AI活用
2026.05.24
by Arke 合同会社
生成AIに任せていい仕事・任せてはいけない仕事
生成AIをめぐる経営者の悩みは、突き詰めると「使い方」ではありません。「どこまで任せていいか」です。
生成AIを業務に取り入れようとするとき、多くの経営者が2つのうちどちらかに振れます。1つは「全部任せてみよう」、もう1つは「よく分からないから、まだ使わない」。前者はどこかで手痛い失敗をし、後者は機会を逃し続けます。
どちらも、AIを「魔法の道具」か「危険物」かの二択で見ているのが原因です。実際のAIは、そのどちらでもありません。得意な仕事と不得意な仕事が、はっきり分かれている道具です。
つまり本当に必要なのは「AIの使い方」ではなく、「任せる仕事と任せない仕事を線引きする力」です。本記事では、その線引きを経営者目線で行うための判断軸と、自社業務の仕分け方をお伝えします。
CONTENTS / もくじ
- 核心：任せる/任せないを決める「4つの判断軸」
- 具体例：EC業務を「3つの層」に仕分けする
- 結局、どうすればいいのか（自社点検・順番・業態別）
- 図解：4象限で見る「任せる/任せない」
- まとめ
核心：任せる/任せないを決める「4つの判断軸」
ある業務をAIに任せていいかは、業務の性質で決まります。判断に使えるのが、次の 4つの軸 です。4つすべてを完璧に満たす必要はなく、「総合的にどちらへ寄るか」で見ます。
軸 1間違いのコスト ── 1回のミスは、どれだけ痛いか
その業務で1回ミスが起きたとき、どれだけの損害になるか。レビューの分類を1件取り違えても、痛みはほぼゼロ。一方、発注量を一桁間違えれば、数百万円の過剰在庫になります。間違いのコストが低い業務ほど安心して任せられ、高い業務は、任せるとしても人の関与を厚くする必要があります。
軸 2検証のしやすさ ── 出力を、人が短時間で確認できるか
AIの出した結果を、人がすぐ「合っているか」確認できるかどうか。翻訳の下訳なら読めば違和感が分かり、データ集計なら元データと突き合わせれば検算できます。逆に、検証に元の作業と同じだけ時間がかかるなら、任せる意味は薄い。検証しやすい業務ほど、任せやすいのです。
軸 3責任の所在 ── 最終的に、誰が責任を負うか
その判断の結果に、最終的に誰が責任を負うか。経営判断、法務に関わること、顧客への最終回答——これらの責任は、AIには負えません。負うのは人であり、会社です。AIに案を出させること自体は構いませんが、「名前を出して引き受ける」部分は、人が手放してはいけません。
軸 4文脈・暗黙知の必要量 ── 自社固有の事情を、どれだけ要するか
その業務に自社だけの事情がどれだけ絡むか。一般的な知識で片づく業務は、AIが得意とします。しかし「うちの主力客はこういう人」「この取引先とはこんな経緯がある」といった、社内にしかない文脈を多く要する業務は、丸ごとは任せられません。前提を毎回伝えきれないからです。
具体例：EC業務を「3つの層」に仕分けする
4つの軸を当てはめると、EC業務はおおむね3つの層に分かれます。ツール名ではなく、業務の性質で見ていきます。
LAYER 1任せていい層 ── 分類・整形・一次整理
間違いのコストが低く、検証もしやすい業務です。
レビューや問い合わせの分類、バラバラなデータの整形、翻訳の下訳、リサーチの一次整理など。AIに任せ、人は結果をざっと確認するだけで回ります。レビュー分類の具体的な進め方は、
レビュー1万件を10分で分類するワークフローで紹介しています。
LAYER 2下書きまで任せる層 ── 案出し・たたき台
AIに最後までは任せず、「たたき台」までを任せる業務です。
商品説明やキャッチコピーの案出し、メール文面の下書き、FAQの原案など。AIは案を量産するのが得意ですが、自社らしさや最終的なニュアンスは人が仕上げます。AIを「ゼロをイチにする係」、人を「イチを完成させる係」と考えると分かりやすい。コピーの案出しの実際は、
商品ページのキャッチコピーをAIで量産する3つの型で扱っています。
LAYER 3人が持つべき層 ── 最終判断と責任
検算なしには採用できない、あるいは責任が人にしかない業務です。最終的な発注量の決定、価格の最終判断、顧客への最終回答、経営判断。そして見落とされやすいのが、「AIが出した数字を、検算せずにそのまま採用しない」ことです。AIは、もっともらしい数字を自信ありげに出すことがあります。数字を伴う出力は、人が裏を取ってから使う。これは省略できない一線です。
結局、どうすればいいのか
判断軸と3つの層が分かったら、それを自社の業務に当てはめます。
自社業務を、4つの軸で点検して仕分ける
まず業務を書き出す
自社の業務を一度書き出してみてください。発注、価格設定、商品ページ作成、レビュー対応、問い合わせ、データ集計、リサーチ——。そのうえで1つずつ、
「間違いのコストは低いか」「検証は短時間でできるか」「責任は人が持つべきか」「自社固有の文脈をどれだけ要するか」の4問を通します。完璧な分類は要りません。大まかに3つの箱へ振り分けるだけで十分です。
任せる順番 ── 低リスクから始め、人は検証役へ
仕分けができても、いきなり全部を任せ替えないことです。まず着手するのは、「任せていい層」のなかでも、間違いのコストが低く検証がしやすい業務から。ここで小さく試し、AIの出力の癖や限界を、自社で体感します。
この段階で、人の役割も変わります。これまで「作業する人」だった担当者が、「AIの出力を検証する人」へ移っていく。作業者から検証者への移行です。これが定着してから、下書き層へと範囲を広げる。順番を守れば、大きな失敗を避けながら、任せられる範囲を着実に広げられます。
業態別：どこから任せ始めると効果が出やすいか
最初の一手は、業態によって変わります。万能の手順はありません。代表的な3タイプで考えます。
型 ASKUが多く、定型作業が多い型
商品登録、データ整形、レビュー分類といった繰り返し作業が大量にある型です。「任せていい層」の母数が大きいため、最も早く効果が出ます。定型作業の一次処理から任せ始めるのが王道です。
型 B少数精鋭で、業務が属人化している型
一人が幅広い業務を抱え、知識が頭の中にある型です。まずAIに「その人の作業の下書き」を作らせることから始めます。属人化した手順をAIへの指示として言語化する過程そのものが、業務の棚卸しにもなります。
型 C自社EC中心で、ブランド表現が重要な型
世界観や言葉づかいそのものが商品価値の一部になっている型です。表現の最終仕上げを人が握ったまま、案出し・分類・整形といった「表に出ない作業」から任せます。ブランドの声は人が持ち、その手前の工程をAIで軽くする、という順序です。
図解：4象限で見る「任せる/任せない」
「間違いのコスト」と「検証のしやすさ」の2軸で業務を4象限に置くと、任せ方の地図が見えてきます。
▲ 図は2軸。実務では「責任の所在」「文脈の必要量」も重ねて判断する。
検証しやすく間違いのコストも低い業務は、安心して任せられます。逆に、検証しにくく間違えば痛い業務は、人が持つ。あいだの2象限は、AIに下書きを任せ、人が検証して仕上げる領域です。図には2軸しか描けませんが、実務では 「責任の所在」と「文脈の必要量」も重ねて判断してください。
まとめ
生成AIは、魔法の道具でも危険物でもありません。得意・不得意がはっきり分かれた道具です。だからこそ、経営者に必要なのは「使い方」より 「線引き」 です。
線引きの軸は4つ。間違いのコスト、検証のしやすさ、責任の所在、文脈の必要量。この4軸で自社業務を点検すれば、「任せていい」「下書きまで」「人が持つ」の3層に仕分けできます。そして、低リスクで検証しやすい業務から任せ、人は作業者から検証者へ移っていく。これが、過信もせず、食わず嫌いもしない、現実的な進め方です。
私たち Arke がデータとAIで取り組んでいるのも、この線引きの設計です。何をAIに任せ、どこを人が握るか。その地図さえ描ければ、生成AIは「全部任せて失敗する」道具でも「怖くて使えない」道具でもなく、人の判断を支える実務の道具になります。
📊 在庫健康診断（60分・無料）
「自社の業務のどこからAIに任せ始めるべきか整理したい」「在庫・発注まわりでAIをどう活かせるか相談したい」という方へ。Arke では、貴社の業務と在庫・発注データをもとに、AIに任せられる業務の仕分けと、在庫最適化の余地を60分で診断する無料サービスをご提供しています。診断結果は、その場でレポート形式でお持ち帰りいただけます。
お問い合わせフォームへ →
関連記事