一度うまくいった出力だけでは、仕事へ組み込めるか判断できません。通常の入力、情報不足の入力、例外を含む入力で、同じ終了条件まで処理して比べます。

ここでいう7日間は、短く区切るための提案です。精度を統計的に保証する試験期間ではありません。週に一度しかない作業なら、架空のテスト資料を用意するか、必要な例が集まるまで期間を延ばします。

1日目：完成状態と停止条件を決める

例えば返信案なら「FAQと一致し、宛先を確認すれば送信できる状態」を完成とします。AI側だけ未確認の下書きを完成扱いにしないようにします。

停止条件は試す前に決めます。架空の例では、「元にない返金や期日を約束したら、その用途への自動採用を止める」「確認と修正が手作業以上なら対象を縮める」といった条件を使えます。厳しさは仕事への影響に合わせてください。

2〜3日目：代表例と例外を試す

同じ内容を手作業とAIで続けて処理すると、二回目は内容を覚えていて速くなる場合があります。厳密な比較が難しい時は、その条件を記録し、数字を確定的な改善率として扱わないようにします。

最初の小さな試行では、例えば次の三種類を含めます。

入力の種類見たいこと例
通常定型処理が成立するかFAQに答えがある問い合わせ
情報不足推測せず止まれるか注文状況が未確認
例外範囲外の判断をしないか特別な返金要求

「簡単な例だけが成功した」状態を、全件に適用できる結果と混同しないことが目的です。

4〜5日目：修正と失敗を分類する

誤字を一つ直した出力と、存在しない条件を追加した出力は別扱いにします。「手直しあり」の一欄にまとめると、何を改善するか分からなくなります。

記録日／例のID：
入力区分：通常／情報不足／例外
手作業の分数：
AI利用時の準備の分数：
確認の分数：
修正の分数：
待ち時間（別記）：
結果：採用／修正して採用／不採用
誤りの種類：表現／事実／抜け／根拠なしの追加
停止条件に該当したか：

AIへ入力した機密データを検証シートへ複製する必要はありません。資料の識別子と失敗の種類だけでも、後からたどれます。

6日目：合計で確認する

架空の5件を例にすると、次のように集計できます。AI側の時間は準備・確認・修正を合計した値です。

例手作業AI利用後削減結果
A20分10分10分採用
B20分12分8分修正
C20分18分2分修正
D20分25分−5分不採用
E20分10分10分採用
合計100分75分25分5件中1件不採用

平均では1件5分減っています。ただしDで何が起きたかが重要です。外部への誤った約束なら、平均時短がプラスでも全件自動採用へ進めません。

この例は算術の説明用です。実務での削減率やAIの精度を示す実績ではありません。

7日目：継続・縮小・停止を決める

継続は、対象範囲で品質と時間の条件を満たした時です。その範囲と確認方法を手順書へ残します。縮小は、通常例だけなら役立つ時です。例外を人へ戻す条件を明記します。停止は、重大な誤りを止められない時や、修正の負担が効果を上回る時です。

同じ失敗を繰り返すなら、モデルを次々変更するより、入力や完成条件に曖昧さがないか見直します。変更は一つに絞り、同じ例で差を確認すると、何が効いたか分かります。

採用した範囲は業務手順書へ、止める方法は運用メモへ残してください。