。この順序が、PoC止まりと見積もりの膨張という2つの典型的な失敗を避ける最も確実な方法になります。
診断結果を手元に置いて、まずは「うちは今このレベルで、この軸が弱いから、ここから着手する」という1文を書き出してみてください。それが、経営層への説明とベンダーとの最初の会話の両方で、そのまま出発点になります。
関連情報
AI導入の進め方をより体系的に整理したい方は、お役立ち資料「はじめてのAI導入ガイド――中小企業が失敗しないための7ステップ」もあわせてご覧ください。本記事のセルフチェックで見えた弱点を、導入プロセスのどの段階で解消するかを整理する際の参考資料としてお使いいただけます。
診断結果がレベルAまたはBで、対象業務の絞り込みやデータの実態確認の段階から相談先をお探しの場合は、お問い合わせフォームからご相談ください。要件が固まっていない構想段階からのご相談にも対応しています。
はじめての AI 導入ガイド――中小企業が失敗しないための7ステップ
この資料でわかること
AI導入を検討しているが「何から始めればよいか分からない」中小企業の意思決定者に対し、導入プロジェクトの全体像を一気通貫で提示し、「自社でも着手できる」という確信と具体的な行動計画を持ってもらうこと。
こんな方におすすめです
- AI導入を検討しているが、何から始めればよいか分からない
- ベンダーの選び方や費用感がつかめず、判断できない
- 社内でAI導入の稟議を通すための資料が必要
入力いただいたメールアドレスにPDFをお送りします。
よくある質問
- 総合点は高いのに一部の軸だけ低い場合、そのまま発注に進んでよいですか？
進めるべきではありません。総合点にかかわらず1点以下の軸を最優先で潰すのが原則です。特に軸2(データ)と軸3(業務プロセス)は、たとえば設問2-1のデータ所在一覧化や3-1の業務手順の書き出しなど、該当設問を個別に埋め直してから再度総合点を確認し、発注可否を判断してください。
- まだ準備が整っていない段階でベンダーに相談してもよいですか？
相談自体は問題ありませんが、契約範囲の見極めが重要です。目安は、成果物が「業務の整理案」「データ調査レポート」など調査系にとどまっているかどうかです。逆に本番稼働を前提とした要件定義書や実装工数の見積もりが提示された場合は、準備不足のまま本発注に進もうとしているサインなので、いったん立ち止まって社内の準備状況を再確認してください。
- 20問のうち、外部発注の可否を判断する上で特に重視すべき軸はどれですか？
軸2(データ)と軸3(業務プロセス)です。この2軸は他の軸と代替が効かない点に注意してください。軸4(システム)や軸5(組織)が満点でも、対象データの所在が不明なままでは見積もりの前提を置けず着手直後に止まります。判断に迷ったら、まずこの2軸の各4問を優先的に埋め、他の軸は後回しにしてもかまいません。
- 社内にAI人材がいない場合、発注前の準備は誰が進めればよいですか？
専門家の新規採用は不要です。情報システム部門が中心となり、業務要件・データの実態・評価基準の整理を担ってください。ただし対象業務の手順や例外パターンの洗い出しは、情報システム部門だけでは埋まらないため、業務部門の担当者に協力を仰ぐ体制を早期に組むことが実務上のポイントです。
- AI Readyな状態になるまで、全社のデータ基盤整備を待つべきですか？
待つ必要はありません。経営から「全社でAI活用を進めろ」と言われても、まず着手すべきは1つのユースケースへの絞り込みです。対象範囲を絞ったうえで業務説明・データ取り出し・評価基準の合意が整えば、その範囲内では発注に進められます。全社基盤整備は並行して別軸で進めればよく、発注の前提条件にはなりません。
