作業が速くなるほど、滞留が増えていく——AIの投入場所と制約の関係

AIを入れた工程が速くなっても、全体が縮まらない理由

全体の処理量は、最も遅い工程の能力で決まる。この前提を踏まえないままAIを入れると、特定の工程は速くなるが、全体のアウトプットは変わらない。

業務の一部にAIを導入し、担当者から「作業が楽になった」という声が上がった。しかし月単位で見ると、仕事の完了量や顧客への納期がほとんど変わっていない——そういう話はめずらしくない。改善したのは工程のひとつであり、全体ではない。

制約理論の考え方では、システム全体のスループット（処理量）は制約条件の能力で決まる。それ以外の工程をいくら高速化しても、制約の手前に仕掛かりが積み上がるだけで、全体のアウトプットは増えない。

たとえば、提案書の作成にAIを使い、作業時間が三分の一になったとする。しかし、その提案書が承認される会議が週に一度であれば、書類は完成しても一週間待つことになる。全体のサイクルタイムは変わらない。

速くなるのは「仕掛かりが積み上がる速さ」であって、全体が終わるまでの時間ではない。

部門ごとの数値は改善するのに、会社全体の成果が動かないという問題は、指標の設計とも深く関わっている。すべての部署が改善しているのに成果が動かないで触れているように、工程単位の改善と全体のスループット改善は、別の問いだ。

「遅く感じる」と「詰まっている」は別の場所にある

制約のない工程を速くしても、制約の手前に積み上がる量が増えるだけになる。

AIの導入先を選ぶとき、出発点になりやすいのは「ここが遅い」「ここが手間だ」という感覚だ。資料作成に時間がかかる、データ入力が多い、毎週の報告書が重い。それは事実だとしても、「遅く感じる工程」と「全体の制約になっている工程」は一致しないことが多い。

遅く感じる工程は、往々にして制約の「手前」にある。処理能力に余裕があるから仕事をどんどん受け取れる。そこを速くすると、制約への到達が早まるだけで、全体は変わらない。

制約を探すなら、「仕事が滞留している場所」を見る。

• 未処理の案件や書類が積み上がっている工程
• 担当者が次の入力を「待っている」状態になる場所
• 上流が速く流れるほど、溜まる量が増える工程

その工程が制約だ。AIを入れるとすれば、そこが投入先の候補になる。「手が追いつかない」と感じる場所よりも、「なぜか書類や案件がたまっていく」場所に目を向けることが、投入場所の特定につながる。

制約が組織のリズムにあるとき、タスクを速めても届かない

承認頻度や意思決定のサイクルが制約の場合、タスクのスピードを上げるアプローチでは解決しない。

制約が「タスクの処理速度」ではなく「組織の意思決定サイクル」にあるケースがある。週次の定例でしか動かない案件、月に一度の役員会でしか承認されない予算、特定の管理職の判断を必要とする手続き。これらは処理能力ではなく、意思決定の「頻度」が制約だ。

この場合にAIを入れても、上流の準備が速くなるだけで、意思決定の頻度は変わらない。承認待ちの仕掛かりが増える。速さへの投資が、滞留をさらに大きくする形に働く。

制約が「組織のリズム」にあると判断したなら、有効な手はAIではなく組織設計の変更だ。承認の頻度を上げる、一定条件以下の決裁を現場に委ねる、非同期での承認を認める——こうした変更が、制約そのものを動かす。

AIの投入先を検討する前に、まず「どこで仕事が止まっているか」を観察し、「その滞留は処理速度の問題か、意思決定の頻度の問題か」を切り分けることが先になる。この順番を逆にすると、ツールは稼働しても成果は変わらない、という状況が続く。

この問いを起点にした支援については、しぼるで扱っている。業務フローのどこに制約があるかを整理した上で、AIや自動化の投入先を判断する流れをとる。

DXの提案を受け取る前に問うべきことでも述べているように、「どのツールを使うか」より先に「どの課題が全体に効くか」を問うことが、導入の成否を分ける最初の判断になる。