ストーリー
田
田中VPoE
「業務プロセスの可視化手法を学んだね。次はその中身を定量的に分析する。具体的には業務量分析だ。」
あなた
「業務量分析とは、どの業務にどれだけの時間やリソースが使われているかを測ることですか？」
あ
田
田中VPoE
「その通り。AIを導入する場所を決めるには、『どの業務に最も多くの時間が使われているか』『どこがボトルネックか』を数字で把握する必要がある。感覚ではなくデータで判断するんだ。」
あなた
「数字で示せれば、経営層への説明も説得力が増しますね。」
あ
田
田中VPoE
「まさにそうだ。作業時間調査、頻度×工数マトリクス、ボトルネック特定の3つの分析手法を学ぼう。」
作業時間調査
調査方法
| 方法 | 概要 | メリット | デメリット |
|---|---|---|---|
| タイムスタディ | 担当者の作業を直接観察・計測 | 正確なデータが得られる | 観察者のリソースが必要 |
| セルフレポート | 担当者自身が作業時間を記録 | 大規模に実施可能 | 自己申告のバイアス |
| システムログ分析 | システム上の操作ログから算出 | 客観的・自動的 | システム外作業は計測不可 |
| サンプリング調査 | ランダムなタイミングで作業内容を確認 | 低コスト | 精度はサンプル数に依存 |
NetShop社CS部の作業時間調査例
| 作業カテゴリ | 月間時間 | 構成比 | 担当者数 | 1人あたり時間/月 |
|---|---|---|---|---|
| 問い合わせ対応（電話） | 2,400h | 30% | 25名 | 96h |
| 問い合わせ対応（メール） | 1,600h | 20% | 20名 | 80h |
| 問い合わせ対応（チャット） | 800h | 10% | 10名 | 80h |
| FAQ・マニュアル更新 | 400h | 5% | 5名 | 80h |
| エスカレーション対応 | 800h | 10% | 10名 | 80h |
| データ入力・記録 | 960h | 12% | 15名 | 64h |
| レポート作成 | 480h | 6% | 5名 | 96h |
| ミーティング・研修 | 560h | 7% | 50名 | 11.2h |
| 合計 | 8,000h | 100% | 50名 | 160h |
頻度×工数マトリクス
マトリクスの考え方
業務を「発生頻度」と「1件あたりの工数」の2軸でプロットし、AI活用の優先度を判断する。
工数（大）
↑
[C: 要改善] │ [A: 最優先]
低頻度×高工数 │ 高頻度×高工数
───────────┼───────────→ 頻度（高）
[D: 低優先] │ [B: 効率化候補]
低頻度×低工数 │ 高頻度×低工数
│| 象限 | 特徴 | AI活用の方針 |
|---|---|---|
| A: 高頻度×高工数 | 最も時間を消費 | 最優先でAI化を検討 |
| B: 高頻度×低工数 | 件数は多いが1件は軽い | RPA・自動化で効率化 |
| C: 低頻度×高工数 | 発生は稀だが重い | AI支援で工数削減 |
| D: 低頻度×低工数 | 影響が小さい | 現状維持 |
NetShop社CS部の頻度×工数マトリクス
| 業務 | 月間件数 | 1件あたり時間 | 月間合計時間 | 象限 |
|---|---|---|---|---|
| 商品問い合わせ回答 | 12,000件 | 10分 | 2,000h | A |
| 注文状況確認 | 8,000件 | 5分 | 667h | B |
| 返品・返金処理 | 3,000件 | 20分 | 1,000h | A |
| クレーム対応 | 500件 | 45分 | 375h | C |
| 障害報告対応 | 100件 | 60分 | 100h | C |
| 住所変更処理 | 2,000件 | 3分 | 100h | B |
ボトルネック特定
ボトルネックとは
プロセス全体の処理能力を制約する最も遅い工程のこと。
ボトルネックの発見方法
| 指標 | 説明 | 計算方法 |
|---|---|---|
| 処理待ち件数 | 未処理の作業がどれだけ溜まっているか | 受付件数 - 処理完了件数 |
| 平均待ち時間 | 処理に取りかかるまでの時間 | 受付から処理開始までの経過時間 |
| 処理能力の稼働率 | リソースがどの程度使われているか | 実稼働時間 / 利用可能時間 |
| 手戻り率 | やり直しが発生する割合 | 手戻り件数 / 処理完了件数 |
NetShop社CS部のボトルネック分析
| 工程 | 処理能力 | 需要 | 稼働率 | 待ち時間 | 判定 |
|---|---|---|---|---|---|
| 受付・分類 | 500件/日 | 450件/日 | 90% | 5分 | 注意 |
| 担当者割当 | 400件/日 | 450件/日 | 112% | 30分 | ボトルネック |
| 調査・回答 | 350件/日 | 350件/日 | 100% | 15分 | 注意 |
| 回答送信 | 600件/日 | 350件/日 | 58% | 2分 | 余裕あり |
ボトルネックへのAI適用
| ボトルネック | AI適用案 | 期待効果 |
|---|---|---|
| 担当者割当（稼働率112%） | AIによる自動分類・ルーティング | 待ち時間30分→5分に短縮 |
| 調査・回答（稼働率100%） | RAGによるナレッジ検索＋回答ドラフト生成 | 1件あたり処理時間を50%削減 |
業務量分析の実施手順
| ステップ | 内容 | 成果物 |
|---|---|---|
| 1. 対象範囲の決定 | 分析対象の部門・プロセスを決定 | 分析スコープ定義書 |
| 2. データ収集 | 作業時間調査を実施 | 作業時間データ |
| 3. 分類・集計 | 業務カテゴリごとに集計 | 業務量一覧表 |
| 4. マトリクス分析 | 頻度×工数マトリクスにプロット | マトリクス図 |
| 5. ボトルネック特定 | 処理能力と需要の差を分析 | ボトルネックレポート |
| 6. AI適用候補の抽出 | 分析結果からAI化候補をリスト化 | AI適用候補リスト |
まとめ
| 項目 | ポイント |
|---|---|
| 作業時間調査 | タイムスタディ・セルフレポート・ログ分析・サンプリングの4手法 |
| 頻度×工数マトリクス | 高頻度×高工数の業務を最優先でAI化検討 |
| ボトルネック特定 | 稼働率100%超の工程がプロセス全体を制約 |
| 定量化の重要性 | 感覚ではなくデータでAI適用箇所を判断 |
チェックリスト
- 作業時間調査の4つの方法を説明できる
- 頻度×工数マトリクスの4象限を理解した
- ボトルネックの発見指標を把握した
- 業務量分析の実施手順を理解した
次のステップへ
次は「ペインポイント特定」として、ヒアリング技法、現場観察、データからの発見方法を学ぼう。
推定読了時間: 30分