資料公開｜UIから考える業務システムのAIネイティブ化。生成AI導入を最適化するためのUX/UI設計とは？

2026年5月26日にオンラインセミナー「UIから考える業務システムのAIネイティブ化。生成AI導入を最適化するためのUX/UI設計とは？」を開催いたしました。この記事では当日用いた資料を公開し、そのポイントを解説しています。

動画で見る

はじめに

生成AIの活用が広がる中、自社サービスや業務システムにAI機能を組み込む企業が増えています。一方で、「AIチャット機能を追加したものの、思ったほど使われていない」「現場に定着せず、従来の業務フローに戻ってしまった」といった課題を抱えるケースも少なくありません。

業務の中でAIが自然に使われ、作業が効率的に進む環境を実現するためには、AIの性能だけでなく、ユーザーが迷わず、安心して活用できるUX/UI設計が重要です。

本記事では、AI機能が継続的に利用されるためのUX/UI設計のポイントを解説します。

業務システムにAIを搭載したのに現場で使われないのはなぜか

AIを業務システムに搭載したにもかかわらず、現場で十分に活用されないケースは少なくありません。

その背景には、たとえば「何をどう入力すればAIから期待した結果が得られるのかわからない」という問題があります。期待した結果が得られなければ、ユーザーは「AIは使えない」と判断してしまいます。

また、AIによる一括処理は業務を効率化する一方で、AIのミスを発見できる仕組みがないと、誤った処理が複数のデータや業務に影響するリスクもあります。

こうした失敗体験が積み重なることで、AI機能があっても十分に利用されない事態を招いてしまいます。

これらの課題の多くがAIの性能ではなく、UX/UIの設計によって改善できます。AIを現場に定着させるためには、ユーザーが迷わず使え、結果を信頼できる体験設計が欠かせません。

解決策としての設計思想～AI機能における9つのUI原則～

こうした課題を解決するために重要な設計思想としての、「9つのUI原則」をご紹介します。

AIの設計にはすでに多くの知見が蓄積されています。GoogleのPAIRガイドブック（People + AI Guidebook）やMicrosoftのGuidelines for Human-AI Interaction、AppleのHuman Interface Guidelines（生成AI | Apple Developer Documentation・機械学習 | Apple Developer Documentation）等、世界的なガイドラインや研究で共通して語られる原則を整理したものが以下の「9つのUI原則」です。

なかでも特に重要なのが、「魔法より構造」「すべてのアクションを可逆に」「修正のための設計」の3つです。

1. 魔法より構造：AIに何でも自由に指示できる状態を目指すのではなく、ユーザーが迷わず利用できるよう構造を与える考え方
2. すべてのアクションを可逆に：いつでも元に戻せる状態を用意することで、ユーザーが安心してAIを活用できるようにする考え方
3. 修正のための設計：AIを呼び出しやすくすること以上に、間違った出力を簡単に修正できることを重視する考え方

生成AI活用を支えるUIパターン紹介

AIが現場に定着するかどうかは、ユーザーが安心して利用できる体験を設計できるかどうかにかかっています。そのために守るべき「原則」を実現する具体的なUIパターンを紹介します。

AIへの入力を支援する設計

はじめに、ユーザーがAIへ正確に指示を出すことを助け、迷いをなくすための入力支援UIパターンを解説します。

構造化プロンプトフォーム

自由入力型のチャットは柔軟性が高い一方で、「何をどう入力すればよいのか分からない」という課題があります。期待した結果が得られなければ、ユーザーはすぐに「AIは使えない」と感じてしまいます。

そこで有効なのが「構造化プロンプトフォーム」です。例えば、まずテンプレートを選択し、その後に出力形式や詳細度を選ぶことで、AIへの指示を組み立てていきます。

このように必要な項目を段階的に表示することで、ユーザーの認知負荷を下げられます。また、選択肢を適切な数に絞ることで、迷わず操作しやすくなります。

ただし、フォームだけでは表現できない要望もあるため、自由記述欄を併設することが重要です。さらに、実行前にプレビューを表示することで、条件の不足や誤りを事前に確認できるようになります。

@メンション

AIにファイルやデータを参照させることがありますが、ユーザーがファイル名を覚えておいて検索する、またはよく使うファイルでも都度添付するような運用では、利用のハードルが高くなります。

そこで有効なのが「@メンション」です。入力欄で「@」を入力すると候補となるファイルがサジェストされ、選択するだけでAIの参照対象として指定できます。

このパターンの背景にあるのが「認識より想起」という原則です。ユーザーがファイル名を思い出す必要はなく、候補から選択するだけでよいため、AIに必要なデータを渡すための添付コストを大きく下げられます。

ただし、機能が存在するだけでは利用されません。入力欄のアイコンだけでは発見されにくいため、「@でファイルを参照できる」ことを初回利用時に伝えるオンボーディング（使い方を案内する機能）も重要です。

選択範囲ベースプロンプト

長い文書のチェックにAIを用いる場合、文書全体ではなく、特定の箇所だけを対象にすることがよくあります。

「選択範囲ベースプロンプト」は、ユーザーが「どの部分に対してAIを使うか」を明示的にコントロールできるUIパターンです。例えば就業規則の条文を選択すると、「労基法との整合性チェック」や「要約する」といったフローティングメニューを表示できます。この場合、操作対象を限定できるため、誤りが生じた際の影響範囲も自然に絞られます。

また、就業規則のチェックに用いるAIであれば「リスクチェック」「法令チェック」等メニューを用意するなど、業務文脈に即したアクションを配置することが重要です。

「構造化プロンプトフォーム」が「入力全体の構造化」、「@メンション」が「参照先の構造化」だとすると、「選択範囲ベースプロンプト」は「操作対象の構造化」を担います。これも「魔法より構造」を実現する具体的なUIパターンの一つです。

プレビュー＆ドラフトモード

AIが自動的に設定を行ったりデータを変更するようなシステムでは、「いつ本番に反映されるのか分からない」という不安が利用の障壁になります。

「プレビュー＆ドラフトモード」は、その不安を解消するための設計です。勤怠ルールや給与計算の設定等、業務への影響が大きい場面ほど重要になります。

ポイントの一つは、ドラフト環境と本番環境を視覚的に区別することです。ユーザーが現在どちらの状態を見ているのかを継続的に、明確に伝えます。

また、「差分確認」から「本番に公開」へ進む二段階のフローを設けることで、変更内容を確認してから反映できるようになります。本番値とAI生成値を並べて差分を可視化することが、AIへの「任せすぎ」を防ぐ安全弁となります。

業務システムでは、確認を構造として組み込むことが信頼につながります。

AI出力を活用しやすくする設計

続いて、AIからの回答を効率的に読み解き、次のアクションへスムーズに繋げるための出力表示UIパターンを解説します。

ツール利用の可視化

「ツール利用の可視化」 は、AIが何をしているのかをユーザーに分かる形で伝えるUIパターンです。例えば契約書レビューでは、「ファイルを読み込み」「社内ポリシーを参照」「条項ごとにリスクを評価中」といった処理状況をリアルタイムに表示します。

AIが何をしているか分からないまま待たせることは、信頼を損なう大きな要因になります。そのため、「内部処理を実行中」ではなく、「条項ごとにリスクを評価中」といった業務言語で表示することが重要です。

また、完了したステップは折りたたみ、処理中のステップのみを展開することで、ユーザーの視線を現在の処理へ自然に誘導できます。プログレスバーによって進捗を可視化することも、安心してAIを利用するための重要な要素です。

構造化アウトプット

AIの回答は、長文で返せばよいわけではありません。

「構造化アウトプット」 は、AIの回答を「読む」ものから「スキャンする（すばやく見渡す）」ものへ変えるUIパターンです。

例えば契約書レビューでは、長文テキストで結果を返すのではなく、高リスク・中リスク・低リスクのサマリーカードやリスク比較テーブル、修正案を組み合わせて表示します。

ただし、構造化イコールテーブルではありません。比較にはテーブル、要約や詳細にはカードやアコーディオン、時系列にはタイムラインというように、情報の性質に応じてUI部品を使い分けることが重要です。

また、構造化された情報の直後に「修正案を承認」「独自に編集」といったアクションへの導線を配置することで、AIの出力を「見て終わり」にせず、次の行動につなげられます。

AI出力の信頼を支える設計

AIの回答根拠を明確にし、ユーザーが安心して業務に利用できるようにするための信頼性向上UIパターンを解説します。

インライン引用／根拠表示バッジ

業務でAIを使う上で「回答の根拠を確認できること」は欠かせない条件です。

「インライン引用」 は、AIの回答に引用番号を埋め込み、参照元へ即座にジャンプできるようにするUIパターンです。確認コストを下げることで、ユーザーはAIを鵜呑みにするのでも、過度に疑うのでもなく、「信頼しつつ確認する」という使い方がしやすくなります。

「根拠表示バッジ」 は、「就業規則」「法令・通達」「調査データ」「AI推論」といった情報の種類を可視化する仕組みです。情報の性質をUIで伝えることで、ユーザーは根拠に応じた判断や確認を行えます。

ただし、引用やバッジがあるだけで信頼性が保証されるわけではありません。AIが存在しないソースを引用したように見せるケースもあるため、ソースの実在確認の仕組みをあわせて設計することが重要です。

AIとの協働—出力を磨いていく設計

業務にAIを活用する際、人の目によるチェックは欠かせません。AIの生成物をたたき台として人間が洗練させ、協働作業を円滑に行うための編集・改善UIパターンを解説します。

選択範囲編集＋差分

AIの出力は誤りを含んでいることがよくあります。そのため、すべてをそのまま採用する前提よりも、AIの出力を「たたき台」として、ユーザー自身が変更を加えて活用しやすい設計の方が実務に適しています。

「選択範囲編集＋差分」 では、選択された範囲の修正案をAIが生成する際に追加・削除箇所の差分を表示し、変更理由もあわせて提示します。たとえば契約書の修正であれば、「損害賠償の上限を設けることで自社リスクを限定します」といった説明を確認しながら該当条文を変更するか否か判断できます。

また、「採用」と「却下」の二択ではなく、「手動で編集」という選択肢を設けることも重要です。AIの提案は方向性が正しくても、文言の微調整が必要になる場面は少なくありません。

一方で、差分表示があっても、差分が多すぎて確認の手間が増えると、ユーザーが内容を十分に確認せず採用してしまうリスクもあります。変更箇所が多い場合は、サマリーを先に提示する等、確認しやすい形で情報を整理することが有効です。

マルチターン明確化

不完全な情報を与えても人間のように推測しながら柔軟な対応ができることはAI利用のメリットのひとつです。しかし、AIが不足している情報を間違った推測で補い、そのまま処理を進めてしまうと大きな手戻りにつながることがあります。

「マルチターン明確化」 は、そのような場面で実行前に必要な確認を行うUIパターンです。例えば領収書から仕訳を生成する際、AIはすぐに処理を進めるのではなく、「社内のみ」「社外を含む」「研修・セミナー関連」といった選択肢を提示し、勘定科目の判断に必要な情報を確認します。

仕訳のように、その後の工程全体へ影響する業務では、実行前にひとつの質問を挟むことがやり直しコストの削減につながります。ただし、確認事項が多すぎると離脱につながるため、質問は1〜2件に絞ることが重要です。

また、AIは過去の類似仕訳を参照しながら学習することで、将来的には確認なしで処理できるケースも増えていきます。使うほど確認が減り、操作が速くなる。この学習型の精度向上が業務AIの定着を支えます。

AIが「答えられない」ときの設計

常にAIが有効な回答を返せるとは限りません。AIが回答できない場合でも業務を停滞させないためのUIパターンを解説します。

フォールバック／拒否UI

AIは決して完璧ではありません。無理な指示をすると「あたかも正しいような書きぶりで誤った回答をする」ことがよくおきます。そのため、AIが「答えられない」ときの振る舞いも重要な設計要素になります。

「フォールバック」 は、知識の限界によって回答できない場合のUIです。例えば最新の法改正について学習データに含まれていない場合、「回答できません」と明示した上で、「Web検索で最新情報を調べる」等の代替アクションを提示します。

一方、「拒否UI」 は、ポリシー違反等の理由で回答できない場合のUIです。制限内容や理由だけでなく、代替案もあわせて提示することで、ユーザーが次の行動を取りやすくなります。

絶対に避けるべきなのが、AIが正しく答えられないにもかかわらず、それらしい回答を返してしまう「サイレントフォールバック」です。誤った情報をもとに業務判断が行われるリスクがあるため、AIが正しく回答できない場合はその状況を正しくユーザーに伝える設計が重要です。

また、「最新情報は別途確認してください」と表示するだけでなく、次のアクションへ進める導線を用意することも欠かせません。ユーザーが行き詰まった際に次の手を示すことが、フォールバック設計の本質です。

さらに、フォールバックと拒否はユーザーにとって異なる体験であるため、UI上で明確に区別することも重要です。例えば、フォールバックは青、拒否は赤のバッジで表示することで、「知識の限界」なのか「ポリシーによる拒絶」なのかを直感的に理解でき、次の行動を判断しやすくなります。

AIエージェントの実行管理

AIが複雑なタスクを連続的に実行する際、そのプロセスをユーザーが把握するための管理UIパターンを解説します。

実行前プラン提示

AIエージェントに複数の連続的な作業を任せる場合、「何が行われるのか」をユーザーが実行前に確認できることはとても重要です。

例えば「古い雇用契約書を更新し、対象社員へメール通知を送る」と指示した場合、AIはその内容を「ファイル検索」「内容解析」「条文の書き換え」「バックアップ作成」「メール送信」といったステップに分解し、実行プランとして提示します。これが 「実行前プラン提示」 です。

特に重要なのは、「元ファイルを変更」や「メール送信」といった不可逆な操作を事前に識別できることです。実行前にリスクを把握できるため、安心してAIに業務を任せられます。

また、実行前プランに対して「承認して実行」だけでなく、選択肢を用意することが大切です。「プラン全体を編集」「ステップを追加」「下書きとして保存」等の選択肢を用意することで、AIが作成したプランを人間が容易に調整できます。
プラン提示は単なる報告ではなく、人間とAIが実行内容をすり合わせるための重要なプロセスです。

タスク進捗タイムライン

AIエージェントによる処理が始まった後は、「今どこまで進んでいるのか」を把握できることが重要になります。

「タスク進捗タイムライン」では、各ステップの進捗状況や実行時間をリアルタイムで表示し、ユーザーが処理状況を確認できるようにします。

「データソースを確認 12秒」「売上データを読み込み 28秒」といった実績時間も表示することで、ユーザーは処理の進み具合や全体の所要時間を把握できます。

また、処理中のステップのみを展開し、完了済みのステップは折りたたむことで、現在どこまで進んでいるのかを直感的に理解できます。必要に応じてツール利用の詳細を確認できるほか、一時停止や停止も行えるため、長時間のタスクでも安心して任せられます。

「実行前プラン提示」が「何をするか」を可視化する設計だとすれば、「タスク進捗タイムライン」は「今どこまで進んでいるか」を可視化する設計です。計画と実行の両方を見える化することが、AIエージェントの信頼性を高める重要な要素となります。

AIが実行する操作の安全網

AIによる誤操作リスクを低減し、万が一の際にも迅速に復旧するための安全対策UIパターンを解説します。

重要操作の承認フロー

AIによる自動化が進むほど、「どの操作を人間が確認すべきか」を適切に絞り込むことが重要になります。そこで有効なのが 「重要操作の承認フロー」 です。

例えば経費精算システムで100件の仕訳を一括登録する場合、すべてを確認対象にすると承認疲れを招き、結果的に内容を確認せず承認してしまうリスクが高まります。そのため、信頼度の高い95件は自動承認し、信頼度の低い5件のみを人間が確認する設計が有効です。

要確認の案件には、信頼度スコアや領収書の元データ、AIによる仕訳結果に加え、「参加者の内訳が不明」といった確認理由を構造化して表示します。なぜ確認が必要なのかが分かることで、ユーザーは適切に判断できます。

また、「実行後の取り消しには経理部長の承認が必要」といった影響範囲を事前に示すことも重要です。取り消しコストを可視化することで、確認の質を高められます。

選択的ロールバック

どれだけ慎重に確認しても、AIによる変更が後から問題になることはあります。そのため、変更内容を元に戻せる仕組みも欠かせません。

例えば契約書更新タスクでは、各処理をチェックポイントとして記録し、問題が発生した時点まで戻せるようにします。特に重要なのは、すべてを元に戻すのではなく、特定のステップだけを取り消せる「選択的ロールバック」です。

また、「3つの契約書ファイルが以前の状態に戻る」「第18条の変更が取り消される」といった影響範囲を事前に表示することで、ロールバック後の状態を把握できます。さらに、「メール送信（取り消し不可）」のように、戻せない操作を明示することも重要です。

「重要操作の承認フロー」が実行前の防止策だとすれば、「ロールバック」は実行後の回復策です。この両方を備えることで、ユーザーはAIに高リスクな業務も安心して任せられるようになります。

日本企業の業務システムに求められるUX/UI要件

海外で生まれたAI向けUIパターンをベースにする場合、日本企業の業務システムではそのまま適用できるとは限りません。

日本企業ならではの要件に対応するためには、業務プロセスや組織文化、または国内の法令などを踏まえてUIへ組み込むことが重要です。ここでは4つの具体策を紹介します。

多段階承認をUIの構造に組み込む

日本企業では、AIが生成した結果であっても複数段階の承認を経て運用されるケースが少なくありません。そのため、「AI下書き→担当者確認→上長承認→最終確定」といった流れをUI上で明示し、各ステップで確認すべき差分のみを提示することが重要です。全件確認による承認疲れを防ぎながら、必要な確認を確実に行えるようになります。

承認者と生成者をUIで分離して表示する

AIが生成した結果と、人間が最終判断した結果は明確に区別する必要があります。「AIが生成」「担当者が承認」といった情報を画面上で分離して表示し、承認履歴を記録できるようにします。誰がいつ何を承認したのかを追跡できることは、日本企業の監査や説明責任の観点でも重要な要件です。

敬語制御を2軸のパラメータで提供する

日本語の業務文書では、相手や利用シーンによって求められる表現が大きく変わります。相手が社内の同僚なのか、上司なのか、取引先なのかによって、丁寧語・尊敬語・謙譲語を適切に使い分ける必要があります。

相手軸（社内・社外、上司・取引先）と場面軸（日常連絡・提案書・クレーム対応）を組み合わせることで、適切な敬語レベルを自動調整できます。ユーザーが毎回プロンプトで指示しなくても、業務文脈に応じた文章を生成できる設計が理想です。

AI開示は規約に沿った形で組み込む

AIを利用していることをユーザーへ適切に伝えることも重要です。総務省のAI事業者ガイドライン等を踏まえ、AIが関与している箇所をUI上で明示します。近年はスパークルアイコン等を用いた表示も普及しており、ユーザーがAIの利用範囲を把握しやすい設計が求められます。

まとめ：生成AI導入を最適化するためのUX/UI設計とは

本記事では、AI機能を現場に定着させるための9つのUI原則と、それを実現する14のUIパターンを紹介しました。

重要なのは、UIパターンそのものではなく、その背景にある設計思想です。UIパターンはあくまで道具であり、「なぜそのパターンが必要なのか」を判断する基準となるのがUI原則です。自社の業務やユーザーに合わせて適切なパターンを選択することが求められます。

また、AI機能の設計では「呼び出しやすさ」以上に、「修正しやすさ」「戻しやすさ」「確認しやすさ」が重要です。差分表示やロールバック、承認フロー、マルチターン明確化といった仕組みは、AIの誤りを前提に安全に活用するための設計といえます。

さらに、日本企業では多段階承認や証跡管理、日本語特有の表現品質といった固有の要件への対応も欠かせません。海外のUIパターンをそのまま適用するのではなく、日本の業務プロセスや組織文化に合わせて設計することが重要です。

AI技術やUIパターンは今後も変化していきます。しかし、「構造を優先する」「可逆性を担保する」「修正しやすさを設計する」といった原則は変わりません。生成AIを業務システムへ組み込む際は、個別の機能やトレンドだけでなく、こうした設計原則を軸にUX/UIを検討することが、継続的に活用されるAIシステムへの第一歩となるでしょう。

AI活用推進とUX/UI改善はNCDCへ

生成AIの導入では、AIモデルの性能だけでなく、「業務プロセスの中でどのように活用するか」「ユーザーが安心して使い続けられるか」といったUX/UI設計が成果を大きく左右します。

NCDCでは、生成AI導入支援に加え、現場の業務課題やアイデアを整理しながら活用方法を具体化する「生成AI活用ワークショップ」をご提供しています。

また、社内システムやストレージ（Box、SharePoint、Google Drive等）と連携し、自律的にタスクを実行できる法人専用AIエージェント「BizAIgent」の開発・提供も行っています。

さらに、生成AI機能の企画・設計から、業務システムのUX/UI改善、AIネイティブな業務システムの構築まで一貫してご支援しています。

• 生成AIをどの業務に適用すべきか整理したい
• AI活用の具体的なユースケースを検討したい
• AI機能を組み込んだ業務システムを開発したい
• 現場で使われるUX/UIへ改善したい

このような課題をお持ちでしたら、ぜひお気軽にご相談ください。