多忙な経営者にとって、「何をするか」と同じくらい重要なのが「何をしないか」を決めることだ。限られた時間とリソースを最大活用するには、優先度の低い業務を意識的に手放す判断が欠かせない。当社ではAI経営参謀が週次レポートの中で「やらないこと」の提案を継続的に行っており、その分析精度が経営判断の質を大きく底上げしている。本記事では、実際にAIが提案した「やらないこと」リストの具体的な内容と、それを活用して月間50時間以上の工数を削減した実例を紹介する。
AI経営参謀が作成した「やらないこと」リストの実例
先月の週次レポートで、AI経営参謀から「今週の推奨停止業務リスト」が提出された。これまで当然のように継続していた業務が7項目ピックアップされており、各項目に工数・成果・代替手段の3列で根拠が添えられていた。
特に印象的だったのは、A事業で毎週実施していた手動データ集計作業だ。AI分析担当の試算によると、月間20時間を費やしているにもかかわらず、その結果が実際の意思決定に影響した頻度は過去3か月で2回のみ。費用対効果として月20時間÷2回＝1回の判断に10時間という非効率が可視化された。
代替案として提案されたのは、自動集計スクリプトの導入だ。週次レポートシステムに集計ロジックを組み込むことで、人手をかけずに同等以上の情報が取得できる。実装工数は推定4時間で、初月から16時間のコスト削減が見込めるという計算だった。
B事業の営業プロセス見直し提案
B事業の営業フォローについても見直し提案が届いた。従来は全見込み客に対して同じ頻度でフォローを実施していたが、AIが過去12か月の成約データを分析したところ、初回接触から14日以上経過した非成約リードへの追加フォローは、成約率を0.8%しか押し上げていないことが判明した。
対照的に、初回接触から3日以内のホットリードへの即日対応は、成約率を平均31%押し上げていた。この結果を受け、14日超のリードへのフォロー工数を削減し、その分をホットリード対応の質向上に振り向ける方針へ転換した。月間で見ると営業工数の約18%を他の業務に再配分できた計算になる。
推奨停止業務リストの構造
AI経営参謀が作成する「やらないこと」リストは、毎週以下の構造で届く。感情的な判断を排除し、データのみで議論できる形式が特徴だ。
| 業務名 | 月間工数 | 成果への貢献度 | 推奨アクション |
|---|---|---|---|
| 手動データ集計（A事業） | 20時間 | 低（意思決定への影響：月2回） | 自動化へ移行 |
| 低確度リードフォロー（B事業） | 12時間 | 低（成約率押上げ：+0.8%） | フォロー頻度を1/3に削減 |
| 週次競合レポート手作成 | 8時間 | 中（四半期判断に活用） | 月次化へ変更 |
| 社内向け進捗共有資料作成 | 6時間 | 低（閲覧率：平均1.3名） | 口頭共有に切替え |
8つの経営フレームワークを活用した優先順位付けの手法
AI経営参謀の提案が単なる業務削減論に終わらない理由は、複数の経営フレームワークを組み合わせた多角的な分析を自動で行っている点にある。特に、ポーターの競争戦略論とバーニーのリソースベースビュー（RBV）の組み合わせが強力だ。
ポーターの視点では「競合優位性に貢献しない業務」を候補として抽出する。バーニーのRBVでは「希少で模倣困難なリソースを消費しているか」の観点で業務を評価する。この2軸で分類すると、停止候補の業務が浮かび上がりやすい。
業務分類の4象限モデル
AI経営参謀が実際に使用している業務分類マトリクスは以下の通りだ。縦軸を「競合優位性への貢献度」、横軸を「希少リソースの消費量」として4象限に分類する。
- 象限1（貢献高・消費高）：コア事業に直結する高優先度業務。最大限リソースを投下する
- 象限2（貢献高・消費低）：効率的な高価値業務。現状維持または拡大を検討する
- 象限3（貢献低・消費低）：自動化または簡略化の候補。段階的に工数を削減する
- 象限4（貢献低・消費高）：「やらないこと」の最優先候補。即時停止または代替手段を検討する
先述の手動データ集計作業は象限4に分類された。月20時間という希少リソース（人的工数）を消費しているにもかかわらず、競合優位性への貢献が限定的と評価されたためだ。
また、ティモンズの起業家精神論で言う「機会の追求」に照らすと、停止した業務から生まれた時間を新規機会の探索に充てることで、組織全体のリソース配分が最適化される。当社では象限4の業務を3か月で月間50時間削減し、その全量をコア事業の強化に再投資した。
データドリブンな意思決定を支える自動化システムの仕組み
「やらないこと」を感情論ではなくデータで決めるためには、各業務の効率性を継続的に計測するシステムが必要だ。当社のAI分析担当は、Cloud Runで稼働する自動計測システムにより、以下の4指標をリアルタイムで収集している。
- 作業時間対成果比率：1時間あたりの売上・問い合わせ・KPI達成に対する貢献量
- 収益への直接貢献度：各業務の実施有無と月次売上の相関係数（-1〜+1）
- 自動化可能性スコア：API・スクリプト・ツールで代替できる割合の推定値（0〜100%）
- 競合優位性への寄与度：ポーター・バーニー両フレームワークで算出した戦略重要度
日次で自動生成される業務分析レポートは、これら4指標を業務ごとにスコア化して表示する。人間が直感だけでは見落としがちな非効率を、毎週定量的に可視化することがシステムの核心だ。
週次レポートの実際の出力フォーマット
AI経営参謀が毎週月曜に出力するレポートは、以下のセクション構成で届く。特に「推奨停止業務」セクションが経営判断に直結する。
- 前週のKPIサマリー：目標対実績・前週比・累計進捗の3軸で整理
- 継続推奨業務リスト：効果が確認されている施策の一覧と根拠
- 推奨停止業務リスト：ROI低下・自動化可能・戦略的不整合の3分類で提示
- 翌週の優先アクション：停止した業務から生まれたリソースの再配分先を提案
このフォーマットにより、「何をやめるか」の判断が週次のルーティンとして定着した。意思決定に要する時間は月次で平均2.3時間短縮されたと試算している。
組織文化としての「選択と集中」を定着させる月次振り返りプロセス
シャインの組織文化論では、文化の変容は「行動の繰り返しによる習慣化」から始まるとされている。「やらないことを決める」行動を単発の施策で終わらせず、組織の習慣として定着させるためには、月次の振り返りプロセスが欠かせない。
当社では、月初の経営レポートに「前月停止業務の影響分析」セクションが自動で生成される。項目は以下の3点だ。
- 停止効果の検証：停止前後の工数・KPI・売上への影響を数値で比較
- 意図せぬマイナス影響の検出：停止によって生じた予期しない問題の洗い出し
- アルゴリズムへのフィードバック：検証結果をAI分析担当のモデルに反映し、次月の提案精度を向上
先月の振り返りでは、停止した7業務のうち5業務で想定通りの工数削減効果が確認された。一方で1業務では、停止後に関連部門からの情報入手経路が減少し、月次判断の精度がわずかに低下するという副作用も判明した。この結果を受け、当該業務は「停止」から「月次化（週次→月次への頻度削減）」に判断を修正した。
サラスバシーのエフェクチュエーション理論との接続
サラスバシーのエフェクチュエーション理論「手中の鳥」原則は、「今持っているリソースで最大の成果を出す」という発想だ。「やらないことを決める」行動は、この原則の実践そのものといえる。
新たなリソースを調達せずに成果を上げるためには、既存リソースの使い方を最適化する必要がある。AIによる「やらないことリスト」は、その最適化を継続的かつ客観的に支援する仕組みだ。月次振り返りによってアルゴリズムが改善されるほど提案精度が上がるという正のフィードバックループが、組織の改善文化を自動的に強化していく。
ケラーのブランド論で言う「ブランドの一貫性」と同様に、意思決定の一貫したロジックが組織全体に浸透するにつれ、現場レベルでも「これは本当に必要か？」という問いが自発的に生まれるようになってきた。
よくある質問（FAQ）
Q1. AIが「やらないこと」を提案する際、どのようなデータを使っていますか？
主に4種類のデータを活用している。(1) 各業務の月間工数（実績値）、(2) 業務実施頻度とKPI達成率の相関データ、(3) 自動化ツールで代替可能な業務の分類データ、(4) 過去の停止・継続判断と後日の効果測定結果だ。これらを組み合わせてスコアリングし、停止候補の優先度を算出している。
Q2. AIの提案を無条件に受け入れることはありますか？
ない。AIの提案はあくまで判断材料の一つだ。最終決定は経営者が行う。ただし、提案に反論する場合はデータを用いた反証を義務付けており、「なんとなく続けたい」という感情論での継続は認めないルールにしている。この仕組みにより、停止判断の質が大幅に向上した。
Q3. 「やらないこと」を決めた後、空いた工数はどう管理していますか？
停止業務から生まれた工数は「フリー工数プール」として可視化し、翌週のアクションリストで再配分先を明記する。プールに積み上げたまま放置すると他の業務が自然に膨張するパーキンソンの法則が働くため、停止と再配分は必ずセットで管理している。
Q4. 停止を決めた業務を後から復活させることはありますか？
ある。月次振り返りで副作用が確認された場合や、外部環境の変化により業務の戦略的重要性が上昇した場合は復活を検討する。ただし復活の際も「停止時と同じ4指標でのスコアリング」を条件とし、感情的な復活は防いでいる。実際、過去6か月で復活した業務は停止数の約15%だった。
Q5. 中小企業でも同様の仕組みを導入できますか？
導入は可能だが、前提となるデータ収集の仕組みが必要だ。最低限、各業務の月間工数を記録するスプレッドシートと、KPIの月次記録があれば、AIに分析させる基盤は整う。大規模なシステム投資は不要で、既存のツールとAIの組み合わせから始められる。
まとめ
- AI経営参謀が毎週提出する「推奨停止業務リスト」は、工数・成果・代替手段の3軸でデータ化された提案書だ
- ポーターの競争戦略論とバーニーのRBVを組み合わせた4象限マトリクスが、停止候補の特定に有効に機能している
- 実際に月間50時間超の工数削減を実現し、コア事業へのリソース再投資に成功した
- 月次振り返りによる検証とアルゴリズムへのフィードバックが、提案精度の継続的な向上を支えている
- 「停止と再配分をセットで管理する」ルールにより、空いた工数が無駄に消費されるパーキンソン現象を防いでいる
- AIの提案は判断材料であり最終決定は人間が行う。データによる反証を義務付けることで、意思決定の質が向上する
