記録の4段階 ― いま何を任せられるか
引き継ぎテストで「回らない」と出たとして、次に知りたいのは いま何なら任せられるのか です。
記録の状態は、大きく4つに分かれます。
- L0 人が見るための記録 → 任せられることは事実上ない。読み取りの補助まで
- L1 機械が読める記録 → 集計・要約・検索・下書き ＝ 現状把握
- L2 経緯が残る記録 → 原因分析・予測・優先順位付け ＝ 判断の支援
- L3 AIの判断を検証できる記録 → 定型の意思決定と実行 ＝ 業務そのもの
見分け方は7問
自社の段階は、次の7問で判定できます。
L1 の条件（3つとも満たすか）
- 判断は値になっているか（色・書式に乗っていないか）
- 空欄の意味は分かれているか
- 未完了・中止が母集団にあるか
L2 の条件（上に加えて3つ）
- 直した内容が記録されるか（誰が・何を・なぜ）
- 決定の理由が残るか
- 例外が条件として書かれているか
L3 の条件（上に加えて1つ）
- 状態でなくイベントで持ち、AIの出力への訂正も残るか
上から順に、全部○になったところが自社の段階です。
多くの企業は L0 にいる
システムを導入していても、です。
システムの有無ではなく、その項目が何のために設計されたかで決まるからです。 既存システムの項目は人間が確認するために作られていて、 人間は足りない分を補えるので、それで足りていました。
つまり——
DX でシステムを導入したことと、AI に業務を任せられることは、別の話である。
段階を上げる順序には理由がある
上の段階ほど、必要な合意が重くなります。技術的な難易度ではなく、組織を通す難易度です。
- Step 1（L0→L1） 集計・書式を直す。予算も権限も要らない。1〜3ヶ月
- Step 2（L1→L2） 履歴・理由を残す。運用ルールの変更。3〜6ヶ月
- Step 3（L2→L3） データ構造を変える。6ヶ月〜
よくある失敗は、Step 3 から入って止まることです。 理由は分かりやすくて、Step 3 がいちばん「AI 導入らしく見える」からです。 そして予算・稟議・時間が要り、効果を事前に数字で示せないので、検討だけが続きます。
この順序には、正面からの反論がある
正直に書いておきます。
生成AIの企業導入が損益に届かない原因を「学習の欠落」—— ツールが業務から学ばず記憶もしないこと——に置く見方があります。 これに従えば、訂正が次に反映されるループ（L3）こそが分かれ目であり、 それを最後に回すこの順序は逆になります。
それでも順序は変えません。理由は実測にあります。
記録が薄い状態で「AIが判断を出す → 人が訂正する」を始めると、 提案が的外れになりすぎて訂正そのものが成立しません。筆者の自社実験では初回でそうなりました。 公式記録に人の名前が1つも入っていない状態では、「誰に先に通すべきか」に答えようがなく、 直すべき対象が現れなかったのです。
L3 が分かれ目だという指摘には同意します。 同意しないのは、そこから始められるという前提のほうです。
ただしこれは検証されるべき主張です。 L1 を飛ばして L3 から入り、成功した事例が示されれば、この順序は誤りになります。
既存のフレームワークとの関係
競合しません。測る対象が違います。
- DAMA-DMBOK / CMMI DMM / DCMM（中国の国家標準） → 組織の能力を測る。経営層向け
- Data Readiness Levels（Lawrence, 2017）→ データセットが特定の問いに答えられるか
- L0〜L3 → 業務記録に人の補完が何項目残っているか
とくに Data Readiness Levels は近い立場です。 その Band A は「タスクが定義されて初めて Band A として検討できる」と定義されていて、 用途との関係でデータ品質を見る点は同じです。
新しいのは軸ではなく、目盛りのほうです。 「AI に業務を委任する」という用途に合わせて、既存の軸に現場で判定できる7つの問いを刻み直しました。それ以上ではありません。
持ち帰り
7問を、自分の担当業務でやってみてください。3分で終わります。
L1 の3問で1つでも✕が付いたら、そこが着手点です。 次回は、その✕の中身——人が黙って補っている7つの型——を書きます。
詳しくは：『AIレディ』第5章・第8章
出典
- Data Readiness Levels：Neil D. Lawrence（arXiv:1705.02245, 2017）
- fitness for use：Wang & Strong（1996）
- 構文→意味→実践の3段階：Carlile（2004）
- DCMM：国家標準 GB/T 36073。2025年版が2026-07-01 施行
- 生成AI導入と「学習の欠落」：2025年の公開報告。一次資料の配布は現在確認できず、標本設計への批判もあるため対抗仮説として扱う