Barclays に学ぶ、AI 活用の最初の一歩はメール仕分けと社内検索

AI の活用事例というと、新しいサービスや派手な自動化を思い浮かべがちです。けれども海外の大企業が最初に数字を出しているのは、もっと地味な仕事のようです。英国の大手銀行 Barclays の発表を読んで、そう感じました。日本の企業が何から手をつけるとよいか、考えてみます。

Barclays で何が起きたか

Anthropic は 2026年10月1日、Barclays との協業を広げると発表しました。Claude を行内に広げて、ソフトウェア開発の高速化、古いシステムの刷新、業務の効率化を進めるそうです。発表にある数字は次のとおりです。

社内ナレッジ検索は、英国の個人向け事業で、2,000万人を超える顧客に対応する行員が情報を探すためのものです。検索と生成を組み合わせた RAG という構成で動いています。メール処理のほうは、依頼の優先度をつけ、担当者が動くために必要な情報がそろっているかを確かめる役目も担っています。

派手なところより、地味なところが先に動く

表を見て気づくのは、開発支援のような目立つ話より先に、メール処理や社内検索が動いていることです。発表に書かれているのは件数と利用者数で、削減時間や金額は出ていません。それでも、ここから出発して数字を積み上げている様子は読み取れます。

こうした業務が先に選ばれるのは、不思議ではないと思います。メールの種類にも社内の質問にも、繰り返しの型があります。型があれば、AI に任せる範囲を線引きしやすくなります。件数も時間も数えやすいので、効果を社内で説明するときにも困りません。

もう一つ大きいのは、間違えたときの影響を抑えやすいことです。仕分け先を誤っても、人が見直せば戻せます。Barclays も、セキュリティ管理やガバナンス、人によるレビューとあわせて使っていると説明しています。私たちが大切にしている「判断は人、作業は AI」という分け方が、いちばん素直に当てはまる領域だと感じます。

日本の企業ではどう読み替えるか

12万通という規模は、そのままでは参考になりません。ただ、仕事の形はどの会社でも同じです。入り口は二つ考えられます。

ひとつは、問い合わせメールの振り分けです。営業、サポート、請求といった担当ごとに仕分けて、内容を一次整理するところまでを AI に任せます。もうひとつは、社内マニュアルや規程の検索です。「あの手順書はどこだったか」と聞けば答えが返る形にします。

どちらも、1日数十件ほどの窓口からでも効果は見えてくるはずです。大がかりな基盤は要りません。Dify のようなノーコードの道具でも組めます。

ただ、始める前にひとつだけやっておいてほしいことがあります。測ることです。導入前の 1〜2週間で、1日あたりの件数、1件にかかる時間、誰がどの時間帯に対応しているか、の三つを数えておきます。この三つがあれば、導入後に「何件を任せられて、何時間空いたか」を同じ物差しで比べられます。

空いた時間を何に使うかも、先に決めておくと効果が残ります。私たちはこの空いた時間を Margin（余白）と呼んでいます。時間が空いても使い道が決まっていなければ、いつの間にか別の雑務に埋まってしまうからです。

計測といっても、立派な仕組みは要りません。メールなら、受信箱の 1週間分を数えて、種類ごとに分けてみるだけで十分です。1件あたりの時間は、担当者に「だいたい何分か」を聞いて、数件は実際に時計で計ってみます。聞き取りと実測にずれがあることも多く、そのずれ自体が、業務の見えていない部分を教えてくれます。

もう一つ、導入前に決めておきたいのが、間違いの扱いです。仕分けを誤ったとき、誰がいつ気づくのか。気づいたあと、どこへ戻すのか。ここを決めずに始めると、小さな誤りが誰にも拾われないまま溜まります。人が見直す前提で、見直しの手間まで含めて時間を数えておくと、導入後の数字も正直なものになります。個人情報や取引先の情報を含むメールを扱うなら、どの範囲を AI に見せるかも、先に社内で決めておく必要があります。

扱う件数が少ない窓口には、結果が早く見えるという利点があります。1日30件のメールを扱う窓口なら、2週間もあれば、AI が仕分けた結果と人の判断が合っていたかを、全件に近い形で見直せます。大きな組織が何か月もかけて確かめることを、短い期間で試せるわけです。

最初の対象は、担当者が「正直、これは面倒だ」と感じている作業から選ぶのがよいと思います。面倒だと感じる仕事は、たいてい量が多く、型があります。現場の納得も得やすく、手を動かす人が自分から改善点を教えてくれるようになります。

Greria ならどう進めるか

Greria では、まず対象業務の件数と時間を測ります。次に、仕分けや検索のように型のある部分だけを AI に任せ、迷う案件や例外は人に戻す経路を残します。そして 1か月後に、同じ物差しで効果を見直します。

最初から全社には広げません。一つの窓口、一つの資料群で始めて、数字が出てから範囲を広げます。Barclays が段階を踏んで進めているのと、考え方は同じです。

同じ整理を自社でやってみたい、という方は、計測の仕方からご相談ください。

出典

• https://www.anthropic.com/news/barclays-scales-claude（Barclays の Claude 展開に関する Anthropic の発表。利用規模、メール処理の件数、RAG 構成、ガバナンスへの言及）