定型業務をAIで自動化する前に｜例外処理を見つけるチェックリスト

毎日同じように見える定型業務にも、担当者だけが知っている例外があります。締め日が休日、顧客ごとに書式が違う、数字が空欄、二重送信の可能性がある、といった場面です。AIや自動化ツールは通常の流れを速くできますが、例外を通常として処理すると、誤送信や記録漏れを速く広げてしまいます。

この記事では、島田市周辺の中小企業が定型業務を自動化する前に、例外を担当者の記憶から取り出し、検知、停止、人の確認、復帰までのルールへ変える方法を扱います。道具の選び方より先に、止められる業務フローを作るためのチェックリストです。

手順書より先に実際の一週間を記録する

手順書には通常の流れが書かれていても、「この会社だけ別」「月末だけ変更」「担当者が見て直す」といった判断が省かれがちです。自動化候補の作業を一週間から一か月観察し、入力、判断、出力、確認、差し戻しを一件ずつ記録します。作業者が手を止めた瞬間や、別の人へ聞いた場面が例外の入口です。

• 入力欄が空白、形式違い、読めない状態だった
• 同じ顧客や案件の重複候補があった
• 金額、数量、期限が通常範囲を外れた
• 承認者が不在、または権限が分からなかった
• 過去の特例を今回も使うか判断が必要だった
• 外部サービスの停止や通信エラーが起きた
• 処理後に人が数字や宛先を修正した

例外を四種類へ分ける

集めた例外は、入力、ルール、承認、システムの四種類へ分けます。分類すると、AIに考えさせるべき問題ではなく、入力フォームを直すだけで減らせる問題や、責任者が条件を決めなければならない問題が見えてきます。

例外をすべてAIへ判断させる必要はありません。形式が違えば入力を受け付けない、上限を超えれば人へ送る、承認がなければ外部へ出さない、連携に失敗すれば再実行せず停止するなど、単純なルールで安全に扱える場合があります。

例外台帳に「次の行動」まで書く

例外の名前だけを一覧にしても、現場では使えません。発見条件、止める場所、通知先、判断者、期限、再開方法、記録先を一行にします。担当者が不在でも、次に何を確認するかが分かる粒度が必要です。

AIの出力を次の処理へ直結させない

AIが分類、要約、抽出した結果には誤りがあり得ます。特に金額、契約、個人情報、外部送信、在庫、納期など影響が大きい処理では、AI出力をそのまま確定データにせず、元データと並べて人が確認します。総務省・経済産業省のAI事業者ガイドラインで示される安全性、プライバシー保護、透明性、アカウンタビリティを、自社の停止条件と記録へ具体化します。

利用するAIサービスへ入力できる情報も分けます。個人情報、顧客の未公開情報、契約書、認証情報などは、利用規約と自社ルールを確認できないまま投入しません。テストでは架空データを使い、実データへ切り替える前に権限と保存先を確認します。

正常系だけでなく失敗系を通し試験する

試験データには、正しい一件だけでなく、空欄、重複、桁違い、古い日付、添付不足、通信切断、承認者不在を含めます。処理を途中で止め、通知し、修正し、同じデータを二重処理せず再開できるか確認します。ログに個人情報や認証情報を過剰に残していないかも見ます。

• 外部送信の直前に必ず承認を要求できる
• 異常値を正常値へ勝手に置き換えない
• 失敗後の再実行で二重登録しない
• 通知が届かなかった場合の代替先がある
• 停止中の案件を一覧で確認できる
• 手作業へ戻す手順が用意されている

小さな試行で例外率を測る

対象は一つの帳票、一つの担当、一つの出力先に限定します。処理時間だけでなく、全件数に対する例外件数、誤検知、見逃し、差し戻し時間、二重処理、人が修正した項目を記録します。例外が多いなら、AIの指示を複雑にする前に入力や業務ルールを整えます。続行の判断日と責任者も記録し、試行が目的のない恒常運用へ変わらないようにします。

定型業務の棚卸しと安全な自動化設計は、LIFESEEDSのサービス案内をご覧ください。認証情報や実データは送らず、お問い合わせフォームから、対象作業、入力、出力、人が止めている場面をお知らせください。