Skip to main content
UploadLanguage (EN)Support
BusinessMobileSocial MediaMarketingTechnologyArt & PhotosCareerDesignEducationPresentations & Public SpeakingGovernment & NonprofitHealthcareInternetLawLeadership & ManagementAutomotiveEngineeringSoftwareRecruiting & HRRetailSalesServicesScienceSmall Business & EntrepreneurshipFoodEnvironmentEconomy & FinanceData & AnalyticsInvestor RelationsSportsSpiritualNews & PoliticsTravelSelf ImprovementReal EstateEntertainment & HumorHealth & MedicineDevices & HardwareLifestyle
Graat（グラーツ）, profile picture
Uploaded byGraat（グラーツ）
8 views

生成AI活用の課題と組織的思考支援によるエンタープライズDX実現 ～AIに作業させる前に、人間が考えるべきことを整理する 　「思考支援モード」入門

2026年8月4日に開催されたエンタープライズDXセミナー「生成AI活用の課題と組織的思考支援によるエンタープライズDX実現 ～AIに作業させる前に、人間が考えるべきことを整理する 　「思考支援モード」入門」の講演資料です。 生成AIの企業導入現状、AI Fluencyの重要性、思考支援モード活用、組織でのAI活用事例とDX推進のための組織設計を解説。

Business◦
Download to read offline
生成AIを使っても、 なぜ仕事はうまく進まないのか 2026/8/4 エンタープライズDXセミナー
組織とチームを”仕組み”でつなぎ、エンタープライズDXを実現する
自己紹介 鈴木雄介 • Graat（グラーツ） » 正式名称：グロース・アーキテクチャ＆チームス(株) » 代表取締役社長 • (株)アイムデジタルラボ » 三越伊勢丹グループ DX推進機能子会社 » 取締役 • JACK » 正式名称：ジャパンアジャイルコラボレーションカーネル » 代表理事 • 日本Javaユーザーグループ » 社団法人CCC協会 代表理事 • SNS » @yusuke_arclamp » http://arclamp.hatenablog.com/ 2
アジェンダ • 企業における生成AI導入の現状 • AI Fluency • ケーススタディ • AIの使い方 • 思考支援を組織で活用する • まとめ • クロージング 3
Q＆Aについて 進め方 • 適宜、会場からの質問を拾いなが ら進行します »Zoomの「Q&A機能」を使って、ぜひ 質問をしてください 4
企業における生成AI導入の現状
企業における生成AI導入の現状 概要 • 個人活用の段階にはあるが、組織活用に至っていない 6 段階 グローバルの状況 日本の状況 1. 必要な人に ライセンスを配る 企業の約7割がAIを利用。米国では従 業員の41%が「勤務先がAIを業務に 導入」と回答 大企業の87%が生成AIを活用・推進 中 2. 個人で活用し、 作業効率が上がる AI導入企業の従業員の65%が、生産 性・効率にプラスと回答 効率化・個別タスク支援が中心。活 用企業の64%が期待通り以上の効果 を回答 3. 業務で活用し、 組織生産性が上がる 業務の進め方が根本的に変わったと 強く答える従業員は約10%。企業の 80%以上は過去3年間の生産性効果な し 「期待を大きく上回る効果」は9%。 効果を評価できていない企業も13%
企業における生成AI導入の現状 個人活用は限定された領域 • 現在のAI活用は、限定された領域に限られる »目的・入力・出力・評価方法が比較的明確な作業 ▸文章作成・編集、検索・調査、情報整理、プレゼン作成、コーディング、定 型的な自動化など »個人で完結しやすい「作業」が中心 • 個人作業だけ効率化しても業務全体への影響は小さい »判断基準や責任分担が複雑な業務への活用に至っていない 7
参考資料 • 必要な人にライセンス・利用環境を配る » PwC「生成AIに関する実態調査2026 春」 » Gallup「Organizational AI Adoption Jumps Six Points」 » NBER「Firm Data on AI」 • 個人で活用し、作業効率が上がる » Gallup「Rising AI Adoption Spurs Workforce Changes」 » Microsoft「2026 Work Trend Index Annual Report」 » PwC「生成AIに関する実態調査2026 春」 • 業務で活用し、組織の生産性が上がる » Gallup「Rising AI Adoption Spurs Workforce Changes」 » Microsoft「2026 Work Trend Index Annual Report」 » NBER「Global Evidence on Business Use of AI」 » NBER「Firm Data on AI」 » PwC「生成AIに関する実態調査2026 春」 8
AI Fluency
AI Fluency 概要 • AIを業務で使うには、AIリテラシーでは足りない »AIリテラシー（読み書きができること） ▸AIを理解し、責任を持って利用するための包括的な基礎能力 ▸AIとは何か。何ができ、何が危険か • AI Fluency（状況に応じて自然に使えること） »仕事や具体的な状況で、AIと協働して成果を出す実践能力 »この仕事で、AIとどう協働すればよいか 10
AI Fluency AnthropicのAI Fluency Framework • 4D：AIとの相互作用を効果的・効率的・倫理的・安全にす るために必要な、相互に関連する4つの能力 11 4D 日本語訳 考えること 説明 Delegation 任せ方 何をAIに任せ、何を人 が担うか 業務を分解し、AIによる実行、人とAIの協働、 人による判断の範囲を決める Description 伝え方 AIに何を、どこまで伝 えるか 目的、入力情報、判断基準、制約、例外、 期待する出力を、AIが扱える形で与える Discernment 見極め方 AIの出力を何に基づい て評価するか 正確性だけでなく、妥当性、欠落、業務へ の適合性、品質基準の充足を判断する Diligence 責任の取り方 AIの利用結果にどう責 任を持つか 人による最終判断、説明責任、透明性、安 全性、倫理、リスク管理を担保する https://www.anthropic.com/learn/claude-for-you
AI Fluency なぜ、AI Fluency？ • わかりやすい作業はAIリテラシでも効果はある »目的・入力・出力・評価方法が比較的明確な作業 • 複雑な業務になると効果が出にくくなる »判断基準や例外、責任分担が複雑な業務では、人とAIの役割、与え る文脈、評価基準、責任を明示的に設計しなければならない 12
ケーススタディ
ケーススタディ ケース説明 14 来週、A社の事業本部長にアポが取れたか ら、打ち合わせの質問リストを整理してお いて 上司 わかりました！ 部下
ケーススタディ ケースA 15 よし、AIを活用しよう 『A社の事業本部長アポが取れたから、顧 客訪問用の質問リストを作ってください』 部下 以下のような質問が考えられます。 • 現在、事業部として特に注力している テーマは何ですか。 • 現在の事業運営において、どのような 課題を感じていますか。 …
ケーススタディ ケースA 16 • 現在、事業部として特に注力しているテーマは何ですか。 • 現在の事業運営において、どのような課題を感じていますか。 • 今後、強化したい商品・サービス領域はありますか。 • デジタル化やAI活用について、どのような取り組みを進めていますか。 • 新しい施策を進める上で、障壁になっていることは何ですか。 • 外部パートナーに期待する役割は何ですか。 • 今後、具体的に検討したいテーマはありますか。
ケーススタディ ケースB 17 よし、AIを活用しよう 『A社の事業本部長アポが取れたから、質 問リストを作りたいので支援してください。 どのように進めたらいい？」 部下 たとえば、次の4点を順に考えると質問を 作りやすくなります。 • 面談の目的 • 相手について知っていること • 確認したい仮説 • 面談後の次の行動 先週発表したAI製品の売り込みっと…
ケーススタディ ケースB 18 • 現在、AI活用をどのようなテーマとして捉えていますか。 • すでに取り組んでいる領域はありますか。 • 取り組みを進めるうえで、最も難しい点は何でしょうか。 • AIによって改善できれば、効果が大きい業務や工程はありますか。 • 今後、特に強化したいAI活用領域はありますか。 • そのテーマを実際に担当されているのは、どの部門でしょうか。 • 担当の方と具体的な情報交換の機会をいただくことは可能でしょうか。
ケーススタディ どっちがよさそう？ • 「なぜ、そのリストにしたの？」への回答が変わる 19 よし、AIを活用しよう 『A社の事業本部長アポが取れたから、顧 客訪問用の質問リストを作ってください』 部下A よし、AIを活用しよう 『A社の事業本部長アポが取れたから、質 問リストを作りたいので支援してください。 どのように進めたらいい？」 部下B
Q＆Aについて 進め方 • 適宜、会場からの質問を拾いなが ら進行します »Zoomの「Q&A機能」を使って、ぜひ 質問をしてください 20
AIの使い方
AIの使い方 人間は、どうやってAIを使うのか？ »準備：どんな依頼をするのかを考える »依頼：AI生成を依頼する »評価：生成物を評価する »調整：適切な成果物になるように調整する ▸再依頼 or 自分で修正 22 準備 依頼 評価 生成物 調整 成果物 生成物 成果物
AIの使い方 なぜ、ワークスロップ(※)が生まれるのか？ • ちゃんと準備と評価・調整ができていないから »AIの性能は関係ない。AIを使うユーザー側の問題 23 準備 依頼 評価 調整 成果物 生成物 成果物 AIを使う「任せ方、伝え方、見極め方、責任の持ち方」 がちゃんとしていないといけない ※ワークスロップ：一見きれいにできているけれど、実際には仕事を前に進めない、AI生成の成果物
AIの使い方 AIは、仕事の基本を教えてくれる • 準備と評価は、AIと一緒に考えられる »その成果物について経験が浅くても、AIに「どうやって考えればい いのか」を支援してもらうことで、適切に考えられるようになる ▸任せ方・伝え方・見極め方は、調整することができる ▸責任の持ち方だけは、基本姿勢 24 準備 依頼 評価 生成物 調整 成果物 生成物 成果物
AIの使い方 AIの使い方を意識する • AIの使い方には2つのモードがある 25 作業代行モード Automation Mode 思考支援モード Augmentation Mode AIに答えをつくらせる AIと一緒に答えを考える 人間の具体的な指示に基づいて、AIが特定 のタスクを実行すること。 考え方や作業の進め方はおおむね人間側で 決まっていて、その実行部分をAIに任せる。 文章を作る、要約する、表を整える、コー ドを書く、といったように、成果物の作成 そのものをAIに実行させる。 人間とAIが思考のパートナーとして協働す ること。 考えを広げたり、整理したり、修正したり しながら成果をつくる。 論点を整理する、別の見方を出す、見落と しを指摘させる、評価基準を言語化する、 反論を考えさせる、といった使い方。
AIの使い方 ケーススタディ 26 A B AIの役割 成果物を代わりに作る 考える順序を支援する 人の関与 出来上がった質問を確認する 目的や仮説を自分で整理する 得られるもの 汎用的な質問リスト 面談目的に沿った質問設計 AI活用の型 作業代行モードのみ 思考支援モードした上で、 作業代行モードを使う 来週、A社の事業本部長にアポが取れたから、 打ち合わせの質問リストを整理しておいて 上司
AIの使い方 思考支援モードの例 27 私は、仕事で利用するために、アジャイルについて調査したいです。これを支 援してください。 私が指示するまで、調査結果を生成しないでください。 なお、私は、IT業界に入ったばかりで、仕事でのシステム開発経験や、アジャ イルについての経験がありません では、調査は、どのようなプロセスで進めるのが適切か、検討してください。 何を支援して欲しい のか、明確にする 作業代行をさせない ようにする 何を、どう考えるべ きかを相談する 自分の背景など、可 能な限り伝える 承知しました。 現時点では、アジャイルそのものの調査結果は出さず、初心者が仕事として調 査を進めるための「進め方」だけを整理します。 あなたはIT業界に入ったばかりで、システム開発やアジャイルの実務経験がな いとのことなので、いきなり広く調べるよりも、「言葉を知る → 比較する → 現場での意味を考える → まとめる」という順で進めるのが適切です。 最初から詳しい手法や流派に入ると混乱しやすいため、まずは全体像をつかむ ことを優先します…
AIの使い方 思考支援モードとは • AIを使うには「自分の考えを言葉にする」ことが必要 »LLMは、与えられた指示を前提に考える • 人間は、考える前にAIへ作業を渡してしまいがち »AIによる「それらしい答え」に納得しやすい • AIとの対話で深く考えるためのきっかけを作る »これによってAIを使いこなすことができるようになる 28
思考支援を組織で活用する
思考支援を組織で活用する サティア・ナデラのトークン資本 1/2 • AIモデルは、企業の競争力にならない »生成AIの性能は向上していくが、同じモデルを導入するだけでは、 企業ごとの違いは生まれにくい。 »企業の競争力を左右するのは、AIの利用能力 ▸どの業務にAIを組み込むか ▸どの知識や経験をAIに与えるか ▸何を良い成果と判断するか ▸利用結果を次の改善につなげられるか »組織としてのAI Fluency 30
AIハーネス 思考支援を組織で活用する サティア・ナデラのトークン資本 2/2 • 人的資本 »知識、判断力、関係性、創意工夫、重要なパター ンを見抜く力 • トークン資本 »企業の知識や判断を取り込み、業務の中で繰り返 し活用・改善して育てたAI能力 ▸企業固有の業務知識やデータ、AIに与える指示や業務フ ロー、成果の良し悪しを判断する評価基準、利用結果か ら改善する仕組み、社内で蓄積された判断や対応の履歴 31 AIモデル 熟練者 作業者 A frontier without an ecosystem is not stable https://x.com/satyanadella/status/2066182223213293753
思考支援を組織で活用する 例えば… • 業務の中でトークン資本を貯めていく »熟練者の暗黙知をAIハーネスに落とし込む »担当者が、そのAIエージェントを使って業務を実 行する »その実行結果を熟練者が評価して、さらにAIハー ネスを改善する ▸AIモデルが変わっても、失われない 32 AIハーネス AIモデル 熟練者 作業者
思考支援を組織で活用する AIは熟練者を代替しない • 担当者が成長する »担当者がAIを使いながら自分で考え、解決でき る範囲を広げていく • 熟練者の負担が下がる »担当者が問題を整理してから相談するため、熟 練者は例外や高度な問題に集中 • 熟練者の知識が組織の蓄積される »利用結果を反映することでAIが改善される 33 AIハーネス AIモデル 熟練者 担当者
まとめ
まとめ 今日のワークショップ • 組織におけるAI活用の深化は、まだこれから »一部、システム開発領域では成果が出てきている • AIがAI Fluencyを支援する »任せ方、伝え方、見極め方、責任の持ち方 »AIを思考支援モードとして利用する • 人がAIを育て、AIが人を育てる仕組みが 組織の資産になる 35 AIハーネス AIモデル 熟練者 担当者
36 クロージング
考え方 なぜDXは進まないのか？ • チームと組織がつながっていない » 横：チーム視点で開発を進めても、組織内で 合意されていなければ成果につながらない » 縦：組織内調整ばかりしていても、良いプロ ダクトが作れず、成果につながらない • では、どうすべきか？ » 必要なのは権限移譲ではなく、組織とチーム の関わり方を設計すること » 個人に依存しない形で、組織とチームをつな ぐための仕組みづくりをする » 価値の設計から実現までを、様々な立場や役 割をこえて1つの流れにしていく 37 価値設計 開発 チーム 顧客/ ﾕｰｻﾞｰ DX リーダー 開発調整 意思 決定者 社内 関係部署 説明責任 業務調整 社内 関係部署 社内 関係部署
考え方 組織とチームをつなぐ • サービスデザイン » 顧客にとっての価値と、その価値を実現するた めの業務とITを整理する » 可視化を通じて、部門を横断して議論を可能に し、全体視点での業務設計を可能に • アジャイルマネジメント » 価値提供を積み上げながら、成果をゴールとし て優先順位を調整していく • 組織として考える力 » 「今、何をするか」と「次に何をするのか」に ついて組織としての意思決定を導き、チームの 提供価値を最大化する 38 サービス デザイン (価値提供 構造設計) アジャイル マネジメント (価値実現) 組織として 実現を支援し、 成果から学ぶ
考え方 39 サービス デザイン (価値提供 構造設計) アジャイル マネジメント (価値実現) As-Is理解 アイデア To-Be設計 実現設計 実行 成果評価 価値提供の仕組みを設計し、その仕組みを実現・運用・改善しながら価値を実現する エンタープライズDXの価値提供ストリーム 組織として 考える力
• スキルやマインドは、座学ではなく、実践と経験に よってしか身につかないことを前提とする • ワークショップも実践型とし、ケーススタディだけで はなく実案件も利用する • 価値と手段のバランスを意識しながら、実現・実践可 能な形に落とし込めるかを検証し続ける • 業務オペレーションだけではなく、エンジニア出身企 業である強みを活かし、技術的実現性を考慮する • 日本の組織やチームに特有な課題に対応し、チームだ けではなく、組織としてのアジリティを実現する • 「チームの価値実現の活動」と「組織の意思決定や調 整」を効率的につないでいく 支援領域 40 Graatの特徴と注力領域 サービスデザイン アジャイルマネジメント 生成AI活用 実現性を検証する 組織とチームをつなぐ 実践を通じて人が育つ Graatの特徴 Graatのコア領域 • 組織の意思決定とチームの活動をつなぐマネジメント手法 • ウォーターフォール文化を前提としたエンタープライズア ジャイル導入 • 顧客への価値提供をITや業務で実現するためのデザイン手 法 • 顧客視点、業務視点、IT視点を融合した可視化を通じたコ ミュニケーションツールの提供 • 顧客企業の人材、チームの育成を支援するための土台 • 開発/業務における生成AI導入支援、生成AI組織活用成熟 度モデルの提供
関わり方 41 企業のさまざまなフェーズに対して支援可能 DXプロジェクト 実務支援 DXサービス 開発支援 DXプロジェクト フレームワーク導入/運営 DX組織化推進 実践型ワークショップ 併走型コンサル 弊社コンサルタントが実務稼働するだけではなく、 内製メンバーを巻き込んだ活動を実施。 御社メンバーが経験を通じてスキルを身につけら れるように併走しながら支援をしていく。 弊社コンサルタントがワークショップを開催。 体験から学びを得られる実践型ワークショップを 通じて、一般的な知識だけではなく現場で活かせ るノウハウを獲得していく。 ・ 実施の形態 提案の形態 ※グループ会社のGxP社と協業 開発チームの提供（準委任型）、クラウド プラットフォームの整備支援など DXプロジェクトにおいて、コンサルタン トを中心に実務支援を実施。業務分析＆ TOBE策定、PO業務支援など DXプロジェクトに対して、エンタープラ イズアジャイル、サービスデザイン、品質 保証などのフレームワークを導入していく DX組織化推進を目的に、WSを中心に半年 〜1年間の顧客に合わせたプログラムを提 供する DX人材育成 DX人材育成を目的に、WSを中心に半年〜 1年間の顧客に合わせたプログラムを提供 する
Graatの特徴 手法を実践的なスタイルに拡張 • サービスデザインの拡張 » ビジネス環境の社内の業務やシステムの複雑にな っている中で、どのように整理を進めて、合意形 成に至るのか • アジャイルの拡張 » 大企業（ウォーターフォールに慣れた組織）にお いて、いかに組織の意思決定とチームの活動をつ なぎ、どのようにスピードを上げていくのか • 生成AI導入の拡張 » 単純な「AIによる人の代替」と「コスト削減」で はなく、属人化されたノウハウを組織の資産に変 換し、人材と組織を成長させる役目 42
EBAADの紹介 AI業務設計 – EBADD 43 https://www.graat.co.jp/genai