ストーリー
田
田中VPoE
「As-Is分析が完了した。次はAIと人間の役割分担を設計するフェーズだ。まずはプロセスを構成する個々のタスクを細かく分解し、それぞれがAI向きか人間向きかを判定する。」
あなた
「全部AIに任せられたら楽なんですが。」
あ
田
田中VPoE
「そう考えがちだが、実際には『AIがやるべきこと』と『人間がやるべきこと』は明確に異なる。重要なのはタスクの特性を見極めることだ。認知タスク分析（CTA）という手法を使おう。」
認知タスク分析（CTA: Cognitive Task Analysis）
CTAとは
認知タスク分析は、人間がタスクを遂行する際の認知プロセス（知覚、判断、意思決定）を詳細に分析する手法だ。AI導入の文脈では、各タスクの認知的特性を把握し、AIへの移管可否を判断するために用いる。
タスク分解の3つのレベル
Level 1: プロセス（大分類）
例: 請求書処理
Level 2: タスク（中分類）
例: 請求書受領、データ変換、発注書照合、承認、支払い
Level 3: サブタスク（小分類）
例: [データ変換]
- PDFから請求元名を読み取る
- 請求金額を特定する
- 勘定科目を判断する
- 経理システムに入力するAI向きタスク vs 人間向きタスクの判定基準
判定マトリクス
| 特性 | AI向き | 人間向き |
|---|---|---|
| 繰り返し性 | 同じパターンが大量に繰り返される | 毎回異なるアプローチが必要 |
| ルール明確性 | ルールが明文化できる | 暗黙知・経験則に依存 |
| データ依存性 | 大量データの処理・パターン認識 | 少量データからの洞察・直感 |
| 応答速度 | ミリ秒単位の即時応答が必要 | 熟慮が必要（時間的余裕あり） |
| 感情的配慮 | 不要 | 共感・傾聴・説得が必要 |
| 創造性 | パターンの組み合わせ | 全く新しい発想・価値判断 |
| 責任所在 | 失敗時のリスクが限定的 | 法的・倫理的責任が伴う |
| 例外処理 | 例外パターンが少ない | 想定外の状況への柔軟な対応 |
NetShop社のタスク分解
請求書処理のタスク分解と判定
| サブタスク | 認知特性 | AI適性 | 判定 | 理由 |
|---|---|---|---|---|
| PDFから文字を読み取る | 知覚（パターン認識） | 高 | AI | AI-OCRで高精度な読み取りが可能 |
| 請求元を特定する | 知覚 + 照合 | 高 | AI | マスターデータとの照合 |
| 請求金額を抽出する | 知覚 + 計算 | 高 | AI | 数値認識と構造化 |
| 勘定科目を判断する | 判断（ルールベース + 経験） | 中 | AI + 人間 | 定型は AI、例外は人間が判断 |
| 発注書と照合する | 照合（パターンマッチ） | 高 | AI | 大量データの突合 |
| 照合不一致の原因を調査する | 分析 + コミュニケーション | 低 | 人間 | 状況に応じた柔軟な調査が必要 |
| 承認判断を行う | 意思決定（責任を伴う） | 低 | 人間 | 最終的な承認は人間の責任 |
| 支払い処理を実行する | 実行（システム操作） | 高 | AI | 承認後の定型処理 |
問い合わせ対応のタスク分解と判定
| サブタスク | 認知特性 | AI適性 | 判定 | 理由 |
|---|---|---|---|---|
| 問い合わせ内容を理解する | 言語理解 | 中〜高 | AI | LLMによる意図理解が実用レベル |
| カテゴリを判定する | 分類（パターン認識） | 高 | AI | テキスト分類で高精度 |
| FAQ から回答を検索する | 検索 + マッチング | 高 | AI | セマンティック検索が有効 |
| 定型的な回答を作成する | 生成（テンプレートベース） | 高 | AI | LLMで自然な文章生成が可能 |
| 怒っている顧客に対応する | 感情的配慮 + 傾聴 | 低 | 人間 | 共感と柔軟な対応が必要 |
| クレームの原因を調査する | 分析 + 部門横断連携 | 低 | 人間 | 複雑な状況把握と調整が必要 |
| 返金・交換の判断をする | 意思決定（金銭的影響） | 中 | AI + 人間 | 定型はAI、高額・例外は人間 |
| 対応記録を入力する | 記録（構造化） | 高 | AI | 対話ログからの自動生成 |
レポート作成のタスク分解と判定
| サブタスク | 認知特性 | AI適性 | 判定 | 理由 |
|---|---|---|---|---|
| データを収集・集約する | データ処理 | 高 | AI | API連携で自動収集 |
| グラフ・チャートを作成する | 可視化 | 高 | AI | テンプレートに基づく自動生成 |
| 数値の異常値を検出する | 分析（パターン認識） | 高 | AI | 統計的異常検知 |
| 異常値の原因を分析する | 分析 + 推論 | 中 | AI + 人間 | AIが仮説を提示、人間が検証 |
| 経営層向けのサマリーを書く | 要約 + 判断 | 中 | AI + 人間 | AIがドラフト、人間が編集 |
| アクションプランを提案する | 創造 + 意思決定 | 低 | 人間 | 組織の文脈を踏まえた判断 |
タスク分類の4象限モデル
AI適性 高
│
┌─────────────┼─────────────┐
│ 自動化ゾーン │ 拡張ゾーン │
│ （AI単独） │ （AI+人間） │
│ │ │
頻度低 ──┼──────────────┼──────────────┼── 頻度高
│ │ │
│ 除外ゾーン │ 支援ゾーン │
│ （現状維持） │ （人間+AIツール）│
└─────────────┼─────────────┘
│
AI適性 低| ゾーン | 方針 | 例 |
|---|---|---|
| 自動化ゾーン | AI単独で処理、人間は監視のみ | OCR読み取り、データ照合、定型回答 |
| 拡張ゾーン | AIが提案し人間が最終判断 | 勘定科目判定、レポートサマリー |
| 支援ゾーン | 人間が主導しAIがツールとして支援 | クレーム対応時のFAQ提示 |
| 除外ゾーン | AI導入の費用対効果が低い | 低頻度の特殊対応 |
まとめ
| 項目 | ポイント |
|---|---|
| 認知タスク分析 | タスクの認知特性（知覚・判断・意思決定）を詳細に分析 |
| 3段階の分解 | プロセス → タスク → サブタスクへと段階的に分解 |
| 判定基準 | 繰り返し性、ルール明確性、感情的配慮、責任所在 等で判定 |
| 4象限モデル | AI適性と頻度で自動化/拡張/支援/除外に分類 |
チェックリスト
- 認知タスク分析の概念と手法を理解した
- AI向き・人間向きタスクの判定基準を説明できる
- 3つの業務についてタスク分解と判定ができる
- 4象限モデルでタスクを分類できる
次のステップへ
次は「Human-in-the-Loop設計」として、AIの出力に人間がどう介入するかの設計パターンを学ぼう。
推定読了時間: 30分