営業担当者が案件情報をExcelへ入力し、上司が確認し、企画部門が集計する。会議資料へ転記して承認を得たら、別のシステムへ登録する。この流れをAIに正確に理解させ、各工程を速くすることはできるだろう。だが、そもそも同じ工程を残す必要があるのか。
案件の状態を把握し、基準に沿って判断し、責任を明確にして次の行動を実行する。それが目的なら、帳票や会議や転記は、その目的を達成するために選ばれた方法である。長年使ってきた方法が、AIを主要な実行主体にする場合にも適しているとは限らない。
企業のAI活用では、データの統合、用語の統一、プロセスの可視化、暗黙知の整理が進められてきた。業務の概念や関係を定義するオントロジー、指標や用語の意味をそろえるセマンティックレイヤーも、その手段だ。その前提には、既存の会社が先にあり、AIがそれを理解して支援するという構図がある。
この前提を見直したい。顧客の行動、市場環境、契約、法令、物理的な資産は、会社の都合で自由に変えられない。一方、社内の情報処理や受け渡しの手順には、過去の人間とシステムの制約に合わせて作られたものが多い。AIが分析、計画、情報処理をよりよく担える業務なら、会社の側を組み直す方が合理的ではないだろうか。
業務の目的と、現在の手順
定期会議を開くのは、人間が大量の案件を常時監視できないからかもしれない。報告書を作るのは、必要な情報が共有されていないからかもしれない。システムが接続されていなければ人間が転記し、判断基準が明文化されていなければ経験者へ相談する。こうした手順には、当時の制約に対処する役割があった。
その制約が変われば、手順も見直せる。AIが情報を継続的に処理し、必要な情報を検索し、システムを横断して実行できるなら、人間による集計や受け渡しを減らせる可能性がある。現行の手順をそのまま再現するだけでは、AIにも過去の制約に沿った作業をさせることになる。
ただし、手順に埋め込まれた要件まで捨ててよいわけではない。法的な確認、顧客との約束、事故を防ぐための検証、失敗から生まれた例外処理は、新しい業務にも必要かもしれない。変えられる方法と、残すべき条件を分けて調べる必要がある。
会社とAIの間にある二重の変換
現行業務を忠実に扱おうとすると、AIを動かす前後に二種類の変換が生じる。
一つめは、会社の情報をAIが扱える形式にする変換だ。部署ごとに異なる用語、帳票とデータベースの関係、暗黙の判断基準、例外処理を整理する。二つめは、AIの判断を既存組織が実行できる形式へ戻す変換だ。資料を作り、担当者へ説明し、承認を取り、既存システムへ入力する。
AIによる分析や判断が高速化・低コスト化しても、この前後の作業は残る。相対的にその負担が大きくなれば、全体の処理速度を制約するのは、モデルよりも組織側の手順になる。
この状態で、現行業務の高精細なデジタルツインを作れば解決するだろうか。部署、帳票、承認経路、例外処理を精密に再現できても、再現した業務が効率的だとは限らない。既存の構造を正本として扱い続けるなら、過去の制約も残ってしまう。
AIのために何をモデル化するかは、再現の精度とは別に決める必要がある。
Target Operating Modelに定義するもの
Target Operating Modelは、目指す業務の運営モデルである。AIネイティブな設計では、現在の帳票や担当部署を出発点にせず、人間が定めた事業目的、価値基準、制約、リスク許容度、責任主体から必要な構造を組み立てる。
例えば、従来の手順はこう書ける。
営業担当者が申請書を作成し、課長が承認し、審査部門へメールで送付する。
その手順が満たそうとしている条件を取り出すと、別の記述になる。
申請に必要な情報がそろっていること。 審査基準を満たしていること。 一定のリスクを超える場合は権限者が判断すること。 判断に利用した情報と根拠が記録されること。
前者は「誰がどの順番で何を渡すか」という実施方法を定義している。後者は「処理の際に何が成立していなければならないか」という条件を定義している。条件を明確にすれば、その範囲で実施方法を変えられる。
この設計には、事業上の基本概念も要る。顧客や契約をどう識別するか、案件にはどの状態があるか、何を処理完了とするか、誰がどの操作を許可されるか、どの証拠を保存し、どの条件で停止するか。AIとシステムが業務を実行するために、重複や矛盾を整理し、必要最小限の共通定義をそろえる。
その上で役割を分ける。AIは目的、状態、制約に応じて処理方法を選ぶ。システムは権限、禁止事項、監査証跡、不可逆な操作を制御する。人間は目的と責任を定義し、重大な例外や価値判断を引き受ける。
人間が定義した目的と制約に対して、AIが最も高性能に働ける会社へ再設計する。
AI自身が目的を正当化するわけではない。利益、安全性、公平性、顧客価値、社会的責任のどれを重視するかは、人間と組織が決める。その条件の下で、情報処理、計画、実行、監視、改善をAIが担えるようにする。
オントロジーとセマンティックレイヤーの対象
目的と制約から設計する場合も、オントロジーやセマンティックレイヤーは必要になる。変わるのは、そこに表す対象だ。
現行組織を忠実に表そうとすれば、部署、役職、帳票、承認経路、システム固有の項目、例外運用を取り込むことになる。それに対して、事業を運営する共通の型として必要なのは、顧客、契約、商品、案件、権利、義務、状態、行為、証拠、指標、リスクといった概念である。それぞれの関係、識別方法、状態変化、許可される操作を定義する。
セマンティックレイヤーなら、売上、顧客、解約、利益、案件、成果に、一貫した意味と計算方法を与える。過去のレポートや部署別の集計方法をすべて保存することが目的にはならない。
AI、人間、システムが同じ事業を扱えることが、この共通定義の役割だ。変えられない外部条件と事業に必要な意味は残しつつ、現在の組織が採用している実施方法まで固定しない。
現行業務から何を引き継ぐか
現行業務（AS-IS）の調査は、この設計を現実に移すために欠かせない。ただし、その扱いは、守るべき仕様というより移行時に解析するレガシーコードに近い。
古いソフトウェアを刷新する際には、何を実現しているか、なぜその処理があるか、何に依存しているか、どこに重要な例外があるかを調べる。必要な機能を新しい構造へ移す一方、不要な処理や重複したロジック、過去の制約による回避策は廃止する。業務の刷新でも、同じ切り分けが必要だ。
調査で識別したいのは、廃止できる作業、機械化すべき作業、法的に残す統制、引き継ぐ暗黙知、接続する既存システムである。現行手順があるという理由だけで、その手順を新しい仕様にはしない。
そこで、設計の順序を変える。まず目的と制約からAIネイティブなTarget Operating Modelを定め、現行業務との差分を調べて移行課題を特定する。AS-ISの改善を積み上げるだけでは、帳票をAIに作らせ、会議をAIに要約させるといった局所的な自動化にとどまりやすい。目指す業務（TO-BE）を先に描くことで、同じ目的をより少ない手順で達成する余地を探せる。
人間が引き受ける判断と責任
業務の各工程には、人間の判断が必要だから担当者がいる場合と、システムや情報が分断されているため人間が補っている場合がある。AIが情報処理と実行を一貫して担えるなら、後者の配置は見直せる。
人間に残るのは、目的の設定、価値判断、リスク許容度の決定、不可逆な意思決定、対外的な責任、例外を受けて制度を変える判断である。AIの作業を一件ずつ確認する役割から、AIが動く制度を設計し、監督し、更新する役割へと重心が移る。
すべての判断に承認者を挟んでも、安全性が高まるとは限らない。形式的な承認が増えると、責任が分散し、重大な判断が日常の確認に埋もれる場合もある。介入回数よりも、どの判断に誰が責任を負うかを明確にしたい。
申請業務の例なら、申請書の作成、転記、メール送付を別々に自動化するだけでは足りない。必要な情報がそろい、審査基準を満たし、リスクに応じた判断と証拠の保存ができる構造を先に定める。その条件を守りながら、現実の部署やシステムを新しい運営モデルへ近づける。
会社をAIに説明する作業は、その移行のために使う。目指すのは、過去の手順を巧みに再現するAIではなく、人間が定めた目的と制約の下で、AIが直接判断し、実行し、改善できる会社である。