AI 業務自動化で中小企業の収益増 88% を再現する 90 日プラン

「AI を入れれば業績が伸びる、というのは大企業の話で中小企業には関係ない」──ここ 1 年でこの誤解は明確に否定されつつあります。Salesforce「中堅・中小企業向けトレンドレポート」第 6 版 (2024 年 8〜9 月実施、26 カ国 3,350 名対象) によれば、AI を導入した日本の中堅・中小企業の 88% が収益増を実現していると報告されています。しかし同時に、中小企業の本格的な DX 実施率は 5% 未満という現実もあります (Gron 推計 4.6%・2026 年版)。本記事は「AI で収益増を実現している 88% 側」と「まだスタートラインに立てていない 95% 側」を分けている要因を構造的に整理し、当社の自社 EC 事業で月 240 時間 → 24 時間 (-90%) に到達した実装パターンとともに、中小企業が 90 日で再現するための具体プランをまとめます。

結論を先に書きます。AI 業務自動化で成果が出る企業とそうでない企業を分けているのは、AI ツールそのものの性能差ではなく「業務データを 1 か所に集約した業務 DB が先にあるかどうか」と「経営者が 1 業務に絞り込んで PoC を回したかどうか」の 2 点です。お急ぎの方は AI 業務自動化サービスのページ、またはお問い合わせフォームから 60 分の無料相談で、自社の 90 日プランをその場で組み立てます。

なぜ今「AI 業務自動化」なのか — Salesforce 88% 収益増の意味

結論から書きます。AI を業務に組み込んだ日本の中堅・中小企業の 88% が「収益増を実感」と回答した──これが Salesforce『中堅・中小企業向けトレンドレポート』第 6 版 (2024 年 8 月 3 日〜9 月 16 日実施、26 カ国 3,350 名対象、日本サンプル含む) で示された数字です。同調査は AI を「導入済み」と回答したサンプルに限定した集計値ですが、それでも「AI は大企業の話」という認識が事実と乖離していることを公的にも確認できる数字として、中小企業の経営判断材料になります。

「88% 収益増」を額面通りに受け取らないことの重要性

ただし、この 88% という数字は「AI を入れれば 8 割超が収益増になる」と読むと過大評価になります。Salesforce 調査の母集団は「AI 導入済みの中堅・中小企業」であり、そもそも経営層が前向きにツール選定・運用設計をした企業に偏っています。AI を「とりあえず Copilot を契約してみる」「ChatGPT を従業員に使わせる」だけで終わってしまえば、収益増側に入る確率は大幅に下がります。88% に入る側と入らない側を分けているのは AI ツールの性能差ではなく、その手前の業務設計──これが本記事の核心です。

中小企業の DX 実施率 4.6% という冷たい現実

同時に押さえておくべきもう一つの数字があります。株式会社 Gron が経済産業省・中小企業庁の公開資料と独自の支援現場データを組み合わせて推計した 2026 年版レポートでは、「本格的な DX (経営層関与のもとで業務構造を変革しているレベル) に到達している中小企業は約 4.6%」とされています。Gron 推計値は二次推計のため絶対値の精度は限定的ですが、中小企業庁「2024 年版中小企業白書」のデジタル化進度に関する記述とも整合的で、「大半の中小企業はまだスタートラインに立てていない」構造を示す指標として有効です。Gron 同レポートは DX 失敗率を 64%と推計しており、その失敗要因の上位に「業務データを集約せずに可視化ツールやチャットツールから入る順序ミス」「経営層が現場任せにする」が挙げられています。

つまり、中小企業の AI 業務自動化は 「88% 収益増の世界」と「DX 失敗率 64% の世界」が並行して存在する状態です。同じ AI ツールを同じ価格で導入しても、業務設計の順序と経営層の関与で結果が天と地ほど変わります。この分岐は中小企業 DX 全般に共通する構造で、詳しくは 中小企業 DX 進め方 90 日ロードマップ で別途整理しています。

AI 業務自動化で成果を出す 3 つの再現条件

結論から書きます。当社が自社 EC 事業で AI 業務自動化を回し、月 240 時間の手作業を 24 時間まで削減 (-90%) するまでに辿った道筋、そして外部の中小企業の DX 失敗事例を整理した結果、「88% 側に入る」ための再現条件は 3 つに絞り込めます。逆に言えば、この 3 つが揃わない状態で AI ツールだけ契約しても、PoC 止まりで終わるか、現場が使わずに月額費用だけ垂れ流す結果になりがちです。

条件 ①: 業務データが 1 か所に集約されている (業務 DB の存在)

最大の前提条件は「AI が読み書きできるデータが 1 か所にある」ことです。受発注情報が Excel 30 枚に散在し、在庫情報がメール本文にしか書かれておらず、案件進捗が個人の手帳の中にしかない──このような状態で AI を入れても、AI は何も自動化できません。生成 AI は 「データの倉庫の中で働く」性質を持つツールであり、データの倉庫を先に作らないと AI の活躍場所そのものが存在しないからです。

このため、AI 業務自動化の最初のステップは AI ツールの契約ではなく、業務データの集約です。Lark Base・kintone・Notion DB・Microsoft Lists など、自社の用途に合った業務 DB を選んで、業務データを 1 か所に寄せる。Excel に散在している状態からの脱出方法は Lark Base 脱 Excel 30 日チャレンジ に具体手順を書いているので、今 Excel 中心の運用なら併読してください。業務 DB の選定基準は Lark vs kintone 比較 や Notion vs Lark Base 比較 も参考になります。

条件 ②: 経営者が「1 業務に絞り込む」決断をしている

2 つ目の条件は意思決定の構造です。AI 業務自動化が PoC で止まる典型パターンは、「現場の好きな業務を AI 化していい」と権限を分散させ、結果として 5〜10 個の小さな実験が並行して走ってどれも本格運用に届かない状態です。中小企業の AI 導入では、経営者が「最初の 90 日はこの 1 業務だけ AI 化する」と絞り込み、そのコストと時間の絶対量を保証することが成功の必要条件になります。これは Salesforce 調査の「88% 側」企業に共通する『経営層関与』というファクターと一致します。

絞り込み対象として推奨されるのは、「月の総工数が 20 時間以上」「やっている内容が定型的 (人によるブレが少ない)」「データが既に業務 DB に入っている (または 30 日以内に入れられる)」の 3 条件を満たす業務です。受発注の入力代行・在庫アラート・問い合わせメールの一次分類・多言語商品データの翻訳・社内議事録の要約──このあたりが中小企業で典型的な「最初の PoC 候補」になります。

条件 ③: 90 日で 1 サイクル回しきる (PoC 止まりを防ぐ仕組み)

3 つ目は時間の絞り込みです。AI 業務自動化の PoC は「効果が出るまで様子を見よう」と続けると、ほぼ確実に 6 ヶ月〜1 年と長期化し、その間に経営の関心が薄れて結果として頓挫します。「Day 1〜30 でデータ集約、Day 31〜60 で 1 業務 PoC、Day 61〜90 で横展開・効果測定」という 90 日ボックスを最初に切り、その中で勝ち負けを判定する設計が、中小企業の AI 導入を成果に結びつける時間設計です。

90 日で結果が出なければ「PoC 業務の選定ミス」「データ集約の不徹底」「AI ツールの選定ミス」のいずれかが原因なので、原因を特定して次の 90 日に進む。90 日で結果が出れば、その横展開に次の 90 日を使う。『時間を区切る』『1 業務に絞る』『業務 DB が先』の 3 セットが、Salesforce 調査の「88% 側」企業がやっていることの構造です。

自社 EC 事業で月 240h→24h(-90%)を達成した実装パターン

結論から書きます。当社 (アウフヘーベンジャパン株式会社) が運営する自社 EC 事業 (海外仕入れ・国内販売) で、AI 業務自動化を Lark + Lark AI で実装した結果、月 240 時間相当の手作業が約 24 時間に減りました (-90%、自社運営業務の社内集計値)。これは特殊なシステムを開発した結果ではなく、Lark 標準機能と Lark AI 標準機能の組み合わせだけで実現したものです。本セクションでは、その実装パターンを 3 つの業務に分けて公開します。

パターン A: 海外仕入先との多言語コミュニケーション (月 80h→8h)

当社の自社 EC は海外仕入れが軸のため、英語・中国語のメールやチャットのやり取りが日常的に発生します。従来は社内の翻訳担当者 (実質代表) が 1 通ずつ翻訳ツール (DeepL 等) にかけて理解し、返信文を書いて、別の翻訳ツールにかけて送信する、という多ステップを経ていました。これを Lark チャットの『リアルタイム翻訳』機能 + Lark AI のドラフト返信生成に置き換えた結果、月 80 時間相当 (1 日約 3〜4 時間の翻訳作業) が月 8 時間程度まで縮みました。Lark チャットは受信メッセージを自動翻訳し、返信を日本語で書けば自動で先方言語に翻訳して送る、という双方向翻訳をネイティブに備えています。

パターン B: 多言語商品データの整備 (月 60h→6h)

海外仕入れ商品を国内 EC に出品する際、商品名・商品説明・スペックを多言語間で整える作業がボトルネックでした。従来は商品 1 点あたり 30〜40 分かかっていた多言語化を、Lark Base に商品マスタを作り、Lark AI で原文 (英語または中国語) から日本語商品ページのドラフトを自動生成するワークフローに置き換えた結果、商品 1 点あたり 3〜5 分まで短縮しました。Lark Base のフィールドに「原文」「翻訳済日本語タイトル」「翻訳済本文」を置き、Lark AI に「原文を読んで日本人向け EC 商品ページの言い回しで日本語訳を Base のフィールドに書き込む」と指示するだけです。

パターン C: 受注データ集計と在庫アラート (月 100h→10h)

従来は楽天市場・Amazon・Shopify・自社サイトなど複数 EC モール (それぞれ CSV ダウンロードのフォーマットが異なる) から受注データをダウンロードし、Excel で結合・集計し、在庫管理用 Excel と突合し、欠品しそうな商品を目視チェックする、という流れに月 100 時間相当を費やしていました。これを Lark Base に統合受注マスタを作り、各モールからの CSV を取り込んで、Lark AI に『在庫が一定値を下回りそうな SKU を抽出して Lark チャットに通知』というタスクを定期実行させる構成に置き換えました。結果、月 10 時間程度まで縮みました。

3 パターン合計で月 240 時間 → 24 時間 (-90%)。これは Salesforce 調査の「88% 側」企業が経験している『AI 導入で収益増』を、「コスト側 (時間コスト)」から実現したパターンです。AI ツールに月額数万円を払い、年間 2,600 時間以上 (=人件費換算で数百万円相当) の手作業を削減できれば、ROI は明確に成立します。当社のような EC 事業者でなくても、製造業の受発注・サービス業の問い合わせ対応・士業の書類作成など、定型的な作業の塊を抱える業種にはほぼ同じ構造の自動化余地があります。

AI 業務自動化 90 日プラン — Day 1 から Day 90 まで

結論から書きます。中小企業が 90 日で AI 業務自動化を 1 サイクル回しきるための具体プランは、「Day 1〜30 でデータ集約と PoC 業務選定、Day 31〜60 で 1 業務 PoC、Day 61〜90 で横展開と効果測定」です。以下、各フェーズで何をやるかを具体的にまとめます。

Day 1-30: 業務棚卸し + データ集約 + PoC 業務選定

• Day 1-7: 経営者が「自社の業務時間ベスト 10」を書き出す (月の工数が大きい順)。可能なら現場メンバーにも 1 週間の作業ログを取ってもらい、Excel に集約する
• Day 8-14: ベスト 10 の中から、「定型的・データが揃いやすい・AI が自然に当てはまる」業務を 3 つに絞り込み、その中から PoC 候補を 1 つ選ぶ (経営者の決断)
• Day 15-30: PoC 候補業務に必要なデータを業務 DB (Lark Base 等) に集約する。受発注・在庫・案件のいずれかが PoC 対象なら、まず Excel から Lark Base に移行する (詳しくは Lark Base 脱 Excel 30 日チャレンジ)

このフェーズで一番重要なのは 「経営者自身が業務棚卸しに参加する」ことです。現場任せにすると「現場が困っていない業務」が PoC 対象に挙がってきて、AI 化しても経営インパクトが薄い結果に終わります。経営者が「この業務が削れたら経営的に効く」と判断した業務を選ぶことが、90 日後の効果差を決めます。

Day 31-60: 1 業務 PoC 実装と効果測定

• Day 31-40: AI ツール (Lark AI または Microsoft 365 Copilot 等) を選定し、PoC 業務に対する自動化フローを設計する。Lark を使うなら Lark Starter プラン (20 名まで無料・2025 年 3 月のプラン改定後) で AI 機能込みで始められるので、20 名以下なら初期コストはほぼゼロから着手可能 (21 名以上は Pro プラン ¥1,420/ユーザー/月)
• Day 41-50: 自動化フローを実装し、現場の 1〜2 人にだけ使ってもらう。最初の 1〜2 週間は「AI が出した結果を必ず人間がチェックする」モードで運用
• Day 51-60: チェック結果をもとに AI のプロンプトと Lark Base のフィールド設計を調整。AI 単独で十分な精度が出る業務範囲を確定する

このフェーズで PoC 業務の「Before の月工数」と「After の月工数」を測ることが、横展開の意思決定材料になります。当社の自社 EC では、上記の 30 日で 1 業務あたり 7〜10 時間/月 程度の削減を最初に確認し、その数字を元に経営者として「他の業務にも展開する」と決断しました。

Day 61-90: 横展開と効果測定 (次の 90 日への接続)

• Day 61-75: PoC 業務で確立した自動化パターンを、隣接業務 (同じ部署・同じデータ構造の業務) に横展開する。経営者は「次の 90 日で何を AI 化するか」を並行で計画する
• Day 76-85: 部署横断で「他に AI 化できそうな業務」を現場から拾い上げる (この段階では現場発信でも良い。Day 1〜30 と違って、現場が AI の使い勝手を知っているので筋の良い候補が上がってくる)
• Day 86-90: 90 日の振り返りを経営会議で実施。削減できた工数・人件費換算額・売上への跳ね返り (営業時間が空いた・対応速度が上がった等) を整理し、次の 90 日プランを確定する

このサイクルを 2 回 (合計 180 日) 回すと、Salesforce 調査の「88% 側」と同じく「AI 導入で収益増」が明確な数字で見え始めます。逆に 180 日経っても効果が見えなければ、業務 DB の集約が不十分か、PoC 業務の選定にミスがあった可能性が高いので、軌道修正を実施します。

中小企業が陥る AI 業務自動化の典型的な失敗パターン

結論から書きます。中小企業の AI 業務自動化で「PoC 止まり」または「失敗」に終わるパターンは、ほぼ 3 種類に集約されます。Lark 導入失敗パターン全般は Lark 導入失敗パターン 3 つ でも整理していますが、AI 業務自動化に特有のものを以下にまとめます。

失敗パターン ①: AI ツールから入る (業務 DB を整備しない)

最も多い失敗パターンです。「Copilot を契約した」「ChatGPT 法人プランを契約した」だけで AI 業務自動化を始めようとすると、AI が読み書きできるデータがそもそも社内に存在しない (Excel に散在しているだけ) ため、効果が出ません。前述の通り、AI は「データの倉庫の中で働く」性質を持つツールであり、データの倉庫を先に作らないと活躍場所がないのです。Gron レポートが指摘する DX 失敗率 64% の主因の一つもこれです。

失敗パターン ②: 5 業務を並行 PoC して全部中途半端

2 つ目は意思決定の分散です。「現場の好きな業務を AI 化していい」とすると、5〜10 個の小さな PoC が並行して走り、どれも本格運用に届かないまま 6 ヶ月が経つ、というパターンです。経営者が「最初の 90 日はこの 1 業務だけ」と絞り込む決断ができないと、この失敗に陥ります。AI 導入の本質的なコストはツール代ではなく『現場が新しいやり方に慣れるための学習コスト』であり、これを 1 業務に集中させることが成功条件です。

失敗パターン ③: 効果測定を 90 日でやらない (ずるずる長期化)

3 つ目は時間管理の不在です。「効果が出るまで様子を見よう」と曖昧に続けると、6 ヶ月〜1 年で経営の関心が薄れ、現場も「結局これは続けるのか?」と疑念を持ち始め、自然消滅していきます。90 日で 1 サイクル回しきるリズムを最初に組み込まないと、AI 業務自動化は他の優先業務に押し負けて消えていきます。中小企業 DX 進め方 90 日ロードマップ でも同じ構造を整理しているので、DX 全般の進め方として併読してください。

Lark AI vs Microsoft 365 Copilot — 中小企業の選定基準

結論から書きます。既に Microsoft 365 を全社導入していて Word/Excel/Outlook 中心の業務なら Microsoft 365 Copilot が自然な選択、それ以外 (Google Workspace ユーザー・SaaS 環境バラバラ・20 名以下で初期コストを抑えたい) なら Lark + Lark AI が現実的な選択です (2025 年 3 月の Lark プラン改定後、Starter 上限が 20 名に変更されました)。両者は「文書生成 AI」というよりも「業務スイートに統合された AI アシスタント」として比較するのが正しい捉え方です。

料金比較 (2026 年 5 月時点・30 名規模の典型試算)

• Lark + Lark AI: Lark Starter プラン (20 名まで無料・AI 機能含む・2025 年 3 月のプラン改定後) を利用する場合、20 名以下なら月額ゼロ円からスタート可能。21 名超または高度な管理機能が必要になった段階で Pro プラン (1 ユーザー月 1,420 円・税抜) へ移行 (30 名で月 42,600 円・年 51 万円)。AI 機能 (翻訳・要約・自動入力) は Starter プランから利用可能 (機能制限あり)。詳細は Lark 公式料金
• Microsoft 365 + Copilot Business: 既に Microsoft 365 を契約済みの場合、Copilot 追加で 1 ユーザー月 3,148 円・年払い・税抜 (2026 年 5 月時点・キャンペーン期間中 (2025/12/1〜2026/6/30) は ¥2,698)。30 名なら月額約 9.4 万円 (¥3,148×30) の追加コスト。Microsoft 365 自体の費用 (Business Basic ¥899〜Business Standard ¥1,874・税抜) は別途必要。詳細は Microsoft 365 Copilot 公式料金ページ
• 30 名規模の初年度総額試算 (Microsoft 365 既契約済の場合): Lark 0〜51 万円 (Starter 20 名無料 or Pro ¥1,420×30) vs Copilot Business 約 113 万円 (¥3,148×30×12 = ¥1,133,280 / キャンペーン期間中は約 97 万円)。既契約 Microsoft 365 (Business Basic ¥899〜Business Standard ¥1,874・税抜) を含めても、Lark への切替は年間 100 万円超のコスト圧縮余地が出る試算 (実際の月額は契約条件・キャンペーン・既存ライセンス次第で変動)

機能差 — どちらが「業務 DB 統合」に強いか

Lark AI の最大の強みは、Lark Base (業務 DB) との統合です。商品マスタ・受注データ・顧客情報といった業務 DB のデータを AI が直接読み書きできるため、「在庫アラートを自動通知する」「商品データを多言語化して Base に書き戻す」「Base のレコードを要約してチャットに投稿する」といった業務自動化が、追加開発なしで設定できます。Microsoft 365 Copilot は Word/Excel/Outlook 中心の文書系業務に強い一方、Excel ファイル単体を超えた業務 DB 統合は SharePoint Lists / Microsoft Lists / Power Apps と組み合わせる必要があり、中小企業にとっては設計負荷が高くなります。

既存環境別の推奨

• 既に Microsoft 365 全社導入済 + 文書業務中心: Microsoft 365 Copilot から始める。Lark への切替コストを払う必要は薄い
• Google Workspace ユーザー: Gemini for Workspace か Lark の二択。業務 DB を統合したいなら Lark、Google Docs / Sheets 中心の運用を続けたいなら Gemini
• 20 名以下の中小企業で SaaS がバラバラ: Lark Starter (20 名まで無料・2025 年 3 月改定後) + Lark AI でチャット・会議・カレンダー・業務 DB・AI を 1 つに集約するのが最もコスト効率が高い (21 名以上は Pro プラン ¥1,420/ユーザー/月)
• 業務 DB の中核を整備したい中小企業: Lark Base + Lark AI の統合が圧倒的に強い。詳しくは Lark Base が中小企業の業務効率を変える 3 つの理由

関連比較記事として、Lark vs Microsoft Teams・Lark vs kintone・Notion vs Lark Base も併読すると、AI の手前の業務 DB 選定の視点が整理できます。

公的支援制度の活用 — 補助金・経産省ガイドラインの読み方

結論から書きます。中小企業の AI 業務自動化は、2026 年度の補助金スキームを活用すれば初期投資の自己負担を 1/2〜2/3 程度に圧縮できる可能性があります。詳しいスキーム整理は 2026 年度 デジタル化・AI 導入補助金 完全ガイド にまとめていますが、本記事の文脈では「補助金は AI ツールの月額に充てるのではなく、業務 DB 構築・PoC 設計の伴走支援費に充てる」のがレバレッジ最大の使い方であることを強調しておきます。

また、経済産業省「DX レポート」 や 中小企業庁「2024 年版中小企業白書」では、「ツール導入のみのデジタル化」と「経営層関与の DX」を明確に区別しており、本記事の 90 日プランはこの『経営層関与の DX』側に該当する考え方です。補助金審査でも『経営層関与』『業務構造の変革』『定量的な効果測定』を計画に明示することが採択側のポイントになります。

中小企業 AI 導入の現実 — 数字で見る成否の分かれ目

本記事の核心となる公的データを改めて整理しておきます。第一に、Salesforce「中堅・中小企業向けトレンドレポート」第 6 版日本語版 (2024 年 8 月 3 日〜9 月 16 日実施、26 カ国 3,350 名対象、日本サンプル含む) では、AI を導入した日本の中堅・中小企業の 88% が収益増を実感と報告されています。この調査は AI 導入済み企業に絞った集計値であり、AI を「ただ契約した」だけの企業は母集団に含まれないため、88% の数字はそのまま中小企業全体に拡張できません。ただし、AI 業務自動化が「大企業だけのもの」という認識が事実と乖離していることは公的に確認できます。

第二に、株式会社 Gron が経済産業省・中小企業庁の公開資料と独自データを組み合わせて推計した 2026 年版レポートでは、本格的な DX を実現している中小企業は約 4.6%、DX 失敗率は約 64%と推計されています。Gron 推計値は二次推計であり絶対値の精度は限定的ですが、中小企業庁「2024 年版中小企業白書」のデジタル化進度に関する記述と整合的で、「大半の中小企業はまだスタートラインに立てていない」構造を示します。さらに 独立行政法人 情報処理推進機構 (IPA) の DX 推進指標 も併せて参照すると、「経営層関与」「データ集約」「業務構造の変革」が DX の成否を分ける構造的要因として共通して挙げられています。

これらのデータが示すのは、「AI ツールの性能差」よりも「業務設計の順序と経営層の関与」が、中小企業の AI 業務自動化の成否を決定するという事実です。本記事の 90 日プランは、Salesforce 調査の「88% 側」に入り、Gron レポートの「DX 失敗率 64%」を回避するための再現条件を、実装ベースで整理したものです。

よくある質問 (中小企業 AI 業務自動化)

Q1. Salesforce 88% は本当に中小企業で再現できる数字ですか?

Salesforce『中堅・中小企業向けトレンドレポート』第 6 版 (2024 年 8〜9 月、26 カ国 3,350 名対象、日本サンプル含む) によれば、AI を導入した日本の中堅・中小企業の 88% が「収益増を実感」と回答しています。ただし「AI 導入企業」という母集団自体が前向きにツール選定・運用設計をした企業に偏っているため、AI を入れさえすれば 88% が収益増を達成するわけではありません。本記事の 90 日プランは、この 88% 側に入るための「業務データ集約 → 1 業務 PoC → 横展開」という再現条件を整理したものです。

Q2. 中小企業の DX 実施率は本当に 4.6% しかないのですか?

株式会社 Gron が経済産業省・中小企業庁の公開資料と独自の調査データを組み合わせて推計した 2026 年版レポートでは、「本格的な DX (経営層関与のもとで業務構造を変革しているレベル)」に到達している中小企業は約 4.6% とされています。これは IT ツール導入だけ済ませた「デジタル化」との混同を分離するための定義であり、絶対値ではなく「大半の中小企業がまだスタートラインに立てていない」構造を示す数字として捉えてください。

Q3. Lark AI と Microsoft 365 Copilot のどちらが中小企業向けですか?

既存の業務 DB・チャット・ドキュメント環境次第です。Microsoft 365 を全社で使っていて Word/Excel/Outlook 中心の業務なら Microsoft 365 Copilot が自然な選択です。一方、Microsoft 365 ではなく Google Workspace を使っている、または「チャット・会議・カレンダー・業務 DB を 1 つに統合したい」「20 名以下で初期コストを抑えたい」中小企業には Lark + Lark AI が現実的な選択肢です。Lark Starter プランは 20 名まで無料で AI 機能を含むため (2025 年 3 月のプラン改定後・以前は 50 名)、20 名以下なら PoC コストは実質ゼロから始められます。21 名以上は Pro プラン (¥1,420/ユーザー/月) が必要です。

Q4. AI を業務自動化に使うとき、まず何から始めるべきですか?

「業務データの集約」からです。AI は「データのある場所」でしか働きません。受発注・在庫・案件・売上が Excel ファイル 30 枚に散在している状態で AI を入れても、何も起きません。本記事の 90 日プランでは Day 1〜30 で業務 DB (Lark Base 等) にデータを集約し、Day 31〜60 で 1 業務だけ AI 自動化 PoC を回し、Day 61〜90 で横展開する順序を推奨しています。集約の具体的進め方は Lark Base 脱 Excel 30 日チャレンジ が参考になります。

Q5. 自社の月 240h→24h はどのような業務を AI 化した結果ですか?

当社の自社 EC 事業 (海外仕入れ・国内販売) で発生していた「海外仕入先との英語・中国語メール翻訳」「商品データの多言語化」「受注データの Excel 集計」「在庫アラートの手動チェック」などを Lark チャット・Lark Docs・Lark Base + Workflow に集約し、Lark AI で翻訳・要約・自動入力を回すようにした結果、月 240 時間相当の手作業が約 24 時間に減りました (-90%、自社運営業務の社内集計値)。業種・対象業務・既存業務の散らばり具合により再現性は変動しますが、製造業の受発注・サービス業の問い合わせ対応・士業の書類作成など、定型的な作業の塊を抱える業種にはほぼ同じ構造の自動化余地があります。

Q6. 90 日で結果が出なかったらどうすればよいですか?

原因は 3 つに絞り込めます: ① 業務データの集約が不十分 (AI が読み書きできるデータが揃っていない)、② PoC 業務の選定ミス (定型性が低い・データが揃っていない・経営インパクトが薄い業務を選んだ)、③ AI ツールの選定ミス (業務スイートとの統合が弱いツールを選んだ)。Day 86〜90 の振り返りでこの 3 つを点検し、次の 90 日に進むのが正しい対処です。「もう少し様子を見る」と曖昧に延長すると失敗パターン ③ (時間管理の不在) に陥ります。

まとめ — AI 業務自動化は「88% 側」に入る業務設計から始まる

Salesforce 調査が示す「AI 導入で 88% の中堅・中小企業が収益増」という数字は、AI を導入しさえすれば再現できる確率ではありません。業務データを 1 か所に集約した業務 DB が先にあるか、経営者が 1 業務に絞り込む決断をするか、90 日で 1 サイクル回しきるか──この 3 条件を整えた企業だけが 88% 側に入ります。本記事の 90 日プラン (Day 1〜30 でデータ集約と PoC 選定、Day 31〜60 で 1 業務 PoC、Day 61〜90 で横展開) は、中小企業 DX 失敗率 64% を回避し、AI 業務自動化を 1 サイクル回しきるための具体プランです。

当社の自社 EC 事業で月 240 時間 → 24 時間 (-90%) を達成した実装パターンは、特殊なシステム開発ではなく、Lark + Lark AI の標準機能だけで実現したものです。Microsoft 365 Copilot で同等のことを実現することも可能ですが、中小企業の規模 (10〜50 名) で初期コストを抑えながら業務 DB と AI を統合運用したい場合、Lark Starter プランから始めるのが最もコスト効率の高い入口になります。本記事の 90 日プランを、自社の業務時間ベスト 10 と照らし合わせる材料として使ってください。

※ 本サイトは アウフヘーベンジャパン株式会社 が運営しています。Lark は ByteDance Ltd. の登録商標です。Microsoft、Microsoft 365、Microsoft Teams、Microsoft Excel、Microsoft Outlook、Microsoft Word、Microsoft 365 Copilot、Microsoft Lists、SharePoint、Power Apps は Microsoft Corporation の登録商標です。Google Workspace、Google Docs、Google Sheets、Gemini for Workspace は Google LLC の登録商標です。Salesforce はセールスフォース・ジャパン株式会社の登録商標です。kintone はサイボウズ株式会社の登録商標です。Notion は Notion Labs, Inc. の登録商標です。Slack は Slack Technologies, LLC の登録商標です。Shopify は Shopify Inc. の登録商標です。楽天市場は楽天グループ株式会社の登録商標です。Amazon は Amazon.com, Inc. の登録商標です。DeepL は DeepL SE の登録商標です。ChatGPT は OpenAI OpCo, LLC の商標です。当社 (アウフヘーベンジャパン株式会社) は、Lark の導入を支援する独立した第三者コンサルティング事業者であり、ByteDance 社・Microsoft 社・Google 社・Salesforce 社の公式機関ではありません。各社とも資本関係・代理店契約はなく、本記事の比較は各社公開情報および当社の自社運用経験に基づく独自の分析です。本記事に記載した数値・プラン情報は執筆時点 (2026 年 5 月) の公開情報に基づいています。最新の正確な情報は必ず Lark 公式料金ページと Microsoft 公式 Copilot ページでご確認ください。AI 導入による収益増 88% は Salesforce「中堅・中小企業向けトレンドレポート」第 6 版日本語版 (2024 年 8 月 3 日〜9 月 16 日、26 カ国 3,350 名対象)、中小企業 DX の現状については 中小企業庁 2024 年版中小企業白書および IPA DX 推進指標を一次情報として参照しました。Gron の DX 実施率 4.6%・失敗率 64% は同社 2026 年版レポートの二次推計値であり絶対値ではなく構造指標として扱っています。当社自社 EC 事業の月 240h→24h(-90%)は自社運営業務の社内集計値であり、業種・対象業務・既存業務の散らばり具合により再現性は変動します。30 名規模の典型コスト試算は当社試算で、各社の公開料金とよくある中小企業の SaaS 構成パターンに基づきますが、プラン・契約条件・キャンペーン適用・既存ライセンス保有状況により実際の月額は変動します。当社代表は Lark Partner CSM Certificate を 2026 年 6 月に取得しました。