AI×BPOで自動化率はどこまで上げられる？
はじめに
生成AI、AI-OCR、AIエージェント。
企業の業務自動化を支える技術は、ここ数年で大きく進化しました。
実際、
「この業務はAIで何%まで自動化できますか？」
というご相談をいただく機会も増えています。
企業にとって、自動化率は分かりやすい指標です。
50%より80%。
80%より95%。
数字が高いほど、良い仕組みに見えます。
しかし、実務の現場では、単純に自動化率だけを追いかけても、うまくいかないケースがあります。
なぜなら、本当に重要なのは、
AIが処理できた件数ではなく、AIが処理できなかった案件をどう扱うか
だからです。
今回は、AIとBPOを組み合わせるうえで、なぜ「完全自動化」よりも「例外処理設計」が重要なのかを解説します。
1. 100%自動化は、本当に必要なのか
AI導入の話になると、
「できれば人を介さず、すべて自動化したい」
というご要望をいただくことがあります。
もちろん、完全自動化できる業務もあります。
しかし、多くの実務では、
- 書類の形式が毎回違う
- 例外条件がある
- 顧客ごとにルールが違う
- 判断に文脈が必要
- 情報が不足している
- 本人確認が必要
といったケースが発生します。
例えば、請求書処理を考えてみます。
AI-OCRで、会社名。請求日。金額。税額。支払期限。を読み取ることはできます。
しかし、
「発注書と金額が違う」
「取引先名が登録名と異なる」
「税率が特殊」
「画像が不鮮明」
というケースでは、人の判断が必要になることがあります。
つまり、業務には必ず、"AIが迷う領域"が存在します。
2. 自動化率95%でも、運用が大変になることがある
例えば、1日1,000件の処理がある業務で、自動化率95%だったとします。
一見すると、非常に優秀です。
AIが950件を処理し、人が50件だけ対応するように見えます。
かなり効率化できているように見えます。
しかし、その50件が、
- 判断が難しい
- 顧客確認が必要
- 複数システムを確認する必要がある
- 経験者でないと判断できない
という案件ばかりだったらどうでしょうか。
件数は5%でも、作業時間では50%以上を占めることがあります。
つまり、
「自動化率」と「業務削減率」は同じではありません。
ここを見誤ると、
「AIを導入したのに、思ったほど人の負担が減らない」
という結果になります。
3. 本当に見るべきなのは「例外率」
AI活用では、自動化率と同じくらい重要な指標があります。
それが、例外率です。
例外率とは、
AIだけでは判断できず、人の確認や判断が必要になった割合です。
例えば、
- 全体：1,000件
- AI完結：900件
- 人確認：100件
なら、例外率は10%です。
さらに、この100件を分類します。
- 単純確認：60件
- 軽微な修正：25件
- 専門判断：10件
- 顧客確認：5件
ここまで見ると、「どこをAI化すべきか」「どこをBPOに任せるべきか」が見えてきます。
4. AI×BPOの基本的な役割分担
私たちは、AI活用を考えるとき、AIだけで完結させることを目的にはしていません。
重要なのは、業務全体として最も効率的な役割分担をつくることです。
例えば、
AI
- OCR
- データ抽出
- 分類
- 要約
- 一次判定
- 候補作成
BPOチーム
- AI出力の確認
- 軽微な修正
- 例外処理
- データ補完
- ダブルチェック
- 品質記録
日本側
- 高度な判断
- 顧客確認
- 品質基準設計
- 業務改善
- ルール変更
という形です。
この役割分担ができると、社内スタッフは本当に必要な判断業務へ集中できます。
5. 例外処理設計とは何か
例外処理設計とは、
AIが判断できなかったとき、次に何が起きるかを事前に決めておくこと
です。
例えば、
「AIが判断できなかったら人が確認する」
だけでは十分ではありません。
- 誰が確認するのか
- どの条件なら修正してよいのか
- どの条件ならリーダーへ回すのか
- どの条件なら顧客へ確認するのか
- どこまで処理を止めるのか
ここを決める必要があります。
6. 例外処理を4段階に分ける
実務では、例外を段階化すると運用しやすくなります。
レベル1：単純確認
AIの結果を見て、明らかに正しいかどうか確認する。
例：
- OCR結果と原本の照合
- 日付の形式確認
- 選択肢の確認
これはBPOチームで対応しやすい領域です。
レベル2：軽微な修正
ルールに基づいて修正できる案件。
例：
- 全角・半角修正
- 誤読文字修正
- マスタとの照合
- 定型的な表記修正
これもBPOとの相性が良い領域です。
レベル3：判断が必要な例外
複数条件を確認して判断する案件。
例：
- 金額差異
- 契約条件の確認
- 顧客別ルール
- 過去事例との照合
KPO的な対応が必要になります。
レベル4：顧客・社内判断
BPO側では決められない案件。
例：
- 契約変更
- 例外承認
- 個人情報・法的判断
- 顧客への確認
ここは日本側やお客様へエスカレーションします。
7. 「人が見る」のではなく「必要な人だけが見る」
AI導入でよくあるのが、
「念のため人が全部確認する」
という運用です。
これは確かに安心です。
しかし、全件を人が確認していたら、自動化の効果は限定的です。
重要なのは、
人が全部を見ることではなく、見るべき案件だけを見ること
です。
例えば、
AIの信頼度が高い案件は自動完結。一定以下ならBPOへ。さらに判断が難しい案件だけ日本側へ。
という流れです。
この設計ができると、AIの処理速度と人の判断力を両立できます。
8. AIの信頼度をどう使うか
AI-OCRや分類AIでは、信頼度スコアを持てる場合があります。
例えば、
- 98%以上 → 自動処理
- 90〜98% → BPO確認
- 90%未満 → リーダー確認
といったルールを設定できます。
ただし、信頼度だけで判断するのは危険です。
金額や個人情報など、重要項目は高い信頼度でも確認が必要な場合があります。
そのため、
項目の重要度 × AI信頼度
で設計することが重要です。
9. 例外を「減らす」のではなく「学習する」
例外が発生すると、
「AIの精度が悪い」
と思われがちです。
しかし、例外は改善の材料でもあります。
例えば、100件の例外があった場合、その理由を分類します。
- 画像不鮮明
- マスタ不一致
- 顧客別ルール
- AI誤認識
- 入力不足
すると、対策が見えてきます。
画像不鮮明が多いなら、入力品質を改善する。マスタ不一致が多いなら、データ整備を行う。顧客別ルールが多いなら、プロンプトやルールへ追加する。AI誤認識が多いなら、学習データを見直す。
こうして、
例外 → 分析 → 改善 → 自動化率向上
という循環が生まれます。
10. 「100%自動化」より「人が減っていく仕組み」
理想的なAI×BPOの運用は、最初から人をゼロにすることではありません。
例えば導入初期は、
- AI 60%
- BPO 30%
- 日本側 10%
だったものが、運用を続ける中で、
- AI 80%
- BPO 18%
- 日本側 2%
へ変わっていく。この方が現実的です。
重要なのは、人の確認が必要な理由を蓄積し、徐々に減らしていくことです。
11. AI×BPOで見るべきKPI
自動化率だけでは、業務の状態は分かりません。
私たちは、次のような指標を見ることが重要だと考えています。
- 自動化率
- 例外率
- 修正率
- 再作業率
- 日本側へのエスカレーション率
- 1件あたり処理時間
- AI誤判定率
- 改善後の例外削減率
こうした数字を継続的に確認することで、AIが本当に業務改善につながっているかを判断できます。
12. 完全自動化を目指すほどコストが上がることもある
実は、自動化率を80%から95%へ上げるより、95%から99%へ上げる方が難しいケースがあります。
最後に残る数%は、最も例外性が高く、最も判断が難しい案件です。
そこを無理にAI化しようとすると、システム開発や保守費用が大きく増えることがあります。
そのため、どこまでAI化し、どこから人に任せるかを考えることが重要です。
100%自動化より、95%+5%BPOの方が、コスト・品質・スピードのバランスが良い場合もあります。
13. AI×BPOは「人を残すため」の仕組みではない
AIとBPOを組み合わせると、
「結局、人が必要なのでは？」
と思われるかもしれません。
その通りです。
ただし、人の役割が変わります。
人が毎回すべての作業をするのではなく、
AIが大量処理する。人は例外だけを見る。人が確認した結果をAI改善へ戻す。
こうして、人の時間を、より価値の高い仕事へ移すことができます。
14. A CAN SOLUTIONSが考えるAI×BPO
私たちは、
AI学習データ作成。AIアノテーション。AI品質評価。OCR結果の確認。BPO・KPO。
といった業務に取り組んでいます。
その中で重要だと感じているのは、
「AIに何%任せられるか」
だけではありません。
残った業務を、誰が、どのルールで、どの品質で処理するかです。
AIだけ。BPOだけ。日本側だけ。ではなく、
AI・ミャンマー・日本。
それぞれの得意な領域を組み合わせる。
それが、現実的な業務自動化だと考えています。
15. まとめ
AI導入では、
「自動化率を上げること」
が目的になりがちです。
しかし、本当に重要なのは、
業務全体を最適化することです。
AIが得意な仕事はAIへ。人が確認した方が良い仕事はBPOへ。高度な判断は日本側へ。
そして、例外が発生したら、その理由を蓄積し、次の改善へつなげる。
この仕組みをつくることで、AIは少しずつ業務に適応し、人の負担も少しずつ減っていきます。
完全自動化を最初から目指す必要はありません。
むしろ、
「例外をどう処理するか」を設計できる会社の方が、AIを実務で使いこなせる。
私たちは、そう考えています。
NEXT ACTION
次の一歩で、 もっと具体的に
サービスの詳細・資料・ご相談など、目的に合わせてお選びください。
無料相談する