「AIで何ができるか、社内で議論しましょう」。この問いを会議室で投げると、ほとんどの場合、抽象論のまま1時間が終わります。原因は技術理解の不足ではなく、議論の入口に3つの整理が抜けている からです。AIの限界を共有していない／自社業務との接点を地図にしていない／役職ごとに見たい景色が違うまま同じテーブルについている。この3点を先に揃えるだけで、議論の解像度は段違いに上がります。
「AI、うちでも何かできないかな」と社内会議の議題に挙がる。担当者が活用事例を集めて並べる。会議の場では「面白いね」「うちの業務にも使えそう」と話が盛り上がる。けれど、終わってみると 「で、何から始めるか」が決まらない。この経過、中小企業の経営現場で月に何度も聞きます。
問題はメンバーの熱量ではありません。アイデアを出す前段の「整理」が抜けているだけです。順番を間違えると、いくら時間を使っても具体に着地しません。
「議論しても何も決まらない」は構造的に起きる
中小企業基盤整備機構（中小機構）が2026年3月に公表した中小企業のAI等の利活用に係る実態調査によると、中小企業のAI導入率は 20.4%、検討中を含めると39.0%が前向きでした。一方で、AI導入時に情報が不足している領域として最も多く挙がったのは「成功事例や活用事例の情報」で 83.3%、次いで「適切なベンダー・製品選定情報」が79.8%。「事例は欲しいが、自社にどうつなげるかが分からない」という状態が浮かびます。
総務省の令和7年版情報通信白書でも、企業全体のAI利用率は2024年度に49.7%まで伸びましたが、未導入企業が挙げる阻害要因の筆頭は「具体的な利用方法が分からない」。この回答は2年連続でトップで、ツールやコストよりも 用途の解像度の低さ が壁になっています。
ここから読めるのは、議論が抽象で止まるのは特定の会社の問題ではなく、業界共通の構造的な詰まり だということです。「他の会社の活用事例」をいくら並べても、自社の業務にどう翻訳するかは別問題で、その翻訳が中小企業ではとくに難しい。だから議論が空転しやすい。
「AIを使える会社」と「使えない会社」は何が違うかで書いたのと同じで、活用できる会社は 議論を始める前に整理を済ませている ことが多いです。
整理の視点1: AIにできること／できないことの最新版を共有する
最初に必要なのは、「いまのAIは何ができて、何ができないか」を全員で揃える ことです。
経営層・ミドル・現場の頭の中にあるAIのイメージは、たいてい違います。経営層は「ChatGPTを業務で全部使えばいい」と思っていて、ミドルは「うちのデータが入っていないと使えない」と思っていて、現場は「触ったことがないからわからない」。同じ会議に座っていても、議論する対象が違うものを指していたら、合意は生まれません。
2026年時点で、生成AIが現実的にこなせる代表的なタスクは次の5系統です。
| タスク種別 | 例 | 中小企業での主な用途 |
|---|---|---|
| 文章生成・要約 | 議事録、提案書、メール下書き、長文の要約 | 営業・管理部門 |
| 対話的な壁打ち | 案出し、論点整理、たたき台レビュー | 経営企画、新規事業 |
| データ整形・分類 | 表記ゆれ統一、カテゴリ分類、表形式への変換 | 経理、人事、CS |
| 検索・調査の補助 | 業界レポートの一次整理、競合の比較表化 | マーケティング |
| コード・スクリプト生成 | Excel関数、簡単な自動化、Webから情報抽出 | 情シス、業務改善 |
中小機構の調査でも、導入済み企業における生成AI比率は 82.6% で、用途の中心は「業務効率化／作業時間の短縮」が 87.0% と突出していました（日本販売士協会の解説記事に整理されています）。AIで「新しい売上を作る」より、まず 既存業務の時間を削る ことから入る。これが現状の正直な等身大です。
同時に、できないことも揃えて議論したい。IPAが公表したテキスト生成AIの導入・運用ガイドラインでは、生成AIの利用可否を判断するうえで 出力の正確性 を最重要の論点として挙げています。具体的にいま苦手なのは次の3点です。
- 学習データに含まれない最新情報・社内固有情報の扱い（誤った情報を自信ありげに返す＝ハルシネーション）
- 正解が一意に定まる事務処理の100%精度保証（請求金額の照合、契約書の機械的チェックなど）
- 責任を伴う最終判断（採用合否、与信、医療判断など、人間がレビューを抜けない領域）
「できる／できない」を表にして配るだけで、会議の議論はぐっと現実的になります。「ハルシネーションって何？」というレベルから揃えると、たいてい時間が足りないので、事前共有の資料に落としておくのが現実解です。
整理の視点2: 自社業務とAIの接点を「地図」にする
次に必要なのは、自社業務とAIタスクの接点を表にする ことです。アイデア出しをしてから業務に当てはめるのではなく、業務一覧を先に並べてからAIを当てる。
おすすめは、縦に部署・横にAIタスク種別を取ったマトリクスです。
| 部署 ＼ AIタスク | 文章生成 | 壁打ち | データ整形 | 検索補助 | コード生成 |
|---|---|---|---|---|---|
| 経営・経営企画 | △ | ◎ | ○ | ◎ | × |
| 営業 | ◎ | ○ | △ | ○ | × |
| 総務・管理 | ◎ | △ | ◎ | ○ | △ |
| 経理・財務 | ○ | △ | ◎ | △ | △ |
| 情シス | ○ | ○ | ○ | ○ | ◎ |
| カスタマーサポート | ◎ | △ | ○ | ◎ | × |
セルを埋めるとき、◎の理由を1〜2行で書いておくと、後の議論で「具体例は何か」を即答できます。中小機構の調査では、AI導入率が最も高いのは 総務・管理部門で68.3%、次いで営業・販売・サービス部門60.3%、経営・企画部門58.5%でした（同調査サマリー）。文書作成・整形・対外コミュニケーションが多い部門ほど、AIの効きが見えやすいというのは、現場の感覚とも一致します。
ここで大事なのは、マトリクスを完璧に埋めようとしないこと です。判断がつかないセルは「？」で残し、議論のテーマにする。むしろ「？」が多い領域こそ、AI顧問や外部の伴走者と詰める価値があります。
ChatGPTを導入したのに、なぜ業務に活きないのかで書いたとおり、「ツールを入れる」と「業務に組み込む」のあいだに翻訳が抜けると、AIは絶対に定着しません。地図を先に作るのは、その翻訳の準備工程でもあります。
整理の視点3: 議論の単位を、役職ごとに分ける
3つめは、議論の単位を役職ごとに分ける こと。同じ会議室で同じテーマを話していても、見たい景色は役職ごとに違います。
経済産業省とIPAが2026年4月に更新したデジタルスキル標準（DSS）ver.2.0も、全ビジネスパーソン向けの「リテラシー標準」とDX推進人材向けの「推進スキル標準」を明確に分けています。求められる役割が違うものを同じ研修や議論で扱おうとすると、どちらにも刺さらないからです。
社内議論でも同じことが起きます。実務で機能している分け方はこうです。
| 役職 | 議論で見たいこと | 着地させたい結論 |
|---|---|---|
| 経営層 | 投資総額・撤退ライン・リスク | 半年〜1年の予算配分と意思決定者 |
| 管理職・部門長 | 業務フローの再設計、KPI、現場の負担 | 部門ごとに「やめる業務」「自動化する業務」 |
| 現場 | 日々の作業のどこが楽になるか | 来週から触り始めるツールとプロンプト3つ |
3者を同じ会議に集めて1時間で全部を扱おうとすると、たいてい誰の論点も解決しません。逆に、3層に分けて30〜60分ずつ別建てで議論する だけで、各層の決断が前に進みます。これは2層・3層研修の設計と同じロジックです（詳しい設計は生成AIの社内研修、何から始めるべきかで書きました）。
役職ごとに揃えておきたいインプットも違います。経営層には「他社の意思決定の例」と「コスト試算」、管理職には「業務マトリクス」と「人員工数の現状値」、現場には「触ってみるためのアカウントとサンプル業務」。これらが事前に配布されていれば、会議の時間は意思決定だけに使えます。
議論の前に揃えておきたい情報パッケージ
3つの整理を実行するために、最低限揃えておきたい情報は5つです。
- 業務一覧: 部署ごとに、月次でかかっている時間が大きい業務を5〜10件
- 困りごとTOP5（部署別）: 現場の不便・遅延・ミスの頻度と1回あたり所要時間
- 取り扱う情報の機密区分: 個人情報・取引先情報・社外秘・公開可、の4分類で業務に紐づけ
- 現状の体験有無: 経営層・ミドル・現場のうち、AIを30分以上触ったことがある人は誰か
- 試したいツール候補: ChatGPT、Microsoft Copilot、Gemini、Claudeなど、社内で名前が挙がるもの
このパッケージは、A4で2〜3枚に収まります。完璧を目指すと止まるので、雑でいいから揃えること が優先です。発注準備の感覚はAI開発を依頼するときに用意すべき3つの資料とよく似ています。「相談する前に整理する」という工程は、AI議論にも開発相談にも共通します。
ここまで整えば、議論は具体に着地します。「AIで何ができるか」ではなく 「うちの総務の議事録業務に生成AIをどう噛ませるか」 から話せるようになる。これが議論の精度の違いです。
整理しても「やる／やらない」の判断は別問題
もう一点、誠実に書いておきます。3つの整理ができたからといって、自動的に意思決定が進むわけではありません。整理は議論を 空転させない ためのもので、決断する意志は別途必要です。
経験上、ここで止まる会社にはいくつか共通点があります。経営層が「下から提案が出てきたら考える」と任せきっている、業務マトリクスを部署横断で見渡す人がいない、議論を回す担当者が片手間で時間を割けない。これらは構造の問題なので、社内会議をいくら重ねても解けないことがあります。
Mewtonでは、こうした社内議論の整理を外部から伴走する形でAI顧問を提供しています。月10万円で、月2回のオンライン相談と随時のチャット相談。3つの整理（できる／できない、業務マトリクス、役職別議論）を、社内会議の前にこちらで叩き台を作り、議論の場では論点を絞って合意を取りに行く——という使い方が多いです。詳しくはAI顧問とAIコンサルティングの違いで整理しているので参考にしてください。
逆に、社内に1人でも「自分が叩き台を作る」と言える担当者がいる会社では、外部を入れずに進められることも多いです。整理の型さえ揃っていれば、社内完結も十分に現実的です。合うかどうか含めて、3ヶ月のお試しからのご相談をお問い合わせから受け付けています。
よくある質問
議論の前の整理は、誰が中心になって進めるべきですか
経営層が「やれ」と言うだけでは進まないことがほとんどです。実務では、業務全体を見渡せるミドル層（経営企画・総務・情シスのいずれか） が叩き台を作るのが現実的です。専任である必要はなく、週4〜6時間の工数を確保できれば1〜2ヶ月で初稿が揃います。
経営層が生成AIをまったく触ったことがない場合は
3つの整理を進める前に、経営層だけ先に30分のハンズオン をやることをおすすめします。話に乗ってくる経営者は、実際にChatGPTで自分の悩みを壁打ちしてみたあと、一気に解像度が上がるケースが多いです。逆に触らないまま議論に入ると、判断軸が「世の中の流行」だけになりやすく、自社固有の判断ができません。
役員間でAIへの温度差がある場合の進め方は
無理に1回の会議で合意を取らない方が安全です。先に 温度の高い役員1人と整理を進め、叩き台を作ってから全体に上げる ほうが、議論が「やる／やらない」ではなく「どこから始めるか」に集中します。温度の低い役員には、整理の段階で個別に意見を聞いておくと、後の合意が早くなります。
整理だけのために外部を入れる必要はありますか
社内に「業務全体を翻訳できる人」が1人でもいれば不要です。いない場合は、外部の伴走を月単位で入れたほうが、結果として早く動き出します。整理に半年かけて議論が止まるくらいなら、3ヶ月顧問契約で叩き台を一気に作るほうが安い という判断は、現場では成立しやすいです。
整理した結果「やらない」という結論はありえますか
十分にありえます。むしろ、3つの整理をしたうえで「いまの自社業務にはAIを噛ませる接点が少ない」と判断できるなら、それは大事な意思決定です。やらない理由を言語化できた会社は、半年後に状況が変わったときに動き出すのが早い という傾向もあります。整理は、やる決断のためだけにあるのではありません。