【決定版】人と業務を動かすAI-Ops実装・運用 ー AI-Opsとは何か、どう始め、組織でどう成果を出すか？

はじめに

こんにちは。株式会社ログラスで「AIオペレーション（AI-Ops）マネージャー」をしている、しんちゃんです。

AIオペレーションマネージャーという職種で、2025年8月から働き始めて、そろそろちょうど1年になります。
社内のAI浸透、業務設計、エージェントの開発、ガバナンスまで、組織にAIを根付かせる様々な仕事をやってきました！

例えばですが、結果として

• Cursor/ClaudeCodeの全社利用率：約80%

• Webページの作成時間：約5~10倍短縮

  • 例えば：https://loglass.jp/solution/ai-analysis

• インサイドセールスの調査・分析：年間 約1,500時間削減

• ロープレによる営業の立ち上がり：約半分の期間に短縮

を達成したり、このほかにも、Slackでメンションするだけで企業情報が集まる商談前の企業調査botや、

AI相手に何度でも練習できる営業ロープレ（ロールプレイング）環境なども作り、様々な業務改善やAI時代の業務設計をやってきました。

このようなことをnoteやメディアなどで発信しているのですが、この記事は、その1年の節目に、これまでバラバラのnoteで書いてきた内容を1本にまとめ直したAI-Opsに関する決定版です。

「AI-Opsって何をする人？」「自分は何から始めればいい？」「うちの会社にも専任を置く価値はある？」

カジュアル面談でも、登壇後の質疑でも、経営者との対話でも、聞かれることはいつも同じなので綺麗にまとめした！

読み方ガイド 🗺️

長いので、全部を一気に読まなくて大丈夫です。
気になるところからご覧いただければと思います！

注意事項

第I部 職種を知る 🔍

1. AI-Opsの定義 ─ 「AIが当たり前に使われる組織をつくる仕事」📖

AI-Ops（AIオペレーションマネージャー）とは、組織全体へのAI実装と定着を、専門に設計・推進する職種です。

ツールを配る人ではありません。人が動く設計をして、現場の課題を特定して、AIで解いて、その知見を組織の財産として残す──ここまでを一気通貫でやる仕事です。

ちなみにですが世間で「AIOps」というと、Gartnerが2016年に提唱した IT運用を自動化する技術 を指します。サーバーやネットワークの監視データを機械学習で分析する、技術カテゴリの名前です。本記事でのAI-Opsとは別物として扱わせてください。

2. AI-Opsはなぜ必要なのか ─ 「AI配っても使われない」問題 🕵️

前章で「定着を専門にやる職種」と書きました。では、なぜ定着に専任が要るのでしょうか。

答えはシンプルで、AIは配っただけでは使われないからです。

多くの企業がすでに経験していると思います。

ChatGPTの全社アカウントを契約しました。
説明会もやりました。最初の1週間は盛り上がりました。3ヶ月後、使っているのは一部の熱心な人だけ──。

これは肌感の話ではなく、データでも裏付けられています。

• MIT NANDAの調査では、企業の生成AIパイロットの 95%がP&L（損益）に測定可能な効果を出せていません。失敗の主因は技術ではなく、業務への組み込み・設計の問題とされています

• McKinseyの調査では、何らかの形でAIを導入した企業は88%に達する一方、利益に効くレベルの成果を出せているのは約6%です

• Gartnerは、生成AIプロジェクトの少なくとも30%がPoC（実証実験）止まりで頓挫すると予測しました

各社導入はできていますが、成果につながりません。この「導入と成果のあいだの谷」こそが、AI-Opsの主戦場です。

McKinseyの一連の調査には、もうひとつ重要な示唆があります。利益に最も効くのは ワークフローの抜本的な再設計 なのに、実施している企業は約21%しかありません。

つまり、成果が出ないのはAIの性能の問題ではなく、業務の作りを変える人がいないことが問題なのです。

3. AI-Opsは何をする仕事か 🔧

では、「業務の作りを変える人」は、具体的に何をやるのでしょうか。

3つの中で最も大事にしているのが業務設計 です。

「ツール導入」と「業務再設計」は似て非なるものです。ツール導入は、今の業務のまま道具を差し替えることです。業務再設計は、AIがあることを前提に業務そのものを組み直すことです。

例えばログラスでは、

• 営業メンバーへの進捗レビュープロセスを、人の代わりにAIに置き換える

• デザイナーのWebページの作成を、Claude Codeで全部実装できるように置き換える

などを行ってきました。

内容を聞くとすごそうですが、現場は泥臭いです。ヒアリングして、業務フローを紙に描いて、どこをAIに任せてどこを人に残すか線を引きます。作って、使ってもらって、直す──この繰り返しです。

AI-Opsの1日の業務時間の割合 ⏰

体感でいうと、ヒアリング5割・実装3割です。ヒアリングして、作って、試してもらって、またヒアリングする──この往復が仕事の大半を占めます。

残りの2割は、ツールの管理やコストの確認、社内からの質問対応といった細々した運用業務などの対応です。AIサービスの大型アップデートが出れば調査が入り、緊急の相談も飛び込んできます。

日によってぐちゃっと崩れますが、ならすとこんな配分です。

AI-Opsのある案件の流れ 📋

進め方も、ひとつ流れで書いてみます。たとえば、ある部署から「調査系の業務に時間がかかりすぎる」という相談が来たとします。
パッとこの要望だと「DeepResearch」を思いついて実装したくなりますが、ここで、いきなり作り始めません。

まず、部署のメンバーや関係者に広くヒアリングします。担当者ひとりの話だけで動くと、あとから「それは本当の課題ではなかった」となることが本当に多いからです。

課題を洗い出したら、本部長や部長など含めて「この優先度でいく」を決めます。
そのうえで、プロトタイプを軽く作って当ててみます。作り込むのはその後です。作ってみたらいまいちだった、実は課題ではなかった、が普通に頻繁に起こりうるからです。
なので、課題仮説、ソリューション仮説は別々で丁寧に検証していきます。

課題が確からしいと分かったら、「何を解消して、何が変わって、どの事業数値が動くか」まで計画に落とします。
ここまでやって、ようやく本格的に作り始めます。

この失敗談の詳細は、こちらのnoteにまとめています。

もうひとつ、地味に重要なのが浸透レイヤーです。どんなに優れた仕組みも、作っただけでは使われません。「やらされ」ではなく「ついやってしまう」方向に人が動く仕掛け──学習コンテンツ、レベル別の制度、勉強会、ちょっとしたグッズまで──を設計するのも、この職種の守備範囲です。

仕掛け作りの具体例は、こちらのnoteに書きました。

AI-Opsの大変なこと 📋

しんどい話も隠さずに書いておきます。この仕事でいちばんきついのは量です。

AIのアップデート対応、日々の運用、ヒアリング、数字の計測。しかも成果が出ると追加の依頼がどんどん来て、やることが増え続けます。しかもAI・業務に慣れてくるとさらに自分のキャパシティが増えできるようになるで量が増えます笑

なので、AIのキャッチアップが好きな人と新しいことが好きな人には向いている仕事ですが、そうでないならAI-OpsやAI推進担当はオススメしません。能力というより性格とか気質とかの方が大事です。

失敗は「早く小さく」を徹底しているので大きく転ぶことは少なくなりましたが、そのぶん打席の数が多くなります。

派手な挫折は始めた当初はありましたが、最近はそれより、体力勝負の側面のほうがずっと大きい仕事です。

4. 既存職種との違い ─ 「技術を作る側」ではなく「定着させる側」🧭

「AI-Opsって、情シスやDX推進と何が違うんですか？と聞かれることがあります。確かに同じようなことをやってることもあります。

もちろん、実際の現場では情シスやDX推進が行動変容まで担っているケースもあります。あくまで「軸足がどこにあるか」の整理です。

ひとことで言えば、既存の職種はどれも「技術を作る側」か「教える側」に軸足があります。

AI-Opsは 「定着させる側」の専任 です。技術そのものより「人と業務をどう変えるか」に軸足があります。ここがいちばんの違いだと思っています。

第II部 個人として始める 🏃

5. まず「使える人」になる ─ 組織の話の前に 🚀

第I部で職種の全体像を書きました。ここからは、あなた自身が今日から何を始めればいいかの話です。

組織にAIを広めるとか、業務を効率化するとか、その前に「自分がAIを使いこなせている」ことが先です。

ここを飛ばすと、何を言っても説得力が出ません。

5-1. ツールは「1つに絞って」深掘りする 🎯

AIツールは毎週のように新しいものが出ています。でも、最初から全部を触ろうとしないでください。

ChatGPTでもGeminiでも、分かりやすいものを1つだけ選んで、それを深く掘る──これが遠回りに見えていちばん速いです。

ChatGPT1つを取っても、機能は本当に膨大です。
全部を把握して使いこなせている人は、ほとんどいません。

しかもアップデートが激しいので、1つを徹底して使い込むだけでも十分すぎるほどの価値があります。
ツールの数を増やすことが価値ではありません。1つを「使いこなせる」状態にすることが先です。

5-2. 音声入力を徹底する🎙️

タイピングをやめて音声入力を徹底してください。

AIに良い仕事をさせるには、こちらが渡す情報の量が多いほうがいいです。
なので頭の中にあることを、なるべくたくさん渡します。

が、それを手打ちでやるのは、正直しんどいです。

タイピングが速い人でも、音声のほうが基本的に速いです。
頭の中をそのまま喋って「これを整理してください」と渡すだけで、かなり整った文章や議事録ができあがります。

具体的な始め方：

• パソコンの標準の音声入力を整えましょう。OS標準のもので十分です

• スマホのボイスメモやレコーダーの文字起こし機能を使い倒しましょう

• 専用ツール（SuperWhisper、Aqua Voice など）もありますが、まず標準で試して、物足りなくなってから課金でいいです

昔は専用ツールが必要だったんですが、今はAI側の性能が良いのシステム標準ので十分です。
特に組織で使うとなると尚更、PC標準の方が良いです。

音声入力活かし方

日常生活でのおすすめとして、本やYouTubeを見るときも、録音を回しっぱなしにして「気になった点」「あとで調べること」をその場で声に出しておきます。
あとでAIに整理させれば、後で振り返りの資料や、そのまま議事録や打ち合わせの素材になります。

音声入力のより詳しいやり方とtipsは、こちらのnoteにまとめています。

5-3. 1つを極めてから「手札」を広げる 🃏

ChatGPTでもGeminiなど何でも良いので1つのAIツールが深く分かってきてから、自分の作業を「楽にする」ことを徹底して、その後に初めて他のツールに手を出します。

ChatGPTで自分の作業が楽になれば、他のツールで色んなことが楽にできます。
逆に、1つで楽にできない人が、ツールを10個並べても何も変わりません。

たとえるなら、ChatGPTは料理でいうフライパン・包丁・まな板です。
この基本の道具を使いこなせないのに、便利な調理家電だけ買い揃えても使いこないのと同じです。

NotebookLM、Claude、Cursor、Obsidian など、気になったものを少しずつ触ってみてください。
気になったものから始めてもらって良いと思います。

例えば、メモも指示も、入力はまず音声です。業務フロー図は draw.io を使います。自動化は、場合によってはGAS（Google Apps Script）で十分です。GeminiのGem（カスタムAI機能）で済むならGemで、ChatGPTで済むならChatGPTで済ませます。
組織浸透にいきなりCursorやClaude Codeはオーバースペックになる可能性が高いです。

個人として別の代替手段があっても、組織としては便利だったりするので、Slack連携ならこれ、Notionならこれ、Googleドキュメントならこれ、というツール特有の便利機能や拡張は、幅広く知っておくのがオススメです。

5-4. 課金は前提 💳

身も蓋もないですが、課金は前提だと思ってください。
無料版は、出力やモデルの性能をかなり落としています。

「ChatGPTは使えない」と言う人の理由の大部分は、課金していないこと・指示で渡す情報が少なすぎることです。

本気で使うなら、いちばん安いプランでもいいので課金すべきです。
そして指示は「音声で数十秒から数分喋る」を基本にしてください。

これができないと、せっかく課金しても性能を引き出しきれません。

今日からできる3つの一歩 👣

1. ChatGPTかGeminiを1つに絞る

2. いちばん安いプランでいいので課金する

3. パソコン標準＋スマホの文字起こしで、音声入力を整える

全部を一気にやろうとしなくていいです。まず1つ選んで、課金して、音声で喋ってみてください。
それだけで景色が変わります。

6. 役割に必要な力 ─ 「AIが好き」だけでは足りない 💪

「AIが好きなので、推進の仕事をやってみたいんです」。面談でこう言われるたび、少しだけ心配になります。「好き」は大事です。でも、それだけでは足りません。

6-1. 「普及」と「業務効率化」は別物と知る ⚖️

まず、この職種を理解するうえで最も大事な分岐の話です。

利用率を上げるだけなら、熱量のある人がワイワイ布教すれば、ある程度は進みます。

でも、AIが使われていること＝業務の数字が良くなること、ではありません。

ここを混ぜると「みんな使ってるのに成果が出ない」という状態に陥ります。

業務効率化に効くツールは、とにかく使いやすいものです。リッチである必要はありません。

むしろ「ワンタップでできる、ちょっとした小技」みたいな小さな改善のほうが、現場には刺さったりします。

6-2. 課題を見抜く力 🔎

業務効率化で成果を出す人に必要なのは、AIの知識より、課題を見抜く力です。

• 現場の本当のネックがどこかを特定できる

• 理想の状態を描き、そこまでの登り方を設計できる

• かかる費用と得られる効果の見立てまで計画できる

• セキュリティや法務の論点も押さえられる

逆に注意したいのは、「AIが大好き」という気持ちだけで走ってしまうパターンです。
課題でもないものを立派なソリューションで解こうとしがちです。

AIへの熱は最高の燃料ですが、ヒアリング力と課題解決の力という土台に乗せてはじめて、成果につながります。

これから始める人がつまずくポイントは、経験上だいたい4つに収束します。
ツールの話から始めてしまう、最初から大きく作りすぎる、ヒアリングを省く、課題を詰めきらないの4つです。

逆に言えば、この4つを避けるだけで、失敗の大半は防げます。

6-3. 人の行動を変える発信力 📣

AIの浸透とは、突き詰めれば「人の行動が変わること」です。
だから、マーケティングやPRのように「人が動く設計」ができる人が強いです。

社内向けの発信が苦にならないことは、ほぼ必須条件だと思っています。

「行動変容の設計」については、こちらの2本で深掘りしています。

6-4. AI-Ops・AI推進の向き不向き 🤔

そして大前提として、AIが好きであることです。
ツールのキャッチアップは激しく、浸透活動は地道です。好きじゃないと続きません。

• 向いている人： 組織を巻き込んで強くしていくこと自体を「楽しい」と思える人。学び続けることが好きな人。いろんな手札を組み合わせて課題を解くこと自体を面白がれる人

• 向いていない人： 同じことを淡々とやりたい人。チームで動くのが好きではない人（ヒアリングも調整も、コミュニケーションの連続です）

「自分のAIスキルさえ磨ければいい」というタイプは、実は能力的には向いています。
ただ、組織に還元する動機がないと、力がついた瞬間に転職して終わり、になりがちです。

そしてAI推進で苦労するパターンをひとつ挙げるなら、勉強することが楽しくないことです。
ここが苦痛だと長く持ちません。

私自身、この職種のコアは「組織づくりを楽しめるか」だと思っています。
AIは手段で、変えるのは組織・文化です。そこに熱を持てないなら、正直おすすめしません。

7. AI-Opsにどうやってなるか 🌱

向き不向きの話をしたので、次は「じゃあ、どうやってなるのか」、そして、なったあとキャリアがどう広がるかの話です。

7-1. 私の場合 ─ 会社は「熱意」で選びました 🔥

私の場合は、AIを全力でやりたいという気持ちが先にありました。
そんなときに、ログラスが「AIを推進する役割を作ろうとしている」という話を聞いて、入社を決めました。

会社を選んだ基準はひとつです。AIのレベルが高いかどうかではなく、トップからメンバーまで、AIへの熱意があるかどうかです。技術が進んだ会社より、本気の会社を選びました。

この職種は求人票として世に出ていないことも多いので、「役割を作ろうとしている会社」を熱意で見極めるのは、わりと現実的な探し方だと思います。

このあたりの経緯は、入社エントリに詳しく書いています。

7-2. 未経験からの現実的なルート ─ まず「社内でいちばん詳しい人」になる 🪜

では、皆さんの会社でゼロから目指すならどうすればいいでしょうか。
オススメは社内でAIにいちばん詳しい人になることです。

いきなり全社トップでなくていいです。
まず自分のチームで。次に部署で、本部で、と範囲を広げていきます。

「あの人がいちばん詳しい」と認知されると、情報と相談が自然に集まる構造ができます。
相談が集まれば、AIの仕事に関わる機会も向こうからやってきます。

転職は、それからでも遅くありません。
むしろ、いまの会社で実績を上げられないなら、外に出ても上げられません。まず社内でトップを取る──これがいちばん確実な一歩です。

7-3. 最初の90日 ─ ツールを作るな、勉強会をやれ 📅

役割に就けたとして、最初に何をやるべきでしょうか。
私のおすすめは、いきなりツールや自動化を作らないことです。

組織のリテラシーが追いつかないうちに仕組みだけ入れると、AIが「何でも叶える魔法の杖」扱いになり、期待と現実のギャップで空気が冷めます。だから最初は勉強会です。
リテラシーの底上げと、小さな成功体験で、「AIって楽しいかも」という雰囲気を先に作ります。

そして肝に銘じてほしいのは、最初でしくじると、あとが全部きつくなることです。
最初の90日が勝負です。全力でやってください。

ちなみに評価のされ方は会社によって様々だと思いますが、大枠としては「どの業務の、どの数字を、どう変えるか」を先に握って、その達成度で見てもらうのが健全だと思っています。

ふわっと「AIを広める」を目標にしないことです。
数字で握ることは、自分を守ることでもあります。

7-4. なったあと ─ キャリアは3方向に広がる 🛤️

AIを徹底的に使い込んで業務効率化までできる人のキャリアは、基本的に無限に広がります。

業務の現場とAIの両方を知っている人は、どの方向にもピボットできます。
仮に将来この職種名がなくなったとしても、身についた力は消えません。

7-5. 回転の速さと「やり続けること」🔄

魅力は、回転の速さにもあります。試行のサイクルが速いので、1つのプロジェクトが長くなりにくく、成功/失敗ナレッジ・実績がどんどん溜まります。
では何が成否を分けるのでしょうか。

拍子抜けするかもしれませんが、とにかくどんどんやり続けることです。

AIによって誰でも「作れてしまう」「AIが大枠の答えを出す」時代には、差別化の源泉は、社内で高速に改善サイクル（PDCA）を回してそれを社価値として提供する力──つまり組織力と実行力に移っていくと思っています。

8. なぜ「今」なのか ─ 蓄積の差は取り戻しにくい ⏳

第II部の最後は、時期の話です。結論から言うと、始めるなら早いほど有利です。

ChatGPTの登場が2022年末です。この記事を書いている2026年夏の時点で、本気で使い込んできた人とこれから始める人とのあいだには、もうすぐ4年分の経験差がつきます。

AIの世界は進化が速いぶん、触ってきた時間の蓄積がそのまま実力差になります。この差は、後からではかなり取り戻しにくいと私は見ています。

そして、二分化は人だけでなく企業でも進んでいます。

• AIを使いこなす人は、AIが進んでいる会社に移り、そこでさらに力をつける

• AIが進んでいる会社には、AIを使いこなす人が集まり、さらに進む

日本企業の生成AI活用率は34.5%と、2年でほぼ倍増しました（帝国データバンク調べ・2026年3月）。波はもう来ています。
念のため添えると、これは「乗り遅れたら終わり」という脅しではありません。

何歳からでも、どの会社からでも始められます。
ただ、始めるのに今日より有利な日は、この先おそらく来ない──それだけは確かだと思います。

第III部 組織に置く 🏛️

9. AI推進は専任か兼務か ─ 構造的に後回しになる理由 🏢

第II部は個人の話でした。ここからは、組織側の視点です。

9-1. 「啓蒙」と「事業数値」は別物 📈

「AI推進担当」と「AI-Ops」。正直、名前はどちらでも構いません。大事なのは名称ではなく、その人が事業数値を見ているかです。

世間で言う「AI推進担当」の多くは、啓蒙・普及役になりがちです。
ツールを配り、勉強会を開き、使い方を広める──これはこれで大切な仕事です。

ですが、啓蒙だけでは事業数値は動きません。

私がやってきたAI-Opsは、そこに徹底的にこだわります。
私の定義はシンプルで、「社内版のプロダクトマネージャー」です。

各部署の課題をヒアリングし、優先度を決め、ロードマップを引き、上から順に片づけ、効果を事業数値で検証します。手段はAIでなくても構いません。

9-2. 兼務の構造的限界 🚧

AI推進と通常業務の兼務はオススメしません。

既存業務の片手間（兼務）でAIをやらせると、構造的に後回しになります。

AIは「やってみないと分からない」探索の仕事です。確実な業務を磨く「深化」と、不確実な領域を試す「探索」は、頭の使い方がまるで違います。

9-3. AI-Opsを専任を置く効果（定量）🧮

IBMの調査では、専任のAI責任者を置く組織はAI投資のROI（投資対効果）が10%高く、PwCの調査でも、AI推進体制を正式に設置した企業は活用成果が多くの領域で20ポイント以上高いという結果が出ています。

いずれもCAIOという経営役職を対象にした調査なので役職の粒度は違いますが、「AI推進の専任責任者を置く組織は成果が出やすい」傾向を示す傍証にはなると思います（相関であって因果の証明ではありません）。

立ち上げ期は兼務でも始められます。
ですが、事業数値で費用対効果を回収する段階に入ると、「兼務」という形態は構造的な天井にぶつかります。

10. 1年の費用対効果 ─ 利用率は「入口」、本当の成果は事業数値 📊

この章が、経営者の方にいちばん伝えたいところです。

10-1. 入口指標：これは「効果」ではなく「前提」🚪

まず、よく語られる指標から見ていきます。

• 全社の生成AI利用率：99%

• Cursor・Claude CodeなどのAI開発ツールの利用率：80%超

数字としては立派に見えます。
ですが、これらは費用対効果ではありません。

「全員が使っている」は、効果が出るための前提条件にすぎません。
ここで満足してしまう推進は、だいたい元が取れません。

10-2. 本当の成果：事業数値に「効いた」か 💹

経営が見るべきは、こちらの一例です。

他にもたとえば、商談前の企業調査です。1社あたり2〜3時間かかっていた情報収集が、Slackでメンションするだけで集まるbotにしたことで約1分になりました。また、新人育成の営業ロープレ（ロールプレイング）をオススメです。
先輩社員の時間を使わずAI相手に何度でも練習できるようにした結果、月あたり約100時間の削減につながりました。これはChatGPTで作れます。

ただし、いちばん大事なのは削減時間の数字そのものではありません。
この削減が、その先の事業数値にちゃんと効いているかです。

詳細は記載できないのですが、上記のような数字が動くこと売上やコスト削減にどれくらい寄与するかは事前にざっくりと計算しており、削減の結果しっかりと事業数値が改善しています。

浮いた時間は、削って終わりにはしていません。
商談の準備や、顧客への提案づくりといった「人がやるべき仕事」に振り直しています。

10-3. AIの投資と回収 💰

費用対効果は、効果の側だけでは語れません。かけた投資もセットで見る必要があります。

私が関わっているAI投資は「専任 数名分の人件費＋ツール費」が中心です。それ以上の大がかりな投資はしていません。
たとえば1施策である「調査業務の年間1,500時間の削減」はフルタイム1人の年間労働時間の7割強に相当します。

「専任 数名分」という投資は、業務いくつかを削減し効果が出れば説明がついてしまいます。

11. 数字を出す仕事の型 ─ 再現できる方法論 🔁

「おたくがたまたま優秀だっただけでは？」と思われたくないので、再現できる型として開示します。

11-1. 顧客が「目の前」にいる 👀

AI-Opsは、費用対効果が出やすいポジションです。
理由は、PDCAの速さにあります。

社外向けプロダクトは、顧客にアポを取り、ヒアリングして、と時間がかかります。
社内なら、その場で「これ使える？」と聞けます。失敗しても、被害は社内に閉じます。そして、うまくいったなその知見を他にも展開できますし、うまくいけばAI-プロダクトの機能にも転用できます。

最速で試して、最速で当てられる。

だから費用対効果が出やすいのです。

11-2. 優先順位の付け方（4つの軸）🥇

1. 事業数値へのインパクト： 解いたら売上やコストに効くか

2. やりやすさ： 小さく早く当てられるか

3. メンテナンス性： 作った後に放置で壊れないか

4. データが溜まる設計か： 使うほど資産が増えるか

特に4つ目が効きます。ツールは半年で入れ替わりますが、社内に溜まったデータ・ナレッジは代替できない資産になります。

11-3. 小さく作って、事業数値で検証する 🧪

進め方はシンプルです。
小さく作って当てる → 反応を見て回す → 要件が固まったら作り込む、の順です。

そして、必ず効果を事業数値で検証します。
「便利になった気がする」で終わらせず、何時間浮いて、それが何件のアクションになり事業数値がどう動いたかまで見ます。

12. 費用対効果を台無しにする4つの落とし穴 ⚠️

成果の話だけだとフェアではないので、回収を台無しにする地雷も共有します。

落とし穴1：全自動化の罠 🤖

全部を自動化したくなりますが、これは注意が必要です。
全自動にするものもありますが、業務やAIは変化するので、それに耐えられる設計にする必要があります。

型が決まった部分だけを自動化し、判断の「余白」を人に残す──この設計が、変化に耐える費用対効果を生みます。

落とし穴2：属人ブラックボックス 🔒

「すごいけど、作った本人しか触れない」仕組みは、資産ではなく負債です。
担当が抜けたら止まります。誰が見ても直せる状態にしておかないと、回収の途中で崩れます。

落とし穴3：ツール乱立によるコスト膨張 💸

便利なツールを各自が入れ続けると、いつの間にか費用が膨らみます。
API利用料・ログ・権限の管理・監視は、最初から設計に入れておきましょう。

落とし穴4：PoC止まり 🛑

最も多い失敗が、これです。原因は技術ではなく、構造にあります。

目的が曖昧なまま始める／業務と接続していない／「PoCが技術的に成功した＝導入成功」と勘違いする──この3点で、多くの取り組みが本番に届きません。

このほかの「やってしまいがちなパターン」は、アンチパターン集として別記事にまとめています。

13. 置き方の実践 ─ 経営者・マネージャー向け 🎯

13-1. 社長直轄・専任で置く 👑

AI-Ops・AI推進は組織的に、経営直下・社長直下をおすすめします。
特定の部署に置くと、その部署の効率化に閉じてしまい、全社のコストやガバナンスが見えなくなるからです。また、情報企部門におくのも注意が必要です。コストやセキュリティなどガバナンスが強くなりますが、推進力は弱くなります。

効率性とガバナンスの攻めと守りをスピードを出して判断するには、経営直下・社長直下におくしかありません

そして専任であることです。AIの進化は速くて広いです。兼務にすると、本人の能力に関係なく、目の前の業務に追われて「重要だけど緊急ではない」浸透と再設計が構造的に後回しになります。

13-2. 専任＋各部署のエバンジェリスト 🤝

とはいえ、専任チームだけで全部署を変えるのは不可能です。

おすすめしたいのは、専任のAI-Opsをハブに、各部署に「AIエバンジェリスト」（現場でAI活用を広める推進役）を置くハブ&スポーク型です。専任が仕組みと型を作り、各部署のエバンジェリストが現場の文脈に翻訳して広げます。

13-3. 最初の一撃で成果を出す 💥

もうひとつ、経験から強くお伝えしたいことがあります。中途半端に始めないでください。

AIの取り組みは、失敗すると「失敗感」が組織に残ります。
「前にやったけどダメだったよね」という空気は、次の挑戦のハードルを何倍にも上げます。

だからこそ最初は火力を集中して、小さくてもいいので目に見える成果を出し切ることが大事です。

13-4. 「うちはログラスと違う」と思った方へ 🏭

入口指標（利用率99%など）は、たしかにAIに前のめりな組織だから出やすい面があります。
ですが、事業数値を動かす「型」のほうは、業種も成熟度も問いません。

課題をヒアリングし、優先度を付け、小さく試し、事業数値で検証するプロセスは、レガシーな業務ほ人数が多いほど「伸びしろ」が大きいです。

どれくらいの規模ならAI-Ops/AI推進を置くのかというの目安ですが、100人規模を超えてきた1人の専任を置くのをオススメします。

13-5. 経営者向け・意思決定チェックリスト ✅

• A. 自社にとってAIは「試す価値のある探索テーマ」か。数年後にどうなっていたいかと現状のギャップを言語化したか

• B. AI推進を「啓蒙」で終わらせず、事業数値への接続を成功条件に置いたか

• C. 立ち上げ後の回収フェーズに、専任と経営直下を用意できるか

• D. 担当者に、権限・予算・小さく失敗できる環境を渡せるか

• E. 経営自身が、まず自分の手で触って肌感覚を持つ覚悟があるか

14. 現場から実際に来た質問 ─ 厳選8問 💬

この1年、質問を受けない日はほとんどありませんでした。

社内のメンバーから、経営者から、採用面談で、イベントで、コンサルで、他社のAI推進担当からも寄せられました。

ここでは、その中から特に多かった8問だけを選びました。

Q1. 有料版を入れたいのに予算が下りません。どう通せばいいですか？💴

全員分の予算をまとめて要求するのをやめて、1人の業務を劇的に削った数字を1本見せてください。
「全員の5分削減」は経営に響きません。「1人の業務を95%削った」のほうが圧倒的に通ります。

明日から： 有料版を1〜2人分だけ先に申請して成功事例を作りましょう。全社予算はその実績を握ってから取りに行きます。

Q2. AI推進の人って結局、何をする人なんですか？エンジニアですか？🧑‍💼

エンジニアではなく、社内版のプロダクトマネージャーに近い役割です。
各部署の課題をヒアリングして優先度を決め、インパクトの大きい順に倒して効果検証します。
AIを使うことが目的ではないので、課題が解けるならVLOOKUPでもRPAでも構いません。そのような解き方をして明確に効果を出したこともあります。

Q3. AIに詳しくないと務まらないですか？🎓

AIに詳しいことより、課題を深掘りして要件に落とす力のほうが大事です。
AIスキルはむっちゃ頑張れば1~3ヶ月でキャッチアップできます。（各社の全体のレベルによります）

明日から： 自分の手元の面倒な作業を1つ、AIで実際に終わらせてみてください。その1回がいちばんの教材です。

Q4. 全社に配ったのに一部しか使いません。どうすれば広まりますか？📢

配ったのが「ツール」だからです。広めるには「解決策」を渡してください。
各部署の困りごとを聞いて、それを解決するフローまで作って手渡します。

明日から： いちばん困っていそうな一人を捕まえて、その人の業務を一緒に1つだけ自動化してみてください。

Q5. 浮いた時間って、結局なにに使われてるんですか？⏱️

放っておくと、空いただけで終わります。時間は黙っていても再投資されません。
今までできなかった業務の高度化を考えてみるのをオススメします！

明日から： 効率化の前に「この時間で次に何をやるか」を1行書いておきましょう。それだけで空白化を防げます。

Q6. セキュリティに対してどう考えれば良い？🔐

法的リスク・セキュリティリスクは完璧に0になることはありません。
会社としてどこまでのスタンスを取るかによります。

必ず社内のポリシーやAIの利用規約を確認してください。
問うべきは「どこに、どの権限で渡すか」です。
学習に使われない契約経路を使えば、扱うこと自体は珍しくありません。

逆に、無料版や個人アカウントに貼るのがいちばん危ないです。
大前提として、自社のセキュリティルールと情シスの判断が最優先です。

また、リスクを「無視する」のは大変危険です。
Claude Codeを周りが使っているからといって、とりあえず配布したら気づかないうちデータが全部抜かれていた会社の事例なども海外・日本含めてあります。

Q7. 担当者が辞めたら、この仕組み止まりませんか？♻️

判断の前提や手順をデータとして残せば、人が代わっても回ります。
また、担当者が辞めないような配慮や採用は常にする必要があります。

属人化するのは、仕組みが人の頭の中にしかないときです。
ツールは代替可能ですが、溜まったデータは代替不能です。

Q8. 将来AIが進化したら、あなたの仕事も要らなくなるのでは？🔮

そのとおりで、私はAI-Opsという仕事が将来ほぼなくなると本気で思っています。
でもそれは怖がる話ではなく、目指す話です。仕組みが要らなくなるのは、課題が解けたということだからです。

不要になるのを恐れて手を止めるより、不要にするために動きます。
そして、一番最初にそのことに気づけるので、一番早く対策が打つことができます。

15. まとめ ─ この職種は、まだ生まれたばかり ✒️

長くなったので、要点だけ再掲します。

第I部 職種を知る

1. AI-Opsとは「AIが当たり前に使われる組織をつくる仕事」。ツールを配る人ではなく、人が動く設計をする人

2. 生まれた理由は「導入と成果のあいだの谷」。導入88%に対し成果は約6%

3. メインの仕事は業務設計

4. 既存職種との違いは軸足。技術を作る側ではなく「定着させる側」の専任

第II部 個人として始める
5. まず自分が使える人になる。ツールは1つに絞り、音声入力を徹底し、課金して、1つ極めてから手札を広げる
6. 必要なのは、課題を見抜く力×発信力×AIが好きであること。「普及」と「業務効率化」は別物
7. なり方は「社内でいちばん詳しい人」になることから。最初の90日は勉強会でリテラシーと成功体験を先に作る。キャリアはPM・BizOps・基盤の3方向に広がり、会社×個人ブランドの掛け算で増幅する
8. 経験の蓄積差は取り戻しにくい。始めるなら早いほどいい

第III部 組織に置く
9. 兼務では構造的に後回しになる。回収フェーズに入ったら専任を
10. 利用率は入口指標。本当の成果は事業数値で測る
11. 顧客=社員でPDCA最速。4軸で優先順位を付け、小さく検証する
12. 全自動化・属人化・コスト膨張・PoC止まりに注意
13. 置くなら社長直轄・専任・ハブ&スポーク。最初の一撃で成果を出し切る

AI-Opsを名乗って1年が経ちます。
この職種は、まだ名前も、必要なスキルも、キャリアの道筋も、他の職種ほど固まりきっていません。
だからこそ面白いのです。

AIを本気でやること、そして組織を強くしていくこと
──この2つに熱を持てる人にとって、これほど伸びしろのある仕事はないと思っています。

もし「自分もこの役割を担いたい」と思った方がいたら、ぜひ AI Ops Community Tokyo に遊びに来てください。一緒に、この職種を育てていきましょう ❤️‍🔥

「うちの組織にも置くべきか相談したい」という経営者・マネージャーの方は、SNSのDMで気軽に声をかけてください。

Just Do it ! 🔥

よければSNSフォローください！🙌

https://www.linkedin.com/in/shimpei-araki/

16. 補足資料 ─ 出典・参考リンク 📚

定義・用語 🏷️

• Gartner Says Algorithmic IT Operations Drives Digital Business（Gartner・2017年プレスリリース。用語の初出は2016年のリサーチ）
  https://www.gartner.com/en/newsroom/press-releases/2017-04-11-gartner-says-algorithmic-it-operations-drives-digital-business

• How to Get Started With AIOps（Gartner）
  https://www.gartner.com/smarterwithgartner/how-to-get-started-with-aiops

「導入と成果の谷」の統計 📉

• MIT report: 95% of generative AI pilots at companies are failing（Fortune）
  https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/

• The state of AI（McKinsey）
  https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

• The state of AI: How organizations are rewiring to capture value（McKinsey）
  https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-how-organizations-are-rewiring-to-capture-value

• Gartner Predicts 30% of Generative AI Projects Will Be Abandoned（Gartner）
  https://www.gartner.com/en/newsroom/press-releases/2024-07-29-gartner-predicts-30-percent-of-generative-ai-projects-will-be-abandoned-after-proof-of-concept-by-end-of-2025

専任設置の効果 🏅

• The rise and ROI of the chief AI officer（IBM）
  https://www.ibm.com/think/news/rise-chief-ai-officer

• 生成AIに関する実態調査 CAIO編（PwC Japan）
  https://www.pwc.com/jp/ja/knowledge/thoughtleadership/caio-survey-2025.html

• 生成AIの活用・推進度87%（PwC Japan 2026春）
  https://www.pwc.com/jp/ja/knowledge/thoughtleadership/generative-ai-survey2026.html

日本企業の現在地 🗾

• 生成AIの活用に関する企業アンケート（帝国データバンク）
  https://www.tdb.co.jp/report/economic/20260514-genai/

• 令和7年版 情報通信白書（総務省）
  https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r07/html/nd112220.html

ログラス一次情報・対談 🎤

• Newbeeメディア対談「応募殺到の新職種：AIオペレーションマネージャーとは」（YouTube）
  https://www.youtube.com/watch?v=hJwx-CACfBI

• 日経COMEMO「AIとセクショナリズム」（CEO布川）
  https://comemo.nikkei.com/n/n17dd309382cc

関連note（リリース済み）📝

• 【入社エントリ】ログラスで「AIオペレーションマネージャー」に挑戦する理由
  https://note.com/shin_suge/n/n46155496343b

• 「AIオペレーションマネージャー」として駆け抜けた3ヶ月、得た学びと気づき
  https://note.com/shin_suge/n/nfd6e45f17c04

• AIがスケールする組織〜AI活用 x ナレッジ蓄積の両輪を回せ！〜
  https://note.com/shin_suge/n/n5e95f2d61203

• 全自動化で学んだ「余白のあるAI設計」の重要性
  https://note.com/shin_suge/n/n40a8d9de1656

• 【組織のAI推進：完全ロードマップ】AI-Ops担当が語る、ツール導入より大切な「行動変容」の設計図
  https://note.com/shin_suge/n/ne89b086a3063

• 【現場のリアルから紐解く】AI推進のアンチパターン
  https://note.com/shin_suge/n/nc4f246b7e436

• 「100時間削減」で満足したくない、AI担当者へ ─ AI活用の本質は行動変容の設計にある
  https://note.com/shin_suge/n/n44cbf15b2151

• ついやってしまう！AI活用を浸透させる「仕掛け」作り
  https://note.com/shin_suge/n/n7acd6dc5c614

• 【音声入力の実践ガイド】AIのコンテキスト整理を加速させる方法とtips
  https://note.com/shin_suge/n/n87a0126fc0d7