生成AI「只会用」的企业面临的深层结构问题
最新调查显示，生成AI的企业使用率已达8成。但与此同时，每3人中就有1人坦言「未能将其应用于核心业务」。这意味着众多企业正陷入「用了，但效果未最大化」的尴尬境地。
另一项调查则指出，员工超千人的企业中AI活用率约为6成。员工数越少的企业导入率越低，规模差距十分明显。从这一数据可以推测，即便在大企业内，「使用部门」与「未使用部门」的两极分化也在加剧。
我本人曾为38家以上企业提供AI导入支持，经验告诉我：「导入」与「渗透」完全是两个不同阶段。即便向全公司发放ChatGPT或Claude的账号，如果员工只用来摘要邮件或整理会议记录，ROI（投资回报率）将非常有限。
为何从「通用业务」向「核心业务」的迁移难以推进
现场与经营层的认知鸿沟是最大壁垒
生成AI的导入停留在「通用业务」层面，主要原因有三。
第一，经营层将「AI」视为「业务效率化工具」。诚然，用AI处理邮件撰写、资料草稿等通用业务确实能节省时间。但仅此而已，无法形成与竞争对手的差异化优势。
第二，现场员工存在「AI会抢走工作」的模糊不安。尤其当AI介入企划、分析等核心业务时，会出现「自己的判断力是否不再需要」的抵触情绪。
第三，公司内部缺乏具体的应用场景。即便员工理解ChatGPT「能做什么」，却无法将其落地到「如何应用于本公司的核心业务」这一层面。
千人以上企业活用率仅6成的深层原因
「千人以上企业AI活用率6成」这一数字，乍看之下偏低。但根据我的经验，大企业各部门的自主权较大，全公司横向推进AI活用本就困难重重。
例如，法务部门可以引入AI审查合同，但销售部门可能认为「面对面商谈不需要AI」；人事部门用AI进行招聘初筛，但财务部门却因「担心准确性」而搁置导入。这种部门间的温度差，拉低了全公司的AI活用率。
将AI融入核心业务的3大具体策略
从「业务分解」开始的AI设计
将AI导入核心业务的第一步，是将业务分解到「任务层面」。例如，将「制定营销战略」这一业务分解为「市场调研」「竞品分析」「目标设定」「KPI设计」「策略制定」。然后明确其中哪些任务最能发挥AI的效用。
在我的客户案例中，我们会举办经营层与现场员工共同参与的「业务分解工作坊」。绝大多数情况下，参与者会在此过程中首次意识到：「原来我们的核心业务是由多个例行任务构成的」。
具体工具方面，利用Claude的项目功能或ChatGPT的自定义GPT，创建专注于特定业务流程的AI助手效果显著。月成本约在数千日元至2万日元（约合人民币100-1000元）之间，导入门槛较低。
克服「准确性担忧」的验证流程
调查显示，「对准确性的担忧」是阻碍AI活用的因素之一。确实，生成AI无法完全避免幻觉（生成错误信息）。但正因为用于核心业务，设计时融入人工验证流程才至关重要。
例如，我的事务所采用「AI生成合同审查结果→律师确认」的两步流程。仅由人类检查AI判定为「有风险」的条款，这样既将确认时间削减了70%，又保证了准确性。
通过明确「AI与人类的分工」而非「完全交给AI」，对准确性的担忧可大幅减轻。导入初期应严格执行「AI输出必须由人类确认」的规则，并积累可靠性数据，这才是现实可行的做法。
培养「会用AI的人」的内部培训计划
要突破AI活用壁垒，必须从「仅限特定IT人员使用」的状态，过渡到「全员日常使用」的状态。为此，分阶段的培训计划十分有效。
首先通过「AI素养培训」学习基础，接着举办「业务场景用例分享会」横向推广其他部门的成功案例。此外，举办「AI活用竞赛」等内部活动，激发一线员工的创意也很有帮助。
我曾支持的一家中型企业，财务部门员工提出了「发票分录自动化」方案，实现了每月20小时的工作量削减。这一成功案例辐射至其他部门，3个月内AI被导入5项核心业务。关键在于，不仅要自上而下推动，更要建立评价机制，鼓励自下而上的活用提案。
总结：迈向AI活用的「下一阶段」
在生成AI企业使用率达8成的今天，企业需要从「在用」转向「用好」。为此，必须跨越三大壁垒：从通用业务向核心业务的迁移、消除部门间的温度差、克服对准确性的担忧。
我本人在公司内部，以月均约21,000日元（约合人民币1050元）的AI成本，创造了年约753万日元（约合人民币37.6万元）的价值。实现这一ROI的关键在于，将AI定位为「提升经营可复制性的资源」，而非单纯的「业务效率化工具」。
我想对经营者们说：AI导入的成功与否，不取决于工具的性能，而取决于组织的「活用设计」与「文化培育」。不妨先从将本公司的核心业务分解到任务层面开始，与现场员工一起思考，AI应嵌入何处。
评论