AIを使ってみたいけれど、うちには学習させるほどのデータがない。紙の書類や担当者の頭の中にある知識ばかりで、AIの話になると「まずはデータを集めてから」と言われて止まってしまう。そんな悩みを抱える中小企業は少なくありません。中小機構の調査では、AIを導入している中小企業は20.4%で、「成功事例や活用事例などの情報」が足りないと答えた企業は83.3%にのぼりました(出典:中小機構『中小企業のAI等の利活用に係る実態調査』2026年3月)。何から手をつければよいかわからないまま、検討が止まっている会社が多いことがうかがえます。
そこで本記事では、社内データが少ない会社がAI導入を進めるための考え方と手順を整理します。データの状態がわかるセルフチェック、状態別に使える手法の早見表、データの増やし方と整え方、支援先にそのまま聞ける質問リストまで、最初の一歩を決めるために必要なことをまとめました。
この記事でわかること
- 少ないデータで始める5つの手順
- データの状態別に合うAIの選び方
- 支援先に確かめたい質問リスト

この記事の監修者
AIBUILDERZ編集部
AI導入支援サービス「AIBUILDERZ」を運営するチームです。AI研修からシステムの導入・構築・定着まで、企業のAI導入を一気通貫で支援しています。
- 01AI研修
- 02システム構築
- 03運用・定着
運営会社 for,Freelance株式会社
社内データが少なくても、AI導入は始められる
結論からいうと、社内データが少なくてもAI導入は始められます。いま広く使われている生成AIは、すでに大量の文章で学習を終えた状態で提供されているため、自社で学習用のデータを用意しなくても使えるからです。
データの量より先に、業務と目的を決める
IPAの調査で企業がAIを使っている用途を見ると、多い順に「文書・音声の要約・翻訳・校正」が82.5%、「文書・レポートの作成(社内・社外)」が80.5%、「情報検索・収集・分析・レポーティング」が77.0%でした。一方、「データ分析・予測・インサイト抽出」は40.3%です(出典:IPA『国内企業のDX動向・AI活用動向のポイントを公開』2026年7月)。
多く使われている用途の上位は、文書の要約や作成、情報の検索です。どれも、自社の大量の過去データで学習させなくても始められる使い方です。必要なデータの量は、AIに何をさせるかで大きく変わります。データが足りるかどうかは、任せたい業務と目的を決めてから判断するのが正しい順番です。
「データが少ない」には3つの状態がある
ひと口に「データがない」といっても、実際には次の3つの状態があり、それぞれ打つ手が違います。
| 状態 | よくある例 | 打つ手の方向 |
|---|---|---|
| 量が少ない | 記録を残し始めて日が浅い、件数そのものが少ない | 学習済みのAIを使い、記録は今日からためる |
| 紙や人の頭の中にある | 伝票や日報が紙、手順はベテランしか知らない | よく使うものから電子化し、知識を書き出す |
| 各所に散らばっている | 部署ごとに別のフォルダやシステムに保存、最新版がわからない | 置き場所と名前のルールをそろえる |
2つ目と3つ目は、データそのものは社内にある状態です。集め方と置き方を変えれば、AIで使える材料になります。「うちにはデータがない」と感じたら、まずどの状態にあたるかを確かめてみてください。
自社のデータの状態がわかる5問のセルフチェック
自社がどの状態にあるかは、次の5つの質問で確かめられます。「はい」の数を数えてみてください。
| 質問 | 確かめること |
|---|---|
| Q1. AIに任せたい業務を1つ挙げられる | 誰の、どの作業を楽にしたいかを言葉にできるか |
| Q2. その業務の手順が書面になっている | 手順書やマニュアルがあるか、人の頭の中だけか |
| Q3. 業務で使う資料や記録が電子データで残っている | Word・Excel・PDF・業務システムに入っているか、紙だけか |
| Q4. 資料の最新版がどこにあるかすぐわかる | 置き場所が決まっているか、人によって違うか |
| Q5. 過去の記録がある程度の期間分そろっている | 問い合わせ・日報・見積もりなどが途切れずに残っているか |
「はい」の数ごとの進め方の目安は次のとおりです。
| 「はい」の数 | いまの状態 | おすすめの進め方 |
|---|---|---|
| 4〜5個 | すぐに試せる | 社内文書を読ませるAI(RAG)や生成AIで、1つの業務を小さく試す |
| 2〜3個 | 材料はあるが整っていない | 使う資料を絞って置き場所をそろえながら、生成AIで文書作成などから試す |
| 0〜1個 | 準備から始める | 任せたい業務を決め、手順の書き出しと記録の残し方を整えるところから始める |
Q1が「いいえ」の場合は、ほかの答えにかかわらず、まず業務と目的を決めるところから始めてください。目的が決まらないと、どのデータが必要かも決まらないためです。
データが少ない会社がつまずきやすい3つの場面
この段階のAI導入は、データの量そのものより、進め方でつまずくことが多くあります。よくある3つの場面と、その避け方を見ていきます。
学習に使えるデータが足りないまま開発を始める
需要予測や画像による検査のように、自社のデータでAIを学習させる仕組みは、データの量と質で精度が決まります。必要な量を確かめないまま開発を始めると、途中で「データが足りない」とわかり、追加の収集や作り直しで時間も費用もふくらみます。
開発を伴う場合は、着手の前に、どのデータがどれだけ必要かを支援先に具体的に示してもらいましょう。まずは学習済みのAIで済む使い方がないかを先に検討すると、この失敗は避けやすくなります。
データはあるのに、散らばっていて使えない
資料は確かにあるのに、部署ごとに別の場所に保存されていたり、同じ資料の古い版と新しい版が混ざっていたりする状態です。この状態のままAIに読ませると、古い規程をもとに答えたり、資料によって答えが変わったりします。
AIの答えの正しさは、読ませる資料の正しさで決まります。AIに読ませる前に、最新版がどれかを人が決めておくことが欠かせません。
目的が決まらないまま、ツールだけ入れてしまう
「とりあえずAIツールを契約して社員に配ったが、ほとんど使われていない」というのもよくある場面です。何の業務に使うのか、何がどれだけ良くなれば成功なのかが決まっていないと、使う人も使い方もばらばらになり、効果を測れません。
ツールを選ぶ前に、対象の業務と、3か月後に見る数字(作業時間・件数・ミスの数など)を決めておきましょう。AI導入でよくある失敗は AI導入が失敗する原因と防ぎ方 でも詳しくまとめています。
データが少なくても使えるAIと、その選び方
手元のデータが限られていても使えるAIの使い方は、大きく5つあります。自社で用意するデータの量が小さい順に紹介します。
学習済みの生成AIをそのまま使う
ChatGPTやClaude、Geminiのような生成AIは、提供元がすでに学習を済ませています。メールや提案書の下書き、議事録の要約、文章の校正、アイデア出しなどは、社内データをほとんど用意しなくても始められます。
データが手元に乏しい会社にとって、もっとも早く効果を確かめられる方法です。中小機構の調査でも、AIを導入している中小企業で最も使われているのは生成AIで、82.6%にのぼります(出典:中小機構『中小企業のAI等の利活用に係る実態調査』2026年3月)。ただし、自社の商品や社内のルールについては知らないため、一般的な答えしか返ってこない点は理解しておきましょう。業務での使い方は 生成AIの導入の進め方 もあわせてご覧ください。
社内文書を読ませて答えさせる(RAG)
RAG(検索拡張生成)は、生成AIに社内の規程やマニュアル、FAQなどを検索させ、その内容をもとに答えさせる仕組みです。AIそのものを学習し直すわけではないため、大量の過去データは要りません。必要なのは、答えのもとになる正しい資料です。
就業規則や社内の手続き、商品の説明など、社員や顧客からよく聞かれる内容の資料から始めると効果が見えやすくなります。RAGで大切なのは資料の多さではなく、答えのもとになる資料が正しく最新であることです。
転移学習や合成データで学習データを補う
画像の検査や予測など、どうしても自社向けに学習させる必要がある場合も、方法はあります。転移学習は、別の大量のデータで学習済みのAIを土台にして、自社の少ないデータで仕上げる方法です。一から学習させるより、必要なデータが減る場合があります。
合成データは、実際のデータをもとに、似た性質のデータを人工的に作って学習を補う方法です。どちらも、どこまで精度が出るかは試してみないとわからないため、範囲を絞った試験導入で確かめるのが前提になります。
外部データや公開データを組み合わせる
自社のデータだけでは足りない部分を、国や自治体が公開している統計などで補う方法です。たとえば需要の見通しを立てるとき、自社の売上の記録に、地域の人口や気象のような公開データを組み合わせると、判断の材料が増えます。
公開データは使える条件(利用規約やライセンス)が決まっています。業務で使う前に、出どころと使える範囲を確かめておきましょう。
業務ルールや手順書でAIの判断を補う
過去のデータから判断のくせを学ばせる代わりに、「この条件ならこう処理する」というルールや手順を文章で渡し、AIにそのとおりに動いてもらう方法です。見積もりの作り方や問い合わせの振り分けなど、判断の基準が言葉にできる業務に向いています。
データの代わりに、現場の知識をそのまま使える点が強みです。手順がベテランの頭の中にしかない場合は、後で紹介する方法で書き出すところから始めます。
データの状態別に使える手法の早見表
ここまでの5つの方法を、データの状態ごとに整理しました。セルフチェックの結果とあわせて、最初の取り組みを決める目安にしてください。
| データの状態 | 使える手法 | 最初の取り組み |
|---|---|---|
| 文書はあるが量が少ない | 生成AI、RAG | よく聞かれる質問に答える資料を選び、最新版をそろえる |
| 紙が中心 | 文字の読み取り(OCR)と生成AI | 毎月よく使う様式から電子化する |
| 手順が人の頭の中にある | 業務ルールを渡す生成AI | ベテランへの聞き取りで手順を書き出す |
| 各所に散らばっている | RAG | 置き場所・ファイル名・版の管理のルールを決める |
| 予測や検査に使う記録が少ない | 転移学習、合成データ、公開データ | 必要な量を支援先と確かめ、範囲を絞って試す。並行して記録をためる |
社内データをAIに使う3つの方式と選び方
社内の資料をAIに使わせる方法は、大きく「指示文に資料を貼る」「RAG」「ファインチューニング(追加学習)」の3つに分かれます。用意するデータの量も、かかる手間も大きく違うため、違いを押さえてから選びましょう。
指示文に資料を貼って使う
生成AIへの指示文(プロンプト)に、規程の一部や過去の提案書、商品の説明などを貼り付けて、その内容をもとに答えや文章を作らせる方法です。仕組みを作る必要がなく、今日から試せます。
一度に渡せる量には上限があるため、資料が多い業務や、毎回同じ資料を貼る業務には向きません。まずこの方法で「どの資料を渡すと答えが良くなるか」を確かめておくと、RAGに進むときの資料選びにそのまま使えます。
ファインチューニングは最後に検討する
ファインチューニングは、学習済みのAIに自社のデータを追加で学ばせ、言い回しや判断のくせを覚えさせる方法です。決まった形式の文章を大量に作る業務などでは効果が出ることがありますが、質のそろった学習用のデータを一定量用意する必要があり、作り直しにも手間がかかります。
データが限られる会社では、指示文やRAGで足りないとわかってから検討する順番で十分です。データが少ないうちは、AIを学習させるより、正しい資料を渡して答えさせる方法から始めるのが近道です。
3つの方式の比較
3つの方式を、必要なデータ・準備の手間・向く業務で比べると次のとおりです。
| 方式 | 必要なデータ | 準備の手間 | 向く業務 | 注意点 |
|---|---|---|---|---|
| 指示文に資料を貼る | 答えのもとになる資料が数点あればよい | 小さい(仕組みづくりは不要) | 文書の下書き、要約、資料にもとづく文章作成 | 一度に渡せる量に限りがある。貼る資料の機密区分を確かめる |
| RAG | 答えのもとになる規程・マニュアル・FAQなど(正しく最新であることが大切) | 中くらい(資料の整理と検索の仕組み) | 社内の問い合わせ対応、規程や手続きの案内、商品の説明 | 資料が古いと答えも古くなる。資料の更新を運用に組み込む |
| ファインチューニング | 質のそろった学習用のデータが一定量必要 | 大きい(データの準備・学習・評価) | 決まった形式の文章の大量作成、独自の判断基準の再現 | データを作り直すたびに学習し直す。データが足りないと効果が出にくい |
迷ったときの選び方
迷ったときは、まず指示文に資料を貼って試し、答えが良くなるかを確かめます。資料が多くて貼りきれない、または社員みんなが同じ資料を使いたい場合はRAGに進みます。それでも言い回しや判断が合わないときに初めて、ファインチューニングを検討します。
どの方式でも、答えのもとになるのは自社の資料です。方式を選ぶ前に、使う資料を絞って最新版をそろえておくと、どの方式に進んでも手戻りが少なくなります。
社内データが少なくても始めやすい業務の例
ここでは、手元のデータが限られていても始めやすい業務を、使う資料と方式とあわせて紹介します。IPAの調査では、AIの利用用途として「問合わせ対応(社内・社外)」が33.4%、「ナレッジ管理・共有」が26.3%挙がっています(出典:IPA『国内企業のDX動向・AI活用動向のポイントを公開』2026年7月)。文書作成や要約に次いで、社内の資料を使う用途にも広がっていることがわかります。
社内の規程や手続きの問い合わせに答える
「経費の申請はどうするか」「休暇の申請期限はいつか」といった社内の問い合わせに、就業規則や手続きの手引きをもとに答える使い方です。使う資料は数点の規程と手引きで足り、RAGや指示文に資料を貼る方法で始められます。
総務や人事の担当者が同じ質問に何度も答えている会社ほど、効果を感じやすい業務です。答えのもとの資料を最新にしておくことと、答えられない質問は担当者に回す流れを決めておくことが大切です。
会議の議事録や日報を要約する
会議の録音や日報の文章を生成AIに渡し、要点や決まったこと、次にやることを整理させる使い方です。過去のデータをためておく必要はなく、その日の記録だけで始められます。
要約した結果を同じ形式で残していくと、それ自体が後から検索できる社内のデータになります。データを使いながら増やしていく最初の一歩として向いています。
提案書やメールの下書きを作る
過去にうまくいった提案書や、よく使うメールの文面を数点渡し、新しい案件に合わせた下書きを作らせる使い方です。社内データは数点の見本で足ります。
AIの下書きを人が直して仕上げる流れにすれば、間違いがあっても外に出る前に気づけます。人が直した内容を見本に加えていくと、下書きの質が上がっていきます。
紙の伝票や申込書を読み取って入力する
紙の伝票や申込書をスキャンし、文字の読み取り(OCR)と生成AIで必要な項目を取り出して、表計算ソフトや業務システムに入力する使い方です。紙が中心の会社でも、読み取った結果がそのまま次に使えるデータになります。
手書きの文字や崩れた様式は読み取りを誤ることがあるため、最初は人が確かめる工程を残しましょう。毎月件数の多い様式から始めると、効果を数字で示しやすくなります。
問い合わせや依頼を振り分ける
メールやフォームで届く問い合わせを、内容に応じて担当部署や優先度に振り分ける使い方です。過去の記録が少なくても、「この内容ならこの担当」という振り分けのルールを文章で渡せば始められます。
振り分けの基準がベテランの頭の中にある場合は、先に書き出しておきます。判断の基準を言葉にできる業務は、データが少なくてもAIに任せやすい業務です。
業務ごとに使う資料と方式の早見表
ここまでの業務を、使う資料と方式で整理しました。自社で最初に取り組む業務を選ぶときの目安にしてください。
| 業務 | 使う資料 | 向く方式 | 最初に整えること |
|---|---|---|---|
| 社内の問い合わせへの回答 | 就業規則、手続きの手引き、社内FAQ | RAG、指示文に資料を貼る | 答えのもとの資料を最新版にそろえる |
| 議事録・日報の要約 | その日の録音や文章 | 学習済みの生成AI | 要約の形式を決めて残す |
| 提案書・メールの下書き | 過去の提案書やメールの見本数点 | 指示文に資料を貼る | 見本にする文書を選ぶ |
| 紙の伝票・申込書の入力 | 毎月の伝票や申込書 | 文字の読み取り(OCR)と生成AI | 件数の多い様式を選ぶ |
| 問い合わせの振り分け | 振り分けのルール、担当の一覧 | 業務ルールを渡す生成AI | 振り分けの基準を書き出す |
社内データが少ない会社のAI導入の進め方|5つの手順
進め方は、次の5つの手順で進めると無理がありません。まず全体の流れを示し、そのあと手順ごとに見ていきます。
業務を洗い出し、対象を1つに絞る
時間がかかっている作業を書き出し、効果を測りやすいものを1つ選びます。
手元にあるデータを棚卸しする
その業務で使う資料と記録が、どこに、どんな形であるかを確かめます。
小さく試す(PoC)
期間と判断の基準を決めて、1つの部署で試します。
効果を毎月見える化する
導入前と後の作業時間を比べ、毎月記録します。
データがたまる仕組みを作る
日々の業務の中で、次に使えるデータが自然に残る形にします。
手順1:業務を洗い出し、対象を1つに絞る
まず、毎日や毎週くり返している作業のうち、時間がかかっているもの、ミスが起きやすいもの、特定の人しかできないものを書き出します。そのうえで、うまくいったかどうかを数字で確かめやすい業務を1つ選びます。
最初の対象は、間違えても影響が小さく、AIの出した結果を人が確かめられる業務が向いています。社内向けの文書作成や、問い合わせへの回答の下書きなどが代表的です。
手順2:手元にあるデータを棚卸しする
選んだ業務で使っている資料や記録を、すべて書き出します。書き出すのは、資料の名前、置き場所、形式(紙・Excel・PDF・システム)、最新版を管理している人の4つです。
この作業をすると、「データがない」と思っていた会社でも、意外に材料がそろっていることがよくあります。全社のデータを一度に整えようとせず、選んだ業務で使う分だけを整えれば十分です。
手順3:小さく試す(PoC)
1つの部署・1つの業務で、期間を区切って試します。始める前に、「作業時間がどれだけ減れば本番に進むか」と「どうなったらやめるか、範囲を絞るか」の両方を決めておきましょう。
データが足りない状態で始めると、思ったほど精度が出ないこともあります。やめる基準まで先に決めておけば、効果の出ない試行を続けて時間と費用を失うことを防げます。試験導入の進め方は AIのPoCの進め方 で詳しく解説しています。
手順4:効果を毎月見える化する
導入前と導入後で、対象の業務にかかった時間を比べ、毎月記録します。空いた時間を人件費に換算すると、社内で続けるかどうかを判断しやすくなります。
記録は、現場の担当者が無理なく続けられる形にすることが大切です。1回あたりの作業時間と件数がわかれば、計算はできます。計算の方法は AIの投資対効果(ROI)の測り方 にまとめています。
手順5:データがたまる仕組みを作る
試験導入で効果が見えたら、次に広げる業務のためにデータがたまる仕組みを作ります。AIを使った結果や、人が直した内容を残しておくと、それ自体が次の改善の材料になります。
AIを使いながらデータを育てていく考え方に切り替えると、「データがそろうまで始められない」という状態から抜け出せます。
範囲を絞る・やめると判断するサイン
試験導入の途中で、次のようなサインが出たら、そのまま続けずに範囲を絞るか、やり方を変えるかを話し合いましょう。
| サイン | 考えられる理由 | 次の打ち手 |
|---|---|---|
| 答えの誤りが減らない | 読ませている資料が古い、または足りない | 資料を最新版に差し替え、対象の質問の範囲を絞る |
| 学習用のデータが集まらない | 業務の件数そのものが少ない | 学習させる方式をやめ、生成AIやRAGで済む使い方に切り替える |
| 使う人が増えない | 業務の手順に組み込まれていない | 使う場面を手順に決め、部署ごとの使い方の例を用意する |
| 作業時間が減らない | AIの結果を確かめる手間が大きい | 人が確かめやすい業務に対象を移す |
やめるのは失敗ではありません。決めておいた基準で早めに範囲を見直すことが、試験導入を無駄にしない進め方です。
データを増やし、整えるための取り組み
AIの使い道を広げるには、使えるデータを少しずつ増やし、整えていくことが欠かせません。大きなシステムを入れなくても、明日から始められる取り組みを紹介します。
日々の業務の記録をデータとして残す
問い合わせの内容と回答、日報、見積もり、クレームの記録など、毎日の業務で生まれる情報は、残し方を決めるだけでデータになります。紙に書いていたものを共有の表計算ソフトやフォームに変えるだけでも、あとから検索や集計ができるようになります。
項目の名前や書き方を最初にそろえておくと、AIに読ませるときの手間が大きく減ります。
ベテランの頭の中にある知識を書き出す
長く働く社員の経験や判断の基準は、中小企業にとって大きな財産です。ただ、頭の中にあるままでは、AIにも新しい社員にも渡せません。
書き出すときは、生成AIを聞き手に使う方法が手軽です。ベテランへの聞き取りを録音して文字に起こし、生成AIで手順書の形に整え、最後に本人が確かめます。ベテランの知識を手順書にすることは、データ不足を補うと同時に、仕事の引き継ぎにも役立ちます。
文書の置き場所・名前・版をそろえる
AIに読ませる資料は、置き場所を1つに決め、ファイル名の付け方と、最新版と古い版の見分け方をルールにしておきます。古い版はアーカイブ用のフォルダに移し、AIが読む場所には最新版だけを置くのが基本です。
あわせて、資料ごとに更新の担当者を決めておくと、内容が古くなるのを防げます。
個人情報・機密情報の扱いと社内ルール
社内データをAIで使うときは、個人情報と機密情報の扱いを先に決めておく必要があります。個人情報保護委員会は、事業者が生成AIサービスに個人情報を含む指示文(プロンプト)を入力する場合、利用目的の範囲内であることを十分に確認するよう求めています。また、本人の同意なく個人データを入力し、それが応答の出力以外の目的で扱われる場合は法に違反するおそれがあるとして、提供元がそのデータを機械学習に使わないことなどを確認するよう注意を促しています(出典:個人情報保護委員会『生成AIサービスの利用に関する注意喚起等』2023年6月)。
社内では、入力してはいけない情報、使ってよいサービス、AIの出力を確かめる担当者、誰がどの資料を見てよいかという閲覧の権限を決め、文書にしておきましょう。対策の詳細は 生成AIのセキュリティ対策 で解説しています。
データの機密度で3段階に分ける
AIに渡してよいかを資料ごとに迷わないよう、社内のデータを機密度で3段階に分けておくと判断が早くなります。区分ごとに、使ってよいAIのサービスを決めておきます。
| 区分 | データの例 | AIでの扱いの目安 |
|---|---|---|
| 公開してよい情報 | 会社案内、公開済みの商品説明、ホームページの文章 | 一般の生成AIサービスで使ってよい |
| 社内限りの情報 | 社内の規程、マニュアル、議事録、社内向けの資料 | 入力したデータを学習に使わない設定や契約のサービスで使う |
| 特に守る情報 | 個人情報、取引先から預かった情報、未公開の財務や開発の情報 | 原則として入力しない。使う場合は社内の承認と、利用目的・保存場所の確認を経る |
区分の名前や数は、自社の情報管理の決まりに合わせてかまいません。大切なのは、資料を見たときに、誰でも同じ判断ができることです。
AIに読ませる前の資料の確認リスト
RAGなどで社内の資料をAIに読ませる前に、次の点を確かめておきます。すべての資料で確かめる必要はなく、最初に選んだ業務で使う資料だけで十分です。
| 確かめること | 理由 |
|---|---|
| 最新版だけが置かれているか | 古い版が混ざると、古い内容で答えてしまう |
| 同じ内容の資料が重なっていないか | 資料ごとに書き方が違うと、答えがぶれる |
| 用語や表記がそろっているか | 同じものを別の言葉で呼んでいると、探しにくくなる |
| 機密度の区分が決まっているか | 見せてはいけない人にAI経由で内容が伝わるのを防ぐ |
| 資料ごとに更新の担当者がいるか | 改訂のときにAIが読む資料も差し替えられる |
| 文字として読める形式か | 画像だけのPDFや手書きの資料は、読み取りが必要になる |
公的機関が公開しているデータと指針を使う
自社のデータを補う材料や、データの整え方の手本は、公的機関からも公開されています。IPAの「AIのためのデータ環境整備」のページでは、データ品質の管理に関するガイドブックのほか、e-Statやe-Govデータポータルといった公開データの入り口がまとめて案内されています(出典:IPA『AIのためのデータ環境整備』)。
AIを使う側の心構えについては、総務省と経済産業省が「AI事業者ガイドライン」をまとめており、2026年3月31日に第1.2版が公表されています(出典:総務省『AI事業者ガイドライン』)。社内ルールを作るときの参考になります。
導入したAIを社内で使い続けるための工夫
AIを始められても、使う人が増えなければ効果は広がりません。AIの使い方が定着すると、使った結果や直した内容が残り、データも自然にたまっていきます。ここでは、導入したAIを使い続けるための工夫を紹介します。
普段の業務の流れの中に組み込む
AIを別の画面で「使いたい人が使うもの」にしておくと、忙しい時期ほど使われなくなります。問い合わせの回答や日報の提出など、普段の業務の手順の中にAIを使う場面を組み込むと、意識しなくても使われるようになります。
AIを使うかどうかを個人に任せず、業務の手順の一部として決めておくことが定着の近道です。
部署ごとの使い方の例を用意する
「何に使えばよいかわからない」という声は、導入の後によく出てきます。部署ごとに、実際の業務で使える指示文の例と、うまくいった使い方を共有しておくと、使い始める人が増えます。
使い方の例は、AIに詳しい人より、その業務をよく知る現場の担当者に書いてもらうほうが伝わりやすくなります。
利用状況と困りごとを毎月集める
だれが、どの業務で、どのくらい使っているかを毎月確かめます。あわせて、答えが違っていた例や、使いにくかった点を集めておくと、読ませる資料やルールのどこを直せばよいかがわかります。
集めた困りごとは、そのまま次の改善の材料になります。手順4で記録している作業時間の変化とあわせて見ると、続けるかどうかの判断もしやすくなります。
推進役を1人にせず、相談先を決める
AIに詳しい1人に任せきりにすると、その人が忙しくなったり異動したりしたときに止まってしまいます。部署ごとに相談役を決め、経営者が取り組みの目的を社内に伝えておくと、部署をまたいだ協力も得やすくなります。
社内で相談先が見つからないときは、外部の支援先に導入後の相談まで頼めるかを確かめておくと安心です。
資料の更新を運用に組み込む
RAGのように社内の資料を読ませる仕組みでは、資料が古くなると答えも古くなります。規程やマニュアルを改訂したら、AIが読む場所の資料も差し替える、という手順を、資料ごとの更新の担当者とあわせて決めておきます。
更新が止まると、社員は「AIの答えは当てにならない」と感じて使わなくなります。資料を最新に保つことは、精度だけでなく、社内の信頼を保つためにも欠かせません。
データが少ない会社のAI導入支援先の選び方
社内に詳しい人がいない場合は、外部の支援先と一緒に進めるのが近道です。ただし、データが限られる会社にとっての良い支援先は、技術が高い会社とは限りません。データの状態に合わせて、できることから始めてくれるかどうかで選びましょう。支援会社そのものの比べ方は AI導入支援とは?おすすめ会社の比較と選び方 で詳しく解説しています。
PR|AIBUILDERZ AI導入支援サービス
PR
AIBUILDERZ|AI導入支援サービス
システム構築は成果報酬型。AI研修から導入・構築・定着まで一気通貫で支援

AI研修からシステムの導入・構築・定着まで、一気通貫で支援するサービスです。業務アプリの構築費は事前にいただかず、実際に稼働させ、効果をご確認いただいてからお支払いが始まります。成果報酬型での対応は、当社が小規模と定義するシステムが対象です。
- 業種・規模を問わず支援どの業務からAIやシステムに置き換えるかを一緒に決め、効果の大きい業務から順に進めます。
- システム構築は成果報酬型業務アプリの構築費は事前にいただきません。稼働させ、効果をご確認いただいてからお支払いが始まります。
- AI導入の効果を可視化置き換える業務を一覧にし、導入前後の時間から、空いた時間とかからなくなった費用を毎月記録します。
- 小さく始めて、リスクを管理影響の小さい業務から始め、AIの実行結果は担当者が確認・承認してから反映します。
支援先の4つのタイプ
| タイプ | 主な支援 | データが限られる会社との相性 |
|---|---|---|
| コンサルティング | 業務の整理、AI活用の計画づくり | 何から始めるかを決める段階で役立つ。実装は別の会社になることもある |
| 開発会社 | 自社向けのAIやシステムの開発 | 学習データを前提にする提案もあるため、必要なデータ量の確認が欠かせない |
| 研修会社 | 社員向けの生成AIの使い方の研修 | 学習済みの生成AIから始める会社に向く。業務への組み込みは自社で進める |
| ツール提供会社 | AIツールやサービスの提供・設定 | すぐに使い始められる。自社の業務に合わせる範囲は限られる |
計画から構築、社内への定着までをまとめて頼める支援先もあります。データの整備から相談したい場合は、こうした一貫して支援する会社も候補に入れるとよいでしょう。
データが少ない場合に確かめたい項目
| 項目 | 確かめること |
|---|---|
| 学習済みAIの活用 | いきなり開発を勧めず、既存の生成AIやRAGで済む方法を先に検討してくれるか |
| データ整備の支援 | 紙の電子化や資料の整理、手順の書き出しまで手伝ってくれるか |
| 小さく始める進め方 | 1つの業務から試し、結果を見て広げる進め方に対応しているか |
| 効果の測り方 | 導入前後の作業時間など、効果を数字で示してくれるか |
| 社内への定着 | 使い方の研修や、導入後の改善まで支援があるか |
「データが足りない」と言われたときに確かめること
相談先から「データが足りない」と言われたら、その場であきらめずに、何が足りないのかを具体的に聞きましょう。足りないのが量なのか、質(誤りや抜けが多い)なのか、種類(必要な項目がない)なのか、偏り(特定の時期や条件のデータしかない)なのかで、打つ手が変わるためです。
そのうえで、学習済みのAIで代わりにできないか、範囲を絞れば今のデータで試せないか、データをためるならどの項目をどのくらいの期間かを確かめます。足りないものが具体的にわかれば、待つのか、範囲を絞って始めるのかを自社で判断できます。
支援先にそのまま聞ける質問リスト
初回の相談では、次の質問を使ってみてください。答えの具体さで、データの乏しい会社への向き合い方がわかります。
| 質問 | 答えで確かめたいこと |
|---|---|
| 当社のデータの状態で、最初に何から始めますか | データの状態を聞いたうえで、具体的な最初の一歩を示せるか |
| 学習データが要らない方法で済みませんか | 開発ありきでなく、生成AIやRAGを比べて提案できるか |
| 必要なデータの量と項目を具体的に教えてください | 「多いほどよい」ではなく、根拠のある目安を示せるか |
| データの整理や電子化はどこまで手伝ってもらえますか | 自社でやる作業と任せる作業の線が明確か |
| 試験導入で、本番に進む基準とやめる基準をどう決めますか | 判断の基準を一緒に決める姿勢があるか |
| 効果はどのように測り、どの頻度で報告してもらえますか | 効果を数字で継続して見せてくれるか |
| 入力したデータは学習に使われますか。保存場所はどこですか | 個人情報・機密情報の扱いを説明できるか |
| どんな体制で、誰が担当しますか | 担当者と、導入後の問い合わせ先がはっきりしているか |
費用は何で変わるか
この場合のAI導入の費用は、どの方式を選ぶかと、データの整備をどこまで頼むかで大きく変わります。見積もりを比べるときは、次の項目がそれぞれ含まれているかを確かめましょう。
| 費用の項目 | 金額を左右すること |
|---|---|
| 生成AIツールの利用料 | 使う人数、契約の種類(入力を学習に使わない法人向けの契約かどうか) |
| RAGなどの仕組みづくり | 読ませる資料の量と種類、つなぐ社内システムの数 |
| データの整備・電子化 | 紙の資料の量、資料の整理や手順の書き出しをどこまで頼むか |
| 学習を伴う開発 | 必要なデータの量、目標の精度、試験導入の回数 |
| 研修・定着の支援 | 研修の回数と人数、導入後の相談や改善の期間 |
学習を伴う開発から始めるより、生成AIやRAGから始めたほうが、最初の費用は小さく抑えやすくなります。金額の目安は AI導入の費用相場 でまとめています。
見積もりを依頼する前に整理しておくこと
見積もりを依頼する前に、次の3つをまとめておくと、話が早く進み、各社の提案も比べやすくなります。1つ目は、AIに任せたい業務と、いまその業務にかかっている時間です。2つ目は、その業務で使う資料と記録の一覧(手順2の棚卸しの結果)です。3つ目は、セルフチェックの結果と、守りたい情報の範囲です。
同じ資料と同じ質問で2〜3社に相談すると、提案の違いの理由がわかりやすくなります。
社内データが少ない場合のAI導入に関するよくある質問
Q. どのくらいのデータがあれば始められますか?
Q. データが紙や表計算ソフトにあるだけでも進められますか?
Q. 社内データを外部のAIに渡して問題ありませんか?
Q. データの整備が終わるまで、AI導入は待つべきですか?
Q. 少ないデータで作ったAIの答えは信用できますか?
Q. 社内にAIに詳しい人がいなくても進められますか?
Q. 中小企業のAI導入は、どの業務から始める会社が多いですか?
Q. RAGとファインチューニングは、どちらを選べばよいですか?
Q. 無料の生成AIツールで試してもよいですか?
まとめ
社内データが少ないことは、AI導入をあきらめる理由にはなりません。学習済みの生成AIや社内文書を読ませる仕組みを使えば、手元の資料だけで始められる業務は多くあります。最後に、本記事のポイントを振り返ります。
今日から始められる最初の一歩
まずは、この記事の5問のセルフチェックに答え、AIに任せたい業務を1つだけ書き出してみてください。次に、その業務で使っている資料と記録を一覧にします。この2つがそろえば、社内データが少なくても、AI導入の最初の一歩は踏み出せます。
