状況
今回見直すのは「面談メモと過去資料から顧客ごとの提案書の初稿を組み立てる」です
課題と変化
AIは「社内資料から似た提案の要点を探し、指定した構成に沿って文章の下書きを作る」を補助します
しくみ
AIツールをこう組み合わせます
効果
想定条件では、9時間の削減余地を試算します
この数値は想定条件に基づく試算で、実績や効果を保証するものではありません。
次の一手
小さく試し、費用対効果を確かめてから広げます
私たちは、最初に過去の提案書と提案テンプレートを、顧客・年度・担当者の軸で一覧にして棚卸しします。ここで見るのは、その提案を今も引用してよいか、前提にした法令や助成金が現行のものか、顧客固有の数字や事情が混ざっていないかです。人事・労務の提案は従業員数や当時の制度を前提に書かれるため、再利用できるのは説明の型や一般的な解説までで、個別の診断結果や金額はそのまま持ち越せません。あわせて、AIに渡してよい情報と渡さない情報を線引きします。従業員の個人情報や個別の労務相談の中身といった、特に慎重な扱いが必要な情報は渡さず、一般化した内容と提案の骨組みだけを扱う範囲を先に決めます。
次に、AIの出力を「下書き」「根拠にした資料名と該当箇所」「未確定事項」の3つに分けます。私たちが重視する判断基準は、すべての文章から根拠へたどれること、情報がない箇所をAIが推測で補わないこと、担当者が「ここは専門判断がいる」と止めるべき箇所を見分けられることです。料金、契約条件、法令や助成金、制度設計に関わる記述は人が現行の条件で確定し、AIは初稿と確認ポイントまで、という責任の境界も手順書に明記します。試行は、前提が動きにくい定番の提案（たとえば管理職研修の案内）から始め、初稿の修正件数、根拠を探す時間、責任者の確認を含めた作業時間を測ってから、法令や助成金に深く関わる提案へ広げるかを判断します。
1か月9時間は、90分×12件×自動化率50%÷60分で置いた試算であり、効果を保証する値ではありません。私たちは、下書きだけでなく、その後の確認や責任者への差し戻しにかかる時間も、試行の前後で同じ条件にそろえて測ります。9時間に担当者の時間単価を掛けた金額と、過去資料の整理、設定、運用にかかる費用を並べれば、費用を上回る価値を見込めるかを自社の数字で判断できます。まず1種類の提案書で試し、効果を確かめてから広げる進め方なら、最初の負担を小さく抑えられます。
※ 本記事は想定モデルケースです。実在の企業・センテの顧客の事例ではありません。