なぜ企業のDXが進まないのか

DXを推進する企業は増えている。しかし、企業文化や予算・リソース不足など、さまざまな理由で、限定的な取り組みとなっているケースも多い。

DXは目的によって2種類に分かれる。一つは守りのDX。これは業務の効率化などを目的にAIなどの技術を活用するというもの。もう一つの攻めのDXは、ビジネスモデルの変革や新規ビジネスの創出を目的としたものだ。

「今、多くの企業が取り組んでいるのが守りのDXです。既存業務をデジタル化することで業務を改善し、コスト削減につなげようとしているのですが、実はこの守りのDXもうまく進んでいないのです」とSCSK DX戦略営業センター DX戦略営業第二部 副部長 山本 龍司は語る。

なぜ、守りのDXがうまく進まないのか。

「業務の改善ポイントや問題点を把握しているのはその業務に実際に従事している現場の人たち。製造業で言えば、現場で製造に勤しんでいる人たちです。一方、DXを推進しているのは本社の企画部門やIT部門、R&D部門の人たち。つまりリアルに課題を感じている業務に詳しい人と、AIなどのIT知識を持っている人がクロスしていない。そこが一番の問題なのです」（山本）

一方、攻めのDXについては「さらに敷居が高い」と山本は指摘する。それは、守りのDXと異なり、ROIが算出しにくいからだ。ITに投資して新しいビジネスやサービスを創出しようとしても、それがどれだけのインパクトを生み出すかを評価するのが難しい。

一定のリスクを含んだ不透明なものに対して、「責任を持って取り組める人が少ない。だから攻めのDXはなかなか進まない」とも山本は言う。SCSK DX技術開発センター イノベーション第一開発部 第一課長 孝子 兆弘も「これが、AI活用のPoC（概念検証）から本番開発に進まない理由にもなっている」と付け加える。

このような状況を打破し、AI活用をDX推進につなげるためのカギを握るのが、現場部門のAI人材育成だ。ここで言うAI人材とは、データサイエンティストやAIアーキテクトのような「AIモデル」を作る技術者ではない。AIモデルを使える人、つまり、AIの活用を考えられる人材である。

「AI人材はDX人材でもあると言えるでしょう。さらに大きく捉えれば、企業の課題を正確に捉えて、解決できる人です。AI活用は企業が抱える課題を解決する一つの選択肢に過ぎないからです」（孝子）

実際、現場でのAI人材はSCSKにもいた。新型コロナウイルスの感染拡大に伴い、SCSKのオフィスでは、体温測定、マスク着用、ソーシャルディスタンス確保などが求められていた。そこである社員が、SCSKが開発していたAIモデルを活用して、感染リスクを可視化するソリューションを生み出したのだ。
※サービスとして提供中「Pan de seek（パンデシーク）」

「AIの知識をそれほど持ち合わせていない社員が、AIモデルを活用した新しいソリューションを開発しました。こうした事例は、今後増えていくでしょう。そしてこのような人材が現場部門に増えれば、AI-Readyな組織になっていくのです」（山本）

AI-Readyな組織に必要な教育プログラムとは

AI-Readyな組織へと変革していくには、AI人材の育成はもちろんだが、AIを実際に活用し、検証する基盤が必要になる。そこで今回、SCSKとAI人材育成サービスなどを提供するアイデミーはタッグを組んで「AI-Readyサービスパック」の提供を始めた。

AI-Readyサービスパックでは、アイデミーのAI教育・推進サポートプログラムとSCSKのAIモデル構築サービス「SNN（SCSK Neural Network toolkit）」を組み合わせて、サービスとして提供する。AI-Readyな組織に向けた「AI人材育成」「AIモデル構築」「AI実運用」というユーザーの課題にワンストップで応える。

アイデミーと組んだのには理由がある。アイデミーは日本最大級のAI研修プラットフォームを擁しており、教育コンテンツも充実している。AI-Readyな組織構築に向けての知見を持っていたのだ。

一方、SCSKは、AIの実装技術と深い顧客理解に基づくシステム運用実績を持っている。両者の持つ強みを組み合わせることで、「AI-Readyな組織を構築するために必要なプロセスを広範にカバーできるソリューションになる」（山本）わけだ。

AI-Readyサービスパックを活用して、AI人材を育成するプロセスは次の通りだ。まず、eラーニングでAIおよびSNNの基本知識と活用方法を習得する。そしてAI導入の目的と課題を整理し、導入に向けた計画を策定。最後に、ユーザー自ら、SNNを使ってAIモデルを作成する。

「業務課題の洗い出しはお客さま自身でやってもらうことになりますが、その中から機械学習やディープラーニングのアプローチが合うモノを抽出する作業、マシンラーニングキャンバスを使ってAIプロジェクトの要素を整理する作業、そしてPoCについては、SCSKがサポートするので、安心してAI実装に取り組んでいただけます」（山本）

SNNはチュートリアルとハンズオンを受講するだけで誰もが容易に使えるようになるため、心配する必要はない。

「お客さまを含めて、いまだ途中で諦めた人はいません。逆に言えば、そうならないレベルまで、SNNは作り込まれているのです」（孝子）

「学習のためのデータを集めることは必要ですが、その後はSNNが、自ら学習するので精度の高いAIモデルを作成できるのです」（山本）

SNNはGUI（Graphical User Interface）で提供されているので操作は簡単だ。では、ゼロからAIモデルを作成するのと比較して、どのくらい時間が短縮できるのだろう。

「AIモデルのアルゴリズムを作るだけで1カ月から1カ月半ほどかかり、精度を上げるのに3カ月ほど必要です。一方、SNNであればアルゴリズムは作成する必要がない。しかも、精度向上のための期間も大幅に短縮できます。現在手掛けているPoCは、短いものなら1カ月、長いものでも3カ月程度。少なくとも期間が半分ほどになる計算です」（孝子）

「SNN」のイメージ（学習管理画面）

教育だけではない、DXを推進する企業の取り組み

ここで、AI-Readyサービスパックが生まれるきっかけとなった、ある大手エネルギー企業の取り組みを紹介しよう。

DX推進に強い危機感を抱いていた大手エネルギー企業の経営陣は、まずはAI-Readyな組織を作るための教育をアイデミーに相談した。

しかし、この企業の狙いは教育だけではない。教育を受けた社員が、現場部門の業務課題を解消し、新しい価値を創出することだ。そのためには、教育をアクションにつなげるAI基盤が必要だった。

そのため、研究開発を担当する関連企業が中心となり、いくつかのAI基盤を「使いやすさ」「モデルの多さ」「精度」などいくつかのポイントで比較検討した。その結果、選定されたのが、「SCSKのSNNだった」と山本は振り返る。

この企業では、2020年の秋からeラーニングを開始し、年内に終了。年始から業務課題を洗い出し、出てきたアイデアの中から、見込みがあるものを抽出して行く作業を実施している。

「そろそろ、抽出作業が完了するので、PoCを実施します。実業務にAIを組み込むのはおそらく2021年度。成果を期待しています」（山本）

このように組織として取り組むことには、どのようなメリットがあるのか。

「DXを進めるには、組織全員が同じ目標に向かって取り組む必要があります。今までのように開発は開発、業務は業務という縦割りでは、DXを推進できません」（山本）

「AI知識はもはやビジネススキルのようなもの。これからの社会人なら誰もが持つべきベーススキルになると思います」（SCSK DX戦略営業センター DX戦略営業第二部 第二課 中村 裕紀）

そのためにも経営者は組織全体がDXを推進できるような環境を整備することが欠かせない。AI-Readyサービスパックは、大手エネルギー企業の取り組みのように、組織としてDX推進を支援するツールとして活用できるのだ。

DX推進のカギを握るAIモデル構築サービス「SNN」も、機能拡張を積極的に進めている。例えば今年1月に外観検査モデルを追加。3月にはさらに、言語系モデルやエッジコンピュータで高速に推論処理できるモデルも追加した。

「エッジコンピュータの推論処理モデルでは、カメラにAIを搭載することで、高速に画像解析ができるようになりました」（中村）

AIが進化を続ける一方で、業務を一番よく把握している現場部門がAIを活用できなければ、DXは推進できない。だが、AI-Readyに必要なAI人材教育、学んだ知識をアクションにつなげるAI基盤。この2つをセットにしたAI-Readyサービスパックを活用し、ビジネスの現場がAIを活用すれば、守りのDXはもちろん、攻めのDXも進んでいくだろう。