記事

予算ブレの原因

開発の変動要因

システム開発は長期にわたることが多く、また未来の不確実性の中で予算を策定しなくてはいけないことがある。セキュリティーをはじめ動作環境の変化や人員の欠如、予期していなかった仕様の発覚などが原因だ。

目標変化と予算

進捗率は目的地が明確に設定されていれば数字を負うことで予算達成率を算出することができる。しかし、目的地が近い遠いのは無しではなく、根本的な目的地がなくなったり、複数になったりすることがシステム予算の策定の難しいところである。

計画型開発法

システムに未来を見ることができればブレない、見えないことをすべて調査の上で着手できれば確実な予算と実行が可能である。進捗率の報告が可能になる。フォーターフォールモデルなのでコストがかかることと時間がかかることの覚悟が必要だ。途中での方向修正は原則できない。

柔軟な開発手法

逆に低予算で早く導入するなら、見えにくくなるデメリットがある。状況によって対応を素早く変化させる必要があるため進捗率を算出しにくい。アジャイル開発と呼ばれるものであり、社内開発であることが理想である。途中で出てくる条件に対しても柔軟に方向性を変化させることが可能である。

まとめ

アジャイル開発で予算を立てるときは、1.5-2.5倍くらいを目安に余裕を持って設定することを推奨する。

ローコード開発≠安い 前の記事 内製化の成功術 次の記事

関連記事

記事

DX疲れの実態と対策

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。

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 >
記事

生成AI失敗の3要因

期待と現実の乖離

生成AIを導入したものの、思うような成果が出ずに悩む企業が増えている。「話題だから」「競合が使っているから」という理由で導入したケースでは、現場から「結局使えない」という声が上がることも珍しくない。実は、生成AIで成果が出ない原因の多くは、ツール自体の問題ではなく、導入プロセスや運用体制に潜んでいる。本記事では、成果が出ない3つの主要因を解説する。

曖昧なゴール設定

成果が出ない最大の原因は、導入目的が不明確なことである。「業務効率化」という漠然とした目標では、具体的に何を効率化するのか、どの程度の改善を目指すのかが見えない。結果として、現場は何にAIを使えばいいかわからず、試しに使ってみても効果を実感できないまま放置される。成功している企業は「議事録作成時間を50%削減」「問い合わせ対応の一次回答を自動化」など、測定可能な目標を設定している。目的が明確であれば、適切なツール選定も、効果測定も、改善サイクルも回しやすくなる。

教育不足の弊害

二つ目の原因は、従業員への教育不足である。生成AIは万能ではなく、適切なプロンプト設計や出力結果の検証スキルが求められる。しかし多くの企業では「ツールを入れれば自然と使われる」と考え、十分な研修を実施していない。その結果、一度試して期待外れの回答が返ってきた社員は「使えない」と判断し、二度と触らなくなる。三つ目の原因は、業務との不適合である。定型的な作業や創造的な文章生成には強みを発揮するが、高度な専門判断や最新情報が必要な業務には向かない。自社の業務特性を分析せずに導入すると、AIの強みを活かせない領域で無理に使おうとして失敗する。

成功の3条件

生成AIで成果を出すためには、三つのポイントを押さえる必要がある。第一に、具体的で測定可能な導入目的を設定すること。第二に、継続的な教育プログラムを通じて社員のAIリテラシーを高めること。第三に、自社業務を棚卸しし、AIが得意な領域と苦手な領域を見極めたうえで適用範囲を決めることである。これらは当たり前のように聞こえるが、実際に徹底できている企業は少数派だ。逆に言えば、この基本を押さえるだけで、競合との差別化が可能になる。生成AIは正しく活用すれば強力な武器となるが、準備なき導入は失敗の元である。

まとめ

生成AIで成果が出ない原因は、目的の不明確さ、教育不足、業務との不適合の三点に集約される。これらはいずれもツール導入前の準備段階で解決できる課題だ。成功の鍵は、明確な目標設定、継続的な人材育成、そして業務特性に応じた適切な活用領域の選定にある。基本を徹底することが、AI活用の成否を分けるのである。

続きを見る >