以下はいずれも一般化した架空の例であり、特定の企業の事例を指すものではありません。業種ごとの適用可能性は、扱うデータの状態と規制環境によって大きく変わります。
この章の読み方
本章では17の分野について、AIが実際に効いている用途と、その分野特有の制約を扱います。目的は事例集を作ることではなく、自社の業種に近い記述から、確認すべき制約を拾うことです。
読むときの注意を1つ。「この業種で使われている」という情報は、そのまま自社に適用できることを意味しません。同じ業種でも、扱うデータの状態、取引先の数、規制の適用範囲によって難易度は大きく変わります。業種の一致より、データの状態の一致を見てください。
まず一覧で見る ― 12分野
自社の業種に近い行を1つ見つけ、右列の制約だけを持ち帰ってください。用途は横に借りられますが、制約は借りられません。
| 分野 | 効いている用途 | その分野に固有の制約 |
|---|---|---|
| 製造 | 外観検査、予知保全、生産計画の最適化、作業手順の記録 | 設備を止められない。試行のための停止が難しく、既存の稼働データから始める設計になる |
| 小売・EC | 需要予測と発注、推薦、接客チャット、商品情報の生成 | 表示順や価格の決定に自動処理を使う場合の説明責任。価格の自動追随は競争法の論点(第19・20章) |
| 物流・運輸 | 配送ルートの最適化、物量予測、積載判定、整備記録の整理 | 労働時間規制との整合。最適化の結果が法定の拘束時間を超えては使えないため、制約条件として最初から入れる |
| バックオフィス共通 | 仕訳の候補提示、証憑の突き合わせ、社内問い合わせ、障害の一次切り分け、監査支援 | 効果を測りやすく機密度も低いため最初の対象になりやすい。ただし経理は誤りが直接響くので確認工程を残す |
| カスタマーサポート | 一次回答、応対記録の要約、オペレーターへの回答案提示、分類と振り分け | 人に引き継ぐ基準。解決しない問い合わせが自動応答の中で循環する状態が満足度を最も損なう |
| マーケティング・広告 | 広告文と記事の下書き、複数案の作成、効果分析、顧客の声の分析 | 生成物が既存の著作物に類似しないかの確認、表示に関する法令への適合、生成物であることの表示(第19章) |
| 不動産 | 査定の支援、需要予測、定型書類の処理、物件情報の整理 | 重要事項説明などの法定手続きは資格者が行う。AIの出力は参考値にとどめる |
| 農業・一次産業 | 収穫量の予測、生育と病害の診断支援、作業計画、等級の選別 | データが個々の経営体に閉じている。地域や品種をまたぐ共有の枠組みの合意が技術より先に必要になる |
| エネルギー・インフラ | 需要予測、設備の異常検知、点検の支援、設備台帳の整理 | 停止時の代替手段が設計要件に含まれる(第10章)。重要インフラの規制とセキュリティ要件 |
| 教育・研修 | 教材の生成、理解度に応じた出題、記述式の一次採点、質問対応 | 学習者が未成年の場合、収集範囲・保護者の同意・不適切な出力の抑制が成人向けより厳しくなる(第20章) |
| メディア・コンテンツ | 記事と台本の下書き、翻訳、素材制作、アーカイブの整理 | 制約が最も複雑。著作権(入力と出力の両面)、実演家の権利、生成物の表示、自社の編集責任(第19章) |
| 研究開発 | 文献調査、実験計画の立案支援、計算結果の解釈、実験記録の整理 | 出力は仮説の候補として扱い、必ず原典で確認する。未公開データを外部に送る場合は知財の確認(第17章) |
表に入れなかった分野が5つあります。判断そのものが規制の対象になっている領域で、1行では足りません。以下で個別に扱います。
判断が規制される5分野
医療・介護
この分野は特に慎重な扱いが必要です。AIが担えるのは記録・整理・候補の提示であり、最終的な診断・治療方針の決定は資格を持つ医療専門職が行う必要があります。
効いている用途は、診療記録・介護記録の下書き作成(負担軽減の効果が大きい)、読影の候補箇所の提示、医療行為に該当しない事務手続きの支援、ケアプラン作成の支援です。いずれも「提示」までで止めることが設計の前提になります。
制約は3つ重なります。医療機器としての規制、特に配慮が必要な情報の取り扱い、そして誤りが人の生命・健康に直結すること。導入検討は、必ず医療法規に詳しい専門家と規制当局の公開情報を確認しながら進めてください。
金融・保険
制約が最も厳しい水準にある分野です。効いている用途は、書類の確認と記載内容の突き合わせ、通常と異なる取引パターンの検出(異常検知の代表例)、応対記録の作成とコンプライアンス確認の支援、開示資料からの項目抽出。
与信・保険引受などの判断に自動処理を用いる場合、判断根拠の説明可能性と業界規制への適合が求められます。監査対応のため、入力・出力・判断者の記録を長期間保存する設計も必要です。導入の可否は技術ではなく、規制対応の設計で決まります(第19・20章)。
人事・採用
用途によってリスクが大きく分かれる分野です。就業規則や手続きに関する社内問い合わせ対応は効果が出やすく、リスクも低い。研修教材の作成、要員計画の検討も同様です。
一方で書類選考の支援には強い制約があります。合否判断そのものの自動化は、公平性と説明可能性の観点から高いリスクを伴います。学習データに過去の採用実績を使うと、過去の偏りをそのまま再現します。国・地域によってはこの用途を高リスクとして規制の対象にしています(第19・20章)。AIの役割は整理と要約に留め、判断は人が行い、その根拠を記録する設計が前提です。
法務・契約
効いている用途は、自社の標準条項との差異の抽出、責任範囲・解除・知財帰属といったリスク条項の洗い出し、過去契約からの類似案件の参照、規程間の矛盾の検出です。
制約は、AIの出力が法的な結論ではないこと。抽出と整理までを担わせ、判断は資格を持つ担当者が行います。契約書は機密性が高いため、データの取り扱い条件の確認が必須です(第16章)。
公共・自治体
効いている用途は、住民からの問い合わせ対応(手続き案内、必要書類の説明)、申請書類の記載内容の確認と不備の検出、議事録の作成、庁内文書の検索です。
制約は、公平性と説明責任の水準が民間より高いこと。給付・許認可の判断に関わる処理では、判断根拠の開示に耐える設計が必要になります。住民の情報を扱うため、データの所在と取り扱い条件が調達要件になります。
七月十日、同業のミクモ工業で外観検査のAIを見学した帰りの車で、第一工場の品質保証課長の野口は「あれは一つの工程の、3か月の話だ」とつぶやきました。ミクモ工業ではその部品の不良品を、三年前から取引先の求めで捨てずに保管しており、それを全部撮るところから始めていました。朝凪精機では、はじいた品は月末にまとめて廃棄していて、写真は一枚もありません。運転していた情報システム課の倉田は、見るなら何年分あるか、どの細かさで記録しているか、途中で途切れていないかだと言いました。業種が同じでもデータの状態が違えば、同じ構成は成立しません。参考にすべきなのは業種ではなく、不良の実例が何年分、途切れずに残っているかという条件の一致でした。
この場面は網羅物語之巻 第4章「よその会社の成功事例」に出てきます。
分野をまたいで共通する確認項目
17分野を通じて繰り返し現れた制約を整理します。自社の業種を検討するときの確認リストとして使えます。
- この用途は判断か、支援か ― 判断を自動化する用途は、規制と説明責任の要求が一段上がります。
- 資格が必要な行為が含まれていないか ― 医療・法務・不動産・金融では、資格者が行うべき行為の線を確認します。
- 扱うデータに、特に配慮が必要な情報が含まれるか ― 健康、信条、犯罪歴、未成年の情報。
- 判断の根拠を開示する必要があるか ― 公共・金融・人事では要求されることがあります。
- 止まったときの代替手段があるか ― インフラ・医療・物流では設計要件になります。
- 必要なデータの状態が揃っているか ― 期間・粒度・連続性。業種の一致より重要な条件です。