フルスクラッチは体力

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導入の選択肢

近年、AI技術の急速な進化により、大企業だけでなく中小企業にもAI活用の波が押し寄せている。しかし、多くの中小企業経営者は「AIは難しそう」「コストが高い」「専門人材がいない」といった不安を抱えている。実は、現在のAIツールは以前より格段に使いやすく、低コストで導入できるものが増えている。ChatGPTやClaude等の対話型AIから、画像認識、音声認識まで、業務に合わせて選べる選択肢が豊富にある。重要なのは、完璧を求めず、まず小さく始めることだ。

業務効率化の手法

AI活用で最も効果が出やすいのは、定型業務の自動化である。例えば、顧客からの問い合わせ対応にチャットボットを導入すれば、24時間365日の対応が可能になり、スタッフは付加価値の高い業務に集中できる。また、請求書処理や在庫管理にAI-OCRを活用すれば、手入力の時間を大幅に削減できる。ある製造業の中小企業では、品質検査にAI画像認識を導入し、検査時間を70%短縮した。別の小売業では、需要予測AIで在庫の最適化を実現し、廃棄ロスを30%削減した。これらの事例が示すように、AIは確実に業務を変革する力を持っている。

導入の課題と対策

しかし、AI導入には落とし穴もある。最大の失敗要因は「いきなり大規模に導入すること」である。まず現状の業務プロセスを整理し、AIで解決したい具体的な課題を明確にすることが不可欠だ。次に、小規模なパイロットプロジェクトから始め、効果を検証しながら段階的に拡大していくアプローチが成功の鍵となる。また、従業員の不安を解消するため、AIは人の仕事を奪うものではなく、サポートツールであることを丁寧に説明し、研修を実施することも重要である。外部の専門家やコンサルタントの支援を受けることで、自社に最適なAI活用方法を見つけ、導入リスクを最小限に抑えることができる。

実践ステップ

AI活用は、もはや「検討する」段階から「実行する」段階に移っている。競合他社がAIを活用して生産性を向上させる中、導入を先送りすることは競争力の低下を意味する。まずは無料や低価格のAIツールを試し、自社業務への適用可能性を探ることから始めるべきだ。重要なのは、完璧な計画を立てることではなく、小さく始めて学習しながら改善していくことである。社内にAI推進チームを作り、定期的に成果を共有することで、組織全体のAIリテラシーも向上する。今こそ、中小企業がAIの力を借りて飛躍的な成長を遂げるチャンスだ。一歩踏み出すことで、想像以上の変革が待っている。

まとめ

中小企業のAI活用は、もはや特別なことではない。定型業務の自動化から始め、段階的に拡大していくことで、確実に成果を出すことができる。重要なのは、自社の課題を明確にし、適切な支援を受けながら進めることだ。AI導入は投資ではなく、未来への必要な一歩なのである。

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。