この記事の要点
従業員18名・関東の金属加工業──月3件あった給与計算ミスがゼロになった話
勤務形態がバラバラな金属加工業の総務担当が、AIで給与計算を自動化した事例
従業員18名・関東の金属加工業（埼玉県川口市）／総務担当の事例
「もう、月末が来るのが怖くて怖くて」
埼玉県川口市の老舗金属加工業（従業員18名）の総務担当・Sさん（50代女性）が、最初の打ち合わせでこぼした言葉です。
職人・事務・営業、勤務形態がバラバラの18人分。給与計算のたびに月3件前後のミスが発生し、従業員からの不信感も高まっている状態でした。
課題：複雑すぎる給与計算が、1人の総務担当に集中していた
この会社の給与計算が複雑だった理由は、3つあります。
1. 職種ごとに手当体系がバラバラ
職人さんは「技能手当」「資格手当」「危険作業手当」、事務は「資格手当」「役職手当」、営業は「車両手当」「外出手当」「成績手当」。
しかも、「資格手当」と一言でいっても、職人と事務で対象資格が違い、金額計算もまた違う。
2. 勤務時間の打刻ミスが頻発
タイムカードは古い紙ベース。職人さんが現場直行・直帰したときの記録が口頭で伝言される。
「今日は8時間ですよね」「いや、現場で15分残業しました」。
毎月、このやり取りで30回以上の確認電話が発生していました。
3. 法改正対応が追いつかない
働き方改革関連法、育児休業法、最低賃金。法律が毎年のように変わるのに、Sさん1人で全てキャッチアップするのは無理。
「気づいたら違反になっていた」が起きかけた事例も2件ありました。
計算ミスの実害
| 項目 | 状況 |
|---|---|
| 給与計算ミス | 月2-4件 |
| 従業員からの問い合わせ | 月18件 |
| Sさんの月末残業時間 | 月25時間以上 |
| 法改正対応 | 後追い・抜け漏れ多発 |
「ミスがあると、従業員に直接謝りに行くんです。それが本当に辛くて」（Sさん）
施策：3つのステップで「自動で動く仕組み」をつくる
弊社が支援したのは、AIをツール単体で使うのではなく、この会社の給与計算ルールそのものを仕組みに落とし込むことでした。
ステップ1：手当体系を1枚のシートに整理する
まず、Sさんの頭の中にあった「誰がどの手当の対象か」を、全部スプレッドシートに書き出してもらいました。
これだけで2週間。
整理してみると、社内の誰も全体像を把握していなかったことが判明。社長すら「あれ、Aさんって資格手当いくらだっけ？」となる状態でした。
ここで気づいたのは、ミスの原因の半分は計算じゃなくて「ルールが文書化されてないこと」 だったということです。
ステップ2：勤怠データを入力する画面を作る
紙のタイムカードを、入力画面（Googleフォーム）に置き換えました。
職人さんはスマホから現場で打刻、事務はPCから、営業は外出先から。
打刻データはスプレッドシートに自動で集約。Sさんが月末にまとめてチェックする運用に変更。
「電話で確認」が 月30回 → 月3回 に減りました。
ステップ3：給与計算をAIに任せる
整理した手当ルールと、勤怠データをAI（GPTs）に読み込ませました。
AIは毎月、以下を自動で実施：
- 各従業員の手当を自動計算
- 法改正の影響をチェック（例：最低賃金引き上げ時に自動アラート）
- ミスの可能性が高い項目をハイライト
- 給与明細のドラフトを生成
Sさんの仕事は「AIが計算した結果を確認する」だけになりました。
成果：給与計算ミスが完全にゼロに
導入から3ヶ月後の数字です。
| 項目 | Before | After | 削減率 |
|---|---|---|---|
| 給与計算時間 | 25時間/月 | 7時間/月 | 72%削減 |
| 計算ミス | 月3件 | 0件 | 100%削減 |
| 従業員からの問い合わせ | 月18件 | 月2件 | 89%削減 |
| 法改正対応 | 後追い | 自動アラート | 即時対応 |
| Sさんの月末残業 | 25時間 | 4時間 | 84%削減 |
なぜ効果が出たか：3つのポイント
1. ルールを言語化したこと
AI導入の前に「ルールを書き出す」工程を入れたことが、実は効果の本丸でした。
ルールが明文化されれば、AIが処理できるだけでなく、Sさんが急に休んでも他の人が対応できる状態になります。
2. 入力の場所を1箇所に集約したこと
紙、口頭、メール、いろんなルートで来ていた勤怠情報を「入力画面」に一本化しました。
これで「言った/言わない」の問題が消滅。
3. AIに「最終決定」させなかったこと
AIは計算とチェックをしますが、最終承認はSさんが行います。
これにより、AIの間違いを人間が止められる仕組みになっており、「AIに任せきりで怖い」という不安がありません。
横展開：給与計算以外でも応用できる
この仕組みは、ルールが複雑な業務全般に応用可能です。
- 建設業：工事種別ごとの原価計算、見積作成
- 介護施設：シフト作成、加算管理
- 小売業：レジ締め、棚卸し
- 専門サービス業：契約更新管理、料金計算
共通するのは「人によって判断がブレる作業」です。
ブレる原因の多くは、ルールが文書化されていないこと。
そこを整理するだけで、AI導入の成功確率がぐっと上がります。
まとめ：労務管理は「データ化 → 仕組み化 → AI活用」の順番で
中小企業がAIで業務改善する時、いきなりAIを入れたくなる気持ちはよくわかります。
でも、本当に効果が出るのは、
1. 業務ルールを文書化する
2. データを1箇所に集める仕組みをつくる
3. その上でAIに任せる
この順番。
弊社では、中小企業のAI活用・システム開発の伴走支援を行っています。
「うちの労務管理も同じ状況かも」と感じた方、お気軽にお声がけください。
この事例で確認した実務ポイント
対象業種: AI活用事例
支援の観点: 業務フローの棚卸し、既存ツールの整理、現場で使い続けられる運用設計、導入後の定着確認。
同じ課題に向く企業: IT担当者が不在、紙や表計算での管理が限界、AIや自動化を試したいが社内だけでは進めにくい企業。