データ棚卸し、実例確認、評価指標の設計を先に行う。
AI・データ実現性
「AIで出力できるか」ではなく、「出力品質を評価し、安全に運用できるか」を確認する。
WHEN TO USE
AIが解決仮説になったときだけ使う
すべてのシステム案件にAI評価を行う必要はありません。業務ボトルネックを分解した結果、探索・判断・予測などにAI適用の余地があり、その実現性が提案を左右するときに起動します。
このモジュールを使う
AIが必須と言われた／精度が費用を左右する／過去データ前提／人の判断支援を含む
先に別の確認をする
課題・対象業務が曖昧／最大の時間が待ちや承認／ルール化・検索改善で解ける可能性が高い
MOST IMPORTANT QUESTIONAIの出力が良かったか、悪かったかを誰が何で判定できますか？
READINESS AREAS
4つの領域を独立して確認する
合計点や成熟度にはしません。一つでも提案を止める未判断があれば、その領域を次の診断・検証対象にします。
01タスク適合性AIに何を入力し、何を出力させるのか＋
- 入力と期待出力を実例で示せる
- 分類・検索・生成・予測・判断支援のどれか分かる
- ルール・検索・画面改善など非AI案と比較した
- 人の判断を代替するのか支援するのか決められる
見落とし時のリスク『見積をAI化』のようにタスクが広すぎると、必要データも評価方法も決められない。
02データ準備学習・参照・検証に使えるデータがあるか＋
- 過去データの場所・形式・期間が分かる
- 見積・仕様・BOM・実績原価・工数を案件単位で紐付けられる
- 件数、欠損、誤り、偏り、一品一様性を確認できる
- 機密・個人情報・契約上の利用条件を確認できる
見落とし時のリスクデータが存在しても、入力と結果が紐付かなければ正解例として評価に使えない。
03評価可能性出力の良し悪しを後から判定できるか＋
- 正解または専門家判断を用意できる
- 精度だけでなく業務上の評価指標がある
- 誤りを人が発見でき、見逃し時の影響が分かる
- 許容誤差とPoCの合否基準を事前に置ける
見落とし時のリスク評価できないAIは、デモが動いても本番利用の可否を判断できない。
04運用・ガバナンス誤りを前提に安全に使い続けられるか＋
- 人の確認点と最終責任者が決まる
- 低信頼時・障害時のフォールバックがある
- 外部AIへ送信できる情報範囲を確認した
- モデル・データ変化を継続評価する担当と手順がある
見落とし時のリスク精度が十分でも、責任・機密・例外処理が未設計なら業務へ接続できない。
DECISION GATE
スコアではなく、次の行動で判定する
対象タスク、検証データ、指標、合否、期間を固定して試す。
人が評価可能な支援タスクへ狭めるか、AI案を外す。
人の確認、責任、機密、フォールバックを解決するまで本番化しない。
CASE ASSESSMENT
AI見積案件をこのモデルで読む
タスク
仮置き：仕様書を入力し、候補部品と根拠を出す判断支援。利用場面と人の最終判断は未確認。
データ
未確認：過去見積、仕様書、BOM、実績原価、工数が案件単位で紐付いているか不明。
評価
未確認：正解部品の定義、専門家の一致度、許容する見逃し・過剰候補が不明。
運用
未確認：誰が出力を確認し、誤りを訂正し、機密仕様をどこまで外部AIへ送れるか不明。
導出する提案
まだPoCの成否を判定できないため、先に「AI・データ実現性診断」を提案します。過去案件をサンプルに、データの紐付き、正解の作り方、評価指標を確認し、限定PoCへ進めるかを判断します。
PRIORITY HEARING
最初に確認する質問と資料
優先質問
- 入力と出力を、実案件一件で示せますか
- 熟練者は何を見て正解を判断しますか
- 過去に出した見積と実績の差を追えますか
- 誤りを誰が、どの時点で発見できますか
- どの誤りまでなら業務上受け入れられますか
依頼資料
- 過去見積と改訂履歴
- 入力となった仕様書・図面
- BOM・採用部品と代替履歴
- 実績原価・作業工数
- 例外案件・失注・赤字案件
- データ利用・機密に関する規程
OUTPUT
診断の出口はPoC可否と検証設計
- AIが担う対象タスクと、人の役割
- 利用可能データ、紐付き、品質、利用条件
- 正解の作り方、評価指標、許容誤差
- 人の確認、責任、機密、フォールバック
- 限定PoCの対象・データ・合否基準、または保留理由
PoCは「試しに作る」工程ではありません。何を検証し、どのデータで、何をもって進む・止めるかを事前に合意できたときだけ提案します。