記事

効率化の誤解

目標設定の要諦

SESと呼ばれる派遣や準委任契約では、プロジェクトを完遂することが難しいとしている。これはゴールが未設定であったり、曖昧になってしまう場合が多くあるからである。ゴールの設定や未来像は非常に重要で、プロジェクトマネージャーなどリーダーが必ず持っておくべき指針である。

真のリーダー像

システム開発に参画するメンバーは一般的に経歴書やスキルシートによって決まる。プロジェクト経験数が多かったり、扱える言語が多かったりするだけでは、本当のスキルは推しはかれない。やはり、確認すべきは不測の事態が起きたときの対処方法を豊富に持つリーダーが必要となる。

アジャイルの本質

犬小屋を建てるときに設計書はいらないが、マンションを建てるには設計書がいる。アジャイル開発といっても、例えばマンションを設計図なしに建てるといったことを考えるとある程度は見通しや知見などを持つメンバーが方向性を決めていく必要がある。システム開発はその時その時の条件によっていい悪いの判断軸が変わる。さらに時間の経過でも判断軸が変化していくのである。

部分最適の罠

日本には「カイゼン」という高度経済成長期を支えた力強い言葉がある。しかし、時と状況によって判断軸が変わるソフトウェアという無形財産の前では、「善」に「改」めることができているのか、変化してしまう背景がある。職人気質である国民性も相まって、どうしても部分改善、部分最適を繰り返してしまうというプロジェクト現場が少なくない。

まとめ

システム運用や保守における部分最適は必ずしも全体最適になるわけではない。むしろ、この部分最適が全体を考えたときの労働生産性を下げていることすらある。小回りが利く人であればあるほど属人化してしまったりするため、誰が全体最適を見るのがベストなのか、改めて考える必要がある。

QCDの死角 前の記事 マニアの逆効果 次の記事

関連記事

記事

DXの始め方

DX着手の課題

「DXを進めたいが、何から手をつければいいかわからない」。多くの中小企業がこの悩みを抱えている。実際、DXに取り組みたいと考えながらも着手できていない企業は約7割にも上るというデータがある。人材不足、予算の制約、そして「失敗したくない」という不安が足かせとなり、一歩を踏み出せずにいるのだ。DX成功の鍵は、最初の一歩をどこから始めるかにかかっている。

優先順位の決定法

DXの第一歩は「業務の棚卸し」から始まる。まず自社のすべての業務を書き出し、どこに無駄や非効率があるかを可視化する。次に、各業務について「改善効果の大きさ」と「導入の難易度」の2軸で評価する。効果が大きく難易度が低い業務こそ、最優先で取り組むべき領域である。たとえば、紙ベースの勤怠管理、手作業での請求書発行、属人化した顧客情報管理などは、比較的着手しやすく効果も実感しやすい分野といえる。重要なのは経営課題と紐づけて考えること。売上向上なのか、コスト削減なのか、目的を明確にすることで優先順位が定まる。

スモールスタートの原則

DX推進で最も重要な考え方が「スモールスタート」である。いきなり全社的な大規模システムを導入しようとすると、多大なコストと時間がかかり、途中で頓挫するリスクが高まる。まずは1つの部署、1つの業務から小さく始めるべきだ。たとえば、営業部門の顧客管理をクラウド化する、経理部門の請求書をデジタル化するといった身近なところからで十分である。小さな成功体験を積み重ねることで、社員のDXへの理解と協力が得られやすくなる。ある建設会社では、現場写真の共有をクラウド化しただけで、1日あたり1時間以上の工数削減に成功した。「まずやってみる」という姿勢が、DX成功への近道なのである。

経営者主導の重要性

DXを成功させるには、経営者自身が旗振り役となることが不可欠である。「現場任せ」「担当者任せ」では、部門間の壁や既存業務への抵抗に阻まれ、改革は頓挫してしまう。経営者がDXの目的とビジョンを社内に発信し続けることで、組織全体の意識が変わる。また、導入後の定着も見据えた計画が重要だ。新しいツールを入れただけでは、誰も使わなくなってしまう事例は少なくない。操作研修の実施、マニュアルの整備、成功事例の社内共有など、継続的なフォロー体制を構築すべきである。DXは一度きりのプロジェクトではなく、継続的な改善活動だ。PDCAを回しながら少しずつ変革を広げていく姿勢が求められる。

まとめ

DXは「どこから始めるか」で成否が分かれる。業務の棚卸しで課題を可視化し、効果と難易度から優先順位を決め、スモールスタートで成功体験を積む。この流れを意識することが重要である。経営者が主導し、全社一丸となって取り組むことで、着実にDXは前進する。最初の一歩を踏み出すことが、企業変革への大きな第一歩となるのだ。

続きを見る >
記事

マニアの逆効果

趣味の進化

趣味やコミュニティにファンが定着しないという話をよく耳にする。この現象を理解するには、戦後日本の変遷を振り返る必要がある。高度経済成長期に入ると、人々の可処分所得が増加し、余暇時間も確保されるようになった。これに伴い、日本人の趣味の選択肢は爆発的に広がっていったのである。

IT黎明期

そんな多様な趣味の選択肢の中から、パーソナルコンピュータという新しい文化が誕生した。初期のパソコンマニアたちは、その後のIT業界の礎を築いていった。彼らの情熱と探究心は、技術革新の原動力となったのである。ユーザー数が増加するにつれて、独自の用語やネットスラング、コミュニティ文化が形成され、デジタル時代特有の新しいコミュニケーション様式が確立されていった。

マニアの防衛

しかし、ユーザー層が拡大するにつれて、必然的にライトユーザーや一般層の参入が増えていった。この変化に対して、コアなマニア層の中から、自分たちが築き上げた文化や価値観を守ろうとする動きが現れる。彼らは意図的に専門用語を多用したり、新規参入者に対して高い障壁を設けたりすることで、独自の世界を保持しようとした。このような排他的な姿勢は、結果として健全なコミュニティの成長を阻害する要因となったのである。

IT変革期

このような状況は、しばしば「マニアが業界を衰退させる」という批判の対象となってきた。IT業界を例に取ると、黎明期には「オタク」というレッテルを貼られ、社会的偏見にさらされることも少なくなかった。しかし、ITバブル期に入ると状況は一変する。テクノロジーの急速な発展と共に、IT関連の職種は一気に注目を集める花形職業となっていったのである。この変化は、マニア文化が一般社会に受け入れられていく過程を象徴的に示している。

まとめ

現代では、パソコンの使用者をマニアと結びつけて考えることはほとんどなくなった。しかし、同様の現象は量産型のプログラミング業務の中でも起きていた。ローコード開発の台頭により、プログラミングは特別な知識を持つ人だけのものではなくなり、誰もが気軽に扱える時代となったのである。

続きを見る >
記事

生成AIは使えない？

思い通りにならない理由

生成AIを導入したのに思ったような結果が得られない――そんな経験をしたことがある人も多いだろう。AIは進化を続けているが、それを使いこなす側にも試行錯誤が求められている。特に企業においては、社内情報を整理すればするほど目的の答えに辿り着けなくなる「RAGの沼」にハマることがある。多くの企業が生成AIを武器にしようとしているが、その真価を引き出すには、正しい導入と運用が欠かせない。

RAGとは何か

RAG（Retrieval-Augmented Generation）は、「検索」「拡張」「生成」の頭文字を取った技術であり、生成AIに独自情報を与えることで回答の精度を上げる手法である。インターネット上の情報だけでなく、社内マニュアルや業務データなどを取り込むことで、より業務に即した回答が可能になる。ただし、期待する結果が得られない場合、その原因は提供リソースの質や構造にある可能性が高い。

ChatGPT以外の選択肢

現在、生成AIとして多くの大規模言語モデル（LLM）が存在する。OpenAIのChatGPTをはじめ、AnthropicのClaude、GoogleのGemini、MetaのLLaMA、Mistral、Cohere、さらにAlibabaやBaiduといった中国系ベンダーもある。それぞれに強みがあり、RAGに適したモデルも存在する。たとえばCohereのCommand R+やMistralのMixtralなどが代表的だ。目的に応じてLLMを選び、最適な環境を整えることが重要である。

社内AIを成功させるには

セキュリティ上の理由から、社内情報をインターネットに出せない企業も少なくない。その場合、オンプレミス環境（社内ローカル）に生成AIを構築する選択肢がある。たとえばTinyLLaMAやPhi-2のような軽量モデルから、Nous HermesやMixtralなどの対話・RAG対応モデルまで選択肢は豊富だ。これらを活用すれば、外部にデータを出さずともAIの恩恵を享受できる。必要なのは、自社の目的と環境に適した判断力である。

まとめ

生成AIはあくまで「道具」にすぎない。導入しただけで目的が自動的に達成されるわけではない。課題を定義し、適切な情報を整備し、それを使いこなす力が必要だ。RAGがうまくいかないと感じたら、その原因はリソースや設計のミスマッチにあるかもしれない。

続きを見る >