記事

運用の昇華

開発現場の想定外

基幹システムの開発現場では、最初に想定した仕様とは異なる業務フローが後から発覚することが多い。

マネジメントの試金石

後から発覚した業務フローは、すでに構築が進んでいるシステムに組み込むことが難しいため、どのように対応するかがプロジェクトマネージャーの腕の見せ所である。

プロジェクトの舵取り

プロジェクトマネージャーとは何かと問われたときに、一言で言い表すならば、不測の事態にどのように対応できるか、ということではないかと考える。プロジェクトが何の問題もなく、完遂できることは少ない。したがって、イレギュラーケースが発生した時にどのような手立てを打てるか、迅速に行動できるかがプロジェクトマネージャーのレベルとなる。

パートナーシップの重要性

プロジェクトマネージャーがシステムの完成しか考えていなければ、途中から発覚した仕様は「運用でカバーせよ」とユーザー側に責任を押し付けてしまうことがある。しかし、より良いシステムを目指す、パートナーとしてであればこの回答は好ましくない。

まとめ

どのような事象がきっかけで、途中で使用漏れが発覚したのか、プロジェクトの進行状況を見ながら、ひも解くことが重要である。運用でカバーというユーザー側だけにだけ負担をさせるのではなく、運用をカバーするようなシステムを構築できるのが理想である。

マニアの逆効果 前の記事 フルスクラッチは体力 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

AIチャットボットの現実

チャットボット幻想と現実

人手不足や生産性向上が叫ばれる中、多くの企業で「問い合わせ業務の多くはAIチャットボットで代替できるのではないか」という期待が高まっている。確かに、人間と自然に会話できるAIの実現は、多くの技術者が長年抱き続けた夢でもあった。しかし、過去には言語理解や文脈の把握に技術的な限界があり、実用化には程遠いというのが現実だった。こうした期待と現実のギャップが、AIチャットボット導入の失敗要因となってきた。

チャットボットの進化

2000年代には、ルールベースやシナリオ型のチャットボットが登場し、定型的なカスタマーサポートなどで徐々に実用化され始めた。とはいえ、自然な対話というより「決められた会話」に近く、限定的な使い方にとどまっていた。ところが2020年代に入り、ディープラーニングの飛躍とともに自然言語処理の精度が格段に向上し、Google、Facebook、OpenAIといった技術企業が次々に大規模言語モデル（LLM）を発表したことで、チャットボットは“おしゃべりマシン”から会話パートナーへと進化した。

ChatGPTの衝撃

ChatGPTのような生成AIが登場し、誰でも使えるようになったことで、AIチャットボットの活用は一気に加速した。従来のようなFAQへの対応だけでなく、長文の文書作成や要約、翻訳、さらにはプログラミング支援など、より複雑で創造的な作業もこなせるようになっている。人間の知的作業領域に深く入り込み、単なる効率化ツールにとどまらない存在となった。もはや「使えるかどうか」ではなく「どう使うか」が問われるフェーズに突入している。

業界全体への波及

AIチャットボットの導入は、ビジネスだけでなく教育、医療、自治体など、多様な分野に広がっている。学生の学習サポートから医療問診の補助、行政窓口での自動対応まで、AIは生活の一部に組み込まれつつある。この変化は、かつてITインフラを支えてきた旧世代のエンジニア像を超える大転換だ。業務が高度化し、かつ柔軟性が求められる現代において、AIと協働する力が企業と個人の双方に求められている。

まとめ

AIチャットボットは、単なる業務効率化ではなく、人間の知的作業を補助する“共創”のパートナーである。ただし誤情報、倫理、プライバシーといった課題も存在する。こうした課題を踏まえ、社会全体でのルール整備と、使い方の成熟が必要だ。AI導入を成功させるには、「AIも使い様」という視点が欠かせない。ITの導入に乗り遅れてきた企業ほど、AI活用でも二の舞になりかねない。アタラキシアDXは、AI黎明期からの導入支援経験をもとに、技術とビジネスの橋渡しを支援している。

続きを見る >
記事

マクロからPower Appsへ

ゾンビファイル

今から十数年前に作られたExcelやAccessでのマクロプログラムが今もなお残り続けている。表計算ソフトと呼ばれるデータベースに似たツールを背景にユーザーインターフェースやロジックを付け足したものである。もはやゾンビファイルと言っても過言ではない。これらのシステムは当初の目的を果たしていても、時代の変化とともに保守性や拡張性に大きな課題を抱えるようになっている。

作成者不明問題

社内に残る通称「マクロ」は、今はいない人が作成していたり、一部の人が独自に作ったものであることが多くある。作った人がいる場合はまだしも、退職している場合はその中のプログラムも見ることができないので、いつ止まるか分からないシステムを業務の中心で使い続けていくことになる。このような状況では、エラーが発生した際の対処法が不明で、業務継続に深刻なリスクをもたらす可能性がある。

市民開発解決法

ブラックボックス化したマクロを情報システム部に解決をお願いするのではなく、市民開発にて解決するには多少のコツが必要になる。ポイントは完全にブラックボックス化している状態や、何から手を付けていいか分からない状態のマクロ群は、残念ながらまずは専門家に情報の整理を依頼することが必要になるだろう。自社だけでの解決を試みる前に、適切な専門知識を持つパートナーとの連携を検討することが成功への近道となる。

専門家活用法

専門家に依頼したほうがいい理由として、マクロファイルの解析だけを切り離した作業としてしまうと、その後の市民開発へ繋ぎにくくなるからである。マクロファイルのインプット／アウトプットを解析した上で、それをどのように今後の市民開発のベース作りに活かすのか。ITコンサルやシステム開発会社の腕の見せどころである。単純な解析作業ではなく、将来的な発展性を見据えた戦略的なアプローチが求められる領域といえるだろう。

まとめ

ExcelやAccessはMicrosoft社の製品であるので、そのままMicrosoft社が提供するPower PlatformやPower Appsへの移行がスマートである。間違ってもマクロをスクラッチ開発でのWebシステムに移管すべきではない。親和性の問題や閲覧性などに課題がのこることが多いようである。

続きを見る >