AI導入はまだ早い？ 先に整えるべきシステムとは

AIプロダクトも開発している開発会社がこう言うと意外に聞こえるかもしれませんが、多くの企業には、まだAIは必要ありません。AIが役に立たないからではありません。AIはデータと業務プロセスの上で動くものだからです。この2つの土台がなければAIには材料がなく、費用は結局誰も使わないものに消えてしまいます。

この記事は、AIプロジェクトを検討しているものの、タイミングが合っているか確信が持てない方に向けたものです。準備ができていないサイン、先に作るべきもの、準備度を測るシンプルなチェックリストを紹介します。

まだAIが必要ないサイン

AIのアイデアを持って相談に来られる経営者の方と話していて、よく見かけるパターンです。

1. データがWhatsApp、個人のスプレッドシート、紙にある

注文はチャットに記録され、在庫数は倉庫責任者の頭の中にあり、顧客リストはすでに退職した事務スタッフのスマートフォンに入っている。（インドネシアでは、日本でいうLINEのように、WhatsAppが業務のやり取りにも広く使われています。）一度も記録されていないものから、AIは学べません。AIに「在庫を予測して」と頼むなら、少なくとも数か月分の一貫した在庫履歴が必要です。

2. 担当者によってやり方が変わる

事務スタッフAとBで返品の処理方法が違うなら、システムに教えるべき「正しいやり方」が存在しません。AIが自動化できるのは、すでに標準化されている業務だけです。標準化されていない部分は、まず人間が標準化する必要があります。

3. 量が足りない

1日の注文が10件、顧客からの問い合わせが15件なら、担当者1人で十分で、AIの開発費が回収されることはありません。この点はWhatsApp AIチャットボットの記事で詳しく書きましたが、メニュー形式の自動返信で十分なことも多いです。

4. 本当の課題は「賢さ」ではなく「整理」

「誤配送が続く」「支店間で在庫が合わない」「月次レポートがいつも遅れる」といった悩みは、知能の問題ではなく記録の問題です。AIを使わない普通のアプリのほうが、安く確実に解決できます。

5. データの責任者がいない

AIには、データが継続的に入力され、正しい状態に保たれるよう見守る人が必要です。その人やプロセスがなければ、どれほど高度なAIシステムでも、データが更新されなくなって3か月以内に「死んで」しまいます。

正直にお伝えすると： 私たちは、使われずに終わるものを作るくらいなら、時期尚早のAIプロジェクトはお断りしたいと考えています。失敗したプロジェクトは、お客様の予算と私たちの評判、両方を傷つけます。ですから、初回相談で「まず注文システムを作りましょう」とご提案するのは、社交辞令ではなく本心です。

先に何を作るべきか？

良いニュースは、これらの土台は大規模なプロジェクトではないということです。多くの場合、健全な順序は次のようになります。

ステップ1：注文と顧客の情報を一元管理する

すべての注文と顧客情報を記録するシンプルなシステム（Webまたはモバイル）です。回覧されるスプレッドシートではなく、データベースを持つアプリです。すぐに得られるメリットは次のとおりです。

• 全員が同じデータを見られる。
• スタッフが入れ替わっても顧客履歴が残る。
• 手作業の集計なしで日次レポートを出せる。

通常4〜8週間のプロジェクトで、費用の目安は2026年版 インドネシアのアプリ開発費用で詳しく解説しています。

ステップ2：最も問題の多い業務を標準化する

1〜2つの業務を選びます。たとえば受注から配送までの流れや、クレーム対応の流れです。手順を書き出して合意し、明確なステータス（新規 → 入金済み → 梱包済み → 発送済み → 完了）としてシステムに組み込みます。これで「業務プロセス」が人の頭の中だけにあるものではなくなります。

ステップ3：シンプルなダッシュボード

40個のグラフが並ぶダッシュボードではありません。毎朝確認する5〜8個の数字だけです。今日の注文数、売上、未処理の注文、未対応のクレーム、在庫が少ない商品。ダッシュボードがあると、数字がおかしければすぐに気づくため、データを正しく保つ力が働きます。

ステップ4：AIを使わない自動化

繰り返し作業の多くは、AIなしで自動化でき、その結果は予測可能です。

私たちの自社プロダクトで、インドネシアの「コス」（賃貸の下宿・寮）を管理するアプリKosProがその一例です。家賃滞納のリマインダーはAIではなく純粋なスケジュールルールですが、オーナーの方々から最も役に立つと言われている機能です。

なぜこの順序のほうが、いきなりAIを導入するより安いのか？

上の各ステップは、そこで止めたとしても、それぞれ単体で価値を生むからです。注文システムは誤配送を減らします。標準化された業務は新人教育を早めます。ダッシュボードは月末を待たずに経営の数字を教えてくれます。シンプルな自動化は、事務作業の時間を毎日削減します。

一方、乱れたデータの上に作ったAIプロジェクトは、データが修正されるまで効果ゼロです。しかもAIシステムを運用しながらデータを直すのは、先にデータを整えるよりはるかに高くつきます。つまり、これらの土台はAIへの「遠回り」ではなく、AIプロジェクトそのものの第一段階なのです。

AI導入準備度チェックリスト

正直に答えて、当てはまる項目ごとに1点とします。6点以上なら、最初のAIプロジェクトに取り組む準備がおそらく整っています。

1. 注文、顧客、取引のデータが、少なくとも直近3〜6か月分、チャットや紙ではなくシステムに記録されている。
2. 主要な業務が、誰が担当しても同じ手順で回っている。
3. 1人の担当者が1日1〜2時間以上を費やしている繰り返し作業がある。
4. 現在も有効で、更新されている文書（業務マニュアル、FAQ、カタログ）がある。
5. データとシステムの責任者として1人を指名できる。
6. 「AIを使いたい」だけでなく、AIで解決したい具体的な課題を1つ挙げられる。
7. AIが機能しているかを測る方法がある（応答時間、事務スタッフなしで解決したメッセージ数、削減された時間）。
8. 予算に開発費だけでなく、運用費（サーバー、モデルのトークン）と改修費が含まれている。

6点未満でも、AIが選択肢から外れるわけではありません。先に作るべき土台が1〜2つあるというだけで、それこそが安く、早く効果が出るプロジェクトです。

AI導入が明らかな判断になるのはいつか？

上記の土台が数か月運用されると、AIが妥当だと判断できるサインが自然に現れてきます。

• データに依存する多様な問い合わせが大量にある。 顧客が注文状況、在庫、スケジュール、おすすめを尋ねてくる。この場合、自社システムとつながったAIチャットボットが本当に手間を減らします。
• 社内文書が蓄積され、すでに書かれていることをチームが何度も質問している。 RAGベースのアシスタントに最適なケースです。
• 予測や分類に使える過去データがある。 クレームの自動分類、リスクの高い注文の検知、長い会話の要約など。
• テキストやメディアを扱う作業がたまっている。 商品説明の作成、会議の要約、長い動画からのクリップ切り出し（まさに私たちが自社プロダクトCuplikinで解決している課題です）。

これらのサインが現れたら、AIはもはや実験ではありません。すでにあるシステムに追加する一機能になります。ゼロから作り直さずに追加する方法は既存アプリをAI対応にする方法で解説しています。

現実的な進め方の例

たとえば、営業担当者が3人いて、WhatsApp経由で1日約60件の注文が入る製菓材料の卸売業者があるとします。アイデアは「AIを使って注文を自動入力したい」です。

このようなケースで私たちが提案する順序は次のとおりです。

1. 1〜2か月目： 営業担当者が注文を記録するシンプルな注文アプリを作る。ステータス管理と基本的な在庫管理も含める。
2. 3〜4か月目： 運用しながら業務を整え、ダッシュボードと顧客への自動通知を追加する。
3. 5か月目以降： 一貫した注文データがそろったら、顧客のWhatsAppメッセージをAIで読み取って注文の下書きに変換し、営業担当者は確認するだけ、という仕組みを追加する。

最終的な結果は当初のアイデアと同じですが、リスクははるかに小さく、1か月目から実際の価値が生まれます。

私たちはどちらの段階もお手伝いします

私たちはAIだけを作っているわけではありません。開発会社の仕事の大半は、実はこうした土台づくりです。注文システム、現場チーム向けのモバイルアプリ、ダッシュボード、決済連携、業務自動化など。詳しくはサービス内容をご覧ください。将来AIを導入する準備が整ったときには、作り直すのではなく、AIを追加できるように設計されたシステムがすでにある状態になります。

次のステップ

自社がどの段階にいるのかわからない場合は、状況をお聞かせください。初回相談は無料で、その結果「今はまだAIを見送りましょう」というアドバイスになることも十分ありえます。お問い合わせフォームからメッセージを送るか、WhatsAppでご連絡ください。メール（hello@rancanginaja.com）でのご相談も受け付けています。