Phase10_組織浸透_データ活用

日本企業のAI導入率56%に対し、期待を上回る効果はわずか10%。このギャップを埋めるため、AIチャンピオン制度の導入と、パナソニック・住友商事・楽天の成功事例（年間44.8万時間削減等）から学ぶ組織展開のステップを紹介します。

OffersにはAI Talent（トップクラスAI人材）が多数登録しています。その方たちとチームを組み、AIコンサルティングサービスを開始しています。ご関心のある方はこちらからご登録ください。順次、弊社よりご連絡させていただきます。
https://share-na2.hsforms.com/13F_F95BrTLaqRMk1hYhxQg3rs27

Transcript

1. Phase 10 組織浸透 & データ活用 〜自分だけでなく、チーム全体がAIで動く仕組みを 作る〜 ver. 2026.03
2. オープニング CONFIDENTIAL © Offers All rights reserved. 1 講義概要 項目 内容 テーマ 組織浸透 & データ活用 所要時間 60分 対象者 Phase 9 までを完了した受講者 ゴール 自分のAI活用から「チーム全体でAIが動く仕組み」へ拡張する方法を理解し、実行計画を策定できる 持ち物 PC（Claude Code 起動可能な状態）、自社の組織図 事前準備 Phase 9 の自動化ワークフローが1つ以上稼働中であること
3. オープニング CONFIDENTIAL © Offers All rights reserved. 2 9ヶ月間の振り返り 個人のAI活用から、組織全体への展開へ 知る Phase 1-2 準備する Phase 3-4 使える Phase 5-6 効率化する Phase 7-8 仕組み化 Phase 9 広げる Phase 10 ▼ 今日ここ
4. オープニング CONFIDENTIAL © Offers All rights reserved. 3 本日のゴール 「自分がAIを使える」から「チームがAIで動く」へ。組織浸透の仕組みを設計する60分。 01 AI推進体制 AIチャンピオン制度を 設計する 02 データ基盤 自社データを整理して AI活用基盤を作る 03 部門展開 部門展開のワークショップを 設計する
5. CONFIDENTIAL Section 1 AI推進体制の構築 技術ではなく「組織の仕組み」が成否を分ける
6. AI推進体制の構築 CONFIDENTIAL © Offers All rights reserved. 5 差を生む最大の要因 ─ 技術ではなく「組織の仕組み」 失敗企業 ❌ 「IT部門に任せた」で放置 AI推進の責任者が不在 一部部門の試験導入で停滞 ROI測定の仕組みがない 成功企業 ⭕ 経営トップ直轄で推進 CAIO等の専任ポストを配置 全社員に利用機会を提供 小さな成功を可視化→横展開 →
7. AI推進体制の構築 CONFIDENTIAL © Offers All rights reserved. 6 事例①: パナソニック コネクト「ConnectAI」 Case 1 / 3 大企業 / 全社員12,400人導入 成功のポイント 複数改革の同時推進 人事改革・IT改革・マーケ改革を同時並行で推進 AI活用の進化 「聞く」→「頼む（エージェント）」へ段階的に進化 文化変革の並行推進 組織全体の文化変革をAI導入と同時に推進 成果指標 44.8万 時間削減 / 年 BEFORE 前年比 AFTER 2.4倍増加 利用回数 240万回 / 月間ユーザー率 49.1% 出典: パナソニック コネクト（2025）
8. AI推進体制の構築 CONFIDENTIAL © Offers All rights reserved. 7 事例②: 住友商事「Copilot Champion 制度」 グローバル全社員 約9,000人 日本企業初の全社導入 「Copilotが好き」なポジティブな社員が自発的に Championに Championが現場の「伝道師」として機能 強制ではなく「楽しさ」で浸透させた 12 億円 / 年間コスト削減 1万560h 月間業務削減 75% 月間利用者率 出典: 住友商事（2025）
9. AI推進体制の構築 CONFIDENTIAL © Offers All rights reserved. 8 事例③: 楽天グループ ─ 利用率85%を達成 戦略: 楽天モバイルで成功事例 → 全社横展開 ／ 経営トップ（三木谷氏）が率先推進 85% 社内利用率 約6ヶ月で達成 8,000+ 毎日AI使用する社員 約3万人中 4.9h 週あたり削減時間 1人あたり コーディング業務 44% 時間削減 出典: 楽天モバイル（2025）
10. AI推進体制の構築 CONFIDENTIAL © Offers All rights reserved. 9 中小企業への適用ポイント 成功要因の本質は規模に依存しない 大企業の施策 中小企業（10〜50人）での代替 CAIO配置 経営者自身がAI推進の旗振り役を担う Champion制度 （各部門1-2名） 社内で最もAIに前向きな1〜2名を 「AI推進担当」に任命 全社員向け eラーニング 月1回の社内勉強会 （本マニュアルを教材に） 1,000人規模の AIチーム 外部コンサル + 社内Champion 1名で十分 大規模な データ基盤 Obsidian Vault 1つ + Google Drive で開始
11. AI推進体制の構築 CONFIDENTIAL © Offers All rights reserved. 10 AIチャンピオン制度の設計 経営層 （トップダウン） AI推進リーダー （全社統括） AIチャンピオン （各部門1-2名） 一般メンバー（チーム全員） 基準 必須度 なぜ重要か AIへの前向きな姿勢 ★★★ 最大の原動力 業務プロセスの深い理解 ★★★ AI適用ポイントを発見 周囲への影響力 ★★☆ 周囲が動く 自分で試す実行力 ★★★ 自ら試行錯誤 ITスキル ★☆☆ 不要（学習で十分）
12. AI推進体制の構築 CONFIDENTIAL © Offers All rights reserved. 11 AIチャンピオン選定 ─ よくある間違い NG パターン IT ❌ 部門のエンジニアを選ぶ 業務プロセスを知らない。 「技術的にすごいこと」を追求しがち 管理職を任命する ❌ 忙しくて手が動かない。 指示は出すが自分では使わない BEST PRACTICE 現場で「 ⭕ AIすごい！」と 言っている人を選ぶ 住友商事の事例: 「Copilotが好き」な人が 自発的にChampionになった 「好き」が最大の原動力 ITスキルは後からついてくる
13. AI推進体制の構築 CONFIDENTIAL © Offers All rights reserved. 12 組織浸透の5つの失敗パターン 日本企業に特有の落とし穴 # 失敗パターン 症状 対策 1 過度な完璧主義 「100%正確でないと使えない」 80点の下書き→人間が仕上げる 2 目的・KPIの曖昧さ 「とりあえず導入」 導入前に削減時間の目標値を設定 3 縦割りの壁 成功事例が他部門に伝わらない 月次AI活用共有会を開催 4 経営層のコミット不足 「IT部門に任せた」で放置 経営会議で毎月AI活用をレビュー 5 ROI測定の不在 「効果があるのかわからない」 Before/Afterの工数記録の仕組み
14. CONFIDENTIAL Section 2 データ基盤整備 & ナレッジベース構築 AIの精度は「読ませるデータの質」で決まる
15. データ基盤整備 & ナレッジベース構築 CONFIDENTIAL © Offers All rights reserved. 13 AIの精度 = 「読ませるデータの質」 データが散在した組織 ❌ 営業: Excel（デスクトップに保存） 経理: Google Docs（どこか） 人事: 紙 + Slack のやり取り 議事録: 各自のメモ帳 → AIに聞いても答えられない データが整理された組織 ⭕ 全部門 ↓ 共有ドライブに Markdownで集約 → AIが文脈に沿った回答ができる →
16. データ基盤整備 & ナレッジベース構築 CONFIDENTIAL © Offers All rights reserved. 14 自社データの棚卸し ─ データソース一覧 カテゴリ データソース 保管場所 AI活用可能性 顧客 顧客情報・商談記録 CRM 顧客分析、予測 売上 売上・コスト・KPI スプレッドシート トレンド分析、予測 会議 議事録・録画 tldv / Meet 要約、タスク抽出 ドキュメント 社内資料・マニュアル Google Docs ナレッジベース構築 コミュニケーション メール・チャット Gmail / Slack コミュニケーション分析 人事 評価・研修記録 人事システム 人材分析
17. データ基盤整備 & ナレッジベース構築 CONFIDENTIAL © Offers All rights reserved. 15 ナレッジベース構築の4ステップ 01 ▶ 目的の明確化 誰が何のために 使うか定義 02 ▶ 情報の集約 散在情報を 1箇所に集める 03 ▶ 構造化 フォルダ+タグ +リンクで整理 04 AI連携 Claude Code/ Cursorから参照
18. データ基盤整備 & ナレッジベース構築 CONFIDENTIAL © Offers All rights reserved. 16 組織向け Obsidian Vault フォルダ構造 ナレッジ整理 00.Inbox/ ← 未整理 10.Projects/ ← プロジェクト 20.Departments/ ← 部門別 Sales/ HR/ Finance/ 業務プロセス 30.Processes/ ← 手順書 40.Meeting-Notes/ ← 議事録 50.Templates/ ← テンプレート 60.AI-Prompts/ ← プロンプト AI連携設定 70.Archive/ ← 完了済み CLAUDE.md ← AIルール → AIが直接参照可能 ※組織のナレッジシステムは現状githubが最適 別紙スピンアウト資料（01：github管理）を参照
19. データ基盤整備 & ナレッジベース構築 CONFIDENTIAL © Offers All rights reserved. 17 暗黙知の形式知化 ─ ベテランの知見をナレッジに Claude Code に指示する例: 「以下の質問に答える形で、ベテラン社員の業務知見を ナレッジベースに記録したい。 1. この業務で最も注意すべきポイントは？ 2. よくある失敗とその回避方法は？ 3. 「こうすればうまくいく」コツは？ 4. 新人がつまずきやすいポイントは？」 ベテラン社員が退職しても、知見がナレッジベースに残る。 これがデータ活用の本質的な価値です。 ベテランの知見 → Markdown化 → AI参照可能
20. データ基盤整備 & ナレッジベース構築 CONFIDENTIAL © Offers All rights reserved. 18 データガバナンスの基本 ─ 5つのルール 1 機密レベルの表示 すべてのドキュメント に 機密レベルを記載する 2 AI入力基準 「社内限」以下の データのみAIに入力可 能 3 個人情報の取扱い 個人を特定できる情報 は AIに入力しない 4 正本の明確化 1つのデータに対して 「正本」は1箇所のみ 5 定期棚卸し 月次でナレッジベース の 情報を確認・更新する
21. CONFIDENTIAL Section 3 組織展開の実践 & スケール戦略 1部門で成功 → 横展開の王道パターン
22. 組織展開の実践 & スケール戦略 CONFIDENTIAL © Offers All rights reserved. 19 部門別ワークショップの進め方 ─ 5ステップ 1 ▶ 現状把握 業務プロセス の棚卸し 2 ▶ AI適用マップ どの業務に AIが使えるか 3 ▶ ハンズオン 実業務で AIを使う 4 ▶ クイックウィン 効果が高く 着手しやすい 5 トライアル 2週間実施 →効果測定 ワークショップ: 90分 → トライアル: 2週間 → 効果測定 & 横展開
23. 組織展開の実践 & スケール戦略 CONFIDENTIAL © Offers All rights reserved. 20 AI適用マップの作成 定型的 ← → 非定型 高 頻 度 低 頻 度 AI ◎ 化最適 メール返信 日報作成 問い合わせ対応 議事録 データ集計 企画書 提案書 契約書レビュー マニュアル更新 戦略検討 △ 面談 × 商談 × ← AI化の優先度が高い AI化は補助的 →
24. 組織展開の実践 & スケール戦略 CONFIDENTIAL © Offers All rights reserved. 21 ローカルAI（Claude Code / Cursor）の組織展開 個人のローカルAI環境 ├ Claude Code ├ Cursor ├ 個人Vault ├ 個人CLAUDE.md 展開 → 組織のローカルAI環境 メンバーA のPC ├ Claude Code / Cursor ├ 共有Vault（同期） ├ 組織版CLAUDE.md メンバーB のPC ├ Claude Code / Cursor ├ 共有Vault（同期） ├ 組織版CLAUDE.md ※組織のナレッジシステムは現状githubが最適 別紙スピンアウト資料（01：github管理）を参照
25. 組織展開の実践 & スケール戦略 CONFIDENTIAL © Offers All rights reserved. 22 ハンズオン体験 ─ デモシナリオ3つ 初級 メール返信の高速化 未読メールで返信が必要なものを3件 リストアップして返信ドラフトを作成 Claude Codeが直接Gmailを操作して下 書きを作る 中級 議事録の自動生成 tldvで書き起こしを取得→決定事項・ ネクストアクション・保留事項を抽出 会議が終わったら何もしなくても議事録 ができている 上級 データ分析レポート 売上データを取得→前月比・目標達成 率を計算→改善提案3つ付きレポート 手動で2時間のレポートが5分で完了
26. 組織展開の実践 & スケール戦略 CONFIDENTIAL © Offers All rights reserved. 23 クイックウィン選定 ─ 部門別例 部門 クイックウィン例 期待削減時間 営業 商談後の報告メール自動作成 週3時間 人事 面接日程調整メールの自動生成 週2時間 経理 月次経費レポートの自動集計 月4時間 マーケ SNS投稿の下書き生成 週2時間 総務 社内問い合わせ回答の自動生成 週5時間 管理職 週報・月報の自動生成 週2時間 選定の3基準: ①効果（削減時間が大きい） ②難易度（追加ツールなし） ③頻度（毎日〜毎週発生）
27. 組織展開の実践 & スケール戦略 CONFIDENTIAL © Offers All rights reserved. 24 組織全体のAI連携アーキテクチャ 外部サービス群 Gmail Calendar Slack CRM BigQuery tldv AI処理基盤 Claude Code + CLAUDE.md + ナレッジベース 出力先 Obsidian Slack スプレッドシート CRM n8n MCP → → 組織ナレッジ （GoogleDrive/Github） ↕
28. 組織展開の実践 & スケール戦略 CONFIDENTIAL © Offers All rights reserved. 25 CLAUDE.md の組織版 ─ 個人版から拡張する ポイント 個人利用 組織利用 CLAUDE.md 個人のルール 組織共通+部門別 ナレッジ 個人のVault 共有Vault+権限 自動化 個人スケジュール n8n全社フロー MCP接続 個人アカウント 組織アカウント 品質管理 自分で確認 チェック+レビュー 組織版 CLAUDE.md の必須セクション: 会社情報 / 組織共通ルール / データ取り扱いルール / 出力形式 / 部門別ルール
29. まとめ CONFIDENTIAL © Offers All rights reserved. 26 本日のまとめ ─ 3つのポイント 01 仕組みの問題 AIの組織浸透は「技術」ではなく 「仕組み」の問題。成功企業は経営 変革プロジェクトとして位置づけ 02 好きで動く伝道師 AIチャンピオン＝「好き」で動く伝 道師。IT専門家ではなく業務を知っ ていてAIに前向きな人 03 AIの食材を揃える データ整備＝「AIの食材」を揃え る。散在した情報を1箇所に集約すれ ばAIの精度が飛躍的に向上
30. まとめ CONFIDENTIAL © Offers All rights reserved. 27 実践課題（次回 Phase 11 まで） 必須課題 AIチャンピオン候補を 2-3名選定 し、声をかける 1部門で業務棚卸しワークショップ を実施する 自社のデータソース一覧 を作成する（最低5つ） チームメンバー 1名にClaude Code の基本操作 を教える 推奨課題 ◦ 組織版 CLAUDE.md のドラフトを作成する ◦ 組織用 Obsidian Vault のフォルダ構造を設計する ◦ 部門のクイックウィン施策のBefore/Afterを測定する ◦ 経営層にAI活用の現状と組織展開計画を報告する
31. まとめ CONFIDENTIAL © Offers All rights reserved. 28 次回予告: Phase 11「戦略的AI経営」 経営ダッシュボード KPI自動収集 → AI分析 → レポート自動生成 AIエージェントチーム 仮想CxOによる 多角的経営分析 シナリオプランニング 市場調査・ 競合分析のAI自動化 「AIを導入した企業は56%。でも大きな効果を出せているのは約10%。差を生むのは技術ではなく、組織の仕組み。」
32. 　　　　── AI時代のエンジニア転職プラットフォーム AIにできないことが1つだけあります。それは「何がしたいか」という夢を持つこと。 人間ならではの好奇心や違和感こそが、未来で最も価値ある「問い」になる。 Offersは、個人の「問い」と企業の「問い」が響き合い、新しい価値を生み出す場所です。 求職者の方へ Offersは「今すぐ転職する人」だけのサービスではありません。AI 時代のキャリア相談、先端AI企業への転職、職務経歴の棚卸しやAI による強み分析も可能です。 offers.jp ─ まずは無料登録 Offers職務経歴 AIx人間ハイブリッドの職務経歴作成サービス 企業の方へ OffersはAI RPOサービスです。35,000人以上の登録ユーザーからAI が最適な候補者を発見し、心理フェーズに合わせたスカウトを自動 配信。採用戦略の設計は専任CSチームが伴走し、「再現性ある採 用」を実現します。 サービスを見てみる PR
33. FIN