思考と決断のPM力

IoTとは

IoTとは「Internet of Things」の略で、身の回りのあらゆるモノがインターネットに接続される技術のことである。従来はパソコンやスマートフォンだけがネットに繋がっていたが、今では冷蔵庫、エアコン、照明、車など様々な機器がネットワークに接続できるようになった。これにより、遠隔操作や自動制御、データ収集が可能になり、私たちの生活はより便利で効率的になっている。

注目される理由

IoTの最大の魅力は、データを活用した自動化と最適化にある。例えば、スマートホームでは照明や温度を自動調整し、電気代を削減できる。また、工場では機械の稼働状況を監視して故障を予防し、農業では土壌の状態を把握して適切な水やりを行う。このように、IoTは単なる遠隔操作ではなく、収集したデータを分析して最適な行動を自動で実行する「賢いシステム」を構築できるのである。これが生産性向上やコスト削減につながる理由である。

導入チェックリスト

IoT導入を成功させるには、まず明確な目的設定が重要である。「何を改善したいのか」「どんな効果を期待するのか」を具体的に定めることで、適切な機器やシステムを選択できる。次に、セキュリティ対策は必須項目である。IoTデバイスはサイバー攻撃の標的になりやすいため、暗号化や認証機能の確認が欠かせない。さらに、既存システムとの連携可能性や、将来的な拡張性も考慮しよう。小規模から始めて段階的に拡大していく計画的なアプローチが、IoT導入の成功率を高める鍵となる。

未来への影響

IoTの進化は加速しており、5G通信やAI技術との融合により、さらに高度なサービスが実現される。自動運転車、スマートシティ、遠隔医療など、これまで夢物語だった技術が現実のものとなってきている。特に注目されるのがエッジコンピューティングで、デバイス側で即座にデータ処理を行うことで、リアルタイム性が向上する。一方で、プライバシー保護やデジタル格差といった課題も浮上しており、技術の恩恵を皆が享受できる社会の構築が求められている。IoTは単なる技術革新ではなく、社会全体の変革を促す重要な要素となるであろう。

まとめ

IoTは私たちの生活や働き方を根本から変える革新的な技術である。基本概念を理解し、導入のポイントを押さえることで、この技術の恩恵を最大限に活用できる。未来に向けて、IoTとの向き合い方を今から考えておくことが大切である。

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。

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。