相場の不在

営業依存の弊害

業務システムがうまくいかないのはベンダーやSEの問題だけではない。SEを取り巻く環境もシステム開発には重要である。業務システム開発を依頼するベンダーであれば営業担当者が挟まる。日本の縦割り社会の中で営業担当者は非エンジニアである場合が多く、プロジェクトの成功が目的ではない場合がある。

役割の細分化

SEをプロジェクトマネージャーとしている場合も注意が必要である。日本ではシステムエンジニアは細分化されておらず、建築でいうと参加者の全員が職人という扱いであることが多い。システムに関わる人全員がSEとしてしまっている間違いである。

開発の本質

SEやベンダーのプロジェクトマネージャーはそれ自体がプロジェクトと考えていることも多く、ビジネスとしてのプロジェクトとして捉えることができていないことがある。本来はビジネスが中心にあって、その中に業務システムが位置するはずである。それが見えているか否かで、業務システム開発の成功の確率は変わるのである。

相互理解

逆に、システムのことはSEに任せているというような場合も注意が必要である。システムのプロジェクトを経験したことがある、というだけでは、システムに関連するプロジェクトを成功させるのは困難である可能性が高い。プログラミングの経験がなければ、SEやベンダーが持つ心境を察することができないからである。最も重要なことはシステム導入時のイメージである。

まとめ

欧米では当たり前のように、間接的に関与する売上や利益の向上を管掌する部門や役職があるが、日本では良くも悪くもロジカルであり、数字がなければ行動に移せない厳密なルールがある。

DX疲れとは何か

DXを推進しなければならないというプレッシャーの中で、現場の担当者が静かに疲弊しているケースが増えている。新しいツールの導入、業務フローの見直し、社内への説明と調整。やるべきことが次々と降りかかり、通常業務との両立に限界を感じている方も少なくない。実はこの「DX疲れ」は個人の能力不足が原因ではなく、組織全体の進め方に根本的な問題が潜んでいることが多いのである。まずはその実態を正しく理解することが、改善への第一歩となる。

疲弊する現場の共通点

DX疲れが広がる現場には、いくつかの共通した特徴がある。まず、DX推進の担当者が少人数、あるいは一人に集中しているケースである。経営層からの期待は大きい一方で、具体的なサポート体制が整っておらず、担当者が孤立してしまう。さらに、短期間で成果を求められることも大きな負担である。DXは本来、段階的に進めるべき取り組みだが、「早く結果を出せ」という圧力が現場を追い詰める。加えて、現場の社員からの抵抗や非協力的な態度も、担当者の精神的な消耗を加速させる要因である。こうした環境では、どれほど優秀な人材でも疲弊するのは当然のことなのだ。

ペース配分という処方箋

では、DX疲れを防ぎながら着実に成果を出すにはどうすればよいのか。最も重要なのは「ペース配分」の見直しである。すべてを一度に変えようとするのではなく、優先順位をつけて段階的に進めることが欠かせない。たとえば、まずは一つの業務プロセスに絞ってデジタル化を試み、小さな成功体験を積み重ねていく方法が効果的だ。また、DX推進を特定の個人に依存させず、チームとして取り組む体制を構築することも大切である。定期的な振り返りの場を設け、進捗と課題を共有することで担当者の孤立を防げる。経営層も「すぐに成果が出るもの」という認識を改め、中長期的な視点でDXを支援する姿勢が求められる。焦らず、しかし確実に前進する意識こそが、組織全体の持続的なDX推進を可能にするのである。

持続可能なDXの実現

DX疲れは、放置すれば担当者の離職やプロジェクトの頓挫といった深刻な結果を招く。しかし、正しいペース配分と組織的なサポート体制があれば、無理なくDXを前進させることは十分に可能だ。大切なのは、DXを「特別なプロジェクト」として切り離すのではなく、日常業務の延長線上に位置づけることである。現場の声に耳を傾け、小さな改善を積み重ねることで、社員一人ひとりがDXの意義を実感できるようになる。また、外部の専門家の力を借りることで、社内だけでは見えなかった課題が明確になり、効率的な推進が可能になるケースも少なくない。DXは短距離走ではなくマラソンである。走り続けられる環境をつくることこそが、真のデジタル変革への近道なのだ。

まとめ

DX疲れは、現場の担当者だけの問題ではなく、組織全体で向き合うべき課題である。無理のないペース配分、チーム体制の構築、そして経営層の理解と支援があれば、持続可能なDX推進は実現できる。まずは自社の現状を見つめ直し、できることから一歩ずつ進めていくべきだ。DXの進め方に悩んだら、こちらの書籍もぜひ参考にしてほしい。

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。