部門別AI活用の3本目は管理部門（経理・人事・総務）です。一見「AIと縁遠い」と思われがちですが、実は下読み・一次審査・前さばきという、AIが最も得意とする定型業務の宝庫です。ただし「丸投げ」は逆効果になる——その線引きが核心です。
- 契約書の下読みはAIがジュニア法務に並ぶ精度。最終判断は人、が前提
- 経費監査は「全件AIスクリーニング＋人は例外承認」が標準形
- 求人票の丸投げは採用率を15%下げる。要件定義は人、AIは表現の下書き
契約書の「下読み」はAIが得意——最終判断は人
管理部門で最有力のユースケースが、契約書・発注書の下読みです。研究では、GPT-4が契約の争点判定でF値0.87（法務アウトソーシング並み、ジュニア法務をやや上回る）に達し、レビューは人間が数時間かかるところを数秒、コストは約99.97%削減と報告されました（Better Call GPT）。
もちろん最終判断は人です。構造はこうなります——AIが下読みで「過去のひな型との差分・注意すべき条項・確認したい点」を洗い出し、人が最終判定する。シニアの目を、全文精読から「AIが挙げた要注意点の確認」に集中させられます。
経費監査は「全件AI＋人は例外承認」が標準形
経費精算のチェックも、AIの定番です。エンタープライズ製品では、AIが100%の経費報告を一次レビューし、誤り・規程違反・重複をリアルタイム検出。人は判断が要る例外だけを承認する分業が確立しています（SAP Concur等）。
具体的なコツ：経費区分（勘定科目の種類）を増やしすぎないほど、AIの予測精度は上がります。「種類が多い組織ほど精度が落ちる」のは実務上の重要なヒント。AI導入を機に、区分を整理・簡素化するのが効きます。
社内問い合わせは「公式文書への紐づけ」が成否を分ける
経理・総務への「これ誰に聞けば？」という社内問い合わせも、AIの一次対応が効きます。ただし条件があります。回答を必ず公式文書に紐づける（グラウンディングする）設計です。これがないと、AIがハルシネーション（もっともらしい嘘）で社内規程を捾造しかねません。
導入事例では「回答は常に公式文書・検証済みの知識ベースに基づく」という厳格な設計原則が採られています。一般にHRチャットボットは定型問い合わせの5〜7割を吸収できますが、その前提は知識ベースの版管理（常に最新に保つ）。連載05の「更新の仕組み」と同じ話です。
ただし「丸投げ」は逆効果——求人票の教訓
管理部門で最も重要な警告がこれです。AIに「判断・要件定義」まで丸投げすると、質が下がります。MIT Sloanの実験では、術撃的な結果が出ました。
AIで書いた求人票は、採用に至る確率が15%低かった。「Pythonと Juliaができる経験4年以上のプログラマ」が、「ソフトウェア工学の背景を持つ経験豊富な行動派」のように、具体性を失って一般化されてしまうのだ。
（Horton & Wiles ほか, MIT Sloan 2024）
教訓は明確です。要件定義（何が欲しいか）は人、AIは表現の下書きに留める。「こういう人材が欲しい」という具体を人が決め、その文章化をAIに任せる。順番を逆にして「いい求人票を考えて」と丸投げすると、当たり障りのない一般論になり、欲しい人材が来なくなります。これは契約・経費・あらゆる管理業務に通じる原則です。
3業務（契約・経費・社内Q&A）それぞれで「AIが下処理（下読み・全件審査・一次回答）→人が握る（最終判定・例外承認・要件定義）」の二段構え。中央に原則「下処理はAI、要件定義と判断は人」。脇に「契約F0.87／経費100%審査／求人票丸投げ-15%」。
まとめ
- 契約書下読み・経費全件審査・社内一次回答はAIの得意領域。最終判定・例外承認は人。
- 社内Q&Aは公式文書への紐づけ＋版管理が成否を分ける。
- 要件定義は人、AIは表現の下書き。丸投げは質を下げる（求人票-15%）。