QCDの死角

失敗の正体

システムの失敗は見えないことがある。ブラックボックスであるがゆえに隠せてしまうからである。失敗かどうかの線引きができないところがシステム構築プロジェクトの難しいところである。

エンジニアの真実

もしかしたら、エンジニアが都合の悪いことは隠していることがあるかもしれない。しかし、決めつけてしまうとエンジニアはへそを曲げてしまう可能性がある。隠しているつもりはなくても隠れていることもある。

成功の境界

失敗の線引きは、納期が遅れることであろうか。バグが多いということであろうか。実は、状況によって一概に言えないのである。QCDという言葉があるが、品質と費用と納期のバランスを上手にとったとしても成功か失敗か、すぐにはわからないのがシステムという無形物である。

コスパの本質

コスパという言葉があるが、かけるコストに対して、どれだけのパフォーマンスが出せるかが問題となる。システム開発では、コストからやりたいことを計算するのではなく、やりたいことを明確にしたうえで、コスト内でリッチ度合いを調節することが重要である。

まとめ

システム開発においては、失敗が見えにくいため、失敗しないように見えるのかもしれない。失敗しないことは、成功であるということでもない。時間が経つにつれて失敗を感じることもあり得るのである。

関連記事

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。

続きを見る >

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 >

Power Apps失敗の共通点

導入しても使われない現実

Power Appsを導入したものの、ほとんど使われないまま放置されている中小企業は少なくない。ローコードツールは「誰でも簡単にアプリが作れる」と紹介されがちだが、実際にはうまくいかないケースが多いのが現状だ。問題はツール自体ではなく、導入する会社側の準備や進め方にある。失敗する会社にはいくつかの共通した特徴がある。

3つの壁とは

Power Apps導入が失敗する会社には、大きく3つの壁がある。1つ目は「使いこなせない」壁だ。操作方法を十分に学ぶ機会がないまま、現場にツールだけが渡されるケースである。2つ目は「現場に定着しない」壁。初期の熱量が冷め、結局Excelに戻ってしまうパターンだ。3つ目は「サポートがない」壁。導入後に困っても相談先がなく、改善が止まってしまう。これらは個人の能力の問題ではなく、組織としての支援体制の欠如が原因である。

失敗を防ぐ視点

これらの壁を乗り越えるには、「ツールを入れて終わり」ではなく、組織として仕組みを整えることが必要だ。まず教育面では、操作研修だけでなく「どの業務に使うか」を一緒に考える伴走型の支援が有効である。定着面では、小さな成功体験を積み重ねることが重要になる。最初から大きなアプリを作るのではなく、日報や申請書など身近な業務から始めると、現場の抵抗感が薄れる。そしてサポート面では、困ったときにすぐ聞ける相談窓口があるだけで、改善のサイクルが回り始める。失敗は、正しい準備で防ぐことができるのだ。

成功する会社の共通点

成功している会社に共通しているのは、「教育・定着・サポート」の3つを同時に整えている点だ。どれか1つが欠けても、現場は元のやり方に戻ってしまう。自社だけで全てを整えるのが難しい場合は、外部の伴走支援を活用するのも有効な手段である。特にPower Appsの導入では、最初の設計段階で専門家の知見を借りることで、手戻りを大幅に減らせる。「一度失敗したから」と諦めるのではなく、やり方を変えれば成果は出せる。まずは自社の課題がどの壁に当てはまるか、整理するところから始めてみてほしい。

まとめ

Power Apps導入の失敗には「使いこなせない」「定着しない」「サポートがない」の3つの壁がある。いずれも個人ではなく組織の問題であり、仕組みで解決できる。教育・定着・サポートを同時に整えることが、成功への近道だ。

続きを見る >