記事

AIで何ができるのか

AI vs 人間

AIは人間を超えるのか？などの質問をされることがよくある。シンギュラリティと呼ばれているが、超える超えないの単一線上で比較できるものではないと考える。たとえば、計算の速さだけでいうと人間よりも、はるかに早いと言える。

AI導入の両面性

とにかく労働人口の減少によって、機械化やAI化が急がれていると思う。すでに、画像作成や文章作成などは置き換わっている事例も多くみられるようになった。そんな中で、よくあるのが「AIで何かできませんか？」という問い合わせである。

AI時代のDX

DXという概念にも通ずる話だが、デジタル化するだけでは、いわゆるデジタル変革にはならない。ペーパーレス化ってやつだ。同じように、AIを使うことを目的としてしまうと業務に対して便益がない場合も多いようだ。したがって、AIを利用するということをDXと定義するのであれば、日常業務を整理して、どこをAIに任せるのかを検討することが大切である。

AI活用の極意

AIにも得手不得手があり、計算はもちろん得意だが、質問の仕方や指示の仕方で活用レベルは大きく変わる。プロンプトと呼ばれるものはコピーして使えるが、AIを活用しきろうとするならば、自分でプロンプトを考えれる必要がある。つまり、現時点では賢いAIなのではなく、使う側が上手に使わないとならない。

まとめ

AIの使いどころについて、多くは無理やり使おうとするため、AIを活用する場面でないことも多くある。また、ユーザー企業に関わらずシステム会社でもAIの活用は進んでおり、画像の生成やプログラミングの一部はすでに人間が行わなくてもよい段階にある。これから先もこれは加速することだろう。

第1回 ITコミュニケーション勉強会 開催のお知らせ 前の記事 要件定義の問題点 次の記事

関連記事

記事

DX予算が通らない真因

DX予算否決の壁

「DX推進の予算を申請したのに、経営層から却下されてしまった」——そんな苦い経験を持つDX担当者は少なくない。市場環境の変化や競合のデジタルシフトに対応するため、DXが急務であることは多くの方が理解している。しかし、その必要性が経営層に正しく伝わらなければ、どれほど優れた施策であっても予算は承認されない。実は、予算が通らない本当の原因は、提案内容そのものではなく「伝え方」にあることがほとんどである。

経営層が承認しない理由

多くのDX担当者は、最新技術のトレンドや業務効率化の可能性を中心にプレゼンを組み立てがちである。しかし、経営層が重視するのは「技術の新しさ」ではなく「投資に対するリターン」だ。具体的なROIの試算や競合他社の導入事例、導入しなかった場合のリスクといった経営判断に直結する要素が欠けていると、提案は「面白いが今ではない」と先送りにされてしまう。さらに、現場の業務課題と経営課題を結びつける視点が弱いことも、予算が通らない大きな要因のひとつである。経営層の関心事を正しく理解し、その言語で語ることが予算承認への第一歩となる。

予算を勝ち取る提案術

では、どうすれば経営層を動かす提案ができるのか。まず重要なのは、DXの目的を「業務改善」ではなく「経営課題の解決」として再定義することである。たとえば「受発注業務をデジタル化する」ではなく、「受発注のリードタイムを30%短縮し、年間○○万円のコスト削減と顧客満足度の向上を実現する」というように、具体的な数値で効果を示す。次に有効なのが、スモールスタートの提案だ。いきなり大規模な投資を求めるのではなく、まず小さな成功事例を作り、その実績をもとに次の予算を獲得していくアプローチは、経営層の心理的ハードルを大幅に下げてくれる。加えて、同業他社の成功事例や政府の補助金制度を活用した費用対効果の説明も、説得力を高める強力な武器になる。

DX予算獲得は伝え方が9割

DX予算が通らない根本的な原因は、多くの場合、技術や施策の問題ではなく経営層との「コミュニケーションギャップ」にある。担当者が見ている世界と経営層が見ている世界は異なり、現場の課題感をそのまま伝えるだけでは、経営判断に必要な情報が不足してしまうのだ。大切なのは、経営層が意思決定しやすい形に提案を翻訳することである。ROI、リスク、競合動向、段階的な投資計画——これらの要素を盛り込むことで、提案の説得力は格段に上がる。DXは一度の提案で完結するものではない。小さな成功を積み重ね、信頼と実績を築きながら組織全体の変革を推進していく姿勢こそが、最終的に大きな予算獲得へとつながっていくのである。

まとめ

DX予算が通らない原因は、提案内容よりも経営層への伝え方にある。技術視点ではなく経営視点で語り、具体的なROIやリスクを数値で示すこと。そしてスモールスタートで実績を作り、段階的に投資を拡大するアプローチが有効である。

続きを見る >
記事

ローコード導入判断基準

ローコード導入の必要性

近年、企業のデジタル変革（DX）において、ローコードプラットフォームの活用が急速に広がっている。従来の開発手法では時間とコストがかかりすぎ、変化の激しいビジネス環境に対応できないという課題が深刻化しているためである。特に日本企業では、IT人材不足が深刻な問題となっており、限られたリソースで最大の成果を上げる必要がある。このような背景から、ローコード開発は単なる開発手法の一つではなく、企業存続のための戦略的選択肢として注目されているのである。

導入メリット

ローコード導入により得られる最大のメリットは、開発期間の大幅な短縮である。従来のプログラミングで数ヶ月かかっていたアプリケーション開発が、数週間で完了できる事例が数多く報告されている。また、専門的なプログラミング知識を持たない業務部門の担当者でも、簡単なアプリケーションを自ら構築できるため、IT部門の負担軽減にもつながる。さらに、クラウドベースのプラットフォームが多いため、インフラ構築コストも削減でき、総所有コスト（TCO）の観点からも非常に魅力的な選択肢となっている。これらの要素が組み合わさることで、企業の競争力強化に直結する効果が期待できる。

導入判断の観点

一方で、すべてのプロジェクトにローコードが適しているわけではない。導入判断には慎重な検討が必要である。まず、プロジェクトの複雑性を評価する必要がある。単純な業務アプリケーションや社内ツールには適しているが、高度なセキュリティが求められるシステムや、大量のデータ処理を行うシステムでは従来の開発手法が望ましい場合もある。また、既存システムとの連携要件や、将来的な拡張性も重要な判断要素となる。組織の技術的成熟度や、ガバナンス体制の整備状況も考慮すべきポイントである。これらの観点を総合的に評価することで、適切な導入判断が可能になる。

成功のアプローチ

ローコード導入を成功させるには、段階的なアプローチが重要である。まずは小規模なパイロットプロジェクトから始め、組織の学習とプラットフォームの理解を深めることを推奨する。同時に、適切なガバナンス体制の構築と、セキュリティポリシーの策定も不可欠である。また、従来の開発チームとローコード開発チームの連携体制を整備し、知識の共有と技術的サポートを確保することが成功の鍵となる。さらに、継続的な教育プログラムの実施により、組織全体の技術力向上を図ることで、長期的な成功を実現できる。これらの取り組みにより、DXの目標達成により近づくことができるだろう。

まとめ

DXプロジェクトにおけるローコード導入は、適切な判断基準と実践的なアプローチにより大きな成果をもたらす。開発スピード、コスト効率、技術者不足への対応という観点から、多くの企業にとって有効な選択肢となっている。成功の鍵は段階的導入と適切なガバナンス体制の構築にある。

続きを見る >
記事

業務可視化によるDX推進

真の業務改善への道筋

いきなり顕在化しているアナログをデジタル化するだけでは業務改善とは言えない。真の業務改善を実現するためには、表面的な問題解決ではなく、根本的な業務の見直しが必要である。業務を可視化して正しい業務分析を行うためには、ある程度のステップを踏む必要がある。単純なデジタル化は一時的な効率化にとどまり、長期的な競争力向上には繋がらない。

目的とゴール設定

まず、目的とゴールを明確にする必要がある。なぜ業務分析をするのか、何を達成したいのかを明文化することが重要である。例えば、「手戻りを3割減らす」「問い合わせ対応時間を半分にする」「余剰コストを1千万円削減する」などの具体的な数値目標を設定する。曖昧な目標設定では、後の分析や改善施策の効果測定が困難になってしまう。定量的で測定可能な目標を立てることで、分析の方向性が明確になり、成果を客観的に評価できるようになる。

業務の可視化技法

現在の作業タスクのすべてをまずは網羅的に洗い出して、分類を行う。複数担当者で付箋にタスクを書き出し、重要度マトリクスや緊急度マトリクスで整理する方法が非常に有効である。また、必ず用意しておきたいのが、業務フロー図と業務の分担表である。誰が、いつ、どこで、何をしているかを図式化することで、無駄や重複、ボトルネックが浮き彫りになる。このプロセスにより、今まで見えなかった非効率な作業や不要なプロセスを発見できるのである。

根本原因の探求

課題の本質がまとまったら、重要な事項と緊急の事項などを切り分けて、本質的ではない事項は思い切って削除や軽減を検討する。また、抽出した課題は小さな原因に分解していき、根本原因を探る（要因分析）。リソースが限られる場合には、ABC分析（例えば顧客ランク別）で、重要顧客に注力できるよう業務配分や訪問頻度などを見直す。定量データや日報などのログ、クレームデータの活用も効果的である。AIで課題を解決するより前に、膨大な過去データをAIに処理させるのも良いだろう。

まとめ

定量化・定性化できれば、効果検証につなげる改善策と実行計画を策定する。正しい業務分析とは、単なるデジタル化ではなく明確な目的に基づいて、ボトルネックを可視化し、データと構造化された分析を行うことなのである。継続的な改善こそが真のDXを実現する。

続きを見る >