ChatGPT で仕事を効率化する — 定型業務に組み込んだ3か月の記録

この記録について — 仮想事例としての注記

以下は、編集部が定型業務へのChatGPT導入を3か月間試した記録です。特定の企業や部署を指すものではなく、複数の職場でよく見られるパターンを1つの仮想事例としてまとめています。作業時間はタイマーによる自己計測の目安であり、担当者のタイピング速度や確認基準によって幅があります。統計的に検証された数値ではなく、業務設計の参考として読んでください。

対象にした業務は、社外からの定型問い合わせへのメール返信、週次会議の議事録整理、月次報告書のたたき台作成の3種類です。いずれも「毎週・毎月、同じ形式で繰り返す」業務で、ChatGPTに任せやすいという仮説から選びました。

1か月目 — メール返信と議事録整理で時間が浮いた

定型問い合わせへのメール返信は、過去の返信例をプロンプトの例示として渡し、ChatGPTに下書きを作らせてから人が確認・送信する流れに切り替えました。1件あたりの対応時間は、ゼロから書いていたときと比べておおむね半分程度に短縮したというのが1か月目の実感です。定型度が高く、内容の正誤よりも文面のトーンが重要な業務だったことが効いています。

議事録整理も同様に、箇条書きのメモをChatGPTに渡して「決定事項」「保留事項」「次回までの宿題」に分類させる使い方が定着しました。整理にかかる時間は目安として3分の1程度まで縮みましたが、発言者の意図を取り違えるケースが月に数回あり、必ず人が読み返して修正する工程は残しました。

2か月目 — 報告書のたたき台は速いが、確認に時間を取られた

月次報告書のたたき台作成にChatGPTを使い始めたのが2か月目です。売上や進捗の数値を渡して文章化させると、体裁の整った下書きが数分で出てきます。ただし、数値の転記ミスや、前月比の計算を取り違える誤りが一定の頻度で発生し、報告書に載せる数値はすべて人が原本と突き合わせる工程を追加しました。

この確認作業にかかる時間は、下書き作成で浮いた時間とほぼ相殺され、報告書業務全体で見ると、月によっては従来より時間がかかることもありました。データを扱う業務では、下書きの速さよりも検証コストのほうが効率化のボトルネックになる、というのがこの月の教訓です。

3か月目 — 定着した業務と、やめた業務

3か月続けた結果、メール返信と議事録整理はそのまま定着しました。どちらも誤りが起きても影響範囲が小さく、人が最終チェックする前提でも十分な時間短縮になったためです。一方、報告書のたたき台作成は数値を扱う部分だけ元のやり方に戻し、文章のつなぎや体裁の整形だけChatGPTに任せる形に縮小しました。数値そのものを生成させると誤りのリスクと確認コストが見合わなかったためです。

この使い分けは、プロンプトの指示・文脈・制約・例示をどう設計するかとも関係しています。数値を含む文章生成では、制約を細かく書いても転記ミスそのものは防げず、プロンプト設計だけでは解決しない領域があることが分かりました。

3か月の記録から見える「効率化」の実態

3か月を通じて時間が明確に短縮したのは、誤りが発生しても被害が小さく、かつ人がすぐに気づける業務に限られました。もっとも、これは業務内容による差が大きく、別の職場・別の担当者であれば結果は変わり得ます。生成AIを使った実験研究でも、生産性への効果はタスクの性質や担当者の熟練度によって大きく異なることが報告されており(Brynjolfsson, Li & Raymond, NBER Working Paper No. 31161, 2023)、この記録の傾向とも整合的です。

しかし、どのタスクなら誤りの検出コストが低いかは、机上の判断だけでは見極めきれません。実際にタスクを任せてみて、どこで確認作業が増えるかを観察する以外に方法がなかったというのが率直な感想です。どこをAIに任せ、どこを人が残すかという設計は、業務ごとに個別に検証する必要があり、一律のルールでは決められません。