生成AIのPoCを
本番へつなぐチェックリスト

PoCが止まりやすい3つの理由

• 成功条件が曖昧：「精度向上」だけで、誰の何分が減るか定義されていない
• データが仮置き：きれいなサンプルだけで、本番の権限・更新・例外が未検証
• 出口がない：回答して終わりで、既存の申請・チケット・承認に接続していない

生成AI導入の失敗報告で共通するのは、モデル選定以前に「業務のどこに置くか」が決まっていないことです。

本番前に合意すべき定義

• 対象ユーザー：部門・役割・利用時間帯
• 対象業務：一次回答／下書き／検索補助など、権限の境界
• KPI：正答率、一次解決率、平均対応時間、エスカレーション率
• 許容リスク：誤回答時の影響、個人情報・機密の扱い

技術チェックリスト

• 評価セット（ゴールデン質問）が本番ドメインの言い回しを含む
• 権限・テナント分離が文書メタデータと一致している
• ログ（質問／参照文書／回答／フィードバック）が残る
• 障害時のフォールバック（人間へ、または未回答）が定義されている
• コスト上限（トークン／再検索回数）が決まっている
• モデル／プロンプト変更のリリース手順がある

運用チェックリスト

• ナレッジオーナー（誰が文書を更新するか）
• 誤回答の報告チャネルと修正SLA
• 利用ガイド（「断定してよいこと／確認が必要なこと」）
• 四半期レビュー（KPIとコスト）

デモクロが推奨する移行パターン

小さく価値検証（Dify等）→ 検索・データ基盤を固める → 業務システムへ ACTION 接続 → 必要箇所だけ Agentic 化。この順なら、PoCの学びを捨てずに本番へ積み上げられます。