「うちの会社で、AIで何かできることってありますかね？」
これが、私たちが経営者の方からいただく相談の中で、最も多いフレーズです。そして、私たちが返す質問はいつも同じです。
「現場の社員さんが、最近どんなことで困っていますか？」
この問いに、すぐに具体例が出てくる経営者の方がいらっしゃいます。「あの作業に毎日2時間かかっていて、本人もしんどそうなんですよ」「夜勤の新人がいつも判断に迷っていて、ベテランに電話する回数が多くて」──こういう答えが返ってくる会社は、ほぼ確実にAI活用で成果が出ます。
逆に、「AIで何かできることはないか」と先に技術側から考え始める会社は、たいてい途中で迷走します。なぜなら、AIは「答え」ではなく「道具」だからです。先に「解くべき問題」が現場に存在していて、初めて道具が活きる。順番が逆になると、何も生まれません。
本稿でお伝えしたいのは、ある意味、当たり前のことです。中小企業のAI活用において、本当の主役は技術ではなく、現場で日々起きている「小さな違和感」のほうだ、ということ。そして、その違和感を言語化し、プロに渡すまでが、経営者の仕事だということ。この順序を理解している会社と、そうでない会社では、AI導入の結果が驚くほど変わります。
シリーズ第3弾の今回は、その「現場の声」をどう発見し、どう育て、どう形にしていくかを、できるだけ実感のこもった形で整理していきます。
なぜ「AIで何ができるか」から考え始めると、失敗するのか
まず、最初に押さえておきたい話があります。
AI活用で成果が出ない会社の最大の共通点は、技術側から考え始めてしまうことです。「AIで何ができるんだろう」「ChatGPTって、業務でどう使えるんだろう」「他社事例にあった、あれをうちでもやってみたい」──こういう発想で動き出すと、ほぼ必ず、どこかで止まります。
理由はシンプルです。AIは万能ツールではなく、特定の業務課題を解くための「専門道具」だからです。万能の包丁が存在しないように、万能のAIも存在しません。何を切るかが決まって初めて、適切な刃の形が決まる。順序がそうなっています。
実際に、生成AIブームが本格化してから、世の中には「とりあえずAIを入れてみたものの、定着しなかった」事例が大量に発生しています。多くの場合、原因は技術や予算ではなく、「最初に解くべき課題が定義されていなかった」というシンプルな話に行き着きます。
一方で、AI活用で確実に成果を出している会社には、ある共通点があります。それは、「現場で誰かが、毎日のように困っている具体的な何か」が、最初の出発点になっていることです。「経費精算で総務に同じ質問が月50件来る」「夜間の問い合わせを取りこぼしている」「マニュアル検索に1日30分使っている社員がいる」──こういう、解像度の高い「困りごと」が最初に存在している。
つまり、AI活用の成否を分けるのは、技術ではなく、「現場の課題をどれだけ具体的に持っているか」なのです。
中小企業の現場には、AIシステムのタネが眠っています
ここで、ぜひお伝えしたいことがあります。
中小企業の現場には、AIシステムのタネが、信じられないくらい大量に眠っています。むしろ、大企業よりもずっと多い、と私たちは考えています。
理由は3つあります。
一つ目。中小企業では、社員一人ひとりが複数の業務を兼任しているため、「本来やりたい仕事」と「やらされている定型業務」の境界が、本人の中で明確に分かれていることが多い。つまり、「ここがしんどい」という自覚が、現場側に強くあります。
二つ目。中小企業では、業務プロセスが標準化されていない部分が多いため、属人的なノウハウや暗黙知が、特定の社員の頭の中にだけ存在している。これは見方を変えれば、「言語化してAIに移し替えれば、一気に仕組み化できる宝の山」が転がっている、ということです。
三つ目。中小企業では、経営者と現場の距離が近いため、現場の声をすぐに経営判断に反映できる構造があります。これは、稟議が何段階もある大企業にはない、大きな機動力です。
つまり、中小企業の経営者の足元には、AI活用の素材が大量に存在しているのです。問題は、その素材を「見つけ出す視点」を持っているかどうか、ただそれだけです。
「小さな違和感」が、自社専用AIに化けるまで
抽象論だけだとイメージしにくいと思いますので、実例ベースで、現場の声がAIシステムに化けていく流れを4つほどご紹介します。
ケース①：「夜中に新人が、先輩に電話している」という違和感
ある介護施設の現場マネージャーの方から、私たちはこんな話を聞きました。「夜勤帯で、新人が記録の書き方や緊急対応の判断に迷って、自宅で休んでいる先輩に電話してくる。先輩も大変だし、新人も電話することを躊躇して、結果的に判断が遅れることもある」。
最初の相談時点では、「これがAIで解決できる」とは、現場の方も思っていませんでした。ただ、「困っている」という感覚だけがあった。
私たちが提案したのは、夜勤帯の判断支援に特化したAIチャットボットでした。過去の判断事例、施設のマニュアル、緊急時のプロトコル、利用者ごとの注意事項をAIに学習させ、新人がスマートフォンから話し言葉で質問できる仕組みを構築しました。
導入後、現場の介護士の方から「先輩に電話する前に、まずAIに聞いてみる」という運用が自然に定着しました。先輩の負担が減り、新人の心理的負担も減った。何より、判断のスピードと品質が両方上がりました。
このシステムの原型は、技術スペックではなく、「夜中に電話している新人と、それを受ける先輩」という現場の風景から生まれたものです。
ケース②：「店長が、毎晩深夜に企画書を書いている」という違和感
ある飲食店チェーンの本部の方から、こんな話を聞いたことがあります。「店長たちが、本部に提出する企画書や提案書を、閉店後の深夜に書いている。本来やってほしい接客や教育の時間が削られている」。
これも当初は、AIで解決するという発想は出ていませんでした。「店長の働き方をどう改善するか」という人事の課題として扱われていたものです。
私たちが構築したのは、店長がAIに口頭で話しかけるだけで、企画書や提案書を本部指定のフォーマットに整形して出力するシステムでした。「来月、こういうフェアをやりたい、ターゲットは20代女性、予算は◯◯円、想定売上は◯◯円」と話すだけで、AIが本部の様式に沿った企画書を作る。
副次効果として、企画書の質も上がりました。これまで時間がなくて雑に書かれていた企画が、AIによる構造化のおかげで、論点が整理された状態で本部に届くようになったのです。
この案件も、最初は「AIで何かしたい」ではなく、「店長が深夜に書類を書いている」という現場の風景から始まっています。
ケース③：「ベテラン職人が辞める前に、頭の中を残したい」という違和感
ある建設会社の経営者から、こんなご相談をいただきました。「来年定年になるベテラン職人がいる。その人の頭の中にしかない判断基準や、現場での勘所が、後継者にうまく引き継げない」。
これは、いわゆる「事業承継」の文脈ではよく出てくる話ですが、AIで解決できる課題だとは、ご本人も最初は気づいていらっしゃいませんでした。
私たちが行ったのは、そのベテラン職人へのヒアリングを通じて、「どんな場面で、何を見て、どう判断するか」を体系的に書き起こす作業です。一度書き起こしたら、それをAIに学習させ、若手の職人が現場でスマートフォンから質問できる形にしました。
「この基礎、亀裂が入ってるんですが、補修すべきか、打ち直すべきか、判断つきません」──こういう質問に、AIがベテランの判断基準で答えるようになった。完全な代替ではないものの、若手が「まずベテランの頭で考えてみる」という思考のトレーニングが、現場で日常的にできるようになりました。
これも、技術ではなく、「ベテランの引退」という現場の風景が出発点でした。
ケース④：「保護者からの同じ質問に、毎日答えている」という違和感
ある学習塾の塾長から、こんなお話を伺いました。「保護者からの『振替授業の手続きは』『クラス変更は』『次のテストはいつ』といった質問が、毎日のように事務スタッフに来る。本来、講師や事務スタッフがやるべき業務に時間を回せていない」。
これは、見えやすい課題ではあるのですが、これまで「保護者対応は人が丁寧にやるべき」という前提で、誰もシステム化を考えていませんでした。
私たちが構築したのは、LINE公式アカウント上で、保護者からの定型質問にAIが対応する仕組みです。複雑な相談や、生徒の学習に関する個別の話は、これまで通り講師が対応する。一方で、定型的な事務手続きの質問は、AIが24時間体制で回答する。
導入後、保護者からは「夜遅くに思い出して問い合わせても、すぐに答えが返ってくるのが便利」という声が増えました。事務スタッフは、本来の業務である教材準備や講師サポートに時間を回せるようになりました。
この案件も、「保護者対応をAI化しよう」ではなく、「事務スタッフが毎日同じ質問に答えている」という風景が出発点です。
ここで気づいていただきたい、共通点
4つのケースを並べてお気づきになった方も多いと思いますが、すべてのケースに共通しているのは、出発点が「技術」ではなく「現場の風景」であることです。
「夜中に電話している新人」「深夜に企画書を書いている店長」「引退するベテラン」「同じ質問に毎日答える事務スタッフ」──これらは、すべて経営者や現場マネージャーが日常的に目にしていた光景です。特別な分析や、コンサルティングが必要な気づきではありません。
それなのに、これらをAIシステムに変換するという発想は、なかなか自社の中だけでは生まれません。なぜなら、「現場の困りごと」と「AI技術」の間には、翻訳作業が必要だからです。
ここが、私たちのような開発会社の本来の役割だと考えています。経営者や現場の方が持っている「困っている」という感覚を、「AIで解決可能な業務課題」に翻訳し、さらに「具体的なシステム要件」に変換していく。この翻訳プロセスを伴走する存在として、私たちは仕事をしています。
経営者が、現場の声を引き出すための3つの問い
ここから少し実践的な話に移ります。
「現場の声が大事だ」と言われても、いざ社員にヒアリングしようとすると、何を聞けばいいのか分からない、という経営者の方は多いと思います。私たちが現場に入る時に必ず聞いている3つの問いを、お伝えします。
問い①：「最近、しんどいと感じている業務はありますか？」
これは、最も汎用的で、最も多くの情報が出てくる問いです。
「しんどい」という言葉には、業務量の話だけでなく、判断の難しさ、心理的な負担、人間関係の摩擦など、多様な意味が含まれています。社員の方は、「これってAIで解決できるんですか」と疑問を持ちながらでも、しんどい業務については話してくれます。
ポイントは、解決策を求めずに、ただ「しんどい」を聞き切ること。AIで解決できるかどうかは、後で考えればいいのです。
問い②：「同じ作業を、月に何回繰り返していますか？」
定型業務の発見に効果的な問いです。
「経費精算」「日報作成」「在庫確認」「予約調整」など、毎月のように繰り返している作業を書き出してもらうと、社員自身も「あ、こんなに繰り返してたんだ」と気づくケースが多くあります。月10回以上繰り返している業務は、ほぼ確実にAI化の対象になります。
特に、「他の人に説明できるくらい手順が決まっている作業」は、AIに移しやすい業務の最有力候補です。
問い③：「もし魔法が使えるとしたら、どの作業を消したいですか？」
少しユニークな問いですが、これが意外と効きます。
「魔法」という言葉が、論理的・現実的な制約を一瞬外してくれます。「予算が」「人手が」「上司の許可が」を考えずに、純粋に「これがなくなったら最高なのに」と思っている業務が出てくる。
ここで出てきた答えこそが、現場のリアルな本音であり、AI活用で最も大きな価値を生む可能性のある領域です。
この3つの問いを、社員10人にヒアリングするだけでも、AIシステム化のタネが20〜30個は集まります。中小企業でも、です。
現場のアイディアを「使える形」にする、プロの役割
ここで、私たちのような開発会社の役割について、少しだけ書かせてください。
現場でヒアリングして集めた「困りごと」のリストは、そのままではシステム要件にはなりません。「夜中に新人が電話している」という風景を、「夜勤帯のスタッフ向けに、過去事例・マニュアル・利用者注意事項を統合したAIチャットボットを、現場のスマートフォンで使える形で提供する」というシステム要件に変換するには、専門的な翻訳作業が必要です。
この翻訳プロセスで、開発会社が握っているべき視点は、大きく分けて3つあります。
一つ目は、最新のAI技術で「何が可能か」を熟知していること。生成AI、RAG、Function Calling、マルチモーダル対応──こうした技術的な選択肢の中から、その業務課題に最適な構成を選ぶ判断は、技術側の知見がないとできません。
二つ目は、業務プロセスを理解する目線を持っていること。技術だけ詳しくても、現場で起きている業務の流れを理解できなければ、本当に使われるシステムは作れません。実際に現場に足を運び、業務を観察できる開発会社かどうかは、極めて重要です。
三つ目は、「AIに任せるべきこと」と「人が判断すべきこと」の境界を、設計の段階から引けること。AIは万能ではありません。複雑な個別判断、感情的なケア、法的責任が伴う判断は、人が担当すべき領域です。この境界線を最初に明確にしておかないと、後で現場が混乱します。
私たちMilestoneは、この3つの視点を持って、現場と技術の間の翻訳作業を担っています。お客様に求めることは、「困っていることを、現場の言葉のままで教えてください」というシンプルなお願いだけです。それを、AIシステムに変換するのは、こちら側の仕事だと考えています。
良い開発会社かどうかを、現場視点で見分ける3つのサイン
ここまで読んでいただいた方には、もう「良い開発会社をどう見分けるか」のヒントは見えてきているはずです。あえて言語化すると、次の3つになります。
サイン①：技術の話より、業務の話を先にする会社かどうか
最初の打ち合わせで、開発会社がいきなり「最新のGPTモデルを使って」「RAGの仕組みで」と技術論から始めてくる場合は、要注意です。逆に、「御社の現場で、どんな業務が一番大変ですか」「社員さんは何に時間を使っていますか」と業務側から入ってくる会社は、現場視点を持っている可能性が高いです。
技術の話を、最後まで「経営者が理解できる言葉」に翻訳して話せるかどうか。ここも、現場視点があるかないかが如実に出るポイントです。
サイン②：現場に足を運ぶかどうか
要件定義の段階で、開発会社が実際に現場に来ようとするかどうか。これが、何より重要なサインです。
経営者の方の話だけで要件を固めようとする会社は、たいてい「本当に使われるシステム」を作れません。実際に現場で社員が動いている様子を見て、「ここが詰まっていますね」「これは本当に必要な業務ですか」といった会話ができる開発会社を選んでください。
私たちは、要件定義の段階で必ず現場に伺います。これは2026年現在も、絶対に外せないプロセスだと考えています。
サイン③：「できない」「やらないほうがいい」を、はっきり言える会社かどうか
これが意外と重要です。お客様の要望に対して、「それは技術的にはできますが、コストに見合わないので、こちらの方法を提案します」「それは現場の混乱を招くので、別のアプローチが良いです」と、ちゃんと止められる開発会社かどうか。
お客様の言いなりになって、何でも「やります」と言う開発会社は、結果的に成果の出ないシステムを作ってしまうことが多い。プロとして、お客様の利益を長期的に見て判断できる会社を選んでください。
中小企業が、今日からできる「現場発AI活用」の3ステップ
最後に、本稿の内容を実践に移すための、具体的な3ステップをお伝えします。
一つ目。経営者ご自身が、来週1週間、社内を歩き回って「現場の風景」を意識的に観察してください。誰がどんな作業に時間を使っているか、どこで詰まっているか、どんな表情で仕事をしているか。これだけで、AI活用の候補は必ず複数見つかります。
二つ目。先ほどご紹介した3つの問い（「しんどい業務はあるか」「月に何回繰り返す作業か」「魔法で消したい作業は何か」）を、5人〜10人の社員にヒアリングしてください。1人15分で十分です。ノートに書き出していくと、AI化のタネが20〜30個は集まるはずです。
三つ目。集まった候補の中から、「月10回以上繰り返している」「複数人が同じ困りごとを挙げている」「業務時間の20%以上を占めている」のいずれかに当てはまるものを、3〜5個に絞ってください。これが、AI開発会社に持ち込む「最初の相談材料」になります。
ここまで自社で動いた上で、私たちのような開発会社にご相談いただくと、提案の質も、開発のスピードも、まったく違ったものになります。「困りごとリスト」を持って打ち合わせに来ていただくお客様は、ほぼ確実に、満足度の高いシステム導入に至っています。
技術は手段、現場が主役です
長い記事を、最後までお読みいただきありがとうございました。
本稿で繰り返しお伝えしてきたのは、ひとつだけです。AI活用の主役は、AIではなく、現場で日々起きていることのほうだ、ということ。
中小企業の経営者の方々には、最先端の技術を追いかける必要はありません。代わりに、自社の現場で何が起きているかを、誰よりも詳しく知っている──この強みを、最大限に活かしていただきたいと思っています。現場の風景を観察し、社員の声を聞き、「困っている」を言語化する。ここまでは、経営者にしかできない仕事です。
そして、その先の「現場の声をAIシステムに翻訳する」部分は、私たちのような開発会社が引き受ければいい。経営者と現場が持っている「素材」と、開発会社が持っている「技術」と「翻訳力」が組み合わさったとき、初めて、その会社専用のAIが生まれます。
世の中の汎用的なAIサービスとは違う、その会社のためだけに設計された仕組み。これこそが、中小企業がAI活用で本当に欲しいものだと、私たちは信じています。
もし、本稿を読んで「うちにも何かタネがありそうだ」と感じていただけたなら、ぜひ気軽にご相談ください。完璧な要件定義は必要ありません。「現場でこんなことが起きていて、何となく違和感がある」というレベルからで、十分です。そこから、対話を通じて一緒に形にしていくのが、私たちの仕事です。
▶ ご相談・お問い合わせ https://milestone-net.com
「現場の困りごとはあるけど、AIで解決できるかどうかが分からない」「ヒアリングから一緒にやってほしい」といったご相談も、もちろん歓迎しております。
株式会社Milestone（マイルストーン） 代表取締役 大石 湧斗（おおいし ゆうと）
静岡県東部を拠点に、AIチャットボットを軸に中小企業の経営課題解決に取り組んでいます。「やりたいをできるに、できるをできたに」をミッションに、現場目線でAIシステムを開発しています。
コメント