AIにできること・できないこと一覧 業務での活用例と導入の進め方を解説

AIを業務に取り入れたい。ただ、何が得意で何が苦手なのかを整理できていないため、どこから手をつけるか決められない。この状態で止まっている企業は少なくありません。

総務省が2026年7月に公表した情報通信白書によると、日本企業のうち何らかの業務で生成AIを使っている割合は86.4%に達しました。2年前の調査では55.2%だったことを考えると、普及の速度は明らかです。

一方で、業務のやり方そのものを変える取り組みについては「組織的な取組はない」と答えた企業が27.0%を占めます。使う人は増えたのに、仕事の形は変わっていない。これが現在の日本の状況です。

本記事では、AIにできることを6つの分野に整理し、業務別の活用例、そして人が担い続けるべき領域までを、公的な調査結果を参照しながら整理します。

確認したいポイント	結論	詳細
AIには何ができますか？	分析と予測、文章や画像の生成、自動化	データから傾向を読み取る処理と、文章や画像を作り出す処理の両方が実用段階にあります。
日本企業はどの程度使っている？	業務で使う企業は86.4%	令和8年版情報通信白書の調査結果です。一方で組織的な取組がない企業も27.0%あります。
AIにできないことは？	責任を負うことと未知の事象の判断	学習していない状況への対応や、最終的な意思決定の責任は人が担う前提になります。
何から始めればいい？	失敗しても影響が小さい定型業務	議事録の要約やメールの下書きなど、効果が測りやすい業務から着手するのが確実です。

この記事でわかること

・AIが得意とする処理の性質と、生成AIの登場で広がった範囲

・分析・生成・自動化など、AIにできること6分野の具体例

・事務、営業、サポート、開発それぞれの業務での活用例

・AIにできないことと、人が担い続けるべき役割

・自社で導入する際の進め方と、押さえておくべき注意点

自社のどの業務にAIが効くのか、相談したい方へ 得意なことと苦手なことを踏まえて、どこから着手すべきかは業務内容によって変わります。 現状をうかがったうえで判断材料を整理します。 相談予約はこちら

AIにできることの全体像

個別の機能を見る前に、AIがどのような性質の処理を得意とするのかを押さえます。得意な処理の性質、生成AIによる変化、そして日本企業の利用状況という3点です。

AIが得意とする処理の性質

AIの能力を一言で表すなら、大量のデータからパターンを見つけ出し、それをもとに判断や出力を行うことです。

人間が数日かけて読み込む量のデータを数秒で処理し、そこに含まれる規則性を抽出する。この処理速度と網羅性が、人間には再現できない部分になります。

もうひとつの特徴が、疲れず、ばらつかないことです。同じ基準で1件目も1万件目も処理します。人間の場合、集中力の低下や体調によって判断の質が変わりますが、AIにはそれがありません。

逆に言えば、判断の材料となるデータが存在しない領域、そして正解が一つに定まらない領域は苦手です。この境目を理解しておくことが、導入の成否を分けます。

生成AIの登場で広がった範囲

かつてAIといえば、数値データを分析して予測するものが中心でした。生成AIの登場によって、扱える対象が大きく広がりました。

変化が大きいのは、文章や画像といった、形式が定まっていないデータを扱えるようになった点です。契約書、議事録、問い合わせのメール、現場の写真。これまで人が読んで判断していた情報が、処理の対象になりました。

さらに、分析するだけでなく新しく作り出せるようになったことも決定的な変化です。文章を書く、画像を作る、要約する、翻訳する。これらが日常的な業務として成立するようになりました。

つまり現在のAIは、「読む」「判断する」「作る」の3つを扱える段階にあります。この前提で自社の業務を見直すと、対象になる範囲は想像より広いはずです。

日本企業の利用状況

現在地を数字で確認しておきます。総務省の情報通信白書によると、日本の個人の生成AI利用経験率は58.8%で、前回調査の26.7%から倍増しました。

企業では、何らかの業務で生成AIを利用している割合が86.4%に達しています。2024年度調査の55.2%から大幅な上昇です。

一方で課題も示されています。業務変革について「組織的な取組はない」と回答した割合は日本で27.0%であり、米国の1.4%、ドイツの4.9%、中国の2.6%と比べて突出しています。詳細は総務省「令和8年版 情報通信白書（概要）」で公開されています。

読み取れるのは、「個人が使う」段階は超えたが、「組織として業務を変える」段階には至っていないという構図です。できることを知るだけでなく、どう業務に組み込むかまで踏み込む必要があります。

関連記事：建設業のAI活用事例｜書類業務からの着手と制度変更への備え【2026年最新】

AIにできること6分野

具体的に何ができるのかを、6つの分野に整理して見ていきます。それぞれ実際の業務でどう使われているかとあわせて紹介します。

データの分析と予測

最も歴史が長く、成果も明確な領域です。過去のデータから傾向を読み取り、将来を予測する処理を担います。

具体例としては、商品の需要予測、設備の故障の予兆の検知、解約しそうな顧客の抽出、不正な取引の検出などが挙げられます。

人が経験と勘で行っていた判断を、データに基づく形に置き換えられる点が価値です。担当者によって結果が変わる状態から、一定の基準に沿った判断へと移行できます。

ただし前提として、判断の材料になるデータが蓄積されていることが必要です。ここが揃っていない場合、まずデータを取る仕組みから作ることになります。

文章の理解と生成

生成AIによって最も身近になった領域です。文章を読んで意味を捉え、新しい文章を書き出す処理を行います。

業務での用途は幅広く、議事録の要約、メールや提案書の下書き、長い資料からの要点抽出、問い合わせ内容の分類、多言語への翻訳などが該当します。

この分野は、専門的な準備なしに今日から試せる点が特徴です。既存のサービスに文章を入力するだけで結果が得られるため、効果の検証が容易です。

注意点として、事実関係の誤りが混ざることがあります。出力をそのまま使わず、人が確認する工程を残す前提で設計してください。

画像・音声の認識と生成

画像や音声を認識して意味を捉える処理と、新しく作り出す処理の両方が実用段階にあります。

認識の側では、書類の読み取り、製品の外観検査、防犯カメラの映像解析、通話内容の文字起こしなどが使われています。紙やアナログの情報をデジタルに変換する工程で威力を発揮します。

生成の側では、資料に使う挿絵の作成、商品画像の背景の加工、ナレーション音声の合成などが実務に入っています。

この分野は権利関係の確認が特に重要です。入力する素材の権利、生成物の商用利用の可否について、事前に整理しておく必要があります。

定型作業の自動化

手順が決まっている作業を、人手を介さずに流す用途です。

データの転記、複数のシステム間での情報の受け渡し、条件に応じた振り分け、定型的な報告書の作成などが該当します。

従来からある自動化の仕組みと生成AIを組み合わせることで、「判断を伴う自動化」ができるようになった点が近年の変化です。単純なルールでは処理しきれなかった業務にも適用できます。

効果が数字で見えやすいため、最初の導入対象としては最も適した領域といえます。

個別最適化

利用者一人ひとりの状況に合わせて、内容を変える処理です。

通販サイトでの商品の推薦、学習教材の難易度の調整、顧客の属性に応じた提案内容の変更などが典型例です。

人間が同じことをやろうとすると、対象の数だけ工数がかかります。ここを機械が担うことで、これまで一律の対応しかできなかった領域に個別性を持ち込めるようになりました。

対話と問い合わせ対応

質問を受けて答えるという、最も分かりやすい用途です。

社内の規程やマニュアルを参照して答える仕組み、顧客からの問い合わせの一次対応、24時間受け付けるチャットでの案内などが実務に入っています。

この用途で重要なのが、答えられない場合の扱いです。無理に回答させるのではなく、担当者へつなぐ設計にしておくほうが、結果的に信頼を得られます。

自社の業務に合うAI活用の形を、整理したい方へ 業務別の活用例や、検討時に確認すべき項目をまとめた資料をご用意しています。 社内検討の材料としてお使いください。 資料請求はこちら

関連記事：AIエージェントの活用事例｜業務別の使い方と権限設計の注意点【2026年最新】

業務別のAI活用例

分野別の整理を、実際の部門に置き換えて見ていきます。自社のどの業務が対象になるかを判断する材料としてご覧ください。

事務・バックオフィス

最も効果が出やすい領域です。定型的で件数が多く、手順が決まっている業務が集中しているためです。

具体例としては、請求書や領収書の読み取りと入力、社内規程に関する問い合わせへの回答、議事録の作成、各種書類の分類と振り分けなどが挙げられます。

現在エクセルと手作業で回している業務があれば、まずそこを見てください。人が転記や仕分けに使っている時間は、そのまま削減の対象になります。

営業・マーケティング

提案の質を揃えたり、準備にかかる時間を減らしたりする用途が中心です。

商談後の記録作成、提案資料の下書き、顧客リストの分析と優先順位づけ、広告文やメール文面の作成といった業務が該当します。

担当者ごとに差が出やすい業務ほど、AIを挟む効果が大きくなります。経験の浅い担当者が、ベテランに近い水準の資料を短時間で作れるようになる点が実務上の価値です。

カスタマーサポート

問い合わせ対応の負荷を下げる用途が定着しています。

チャットでの一次対応、通話内容の文字起こしと要約、応対記録の自動作成、オペレーター向けの回答候補の提示などが実務に入っています。

特に効果が大きいのが通話後の後処理業務です。記録の作成に時間がかかっていた部分が自動化されると、オペレーターの負担が直接的に減ります。

開発・技術部門

コードの作成や確認を支援する用途です。AIが指示に応じてコードを書き、人が確認して取り込むという進め方が一般的になりました。

新規のコードの作成、既存のコードの説明、不具合の原因の調査、テストの作成、仕様書の整理などが対象になります。

開発の経験がない部署が、自分の業務に合わせた小さなツールを作るという使い方も広がっています。

AI開発ツールの活用については、ネクストスケールのAI活用コラムでも継続的に取り上げています。

効果が出る業務の見極めを、専門家と一緒に行いたい方へ 業務の棚卸しから対象の選定、効果の見立てまで。現状の体制をうかがったうえで、無理のない進め方をご提案します。 相談予約はこちら

関連記事：ChatGPTの活用事例｜シーン別の使い方と指示文の実例・注意点【2026年最新】

AIにできないこと

活用範囲を正しく見極めるには、限界を知ることが欠かせません。人が担い続けるべき領域を4つに整理します。

責任を負うこと

最も本質的な限界がこれです。AIは判断の材料を出せますが、その結果に責任を持つことはできません。

採用の可否、融資の判断、医療上の決定、契約の締結。誤った場合に誰かが責任を負う必要がある判断は、必ず人が最終的に行う必要があります。

これは技術が進歩すれば解決する話ではありません。責任という概念そのものが人間の社会制度に属するためです。AIをどれだけ高性能にしても、この構造は変わりません。

実務上の原則は明確です。AIには一次的な処理と候補の提示までを任せ、確定させる工程は人が担う。この設計を崩さないでください。

学習していない事象への対応

AIの判断は、学習したデータの範囲に依存します。そこに含まれていない事象については、適切な判断ができません。

前例のない災害、これまでにない新しい商習慣、突発的な市場の変化。過去のデータに存在しない状況では、AIの予測は当てになりません。

さらに厄介なのが、AIは「分からない」と言わずに、もっともらしい誤答を出すことがあるという性質です。自信のある口調で誤った内容を返してくるため、受け取る側が気づきにくくなります。

対策は、出力を確認する工程を必ず残すこと。そして、扱う領域について人が判断できる知識を保っておくことです。

感情の理解と信頼関係の構築

AIは、文章の口調や表情から感情らしきものを推測することはできます。しかしそれは過去のパターンに基づく推測であり、相手の経験や価値観に根ざした感情を理解しているわけではありません。

クレーム対応で相手の背景を汲み取る、部下の状態を察して声をかける、取引先との長期的な関係を築く。こうした業務は人が担う領域です。

実務での使い分けとしては、定型的な問い合わせはAI、感情が関わる場面は人という切り分けが現実的です。すべてを自動化しようとすると、かえって顧客満足度を下げます。

ゼロからの発想

AIによる生成は、学習したデータを組み合わせることが前提です。まったく前例のない発想を生み出すことは、構造上できません。

新しい事業の構想、市場に存在しない商品の企画、組織の方向性の決定。何を目指すのかを決める仕事は、人間の側に残ります。

ただし誤解しないでほしいのは、発想の材料を集めたり、案を数多く出したりする作業ではAIが有効だということです。判断は人、素材の提供はAIという役割分担が現実的な形になります。

AIを業務に取り入れる進め方

できることと限界を踏まえたうえで、実際にどう進めるかを整理します。対象の選定、人が担う工程の設計、効果測定という3点です。

まず対象業務を1つ選ぶ

最初から全社展開を目指す必要はありません。件数が多く、手順が定型化していて、失敗しても影響が小さい業務を1つ選ぶのが定石です。

候補になりやすいのは、議事録の要約、メールの下書き、社内問い合わせの一次対応、書類の分類などです。効果が数字で見えやすく、万一うまくいかなくても影響範囲が限定される点が重要になります。

逆に、いきなり基幹業務や顧客に直接関わる領域から始めるのは避けてください。社内の合意形成に時間がかかり、失敗したときの影響も大きくなります。

人が確認する工程を残す

設計の段階で、どこまでをAIが担い、どこから人が判断するのかを明確に決めてください。

実務でよく採られるのは、AIが下書きや候補を出し、人が確認して確定させるという形です。定型的なものは確認だけで済み、判断が必要なものは人が精査する運用になります。

あわせて、AIの出力を人が修正した事例を記録に残す仕組みを作ってください。どこで間違えるのかが分かれば、指示の出し方を改善できます。

効果測定の指標

効果は、その業務にかかっていた時間の変化で測るのが分かりやすい入り口です。1件あたりの所要時間、月間の処理件数、外注していた工程の代替範囲などを記録します。

重要なのは、導入前の数値を先に取っておくことです。後から比較しようとしても、以前どれだけ時間がかかっていたかを誰も覚えていないという事態になりがちです。

コスト側には、ツールの利用料に加えて担当者が慣れるまでの時間を含めてください。最初の1〜2か月は習熟の期間と割り切って見積もると、判断を誤りません。

業務の棚卸しから効果測定まで、伴走してほしい方へ 対象業務の選定、仕組みの設計、効果の検証まで含めてご相談いただけます。検討段階からお気軽にどうぞ。 相談予約はこちら

AI導入時の注意点

効果を出すためには、リスク面の整理も欠かせません。情報の取り扱い、誤りへの備え、社内ルールという3点を押さえてください。

情報の取り扱い

クラウド型のAIサービスを使う場合、入力した内容は外部のサーバーに送信されます。

日本企業が生成AIの導入で最も懸念しているのは「効果的な活用方法がわからない」ことであり、次いで社内情報の漏洩などのセキュリティリスクが挙げられています。この懸念は妥当なものです。

顧客情報や個人情報を扱う可能性があるなら、自社の情報取り扱い規程と関連法令に照らして可否を判断してください。判断に迷うものは入力しない、という運用が最も安全です。

機密性の高い情報を扱う必要があるなら、自社の環境内で処理が完結する構成を検討する選択肢もあります。

出力の誤りへの備え

前述のとおり、AIは誤った内容をもっともらしく出力することがあります。この性質を前提に仕組みを組んでください。

有効な対策は3つあります。参照した根拠を一緒に表示させること、確認する担当者を決めておくこと、そして誤りが見つかった際の修正手順を用意しておくことです。

特に社外に出る文書や、顧客への回答に使う場合は、確認の工程を省略しないでください。効率化のために導入したものが、信頼を損なう原因になっては本末転倒です。

社内ルールの整備

運用に入る前に、少なくとも次の項目は文書化しておくことをおすすめします。

・使用してよいツールの一覧と、契約の管理担当

・入力してよい情報と、入力してはいけない情報の線引き

・AIの出力を社外に出す場合の確認手順と担当者

・生成物にAIを使ったことを明示するかどうかの方針

ルールがないまま便利に使われた結果、後から止めることになるというのが最も避けたい展開です。制限のためではなく、安心して使い続けるための整備だと位置づけてください。

これからAIにできるようになること

最後に、今後の方向性を押さえておきます。技術的な進化と、企業に求められる変化の2点です。

作業の代行から業務の代行へ

近年の大きな流れが、AIが単発の作業をこなすだけでなく、複数の工程を続けて処理する方向への進化です。

従来は「この文章を要約して」という単発の指示に応えるものでした。現在は「問い合わせを分類し、必要な情報を調べ、回答案を作り、担当者に通知する」といった一連の流れを任せられるようになってきています。

この変化が意味するのは、AIに任せられる範囲が「作業」から「業務」へ広がるということです。同時に、任せる範囲が広がるほど、どこで人が確認するかの設計がより重要になります。

「使う」から「変える」へ

冒頭で触れた白書の数字に戻ります。日本企業の86.4%が業務で生成AIを使う一方、業務変革に組織的に取り組んでいない企業が27.0%を占めています。

これは、個々の社員が便利に使っているだけで、仕事の進め方そのものは変わっていないことを示しています。同じ手順のまま一部の作業が速くなっただけでは、組織としての成果には結びつきません。

次の段階で問われるのは、AIを前提に業務の流れを組み直せるかです。どの工程を残し、どの工程をなくし、人はどこに時間を使うのか。ここまで踏み込んだ企業とそうでない企業の差が、今後の競争力の差になります。

AI活用を組織に定着させる進め方は、ネクストスケールのブログ記事一覧もあわせてご覧ください。

まとめ

AIにできることは、データの分析と予測、文章の理解と生成、画像や音声の認識と生成、定型作業の自動化、個別最適化、対話と問い合わせ対応の6分野に整理できます。生成AIの登場により、文章や画像といった形式の定まらない情報も扱えるようになりました。

一方でAIには、責任を負うこと、学習していない事象への対応、感情の理解、ゼロからの発想という限界があります。この境目を踏まえ、AIには一次処理を、人には確定と判断を担わせる設計が基本になります。

進め方としては、失敗しても影響が小さい定型業務を1つ選んで試し、効果を数字で確認したうえで対象を広げる。並行して、入力してよい情報の範囲と確認の手順をルールとして整備する。

日本企業の多くは既にAIを使う段階に入っています。次に問われるのは、AIを前提に業務の形を変えられるかどうかです。

AI活用を、自社の状況に合わせて具体化したい方へ 対象業務と目的をうかがったうえで、実現できる範囲と進め方を率直にお伝えします。構想段階でのご相談も歓迎です。 相談予約はこちら

参考・出典

・総務省「令和8年版 情報通信白書（概要）」：https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/summary/summary01.pdf

・経済産業省「AIガバナンス」：https://www.meti.go.jp/policy/it_policy/ai-governance/index.html