--- title: "部門をまたぐAI活用の進め方：業務の流れでつなぎ、役割を決める｜AI-Ready.jp" url: https://www.ai-ready.jp/guide/cross-department-ai/ description: "部門をまたぐAI活用は、経営の課題から共通の目的を決め、業務の流れを部門の境目ごとに描き、主管の部門・データの責任者・費用の分け方を先に決めてから、2部門程度の小さな範囲で試すと進めやすくなります。" updated: 2026-11-12 publisher: "フロレンティナ株式会社" --- 定着させる[柱：組織と文化](https://www.ai-ready.jp/about-ai-ready/organization/) # 部門をまたぐAI活用の進め方：業務の流れでつなぎ、役割を決める 執筆：[嵐保憲](https://www.ai-ready.jp/about/authors/#arashi)更新 2026-11-12最終確認 2026-11-12出典 4件[図解 2点](https://www.ai-ready.jp/zukai/) この記事の結論 部門をまたぐAI活用は、経営の課題から共通の目的を決め、業務の流れを部門の境目ごとに描き、主管の部門・データの責任者・費用の分け方を先に決めてから、2部門程度の小さな範囲で試すと進めやすくなります。 自社の「組織と文化」の準備度は？[10問・約3分で確かめる（無料・登録不要）](https://www.ai-ready.jp/diagnosis/quick/) 部署ごとのAI活用が進んでくると、次に課題になるのは「部門をまたぐ業務」です。受注から出荷・請求まで、問い合わせの受け付けから製品の改善までといった流れは、一つの部門だけでは良くなりません。この記事では、部門の壁を越えてAIを活用するための進め方を、決めておくべき役割とあわせてご紹介します。 この記事でわかること - 部門をまたぐAI活用が止まりやすい理由 - 共通の目的づくりから小さな試行、定着までの手順 - 主管の部門・データの責任者・費用の分け方の決め方 ## なぜ部門をまたぐAI活用は止まりやすいのですか？ 部署の中で完結するAI活用は、その部署の判断で始められます。部門をまたぐ場合は、次のような理由で止まりやすくなります。 - **目的が部門ごとに違う**：営業は受注の速さ、経理は正確さ、というように、大切にしていることが異なります。 - **データの持ち主が分かれている**：顧客の情報は営業、請求の情報は経理など、データが部門ごとに管理されています。 - **誰が決めるかがはっきりしない**：費用を誰が負担するか、問題が起きたときに誰が対応するかが決まっていません。 - **効果が別の部門に出る**：ある部門の手間が増え、効果は別の部門に出る、ということが起きます。 経済産業省の「デジタルガバナンス・コード3.0」は、必要な変革のために、IT部門、DX部門、事業部門、経営企画部門などが組織横断的に取り組むことを挙げています。また、経営者から現場まで、それぞれが主体的に動けるように役割と権限を定めることも挙げています。部門をまたぐAI活用でも、この「横断で取り組むこと」と「役割と権限を決めること」が出発点になります。 ## どのような業務が、部門をまたぐAI活用に向いていますか？ 部門の境目で、情報の受け渡しや転記、確認の待ち時間が多い業務が候補になります。例を挙げます。 | 業務の流れ | 関わる部門の例 | AIが役立つ場面の例 | |---|---|---| | 受注から請求まで | 営業・業務・経理 | 注文書の読み取り、請求との突き合わせの補助 | | 問い合わせから改善まで | 窓口・品質・開発 | 問い合わせ内容の分類と要約、傾向の整理 | | 採用から配属まで | 人事・各部門 | 応募書類の整理の補助、面接の記録の要約 | | 社内の知識の検索 | 全部門 | 規程や手順書を横断して探す仕組み | 採用のように人の評価に関わる業務では、AIの出力をそのまま判断に使わず、人が確かめる手順を置くことが大切です。どの業務から始めるかは、「[AIを使う業務の選び方](https://www.ai-ready.jp/guide/choosing-ai-use-cases/)」の考え方で優先順位をつけられます。 読みながら、自社の現在地を確かめませんか クイック診断は10問・約3分・登録不要です。7つの柱ごとの目安と、「組織と文化」を含めて次に取り組むことがわかります。 [無料で診断する](https://www.ai-ready.jp/diagnosis/quick/)[結果の解説（30分・無料）](https://www.ai-ready.jp/consult/review/) ## どのように進めればよいですか？ ### ① 経営の課題から、共通の目的を決める 「AIを使うこと」ではなく、「受注から請求までの日数を短くする」といった、関わる部門が共有できる目的を決めます。目的は、経営陣の責任者が言葉にして示すと、部門の優先順位の違いを越えやすくなります。 ### ② 業務の流れを、部門の境目ごとに描く 関わる部門の担当者が集まり、業務の流れを図に描きます。特に、部門から部門へ情報が渡る「境目」で、何を、どの形で、誰に渡しているかを書き出します。手作業の転記や確認の待ちが多い境目が、AIの使いどころの候補になります。 IPAの「DX推進指標」は、経営幹部や各部門の関係者が集まって議論しながら記入することを推奨しており、経営層、事業部門、DX部門、IT部門などの目線を合わせることが今後の取り組みの土台になるとしています。業務の流れを一緒に描く作業も、同じように目線を合わせる機会になります。 ### ③ 主管の部門と、データの責任者を決める 取り組み全体に責任を持つ主管の部門と、使うデータごとの責任者（データオーナー）を決めます。データの責任者は、そのデータをAIに使ってよいか、どの範囲で使うかを判断します。 ### ④ 費用と効果の分け方を決める ツールの利用料や開発の費用をどの部門が負担するか、効果をどう測り、どの部門の成果として扱うかを先に決めます。後回しにすると、効果が出た後で揉める原因になります。 ### ⑤ 2部門程度の小さな範囲で試す 最初は、関わる部門を2つ程度にしぼり、期間と成功の条件を決めて試します。試す前に、うまくいかなかった場合にやめる条件も決めておきます。 ### ⑥ 定着させ、範囲を広げる 試行で効果が確かめられたら、手順書や利用ルールに反映し、ほかの部門へ広げます。広げるときは、新しく加わる部門にも①〜④をもう一度確かめます。 部門をまたぐAI活用の進め方 - **共通の目的を決める**：「AIを使うこと」ではなく、関わる部門が共有できる経営の目的を、経営陣の責任者が示す - **業務の流れを描く**：部門から部門へ情報が渡る**境目**で、何を、どの形で、誰に渡しているかを書き出す - **主管の部門とデータの責任者**：取り組み全体に責任を持つ部門と、データごとに使ってよい範囲を判断する人を決める - **費用と効果の分け方**：負担する部門と、効果の測り方を**先に**決める - **2部門程度で試す**：期間・成功の条件・やめる条件を決めて試す - **定着させ、広げる**：手順書や利用ルールに反映し、新しく加わる部門とも①〜④を確かめ直す ## 誰が何を決めるのかは、どう整理すればよいですか？ 部門をまたぐ取り組みでは、決める人がはっきりしないことが、止まる大きな原因になります。役割を表にまとめておくと、迷いが減ります。 | 役割 | 主な仕事 | |---|---| | 経営陣の責任者 | 共通の目的を示す、部門の間で決まらないことを判断する | | 主管の部門 | 取り組み全体を進め、成果に責任を持つ | | 関わる部門の担当 | 自部門の業務の流れを説明し、試行に参加する | | データの責任者 | データを使ってよい範囲を判断する | | 情報システムの担当 | ツールの設定、システムとのつなぎ方、セキュリティを確かめる | | AI推進の担当 | 利用ルールとの整合を確かめ、ほかの取り組みとの重なりを調整する | 総務省と経済産業省の「AI事業者ガイドライン活用の手引き（案）」は、AIガバナンスは経営陣やAIの責任者、IT部門などが単独で考えるものではなく、関係者全員が関わっているとしています。また、体制を設計・構築する要素として「組織間の連携体制」を挙げています。部門をまたぐ活用は、まさにこの連携体制が試される場面です。 部門の間で判断がまとまらないときに上げる先として、AI委員会や経営会議を決めておくと、現場で話し合いが止まらずに済みます。会議体の作り方は「[AI委員会の作り方と運営](https://www.ai-ready.jp/guide/ai-governance-committee/)」をご覧ください。 迷ったときに、誰が決めるか - **このデータをAIに使ってよいか**：データの責任者 - **ツールの設定・つなぎ方・セキュリティ**：情報システムの担当 - **利用ルールとの整合、ほかの取り組みとの重なり**：AI推進の担当 - **部門の間で決まらないこと**：経営陣の責任者。判断を上げる先として、**AI委員会や経営会議**を決めておく ## 定着させるためには、何に気をつければよいですか？ 試行がうまくいっても、運用の段階で元に戻ってしまうことがあります。次の点に気をつけると定着しやすくなります。 - **境目の受け渡しを手順書にする**：AIを使った後の確認を、どの部門の誰が行うかを手順書に書きます。 - **問い合わせの窓口を一つにする**：不具合や疑問が出たときの連絡先を一つに決め、部門の間でたらい回しにならないようにします。 - **効果を定期的に共有する**：関わる部門が集まり、目的に対してどこまで進んだかを確かめる場を、四半期ごとなどに持ちます。 - **人事の評価との関係を考える**：部門をまたぐ取り組みへの貢献が、自部門の評価に反映されにくい場合は、評価の扱いを人事と相談します。 デジタルガバナンス・コード3.0は、DXを進める組織が事業部門と連携・対話し、全社を巻き込む体制が望ましいとしています。AI活用でも、推進の担当だけで進めず、事業部門が自分たちの取り組みとして続けられる形を目指します。 ## チェックリスト ## 関連するひな形・ガイド・用語 ひな形 - [AI活用の候補の評価表](https://www.ai-ready.jp/templates/use-case-scoring/) - [AI推進の体制と役割分担表](https://www.ai-ready.jp/templates/ai-promotion-structure/) ガイド - [AI推進の体制のつくり方：横断の会議体・推進役・相談窓口](https://www.ai-ready.jp/guide/ai-promotion-team/) - [AI委員会の作り方と運営：役割・メンバー・議題・審査の流れ](https://www.ai-ready.jp/guide/ai-governance-committee/) - [AIを使う業務の選び方：業務の棚卸しから優先順位まで](https://www.ai-ready.jp/guide/choosing-ai-use-cases/) - [社内データの棚卸しの進め方](https://www.ai-ready.jp/guide/data-inventory/) - [DX推進指標で自社の現状を確かめる](https://www.ai-ready.jp/guide/dx-promotion-indicators-guide/) コラム - [試行から全社展開へ移るとき：広げる前に整えておきたいこと](https://www.ai-ready.jp/column/from-pilot-to-scale/) 用語 - [業務フロー図](https://www.ai-ready.jp/glossary/business-flow-diagram/) - [データオーナー](https://www.ai-ready.jp/glossary/data-owner/) - [データ連携](https://www.ai-ready.jp/glossary/data-integration/) - [全社展開](https://www.ai-ready.jp/glossary/company-wide-rollout/) ## よくあるご質問 Q部門をまたぐ取り組みは、どの部門が主管になるべきですか？ Aその業務の成果に責任を持つ部門が主管になると、判断が速くなります。たとえば受注から請求までの流れなら、売上の回収に責任を持つ部門などです。主管が決まらない場合は、経営陣の責任者が決める形にしておくと、話し合いが止まりにくくなります。 Q部門ごとに使っているツールが違う場合は、そろえる必要がありますか？ Aすべてをそろえる必要はありません。部門の境目で受け渡す情報の形（項目、ファイルの形式など）を決めておけば、それぞれの部門のツールを生かしたまま進められる場合があります。そろえるかどうかは、費用と運用の手間を比べて判断します。 Q部門の間で意見がまとまらないときは、どうすればよいですか？ A共通の目的に立ち返り、どちらの案が目的に近いかで判断します。それでも決まらない場合に備えて、判断を上げる先（経営会議やAI委員会など）をあらかじめ決めておくと、現場で抱え込まずに済みます。 ## この記事に出てくる用語 - [デジタルガバナンス・コード](https://www.ai-ready.jp/glossary/digital-governance-code/) - [DX（デジタルトランスフォーメーション）](https://www.ai-ready.jp/glossary/digital-transformation/) - [分類（機械学習）](https://www.ai-ready.jp/glossary/classification/) - [要約](https://www.ai-ready.jp/glossary/summarization/) - [DX推進指標](https://www.ai-ready.jp/glossary/dx-promotion-indicators/) - [データオーナー](https://www.ai-ready.jp/glossary/data-owner/) - [AI事業者ガイドライン](https://www.ai-ready.jp/glossary/ai-guidelines-for-business/) - [AIガバナンス](https://www.ai-ready.jp/glossary/ai-governance/) - [全社展開](https://www.ai-ready.jp/glossary/company-wide-rollout/) - [業務フロー図](https://www.ai-ready.jp/glossary/business-flow-diagram/) - [データ連携](https://www.ai-ready.jp/glossary/data-integration/) ## 「組織と文化」のほかの記事 [この柱の解説 →](https://www.ai-ready.jp/about-ai-ready/organization/) [定着させる／組織と文化AIの利用状況の把握と定着の測り方：広さ・深さ・続き方を、個人の監視にせずに見る石田誠2026-11-12](https://www.ai-ready.jp/guide/ai-adoption-measurement/)[定着させる／組織と文化AIを使う文化の育て方：一部の人の工夫を、会社の習慣にする嵐保憲2026-11-12](https://www.ai-ready.jp/guide/ai-culture-building/)[定着させる／組織と文化AI委員会の作り方と運営：役割・メンバー・議題・審査の流れ嵐保憲2026-11-12](https://www.ai-ready.jp/guide/ai-governance-committee/) ## 出典 1. [経済産業省「デジタルガバナンス・コード3.0」（PDF）](https://www.meti.go.jp/policy/it_policy/investment/dgc/dgc3.0.pdf) 2. [独立行政法人情報処理推進機構（IPA）「DX推進指標のご案内」](https://www.ipa.go.jp/digital/dx-suishin/about.html) 3. [総務省・経済産業省「AI事業者ガイドライン活用の手引き（案）」（PDF）](https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/pdf/20260331_9.pdf) 4. [経済産業省「AI事業者ガイドライン（第1.2版）」](https://www.meti.go.jp/shingikai/mono_info_service/ai_shakai_jisso/20260331_report.html) 最終確認日：2026-11-12 ## 次の一歩 [測るAI-Ready診断（無料）いまの準備状況を、7つの柱で確かめられます。](https://www.ai-ready.jp/diagnosis/) [相談する結果の解説（30分・無料）診断の結果をもとに、オンラインでご説明します。](https://www.ai-ready.jp/consult/review/) [窓口ご相談のお申し込み経営・M&A・事業承継・上場・バリューアップはフロレンティナ、AIの導入・開発・データ・セキュリティ・研修はアメリア・テクノロジーがお受けします。](https://www.ai-ready.jp/consult/apply/) 目次 1. なぜ部門をまたぐAI活用は止まりやすいのですか？ 2. どのような業務が、部門をまたぐAI活用に向いていますか？ 3. どのように進めればよいですか？ 4. 誰が何を決めるのかは、どう整理すればよいですか？ 5. 定着させるためには、何に気をつければよいですか？ 6. チェックリスト 7. よくあるご質問 この記事が扱う柱 主に「組織と文化」 [組織と文化の解説](https://www.ai-ready.jp/about-ai-ready/organization/) 自社の準備度を確かめる 10問・約3分・登録不要。7つの柱ごとの目安がわかります。 [無料で診断する](https://www.ai-ready.jp/diagnosis/quick/) --- 出典：フロレンティナ株式会社「部門をまたぐAI活用の進め方：業務の流れでつなぎ、役割を決める｜AI-Ready.jp」 https://www.ai-ready.jp/guide/cross-department-ai/