📌 この記事でわかること

1. 「ChatGPTで動いた」と「業務で回っている」は別物

生成AIの社内活用について相談を受けると、ほとんどの会社が同じ場所で止まっています。誰かがChatGPTで便利な使い方を見つけている。社内チャットで「これすごいよ」と共有もした。それでも、業務そのものは変わっていない──この踊り場です。

原因はツールでも本人の熱意でもなく、「個人で動く」と「業務で回る」のあいだに構造的な壁が3つあることです。

壁① 属人化：プロンプトは「その人の頭の中」にある

うまく動くプロンプトには、本人も意識していない前提が大量に埋まっています。どんな資料を貼るか、出力をどう手直しするか、どこまで信用してどこから自分で確認するか。プロンプト文字列だけを社内Wikiに貼っても、この暗黙の運転技術は移植されません。「共有したのに誰も使わない」のは、共有されたのがレシピの材料一覧だけで、調理手順が抜けているからです。

壁② 前後の手作業：AIの仕事の前後が全部コピペ

ChatGPTでの要約が30秒で終わっても、その前後には「会議録画から文字起こしをダウンロードする」「ChatGPTに貼る」「結果をコピーして議事録フォーマットに整形する」「関係者に送る」という手作業が並んでいます。AIが短縮したのは工程全体の一部だけで、人が張り付く構造は変わっていない。だから本人が忙しい週は、自動化されているはずの業務が止まります。

壁③ 再現性：同じ入力でも人によって結果が違う

個人利用では、出力のブレを本人の判断で吸収しています。組織で使うなら「誰がやっても、いつやっても、おおむね同じ品質」が必要です。モデルの設定、参照する資料、出力フォーマットが人ごとにバラバラのままでは、業務の標準にはなりません。

ポイント: この3つの壁は「もっと高性能なAIに変える」ことでは越えられません。必要なのはツールの乗り換えではなく、個人の使い方を組織の仕組みに移植する工程です。

2. 組織化とは何か ── 「人がAIを使う」から「業務の中にAIが住む」へ

AI活用の組織化とは、社員研修でChatGPTの使い方を教えることではありません。業務フローの中にAIの居場所を固定することです。判定基準はシンプルで、次の3条件で測れます。

3条件を満たすと、その業務は「Aさんが上手にAIを使っている」状態から「この業務はAIが処理する決まりになっている」状態に変わります。担当者が休んでも回り、新しく入った人もその日から同じ品質で使えます。

そして、この移植のために現在もっとも現実的な道具が、本記事で扱う Dify と n8n です。どちらもプログラミングなしで使い始められ、自社のデータを安全に扱う構成が取れます。

3. DifyとN8nの使い分け ── 「会話するか、裏で流れるか」で決める

DifyとN8nはよく並べて語られますが、競合ではなく役割が違う道具です。迷ったら、作りたいものが「人と会話するか、人が見ていないところで流れるか」で判断してください。

典型的な組み合わせ方

実務では両方を組み合わせる形が最終形になることが多いです。たとえば議事録なら、録画の取得から配信までの流れはn8nが運び、その中の「要約する」一工程をAIが担う。社内FAQなら、Difyが窓口に立ち、回答に使うナレッジの更新をn8nが自動で運び込む。と覚えておくと設計を間違えません。

4. 手順A：ChatGPTのプロンプトをDifyアプリにする（5ステップ）

対象になるのは「人がAIに聞いて、答えをもらう」型の活用です。社内規程の質問対応、マニュアル参照、文書のチェックや下書きなどが当てはまります。

Step 1. うまくいっている使い方を1つだけ選ぶ

社内でいちばん繰り返されている質問・依頼を1つ選びます。欲張って「何でも答えるBot」を作るのが最大の失敗パターンです。範囲が狭いほど回答品質は安定し、利用者の信頼が早く積み上がります。

Step 2. 暗黙の前提を書き出す

その使い方が上手な人に、プロンプト本文だけでなく「毎回どの資料を貼っているか」「出力のどこを直しているか」「どんな質問だと答えがズレるか」を聞き出して書き出します。これが壁①で失われていた「調理手順」で、次のステップでそのまま設定に変換されます。

Step 3. Difyにプロンプトとナレッジを固定する

Difyでアプリを作り、Step 2で書き出した内容をシステムプロンプト（毎回自動で効く指示文）に移します。毎回貼っていた資料は、ナレッジ機能に登録して自動参照させます。これで「誰が聞いても、整った前提で答えが返る」状態、つまり壁③の再現性が確保されます。回答に出典（どの文書を根拠にしたか）を表示する設定にしておくと、利用者が答えを検証でき、信頼の立ち上がりが格段に速くなります。

Step 4. 業務の動線上に置く

完成したアプリは、専用画面ではなくすでに皆が毎日開いている場所に置きます。多くの会社ではSlackやTeamsです。「新しいツールを開く」という一手間が定着率を大きく下げるため、ここは品質チューニングと同じくらい重要な設計判断です。

Step 5. 答えられなかった質問を月次で取り込む

公開後は、Botが答えられなかった質問のログを月に1回見て、ナレッジを足します。最初の正答率は7割で構いません。この更新サイクルを回す担当を1人決めておくことが、半年後も使われているかどうかの分かれ目になります。

5. 手順B：手作業の繰り返しをn8nフローにする（5ステップ）

対象になるのは「人がツールからツールへ情報を運んでいる」型の業務です。会議後の議事録配信、週次レポートの集計と送付、フォーム回答の転記と通知などが当てはまります。

Step 1. 「運搬」している業務を洗い出す

1週間、自分の作業の中で「コピーして、別の場所に貼って、整えて、送る」をしている場面をメモします。1回5分でも週5回なら年20時間です。この「運搬作業」がn8nの守備範囲です。

Step 2. 流れを1本の文章にする

選んだ業務を「◯◯が起きたら、△△から□□を取ってきて、AIで~~して、××に届ける」という1文に直します。この文がそのままn8nのフロー設計図になります。1文で書けない業務は、まだ自動化に向く粒度になっていないので、分解するか後回しにします。

Step 3. トリガー（起点）を自動にする

「会議が終わったら」「フォームが送信されたら」「毎週月曜9時に」など、人の記憶に頼らない起点を設定します。壁②の本質は作業時間ではなく「人が覚えていないと始まらない」ことなので、ここが自動化の効果の大半を決めます。

Step 4. AI処理を一工程として組み込む

フローの途中に、要約・分類・下書きといったAIの仕事を部品として挟みます。ポイントは、AIの出力をそのまま最終成果物にせず、フォーマットを固定して受け取ること。出力の形が安定すると、後続の工程（投稿・転記）が壊れません。

Step 5. エラー通知と手順書を必ず付ける

自動化フローは静かに止まるのがいちばん危険です。失敗したらSlackに通知が飛ぶ設定と、「止まったときに見る場所」を書いた1枚の手順書をセットで用意します。これがあるかないかが、趣味の自動化と業務インフラの違いです。

6. よくあるつまずき5パターンと回避策

7. 内製でやるか、外部の伴走を頼むか

ここまでの手順は、社内に「業務とITの両方がわかる人」が1人いれば内製できます。DifyもN8nも、エンジニア専用の道具ではありません。

判断の分かれ目は能力よりも時間の確保です。Step 2（暗黙の前提の書き出し）やStep 5（公開後の改善サイクル)は、片手間では進みにくい工程です。社内で次の条件が揃うなら内製が向いています。

• 担当者を指名でき、週に数時間をこの仕事に確保できる
• 最初の1業務を選ぶ合意が取れている（「全部やりたい」になっていない）
• 機密データの扱いを決められる決裁者が近くにいる

逆に「やりたい業務は決まっているのに、半年間着手できていない」なら、立ち上げだけ外部の手を借りる選択が現実的です。その場合は、設定代行ではなく業務の聞き取りから定着まで入る伴走型を選び、納品物に手順書と更新レクチャーが含まれるか（つまずき②の回避）を必ず確認してください。完成品をもらうことではなく、自社の担当者が自走できる状態になることがゴールです。

8. よくある質問（FAQ）

Q1. Difyとn8nはどちらから始めるべきですか？

止まっている業務の型で決めます。「同じ質問に何度も答えている」ならDify、「ツール間のコピペ・転記・通知を手でやっている」ならn8nです。迷う場合は、効果が日次で目に見えやすいn8nの定型処理自動化から始めると、社内の納得が得やすくなります。

Q2. プログラミングの知識がなくても構築できますか？

基本的な構築は画面操作で完結します。ただし「作れるか」と「業務に定着するか」は別問題で、難所はツール操作ではなく、業務の聞き取り(本記事のStep 2)と公開後の改善サイクルにあります。

Q3. ChatGPTの有料プランを全員に配るのと、どちらが先ですか？

目的が違います。全員配布は個人の生産性向上、DifyやN8nへの移植は業務の仕組み化です。本記事の3条件（起動・手順・結果の固定）が必要な業務があるなら、ライセンス配布だけでは解決しません。

Q4. 社内の機密文書をAIに読ませても大丈夫ですか？

「どの文書を・どの環境で・誰の責任で」を着手前に決めれば、リスクは管理できます。DifyもN8nも自社管理の環境に置く構成が取れ、学習に使われない設定でモデルを利用できます。逆にこの取り決めをせずに個人がChatGPTへ貼り続けている状態のほうが、ガバナンス上のリスクは高いといえます。

Q5. 構築を外注する場合、費用の相場はどれくらいですか？

スコープを固定した小規模構築（Bot 1体、自動化フロー1〜2本）であれば、おおむね20〜40万円程度が一つの目安です。注意すべきは金額よりも内訳で、ツール実費が別建てで透明か、手順書と更新レクチャーまで含まれるか、納品後の運用サポートが任意で選べるかを確認してください。

9. まとめ

• 「ChatGPTで動いた」と「業務で回っている」のあいだには、属人化・前後の手作業・再現性という3つの壁がある。高性能なAIへの乗り換えでは越えられず、個人の使い方を仕組みへ移植する工程が必要
• 組織化の判定は3条件：業務イベントが自動でAIを起動し、手順が仕組み側に固定され、結果が業務の置き場所に自動で届くこと
• 道具は役割で選ぶ。会話して答える窓口はDify、裏で流れる定型処理の配管はn8n。最終形は組み合わせでも、着手は1業務・片方から
• 移植手順の難所はツール操作ではなく、暗黙の前提の書き出し（構築前）と、答えられなかったログで育てる改善サイクル（公開後）
• 内製か伴走かは能力ではなく時間で判断する。外部に頼む場合は、手順書と自走までの伴走が含まれるかを必ず確認する

個人の成功体験は、組織にとって最良の出発点です。あなたの画面の中で動いているその使い方を、会社の仕組みに移植するところから始めてみてください。