自動化の範囲を決めるとき、多くの企業が「どこまで機械化できるか」を問う。だが実際の判断は逆だ。どこで人を出すかを先に決め、残りを自動化する。副業案件の成約プロセスで私たちが記録した、人機分業の境界線を引く実際の判断基準を公開する。
副業マッチングの成約率を分析していたとき、奇妙なパターンに気づいた。スキル適合度が90%を超え、希望単価も一致し、稼働時間の調整もついている案件が、最終的に流れていた。逆に、条件面では劣るはずの案件が成約していた。
差分を追うと、成約した案件には必ず「企業担当者との15分の電話」が入っていた。電話の内容は業務説明でも条件交渉でもない。雑談に近い。それでも、この接点がある案件の成約率は、ない案件より38ポイント高かった。
自動化設計では、効率化できる箇所を探すことから始めがちだ。だが私たちが学んだのは、人が出る場所を先に決めることの重要性だった。
自動化の前に、接点を設計する
私たちは副業案件のマッチングフローを、三つの層に分けて設計し直した。
最初の層は、情報処理。求人票の解析、スキルマッチング、空き枠の照会。ここは完全に自動化した。Notionデータベースに登録された案件情報を、Claude APIが構造化し、候補者リストを生成する。人の判断は入らない。
次の層は、条件調整。稼働時間、単価、契約形態の擦り合わせ。ここも大部分を自動化できる。Slackのワークフローで候補日時を提示し、返答をカレンダーに自動反映する。ただし「調整がつかない」と判定された案件だけは、人が介入する。
最後の層が、意思決定の接点だ。ここは人を出す。企業側の担当者と候補者が、15分でもいいから直接話す場を必ず設ける。この設計判断が、成約率を変えた。
判断基準は、不確実性の種類で決まる
人機分業の境界線をどこに引くか。私たちが使っている判断軸は、不確実性の種類だ。
確定的な処理には、人を出さない。データの転記、形式の変換、条件の照合。入力が決まれば出力も決まる領域は、すべて自動化する。ここで人を使うのは、コストではなく設計ミスだ。
ルールベースで処理できる判断も、自動化する。「単価が予算を超えたら次の候補に進む」「3営業日返信がなければリマインド」といった条件分岐は、Claude Codeで書けばいい。複雑に見えても、判断基準が言語化できるなら機械で回る。
人を出すのは、文脈依存の判断が必要な場面だ。相手の温度感、言葉の裏にある期待、関係性の濃淡。これらは条件では記述できない。副業案件で言えば「この人と働きたいか」という最終判断がそれにあたる。ここを自動化すると、成約率が落ちる。
人が出る場所を、あらかじめ空けておく
自動化設計で陥りやすいのは、全プロセスを埋めようとすることだ。隙間なく効率化し、人の手を排除する。結果、意思決定の余白がなくなる。
私たちが副業案件で学んだのは、人が出る場所を最初から空けておくことだった。15分の電話枠は、マッチングフローの最終ステップとして設計に組み込まれている。自動化したから接点を削るのではなく、自動化したからこそ接点に集中できる。
この設計思想は、他の領域にも適用できる。カスタマーサポートなら、FAQは自動応答にして、クレーム対応には必ず人を出す。採用なら、書類選考は機械で絞り込み、最終面接は時間をかける。自動化の目的は、人を減らすことではなく、人が価値を出す場所に集中させることだ。
あなたの業務フローで、人が出るべき接点はどこだろうか。それを最初に決めることが、自動化設計の起点になる。
私たちは、自動化と人の役割分担を設計する支援をしています。あなたの業務で「ここは人が出るべきか」と迷っている場面があれば、話を聞かせてください。