設備の材料を仕入れる担当者は、見積の明細を見て、発注先ごとに品名・型番・数量を転記し、メールを作っていました。見積ごとに送り先を判断する手間と、転記や選定を間違える心配がある仕事です。
日本テレビ・Bitget等でのB2Bマーケティング実務を経て、2023年にSHIFT AI創業へ参画。コミュニティ・スクール責任者として2年で3万人規模へのグロースを主導。2026年、静岡県熱海市でAiWiLL株式会社を創業。生成AI顧問「WiLLAGENT」として、防災設備・不動産管理・旅館・飲食など現場型の中小企業に入り、売り上げ向上に寄与するマーケティングや営業施策をどうAIで質を上げ、数を増やすかを一緒に考え抜き、人手不足のなか報告書・見積・マニュアルづくりといった実務をいかにAIで省くかといった、AIを使った事業づくりを伴走支援している。生成AI研修・Eラーニングの監修も担当。企画したイベント・ウェビナーは累計112件、参加者は1万人超。
AIに任せたいのは、明細を仕入先ごとにまとめ、件名と本文の下書きを用意する部分でした。分類の対応表、連絡先、仕入先を選ぶ条件をそろえ、人が送信前に確認する形を目指しました。
実際に業務システムの見積と発注先リストを照らし合わせてみると、文章を書く前に決めることが残っていました。見積にある名前は誰の名前か。設備の分類が違うとき、どう対応させるか。候補が複数あれば、どの仕入先へ頼むか。
AiWiLLは、見積データと発注先リストを照合して要件を整理し、見積から発注メールを作る流れを実演しました。メールの文面を生成することと、発注先を選ぶ判断を分け、足りない情報を確認事項として残した支援です。
見積の「宛名」を、送る相手にしない
最初に確認したのは、見積のデータです。見積番号を起点に、対象の案件と明細を取るところまでは、既存の業務システムとの接続を使います。
そこで注意したのが、見積に書かれた宛名でした。これは自社へ仕事を頼むお客様の名前です。仕入れの発注メールを送る相手ではありません。
見積に名前があるから、その名前を宛先として使う。文章生成だけを考えていると、この取り違えが起こりえます。まず、案件のお客様と、材料を発注する仕入先を、別の情報として扱う必要がありました。
同じ設備でも、リストの呼び名が違った
次に、見積の明細にある設備の種類を、発注先リストの分類と照合しました。ここでも、項目名は完全にはそろっていませんでした。
単なる呼び方の違いで対応できるものもあります。一方、どの分類へ入れるか確認が必要なもの、仕入先が登録されていないもの、自社の作業か外注かを決める必要があるものもありました。
これらを一括で「AIが判断する」にすると、足りない業務ルールが文章の裏に隠れます。そこで要件では、対応できる、要確認、要決定、未登録を分けて残しました。
名前の違いを吸収する対応表と、発注の可否を決めるルールは別です。呼び名をそろえても、誰に頼むかまでは決まらないことがあります。
仕入先の名前があっても、メールは完成しない
発注先リストには候補の会社名がありました。しかし、メールアドレスや担当者の情報が足りず、一つの分類に候補が複数ある状態でした。
ここで必要なのは、AIにもっと自然なメールを書かせることではありません。連絡先をどこで管理するか、複数の候補からどう選ぶかを決めることです。
要件では、既定の仕入先を使うのか、案件ごとに担当者が選ぶのか、といった選択肢を未決定事項として残しました。確認のない宛先や選定ルールを、推測で埋める構成にはしませんでした。
ほかにも、いつの状態の見積を発注対象にするか、単価が確定していない明細をどう扱うか、下書きをどこへ出すかが残りました。メールを書く仕事の前後には、こうした小さな判断がつながっています。
最初の範囲は、下書きまでにした
提案した処理の範囲は、見積を取得し、発注先ごとに明細をまとめ、件名と本文の下書きを作るところまでです。送信は、担当者が内容を読み、相手と品目を確かめてから行う設計にしました。
納品書の写真と発注内容を突き合わせる検品は、後の段階として分けました。発注メールの設計があることを、納品後の確認まで完成したようには扱いません。
後のレクチャー企画には、見積から発注メールを作る実演を行ったことが記録されています。一方で、時間不足でワークが途中になり、次回にフォローすることも書かれていました。今回確認できた範囲は、要件整理と実演までです。すべての分類で下書きが完成したことや、日常の発注へ定着したことは、別に確認する必要があります。
自動化の前に、一件だけ分解してみる
これから同じ仕事を任せるなら、実際の見積を一件選び、担当者が次を説明できるか確かめます。これは今回の要件から編集した確認順です。
- この見積は、いま発注してよい状態か。
- お客様の宛名と、仕入先の宛先を区別できるか。
- 仕入れない自社作業の明細を外せるか。
- 各品目の発注先と連絡先を、確認した情報から決められるか。
- 迷う明細を要確認として残し、送信前に人へ戻せるか。
この一件を通すと、AIに渡す指示が足りないのか、会社としてまだ決めていないのかが見えます。
AIは文章を書く前にも役立ちます。今のデータを使って、どこで判断が止まるかを具体的に示せるからです。今回残した要件は、その不足を埋めてから、発注の下書きを業務へ載せるためのものになりました。
自社の仕事なら、何をAIに任せられるか。
報告書の作成、見積りの下書き、問い合わせ返信、社内資料の整理。いま困っている仕事を一つ選び、必要な資料と、人が確認する範囲から整理します。
先に現在地を見たい人は、AIに任せる準備度の診断もあります。
