記事

要件定義の問題点

はじめに

会社の雰囲気や要件定義の内容をみれば、おおよそそのプロジェクトが成功するか否かがわかる。うまくいかない場合のユーザー側とシステム会社側の原因の一例である。

・要件定義をシステム会社に任せてしまう
・元請けシステム会社が無理な要件でも受注する
・準委任契約の人材紹介会社がリスクなく利鞘を稼げる
・末端エンジニアの作業遂行以外の責任
・ユーザー側、発注側の担当者が保身する

今回はその背景を説明したい。

要件定義の丸投げ

要件定義をシステム会社に任せてしまう。
要件定義はシステム会社がユーザー企業をヒアリングして作るものではなく、ユーザーとシステム会社が議論を重ねることで答えを出していくものにしなくてはならない。ユーザーが目指すべき姿と、システム会社が実現すべき姿のすり合わせが重要である。

無理な受注

元請けシステム会社が無理な要件でも受注する。
無理な要件でも受注できるのは、発注側にもシステムの知識がないため、ゴールが曖昧なまま元請けシステム会社が請け負ってしまうからである。もし、発注側にITリテラシーがなければ、パワハラなども発生する可能性が高い。したがって、元請けシステム会社に精神的な課題を回避するため、要件定義を作る人でさえも二次受けシステム会社から集めてくることがある。

人材紹介会社の利益構造

準委任契約の人材紹介会社がリスクなく利鞘を稼げる。
システムの完成責任は負わず、作業だけ請け負うことになるため、人さえ集めてくれば、そこでリスクなく利鞘が稼げる。発注側のユーザー企業からすれば、契約は元請けシステム会社であるため、3次請け、4次請けを使おうが、完成さえすればいいと考えていることが多い。

エンジニアの責任範囲

末端エンジニアの作業遂行以外の責任。
末端のエンジニアには、クライアントとの調整や導入、一定品質や納期の遵守など、責任感や危機感がないこともある。プロジェクトの全貌が見えないことも原因である。また、言われたことをやるだけで報酬がそこそこあるのが、システムエンジニアの業界だったりするので、作業をした時間分だけ報酬を支払ってほしい、という話にもなる。

発注側の保身

ユーザー側、発注側の担当者が保身する。
システム開発がうまくいかなかったときに、発注側の担当者がシステム会社に責任を押し付けるといったことがある。これは信頼関係によるもので、共同でプロジェクトを成功させようという目標が作れなかった場合に発生する。システム会社を業者扱いして要件定義を丸投げしてしまわないようにしなければならない。

AIで何ができるのか 前の記事 開発費用値下げの危険性 次の記事

関連記事

記事

上司を動かすDX推進術

上司が首を縦に振らない現実

「DXを進めたいのに、上司がまったく理解してくれない」。これはDX推進を任された担当者が最も多く抱える悩みのひとつである。現場では業務効率化やデジタル活用の必要性を日々感じているのに、いざ上司に提案すると「今のままで十分回っている」「よくわからないから後にしてくれ」と一蹴されてしまう。この認識のズレは単なる世代間ギャップではなく、DXの本質が正しく共有されていないことに根本的な原因がある。

上司世代が抵抗する3つの理由

上司世代がDXに消極的な理由は主に3つある。第一に、成功体験への執着である。従来のやり方で結果を出してきた上司にとって、業務プロセスの変更はリスクにしか映らない。第二に、デジタル技術への不慣れである。ITツールに日常的に触れてこなかった世代ほど、新しいシステムの導入に対する心理的ハードルは高くなる。第三に、評価制度との不一致である。短期的な売上や数値目標が評価軸になっている場合、すぐに効果が数字に表れにくいDX投資は優先順位が下がる。こうした構造的な背景を理解せずに「DXは必要です」と正論をぶつけても、上司の心には響かないのが現実だ。

上司を動かす3つの巻き込み術

では、どうすれば上司をDX推進の味方にできるのか。効果的なアプローチを3つ紹介する。まず、「DX」という言葉を使わないことだ。上司にとってDXはカタカナ用語の塊であり、抽象的で自分ごとに感じにくい概念である。代わりに「月次レポートの作成時間を半分にできます」「入力ミスによるクレームを8割減らせます」といった具体的な業務課題に紐づけて提案すべきである。次に、小さな成功事例をつくることだ。Excelマクロの自動化やクラウドストレージの導入など、低コストかつ効果が実感しやすい施策から着手し、目に見える成果を上司に報告する。最後に、競合他社の事例を活用することである。「同業のあの会社はもう取り組んでいる」という情報は、上司の危機感を最も強く刺激する説得材料になる。

上司は敵ではなく最大の味方

上司を巻き込めないままDXが停滞すると、競合との差は開く一方だ。しかし悲観する必要はない。上司が理解してくれないのは、提案内容が間違っているのではなく、伝え方と巻き込み方にもう一工夫が必要なだけである。大切なのは、上司を「抵抗勢力」ではなく「味方にすべき最重要キーパーソン」として捉え直すことだ。上司が何を重視し、どんな成果を求められているのかを把握した上で、相手の立場にメリットが伝わる提案に再構築すべきである。DXは担当者一人で進めるものではない。上司の理解と後押しがあってこそ、組織全体を巻き込んだ本当の変革が実現する。焦らず戦略的に、一歩ずつ認識のギャップを埋めていくことが重要だ。

まとめ

上司がDXに消極的な原因は世代差ではなく、伝え方と評価構造のズレにある。「DX」という言葉を避けて具体的な業務改善として提案し、小さな成功体験を積み重ねて見せることで、上司の認識は確実に変わる。上司を味方につける戦略的アプローチこそ、DX推進を成功に導く最大のカギである。

続きを見る >
記事

リーダーの多忙による弊害

危険な繁忙化

なぜか忙しくしているPMやリーダーとなるSEがいれば危険信号である。リーダーが忙しくなると全体的な最適化や効率的な運用ができていない可能性がある。結果として、無駄に費用がかかったり、技術的負債が大きくなったりする。

役割分担の歪み

システムのユーザー側から見ると、SEという見え方しかしないと思われるが、実際はシステムの運用や開発には細かな作業分担が発生する。この作業分担ができていない場合は窓口のSEが余計な作業を行っている可能性がある。役割分担の不均衡がもたらす忙しさではなく、まったく仕事としてやらなくてもよいような事に時間を使っていて忙しい場合がある。

プロセスの確立

たとえば、プログラムが解析できる人をリーダーとしてしまうと、開発者に手取り足取り指示をしてしまうことがある。もし、リーダーがプログラムレビューなどの作業や、開発者にプログラム上の細かな指示をしている場合は注意が必要である。何を基準にプログラムレビューや指示を行うのか、という仕事を見える化し、仕組化することがリーダーの務めである。

俯瞰的視点

木を見て森を見ずという言葉があるように、リーダーとなる人は指針を作ったりメンバーをプロジェクト成功へ導く役割がある。リーダーが開発メンバーと同じように木ばかりを見ているようであれば、森を見る人が非エンジニアであるユーザー側となってしまうことが考えられる。

まとめ

誰が森を見るのか、リーダーやPMが常に忙しそうにしている場合は、何に時間を使っているのか調査する必要がある。実はここがボトルネックになっていてプロジェクトの進行が思うようにいかなかったり、頻繁にリスケが発生していることも多くある。しかし、これは本人にヒアリングするだけでは表面化しないため、ユーザー側の担当者やプログラマーなどの周辺人員から浮き彫りにすることが望ましい。

続きを見る >
記事

業務データ資産の発見と活用

AI活用の第一歩

AI活用による生産性向上のためのシステムツール構築では、過去データの利用が必要不可欠である。しかし、過去データが整備されていない場合の対処法を考えてみたい。多くの企業がAI導入を検討する際、まず直面するのがこのデータ品質の問題である。完璧なデータセットを求めがちだが、実際には現実的なアプローチで進めることが成功への鍵となる。

目的の明確化

まず「何に使いたいデータなのか」を明確にする必要がある。目的に応じて、必要なデータの「粒度・項目・量」が変わるため、いつも扱っている部門ではない人が客観的に整理するのがよいかもしれない。例えば、生産管理の異常検知であればセンサーデータの時系列とアラート履歴が必要になり、顧客離反の予測であれば購買履歴と問い合わせ履歴が必要になる。このように具体的な用途を定めることで、収集すべきデータの方向性が見えてくる。

データの現状把握

やりたいことを整理すれば、次に足りないデータなどが見えてくるはずである。このとき、データが重複していたり、欠損していたり、バラバラであったりというのも、すべてデータはあるものと考える。形式としては、Excel、CSV、紙、システム内に点在などを把握して、データの棚卸を行う。完璧でないデータでも、適切な処理を施すことで価値ある情報源に変わる。重要なのは、現在持っているデータ資産の全体像を正確に把握することである。

データ整備の実践

データの棚卸が終われば、データクレンジング（整備）の作業方針を立てる。手動で整えるのか、何らかのツールを使うのか検討が必要である。また、このツールはExtract（抽出）、Transform（変換）、Load（読み込み）の頭文字をとってETLツールと呼ばれている。Power Queryなどがその代表例である。作業量と精度のバランスを考慮し、コストパフォーマンスの高い整備方法を選択することが重要になる。自動化できる部分は積極的にツールを活用すべきである。

まとめ

データを整えていく途中で足りないデータが発見されることもあるだろう。しかし、ここからがAIの使い様である。ファインチューニング（学習させていく）ことや、生成AIやRAG（Retrieval-Augmented Generation）を利用して補完するなどが考えられる。

続きを見る >