政府が初の「AI基本計画（案）」をとりまとめ──中小企業の仕事は「奪われる」より「組み替わる」

政府が日本で初めてとなる「人工知能基本計画（AI基本計画）」の案をとりまとめました。これは、AI活用を社会全体で進める方向性と、安心して使うためのルール整備を同時に進める方針を示すものです。

本記事では、この動きを踏まえて、中小企業・個人事業主の現場に起こりやすい変化を整理し、どの業務をAIに任せ、どこを人が担うべきかという観点から、実務的な付き合い方を解説します。

第1章：政府“初”の「AI基本計画（案）」で何が起きたのか

1-1. ニュース要点

令和7年12月19日、政府の人工知能戦略本部（AI戦略本部）は、日本初となる国家戦略「人工知能基本計画（AI基本計画)」の案をとりまとめました。

政府発信では、AIを「産業競争力や安全保障に直結し、国力を左右する」テーマと位置づけ、人手不足や防災などの課題解決のため、日本社会全体でAIを徹底的に活用していく方針が示されています。

ポイントは、AIが「一部の先進企業だけの話」ではなく、行政も民間も含めて“使う前提”の社会に寄せていく宣言に近い、という点です。

1-2. 計画が示す“目指す姿”

計画（案）では、表紙に「信頼できるAIによる日本再起」というスローガンを掲げています。また、基本構想として「世界で最もAIを開発・活用しやすい国」を目指す旨が示されています。

1-3. 施策の柱（4本）

計画（案）の施策は、次の4本柱で整理できます。

この4本は、そのまま企業のAI導入にも置き換えられます。「使う」だけ先に進めると、情報漏えい・誤情報・責任所在の問題が生じやすいです。だから「守る（信頼性）」と「更新する（変革）」がセットで重要になります。

1-4. 中小企業に関係が深いポイント

令和7年度補正予算案の中小企業関連資料では、「生産性革命推進事業」の枠内で「デジタル化・AI導入補助金」が位置付けられています。

補正予算案では、デジタル化に加えてAI導入まで含めた支援が示されています。制度の詳細（対象経費・要件・公募スケジュール等）は今後の公表情報で確認が必要です。

第2章：AIによって自動化・代替されやすい作業

2-1. 見分け方

AIに置き換わりやすいのは、次の特徴を持つ作業です。

ここで大切なのは、「職業が丸ごと消える」と考えないことです。実際に起きるのは、仕事の中に混ざっている“単純作業の濃度”が下がる現象です。

業務のうち「定型・反復・ルールベース」のタスクがAIへ移り、判断・調整・説明責任の比率が高いものが人間に残ります。

だから対策は「AI禁止」ではなく、どの作業をAIに渡し、浮いた時間をどこに振り向けるかの設計になります。

2-2. 中小企業で置き換わりやすい作業（典型例）

典型的な例としては、次のような作業が挙げられます。

コツは「完成品をAIに丸投げ」ではなく、下書き・要約・候補出しに寄せることです。この使い方だと、速度は上がりやすいのに、事故は起きにくくなります。

2-3. 必要以上に怖がらないための注意点

作業が減ること自体は、悪い話ではありません。人手不足の現場ほど助かります。ただし、判断・責任・対外説明までAIに寄せると問題が生じる恐れがあるので、そこは人が担う前提で設計する必要があります。

勝負は「奪われるか」ではなく「任せ方を設計できるか」

ここまで見てきたとおり、AIが置き換えやすいのは「定型・反復・ルールベース」の“作業”です。では、AIに作業を任せて時間が戻ったとき、人はどこで価値を出すべきでしょうか。

第3章：AIで“必要性が高まる”仕事とは

3-1. 伸びるのは「判断・調整・信頼」を扱う仕事

AIの浸透で延びるのは、下記のような仕事になると考えられます。

優先順位を決める仕事

AIは「正解」を出せますが、「今の自社にとっての最適解」を選べるのは人間だけです。資金繰り、顧客の温度感、社内の疲弊度合いなど、データ化されていない“空気”を読んで決める力は、AIが苦手とする領域です。情報が増えるほど、優先順位を決められる人の価値が上がります。

例外処理をする仕事

AIが得意なのは標準的な処理です。ところが現場は例外だらけです。欠員、トラブル、条件変更……。定型作業が減るほど、残る仕事は“例外処理だらけ”になりやすいので、例外処理ができる人の重要性は上がります。

交渉・クレーム対応など“落としどころ”を作る仕事

相手の感情などを汲み取って対応する分野はもちろん人の仕事です。AIは文案は作れますが、火消しのタイミングや言い回しの温度は、現場判断が不可欠です。炎上リスクなどもあるので、スピードだけでなく“安全運転”が価値になります。

採用・育成・評価など“人を見る”仕事

AIで作業効率が上がるほど、組織の差は「人の活かし方」に出ます。採用で見極める、育成で伸ばす、評価で納得感を作る。AI時代は「学べるか」「改善できるか」がより重要になり、人を見る力が強みになります。

対外説明と責任を担う仕事

AIが作った文章は滑らかですが、最後に問われるのは「なぜその結論なのか」です。取引先・顧客・金融機関・行政など、対外説明の場面ほど、根拠と責任の所在が重要です。ここを担える人が、AI時代に強みを発揮します。

3-2. AI時代に“増える役割”

下記は中小企業でも必須になる、AI活用で増えていく役割の例です。

AIに何を任せるか決める人（業務設計）

導入の成否は「何に使うか」でほぼ決まります。議事録要約や文案作成など、失敗しても致命傷になりにくい用途から始めると成功しやすいです。

入力・社内資料を整える人（整備・テンプレ化）

AIは材料が悪いと料理もまずくなります。社内ルール、価格表、FAQ、提案書テンプレなど、参照情報が整っているほど出力が安定します。資料整備は地味ですが、再現性を作る要です。

AIの出力を点検して責任を持つ人（レビュー）

AI出力は“それっぽい”ので、油断すると混ざります。数字・固有名詞・条件・根拠・トーンなど、レビュー観点を絞ってでも、必ず人が確認する仕組みにすると事故が激減します。

現場に浸透させる人（教育・運用）

使われない理由は「面倒」より「怖い」「怒られそう」「ルールが曖昧」が多いです。1枚のルール、成功例・失敗例の共有、相談窓口。これだけで現場の安心感が上がり、定着が進みます。

3-3. AI活用で社員に求められるスキル

業務でAIを活用していくために社員に求められるスキルです。

AIリテラシー

AIは文章作成や要約は得意ですが、事実保証や最新制度の確定には注意が必要です。「どこで間違えやすいか」を知るだけでリスクが減ります。

問いの立て方

AIは指示が曖昧だと曖昧な答えになります。目的、前提条件、NG事項、文字量、トーンなどを渡すほど品質が上がります。これはプロンプト技術というより、依頼の上手さです。

リサーチ力

制度・契約・数字が絡む内容は一次情報確認が必要です。「AIが言ったから」ではなく、「根拠はこれです」と言える組織は強いです。

編集力

AI出力は素材です。削る、整える、固有名詞や条件を直す。この編集ができると、AIが本当に相棒になります。

情報管理

性能より怖いのが情報の扱いです。個人情報や機密を入力しない線引きを徹底するだけで、安全性が大きく上がります。

第4章：中小企業のための「AI人材育成」術

「AI専門の人材を新しく採用する」というのは、多くの現場にとって現実的な選択肢ではないでしょう。そもそも、そうした人材を獲得できるだけのリソースが限られているのが実情だからです。

だからこそ、中小企業の現実的な勝ち筋は「既存の社員を、AIが使える人材に変えること」になります。業務の中身を熟知している人がAIという武器を持つことこそが、最も確実な生産性向上につながるからです。

お金も時間もない中で、どう育成していくか。その現実的なステップを整理します。

4-1. 大原則：習うより慣れろ

「AIとは何か」という難しい研修は不要です。中小企業に必要なのは、「明日のこの作業がどう楽になるか」という実感です。

育成の基本は、徹底した「実務での試行」です。たとえば、「来週の会議の議事録は、一度AIで下書きを作ってみて。その上で修正して提出して」という具体的な指示が、最も効果的な研修になります。

「使ってみて、変な結果が出て、それを人間が直す」。このプロセスを繰り返すことが、結果的に「問いを立てる力」や「編集力」を養う最短ルートです。

4-2. 「一人目の旗振り役」を作る

全員一斉にレベルアップするのは不可能です。まずは社内で一人、「新しいもの好き」「効率化に関心がある」社員を見つけ、その人を「AI推進リーダー（旗振り役）」に任命します。

リーダーの役割は、難しい開発ではありません。「便利な使い方を見つけて、みんなに教えること」です。

この「小さな成功事例の共有」が、他の社員の「自分もやってみようか」という意欲に火をつけます。

4-3. 失敗を許容する文化を作る（心理的安全性の確保）

現場がAIを使わない最大の理由は、「変なものを出して怒られたくない」という恐怖心です。

経営者や管理職は、「AIの出力は不完全であることを前提とする」「試した結果の失敗は評価に影響しない」と明言する必要があります。

「AIが変な回答をした事例」を面白がって共有するくらいの空気が作れれば、社員は安心して試行錯誤できるようになり、結果的にスキルが向上していきます。育成の最大の敵は「完璧主義」です。

第5章：AIとの共存ルール

中小企業の職場でAIを活用していくために、人間とAIの共存ルールを設定することが重要です。

5-1. 原則

AIは「作業担当」

要約、候補出し、下書き、文章整形。ここをAIに任せると時間が戻ります。判断まで任せると事故の芽が増えます。

人は「決定と責任」

決めるのは人です。これは精神論ではなく、事故対応と信用維持のためのルールです。責任所在が明確な会社ほど、導入が安定します。

社外に出すものは“必ず人が読む”

最もシンプルで効果が高いルールです。金額・期日・法令・契約に絡む文章ほど、必ず人が確認する運用にすると、事故率が下がります。

5-2. AIに仕事を任せる3層ルール

「どこまでAIに任せてよいか」を社内で迷わないための線引きについて、下記の3層でまとめてみました。

「3層ルール」は、AIの性能論ではなく、現場が迷わず安全に使い続けるための“交通整理”です。AI活用が失速する理由は、たいてい次のどちらかに偏ります。

3層に分けることで、「どこまで任せてよいか」を会社として先に決められます。結果として、安心して使える範囲が増え、リスクが減り、定着が進みます。

Lv1：AIのみで完結

AIに任せても間違いが致命傷になりにくい領域です。典型は「社内向け」「一般論」「文章の整形」です。ここを広く取ると、最初の成功体験が作りやすくなります。

Lv2：レビュー必須

Lv2は、AIが作った案を人が責任を持って点検してから使う領域です。最も現実的で、かつ最も効果が出やすいゾーンでもあります。中小企業のAI活用は、まずLv2を太くするのが強いです。

レビューのポイントは下記を中心とします。

特に「社外に出すもの」は、原則Lv2以上に置くと安全です。

Lv3：人間主導

Lv3は、信用・法務・紛争・重大な意思決定に直結する領域です。AIは補助（論点整理、表現の叩き台）には使えますが、主導は人が持つのが安全です。

Lv3は「AIを使わない」ではなく、AIを“下書き係”に留めるという意味です。最終責任が重いほど、AIはスピード補助、人は判断と説明責任、という分担が効きます。

迷ったときの判定（3つの質問）

現場で迷いを減らすために、判定をシンプルにしておくのがおすすめです。

この3問にしておくと、現場の判断が速くなります。「迷ったらLv2（レビュー）」に寄せる運用が、リスクが低いです。

5-3. 最低限のガバナンス

入力禁止を明文化する

個人情報、機密、未公開情報、取引先の非公開情報などは入力禁止にします。「ケースバイケース」を減らすほど事故は減ります。

“そのまま提出”禁止（レビュー義務）

AI文章は滑らかなので、誤りが混ざっても気づきにくいです。社外文書はレビュー必須にします。

簡単な記録

完璧なログは不要ですが、簡単でよいので記録があると説明ができます。信頼が命の中小企業ほど、ここが守りになります。

第6章：導入ステップ

AIの利活用に向けた導入ステップの例です。

6-1. まずは「業務棚卸し」

作業を書き出す

導入が失敗しやすい理由は、「どの業務をどう変えるか」が曖昧なまま始まることです。まず現状把握が必要です。

印を付ける

AIに渡しやすい領域が見つかります。導入初期は「成果が出る」「事故りにくい」領域を選ぶのが正解です。

上位1つに絞る

最初から全部やると現場が混乱します。成功体験を先に作ると定着が早いです。

下書き用途に限定する

決定ではなく下書き。これが最も安全で、効果も分かりやすい導入法です。

6-2. 小さく試す → 型化 → 教育

試行

まずは1週間くらいかけて、特定の業務で試していきましょう。時間短縮の効果や、どこでミスが出やすいかが見えます。最初から完璧を狙わず、短期で改善する方が続きます。

入力テンプレートで“型化”

有効なプロンプトはテンプレート化して現場で共有しましょう。入力の型があると品質が安定します。

チェックリスト

事故が発生しないよう、活用時に共有できるチェックリストを作るのも有効です。「使っていい固有名詞や数字」「条件」「根拠のチェック」「回答のトーン」など、3〜5点に絞るだけでも事故が減ります。

成功例・失敗例の共有

使われない理由は「怖い」が多いです。失敗を隠すより共有した方が、現場は安心して使えます。

6-3. よくある失敗パターン

目的がズレる

目的は生産性向上や品質向上です。「AIを使う」が目的になると当初目指していた成果が得られず現場の疲弊も招きます。

情報漏えい

典型的な事故です。禁止ラインを明確にして、現場が判断しなくて済む状態にします。

情報の鵜呑み

AIが生成する滑らかな文章ほど危険です。社外文書はレビュー必須にします。

運用漂流

「自由に使ってね」と現場に投げてしまうと十分な成果や定着を得られません。責任者とルールを1枚にするだけで安定します。

第7章：業種別ミニケース

建設業

現場監督の時間は、日報、安全書類（KY活動記録）、大量の工事写真整理に圧迫されがちです。
これらは定型化しやすく、音声入力とAIを組み合わせれば、移動の車内でも下書きが完了します。
浮いた時間で、本来最も重要な「協力会社との段取り調整」や「安全管理の徹底」「予期せぬトラブル対応」に集中してください。書類作成のための残業を減らし、現場の円滑な進行と安全確保という、人間にしかできない判断業務に注力する体制が作れます

飲食・小売

複数店舗の口コミサイトや日報を毎日チェックするだけで、店長の時間は奪われます。AIを使えば、大量のテキストから「味への不満」「接客の良い点」などの傾向を分析し、具体的な改善案のたたき台まで数分で用意できます。店長の仕事は、情報を読むことから、AIの提案を元に「今月は挨拶を徹底しよう」「新メニューを投入しよう」と優先順位を決めて実行することに変わります。データ整理から解放され、店舗の活気作りという本質的な仕事に時間を使えます。

製造・保守

毎日の点検記録や、ベテランの頭の中にある作業手順書の明文化は、後回しにされがちです。
AIは、箇条書きのメモからきちんとした報告書やマニュアルの初稿を作るのが得意です。記録作成の負担を減らすことで、現場の技術者は「いつもと音が違う」といった五感を活かした違和感の検知や、突発的な設備トラブルへの対応など、高度な判断が必要な「品質を守る砦」としての役割に集中できるようになります。

営業組織

商談前の企業リサーチや提案資料の骨子作成、商談後の議事録要約とネクストアクションの整理。これら「準備と後処理」にAIを活用します。例えば、過去の類似提案をAIに探させ、それをベースに今回の顧客向けにアレンジ案を出させることで、準備時間が劇的に短縮します。営業担当者は、浮いた時間で顧客の深い課題を聞き出したり、決裁者との関係性を築いたりといった、成約率に直結する「対話」の時間にリソースを集中できます。

士業・コンサル

法令改正の調査、契約書の条文チェック、基本的なレポートのドラフト作成など、情報収集と整理はAIの独壇場です。しかし、クライアントが求めているのは「自社の場合はどうすべきか」という個別具体的な解と、それを後押しする専門家の「責任ある助言」です。AIを優秀なパラリーガル（補助者）として使い倒して基礎情報を素早く固め、士業自身は、クライアントの真意を引き出すヒアリングと、最終結論の判断・説明に全精力を注ぐ形が理想です。

どの業種でも共通して言えるのは、AIは「作業」を強くし、人は「判断」と「責任」を強くする、ということです。仕事の配分を変えられたところほど、体感でラクになります。

第8章：よくある質問

結局、雇用は減りますか？

減る・増えるというか、現実には「タスク（作業）が組み替わる」ことが考えられます。定型作業は薄くなり、判断・調整・説明責任の比重が上がります。早めに“任せ方の設計”をしておくと、前向きに変化できます。

AIのミスでトラブルになったら誰が責任を負いますか？

原則として、対外的な責任は人（組織）が負います。だからこそ「社外に出すものは必ず人が読む」「責任者を置く」という設計が重要です。

情報漏えいが怖いです。どう防げますか？

入力禁止（個人情報・機密・未公開情報など）を明文化し、社外文書はレビュー必須にし、簡単な記録を残すことです。重い仕組みより、シンプルなルールの徹底が効きます。

コストをかけられません。どう始めればいいですか？

最初は無料・低コストで十分です。「業務棚卸し→上位1つを下書き用途で試行」の順で小さく効果検証し、効果が見えた部分だけ投資します。いきなり大きな導入をしない方が、結果的に安く済みます。

現場が使わない／嫌がる場合はどうすればいいですか？

「面倒」というより「怖い」「ルールが曖昧」だからという理由の方が強いと考えられます。許可領域と禁止ラインを明確にし、成功例・失敗例を共有して不安を減らす。これだけでも定着率は上がります。

第9章：まとめ（今日からの一歩）

AIで「仕事がなくなるかどうか」を考えるより、現実的には「任せる作業を先に決めて、時間を取り戻す」方が勝ち筋になりやすいです。

まずは、一番面倒なメール返信を、AIに「下書きして」と頼んでみてください。その3分が、仕事を変える第一歩になります。

小さく始めれば、ちゃんと前に進めます。最初の一歩は軽い方が続きます。AIは筋トレと同じで、いきなり重いものを扱おうとすると続きません。