DX推進におけるAI・データ活用プロジェクトの課題と取り組み方【前編】

昨今 DX（デジタルトランスフォーメーション）というキーワードがもてはやされ、業種を問わず多くの企業が DX への取り組みを始めています。

様々な DX へのアプローチがありますが、多くの場合で中心となるのがAI・データ活用です。暗黙知や属人化した作業で回っている業務を適切に理解することが改革への第一歩で、このためにはデータ活用による定量的な評価が欠かせません。データを適切に蓄積して活用できる状態になれば、従来は人手で対応するしかなかった業務をAI活用で効率化・自動化していくことも可能になります。

DX を目指して組織としてAI・データ活用を推進していくためには、データ分析やAI・機械学習を使いこなせるというだけでは不十分で、データの準備、システム構築のほか、ビジネス課題の整理、そのための組織作りなど様々な課題に対処する必要があります。課題の多くは各社固有のもので、テンプレートが存在しない中で適切なアプローチを検討しなければなりません。一方でDX人材は不足しており、なかなか DX が推進されていかないというのが実情ではないでしょうか。

今回は、日ごろ連携を行っているNTTデータグループ内のビジネスパートナー、NTTデータビジネスシステムズ、リアライズ（現：NTTデータ バリュー・エンジニア）、NTT データ数理システムの3社で対談を行い、システム開発、データマネジメント、AI活用のプロフェッショナルとしてそれぞれの観点からAI・データ活用プロジェクトの推進のポイントを話し合いました。 AI・データ活用によるDX推進を目指している企業の方はぜひとも一読いただければ幸いです。

写真左より

最近のAI・データ活用への取り組みの傾向

DX やAI・データ活用に関してお客様からどのような相談を受けますか？以前との違いなどはありますか？

海老原　お客様の社内に点在して価値を出せていなかったデータを集約して組織横断でデータを活用する価値を高めたい、というニーズの高まりを感じています。同時に、データ活用するための前段としてデータマネジメントが必要である、という意識も強くなってきたと感じています。以前であれば「とりあえず分析基盤にデータを集約したい」という仕組み上のご相談が多かったのですが、データ活用の前提としてデータの品質を維持管理することが大事であるという認識が広がってきたのだと感じます。
分析基盤の構築をする、というシーンにおいても、多くのお客様がデータガバナンスや、データマネジメントの必要性を考えているようになってきました。ただ、実際にはどう進めるか分からない、何から手を付ければいいのだろうか、という状況で困ってしまっている方が多いですね。

村山　データ統合基盤、データ分析基盤の構築の話も DX の文脈で非常に増えてきています。これまでは大手と言われる大企業様からの問い合わせが多かったですが、最近ではもう少し規模が小さい事業部門単位や、中小規模のお客様からもデータ活用を見越してデータ基盤を統合したいという相談が増えてきており、裾野が広がってきているな、という実感を持っています。
データマネジメントのご相談も増えています。マスターデータやデータカタログの構築といった課題がお客様側から挙がることも多く、お客様の意識が高くなってきているのを感じますね。
世の中の皆様が具体的な課題感をもって真剣に検討を始めていることを肌で感じるのですが、海老原さんがおっしゃるように、何から始めたら良いのか一歩目で悩んでしまっている方も多い、というのもまさに実感しております。

多田　当社は20年以上にわたってデータ分析ツールの開発・販売や受託でのデータ分析業務などを行ってきました。かつてのデータ分析ツールは、データ分析に詳しいイノベータータイプの方、業務知識が豊富で分析にも熱心な方が、1人で使うというケースが多かったように思います。これだとどうしても属人的になりやすく、退職された前任者が作ったプログラムの内容を調査して機能追加というような受託業務のご相談などもありがちでした。
近年ですと、分析ツールを複数人のチームで使いたい、ツールだけではなく組織としてAI活用・データ分析を行うために必要なスキルを学びたい、というご相談が多くなりました。DX という概念にはデジタル活用を企業風土として根付かせるということも含まれていると思いますが、まさにそれを実現すべく長期的な視点でデータを活用する体制づくり、人材育成を考えているお客様が増えてきていると感じます。これに伴って、分析ツールに求められるものも、AI やデータ分析に詳しい人以外でも使いこなせること、チーム内でノウハウやモジュールの共有がしやすいこと、というような方向に変化してきたように思います。村山さんのおっしゃる通りデータ活用を検討する組織の裾野は広がっていますし、組織の中で実際にデータを使って分析する人の裾野も広がっていますね。

AI・データ活用プロジェクトの進め方

組織に根付かせたいという要望が増えてきているようですね。どのようにプロジェクトを推進すれば良いでしょうか？

村山　NTTデータグループでは、デジタル変革により成功した状態を「デジタルサクセス®」[1]と定義しお客様企業、さらにはその先のエンドユーザに「デジタルサクセス®」をもたらすためのイノベーション実現をサポートしています。
（1）デジタル変革実現に向け大きくラフな構想を描き、（2）そこから出てくるスジの良いテーマを小さく試行し、（3）効果が見込まれたテーマ業務の中で習慣化・拡大させる、というアプローチを推奨しています。
基盤をどうするか？散らばったデータをどうするか？というような目の前の具体的な課題にとらわれてしまいがちですが、将来的に誰がどのように使うのか、どういった価値を出していくのか、という組織のあるべき姿を描いてから、具体的な設計を行うことが重要だと考えています。
当然すぐに描いた姿になれるわけではないですから、現状とのギャップを考慮して、どのように長期的にリフトアップしていくか、そしてそれを誰がどのように推進していくか、というのを決めることも肝心です。
次にやるべきことは現実的なタスクに落とし込み「小さく試しながら実践する」ことです。全体の進むべき方向の合意は重要なのですが、あまりにも大きな漠然とした目的だけがあっても何をしていいか分からなくなってしまいます。大きく考え、小さく進めるといった感じでしょうか。

• 「デジタルサクセス®」は株式会社NTTデータの登録商標です。

大きな構想から小さいタスクを切り出すというのは難しくないでしょうか？

下間　難しいことではありますが、目的を忘れないことが大事です。目的が定まっていればこんなことができるのではないかという仮説をいくつも出すことができると思います。
そこで挙がったタスクが実現可能かどうかやってみなければ分からない場合には、検討と並行して PoC を行い実現可能な範囲を明確化しながら進めていきます。この部分はいわゆるウォーターフォール的ではなくて、アジャイル的に進めていくところです。
正直、やったことが全て最初に期待したゴールまでつながるということではないですが、ある程度の小さい手戻りは覚悟した上で、大きな手戻り、ないしはこれ以上は自社ではできないという状況にならないようにするべきですね。

海老原　何から始めるかという選択が難しいですね。やはり、小さな成功体験を積み上げて全体を加速させていく、という手順を取りたいところです。ざっくりとした言い方になってしまいますが、経験的には解決したい課題が明確で「やる気」がある部署・領域から始めるのが良いと思っています。現場がやる気のないテーマだと日々の業務の中で優先順位が下がってしまいうまく推進できません。現場が困っている、やりたことがあるというのが小さな成功体験を生むための重要な要因だと思っていて、現場とDX推進チームが一体となれるようなテーマを探すことが小さな成功を生む秘訣だと思います。

多田　仮説やタスクを見つけるために、まず手を動かしてデータに触れてみるというやり方もあります。可視化や集計を行って、データのポテンシャルを直接的に感じながら探索的に仮説出しを行うイメージです。この段階では整ったデータである必要はありませんので、すぐに手に入るデータをかき集めて使うというような形でかまいません。

DX 推進のための組織

最初に全社的な大きな構想を策定して推進するトップダウン的な側面と、現場が困っていること・やりたことから取り組むボトムアップ的な側面がそれぞれ重要というお話がありました。推進組織としてはどのような体制を組めば良いのでしょうか？

下間　事業部門とDX推進部門とタスクフォース的な形で進めていくと、進みがよいと感じます。中央集権というよりは、それぞれの部門のキーマンが集まって情報が集約・共有されている状況というところが重要です。
取り組みの中では常に、現場が全社目線を持つこと、経営陣やシステム部門が現場目線を持つことが必要になります。各部門のミッション・タスクを決めるときに、各部門の意図と全社目線を両方持ち合わせる状態にして、上位レイヤーも巻き込んで進めることが必要です。それがない状態でいきなりトップダウン的にミッション・タスクが降りてきた場合には、現場で主体性を持てず表面的で本質を捉えない活動となってしまいかねません。なかなか労力がかかるのですが、ここでコミュニケーションコストをかけることは避けてはいけないと考えています。その中で合意形成が取られたそれぞれのタスクはそれぞれの部門が能動的に進める形が良いと思います。

海老原　DX推進組織には、ビジネスの観点、システムの観点、収集したデータの観点、これらを集約させる必要があります。この集約が行えれば組織は機能し、プロジェクトはうまくいきます。当社としては、データマネジメントを軸足としつつ、3つの観点をお客様に確認しながら、プロジェクト支援を行っています。
必然的に全社的な取り組みになりますので、事前に上層部との意識合わせができていることが前提になります。

多田　当社は DX というよりは現場の課題のご相談から始まる話が多いのですが、途中から DX の取り組みへと合流する際に現場と上層部の目線を合わせるのに苦心することが確かにあります。
うまく進んだケースを振り返ると、AI開発プロジェクトのリーダーやアドバイザリーの方が自然に全社的な方針と整合するようにプロジェクトの方向性を調整していただいていますね。おそらく事前にタスクフォースのようなものの中で議論ができていて、現場のAI開発プロジェクトの中に全社目線を持った方が参画しているという状態を作っていただけているのだと思います。後出しで上層部から面倒な要件が追加されたというような形に見えると現場の士気に大きく影響し、これまで築いてきたものも無駄になりかねません。事前に現場が全社方針に納得しているという状態になっていることが確かに重要ですね。

最近はDX推進部など、DX を冠する組織が増えているように思います。全社を横断するタスクフォース的やり方は実現できている組織が多いですか？

村山　部署名としては確かに増えてきていますね。会社として必要な権限をしっかりと与えて、特任組織として機能している会社さんも多いように感じています。

海老原　少し前まではとりあえずDX推進組織だけ作って、メンバーはほとんど兼務でやっていますという会社も多かったですが、最近では専任の方を据えて部署としての役割を明確化できている会社が増えてきたように思います。DX推進組織は、複数の事業部の方針をうまく折衷するなど社内調整の役割も担いますので、社内のパワーバランスなどの関係で苦戦しているという裏話もよく聞きます。

村山　DX推進組織を作るときに、特に現場へのメッセージが重要になると思います。「とりあえず組織作ってみただけ」と受け取られてしまうと、現場としては期待をしませんし、結局何も変わらないだろうなと思ってしまいますよね。ミッション・目的をきちんと設定してトップから適切なメッセージとして宣言する、ということを大事にしているお客様は多いのではないでしょうか。

会社の規模によっては専任のDX推進組織を立ち上げるのは難しい場合もあると思いますが、そのような場合に意識する点はあるでしょうか？

下間　過去に、DX推進部隊が全員本業との兼任という体制ではあるものの、中期的な目線での目標をしっかり立てて、志高く DX に取り組んでいただいたお客様がいたのですが、この目標が結果的には風呂敷を広げすぎた状態になってしまい、現業との兼ね合いの中で息切れして推進スピードが遅くなってしまったということがありました。
目標設定の際に、大きな構想ということで理想のToBe像を高く掲げることは必要なのですが、投入可能なコストや自社リソース、外部調達可否も考慮したCanBe像を描くことも大事かなと思います。例えば、AIの内製化などは ToBe として挙がりがちですが、教育コストや必要となるマンパワーなどを考慮すると現実的でない場合もあります。後回しにできるところ、外注できるところの判断がより重要になりますね。

　　

DX 人材について

ここまでお話しいただいたようなプロジェクト推進や組織運営に対して、どういう人材が必要になるでしょうか。内製するために育成していくか外注するかという選択肢も含めていかがでしょうか？

海老原　DX を推進していくためには非常に多くの役割が必要ですので、すべての役割を一人に詰め込むことはできません。戦略を考えて推進する人、現場業務を理解している人、データの在り処と中身を理解できる人、分析できる人、それぞれ得意な人が集まってチームとして推進させることが必要と考えています。また、データマネジメントを社内に根付かせてデータ活用推進を加速したいという会社には、内製でデータ品質維持ができるようデータガバナンスのための組織づくりやデータカタログ構築を支援することもあります。

村山　当社はシステム・基盤に軸足がありますが、そこを内製化したいから教育してほしいというようなニーズはあまり多くありません。一方で、データサイエンティスト、データスチュワードの内製化のニーズは非常に多く、市場的にも人材が不足している印象をもっています。

海老原　データサイエンス領域は少々特殊で高度なスキルが要求されます。AI・データ分析の PoC は１回分析して終了というものではなく繰り返し検討・検証が必要になりますので、データサイエンティストチームを内製化するメリットがある一方、育成のハードルが高いので、データサイエンス領域は必要に応じて外部に支援を頼む、という判断も十分あり得ると思います。

　AI やデータサイエンスに関する教育プログラムの提供も行っていますよね？

下間　当社では大企業での数百人規模のデータサイエンススキル育成プログラムを請け負ったことがあります。現場社員にとっては上から突然降ってきたミッションという状況にもかかわらず、やる気のある方が多く参加していただきました。しかし、育成プログラムに参加された方はバックグラウンドや素養が様々で、一律な進め方ではどうしても最後までついていくことができず離脱する方も出て来てしまいます。それを防ぐためには教育コンテンツを提供したりOJTとして指示するだけではなく、「最後まであなたをサポートしますよ」というような環境を作り個々の進度に合わせてモチベーションを保ちながらフォローをしていく体制が必要でした。チューター、伴走者の必要性を痛感しています。

多田　当社でもデータサイエンス教育は行っていますが、実務に役立てられるようにするためには座学での集合研修的なものだけなく総合演習や実業務での OJT も重要だと考えています。このあたりをうまく進めるためにはチューター、伴走者の役割は大きいですね。データ分析やAIモデル開発の仕事としてご相談いただく場合にも、当社主導で実装するのではなく、お客様が主体で実装を進めるための方針検討や結果評価と改善案検討の支援といった部分を担ってほしいという、まさにチューターをやってほしいというご相談もいただくようになってきました。
当社がチューターになることももちろん可能ですが、内製化を目指す上ではチューターの役割が担える人材を早い段階で確保・育成することが重要なのかなと思っています。そういった方が１人でもいらっしゃると、全体の推進のスピードは格段に変わってくると思います。

データマネジメントやプロジェクト推進という観点ではいかがでしょうか？

村山　システムやデータマネジメント領域については、パートナーに任せて外注するところと内製化すべきところをきちんと切り分けることが重要だと思います。重要な意思決定は当然お客様中心で実施していくことが大事ですので、最重要優先度としてしっかりDX推進検討を内製化していくことが大事だと思います。

海老原　データの利活用が進むにつれて「やっぱりこういうデータが必要だ」という状況が必ず発生しますが、バラバラなデータをその都度探してかき集めるととても大変で、DX推進に要求されるスピード感についていけないでしょう。クイックに適切なデータを提供するためには、データマネジメントを行う組織・人材があらかじめ内製化できるのが理想的です。俯瞰的に全体のデータが管理できていれば事業変革のスピードアップにつながります。
データは実ビジネスの写像と言えますので、ビジネス感覚をもってデータと向き合うことが非常に重要です。この領域を内製化すると企業の競争力を上げることができます。

幕間

話が盛り上がってきましたが、ここまでを前編として一旦幕間に入ります。DX推進の一環としてのAI・データ活用プロジェクトの進め方、組織作り・人材育成などイメージしていただけたでしょうか。
各社関連するソリューションを展開していますので、よろしければ下記のページもご覧ください。

後編では、AI・データ活用の具体的なタスクを進めていくに当たって、データの準備、AI・データ分析、業務への適用、運用の各フェーズの中でどのような注意点があるかをディスカッションしていきます。引き続きご覧ください。