こんにちは、近森満です。大田区での講演、日本サステナブルビジネス機構のフォーラム、そして大阪でのEdgeTech+ Westと、外に出る日が続きました。移動は大変ですが、異なる業界の人と話すと、自分の考えが削られ、シンプルになります。今回あらためて感じたのは、ビジネスの答えは顧客が持っているという、当たり前すぎる原則です。

自社の商品をどう売るか、どの機能を足すか、どんな営業資料を作るか。社内では複雑な議論が続きます。しかし顧客の課題を聞かないまま考えても、結局は仮説の上に仮説を積むだけです。私は、ああでもない、こうでもないと悩む前に顧客へ聞いてみよう、と考えます。身もふたもないようですが、最短距離はそこです。

十社へ話を聞けば、共通する課題と、その会社にしかない事情が見えてきます。システムや研修サービスを作る時、すべての要望を最初から盛り込むと、重く、使いにくく、価格の高いものになります。まず共通項を一つの核にする。その上で、業種や規模に応じた選択肢を用意する。私はこれを最大公約数と最小公倍数を組み合わせるような感覚で捉えています。

iPhoneやiPadのように、一本筋の通った体験を保ちながら、容量、性能、サイズなどで選択肢を作る発想です。日本企業は個別対応を丁寧に行う力がありますが、何でも受け入れると標準化できません。反対に標準だけを押しつけると顧客の現場に合わない。共通の価値を守り、差分だけを柔軟にする設計が必要です。

顧客の答えを知るには、会って話す回数を増やす必要があります。オンライン会議も便利ですが、訪問すると声の温度、言葉の間、現場の表情が見えます。メールでは聞きにくいことも、相手の反応を見ながら質問を変えられます。一方、訪問を増やせと言うだけでは社員の時間が足りません。そこでAIが効きます。

議事録、報告書、提案書のたたき台、稟議書、タスク整理、関係者への展開。こうした前後工程を生成AIやAIエージェントに支援させれば、人は顧客と話し、現場を見る時間を取り戻せます。AI活用の目的は、資料を速く作ったという数字だけではありません。顧客理解が深まり、より良い商品やサービスへ戻せたかどうかで測るべきです。

テレワーク、出社、オンライン会議、柔軟な勤務。どれが正しいかという議論は終わりません。しかしそれらは手段です。顧客へ価値を届け、売上と利益を生み、社員が安心して働ける循環を作ることが目的です。暑い日に坂道を歩いて会場へ向かい、汗だくになった経験からも、どこでも働ける選択肢のありがたさはよくわかります。

大切なのは、出社か在宅かを思想の対立にしないことです。顧客の現場を見る日は外へ出る。集中して分析する日は在宅を選ぶ。チームで意思決定する時は集まる。目的に合わせて手段を組み替える。経営アジェンダと働く人の事情をつなぐ設計ができれば、多様性はコストではなく競争力になります。

自社には他社にない技術がある、品質が高い、特許を持っている。どれも強みです。しかし顧客が欲しいものとずれていれば、購入にはつながりません。たまたまSNSでバズり、爆発的に売れることはあります。それを再現可能な経営にするには、顧客の課題、購入の理由、利用後の成果を継続して確かめなければなりません。

リスクは、売れない理由を営業力や宣伝不足だけに求めることです。本当は商品設計が顧客の現実から離れているかもしれません。読者が応用できる行動は、既存顧客三社へ「なぜ選んだか」「何が足りないか」「誰に勧めたいか」を聞くことです。生成AIで回答を整理し、共通の核と個別要望を分ければ、次の企画が見えます。

サステナブルビジネスの現場では、資源循環、シェアリング、海外の装置や技術との組み合わせから新しいサービスが生まれています。最初から流行語としてエコシステムを作るのではなく、自社の強みを生かして顧客の困りごとを解いた結果、関係会社や地域がつながり、循環ができる。順序が重要です。

DXも同じです。先にシステムを置き、後から使い道を探すと失敗しやすい。顧客や現場の課題を起点に、必要なデータ、AI、パートナー、人材を組み合わせる。複雑な技術を使っても、軸はシンプルです。この課題のオーナーは誰か。決められる責任者は誰か。答えを持つ人へ聞いたか。モヤモヤした時ほど、この三つへ戻ってください。

ここまでの話を現場に持ち帰るなら、まず「新しい技術を入れる」ではなく「誰のどんな課題を解くのか」を一行で書いてください。次に、その課題を解くために人が担う判断と、AIやデジタルに任せる処理を分けます。最後に、成果を誰が確認し、次の改善へつなげるかを決めます。この三つが揃うだけで、DX推進は道具の導入から仕事の変革へ一歩進みます。

生成AIにはハルシネーションがあります。もっともらしい誤りを出す可能性がある以上、出力をそのまま正解にしてはいけません。出典を確かめる、現場データと照らす、責任者が判断する。この基本を守りながら、議事録、提案書、研修教材、顧客理解の整理などに使えば、AIは人を置き換える道具ではなく、人が顧客と現場へ向き合う時間を増やす道具になります。

人材育成では、ツールの操作方法だけを教えて終わらせないことです。受講者が自分の業務で小さな実験を行い、結果と失敗を共有し、次の行動へつなげるところまで設計します。スキルセットだけでなく、試す、問い直す、責任を持つというマインドセットを育てる。私はそれが、AI時代のマインド・トランスフォーメーションだと考えています。

読者の皆さんは、明日どの顧客に話を聞き、どの現場を見に行き、どの仕事をAIに任せてみるでしょうか。大きな構想より先に、小さく確かめる一歩を選んでください。現場で得た答えを次の企画、研修、サービスへ戻す循環が、組織を本当に変えていきます。

最初の30日では、対象を広げすぎないことです。顧客対応、研修運営、製造工程、社内支援などから一つを選び、現在の時間、品質、手戻り、利用者の不満を記録します。AIを入れる前の基準値がなければ、導入後に何が良くなったのか判断できません。現場担当者への短いインタビューも行い、数字に表れない負担や工夫を残します。

次の30日では、小さな実験を行います。生成AIで議事録を作る、顧客の声を分類する、設備の画像から異常候補を示すなど、失敗しても業務全体を止めない範囲に限定します。正答率だけでなく、確認に要した時間、現場が感じた使いやすさ、誤りが起きた時の影響も記録してください。AIが速くても、人の確認負担が増えれば全体最適にはなりません。

最後の30日では、継続するもの、修正するもの、やめるものを決めます。成功例だけを発表するのではなく、うまくいかなかった条件と理由も共有します。データが足りなかった、責任者が曖昧だった、顧客の期待を聞けていなかった。失敗を構造化できれば、それ自体が組織の学習資産になります。ここで初めて次の部門や顧客へ広げます。

経営者や管理職は、現場へ「AIを使え」と指示するだけでは足りません。試行に使える時間、利用してよいデータの範囲、承認ルール、誤りが出た時の相談先を決める必要があります。評価制度も重要です。短期的な成功だけでなく、仮説を検証し、学びを共有した行動を評価する。そうしなければ、社員は安全な従来業務へ戻ります。

現場担当者は、AIへ任せる前に、自分が暗黙に行っている判断を言葉にしてください。良い提案書を見分ける基準、異常と判断する兆候、顧客が本音を話した時の変化。こうした知識はマニュアルに残りにくいものです。生成AIとの対話を使って質問を掘り下げ、チームで確認すれば、ベテランの経験を次世代へ渡す教材にできます。

人事・教育部門には、学習と実務を分離しない設計が求められます。研修で操作を覚えたら、実際の業務課題で試し、上司や同僚からフィードバックを受け、成果物を改善する。eラーニング、集合研修、現場プロジェクトを一本のキャリアパスとしてつなげます。資格やスキルチェックは到達点ではなく、次の実践へ進むための地図として使うべきです。

そして、成果を顧客の言葉で確認してください。処理時間が短くなっただけでなく、相談しやすくなったか、提案が理解しやすくなったか、現場の不安が減ったか。ビジネスの価値は社内の作業量だけでは決まりません。顧客と現場の変化を観察し、その答えをまた製品、サービス、人材育成へ戻す。この反復が、DXを一過性のプロジェクトから継続的な変革へ変えます。

AIが高性能になるほど、任せてよい範囲の設計が重要になります。文章の要約と、採用、融資、安全、品質に関する最終判断では、誤りが与える影響が違います。業務ごとにリスクを分類し、低リスクは自動化、高リスクは人の承認を必須にする。機密情報や個人情報を入力しないルールも、抽象的な注意ではなく具体例で示してください。

説明できることも信頼の条件です。顧客へ提案する時、AIが出したからではなく、どの情報を使い、どんな基準で採用し、人がどこを確認したかを伝える。製造現場なら、異常判定の根拠と停止条件を残す。支援業務なら、仮説と事実を分ける。透明性は作業を少し増やしますが、長期的には再現性と安心を生みます。

また、AIを使わない選択肢も残すべきです。すべてを自動化すると、現場が判断力を失い、障害時に復旧できなくなる恐れがあります。重要な技能は人が反復し、AIの出力と比較する。若手には基礎を学ぶ機会を与え、ベテランには暗黙知を言語化してもらう。人とAIを競わせるのではなく、互いの弱点を補う設計が必要です。

変革は、派手な導入発表より、日々の小さな約束から進みます。会議の終わりに決定事項を確認する。顧客の声を一件でも製品改善へ戻す。AIの誤りを隠さず共有する。現場の提案へ翌週までに返答する。こうした行動の積み重ねが、技術への信頼と組織への信頼を同時に育てます。

結局、デジタル・トランスフォーメーションはシステム部門だけの仕事ではありません。経営は目的と責任を示し、現場は事実と知恵を出し、人事は学びの機会を作り、技術者は安全で使える形へ実装する。それぞれが自分の専門領域に閉じず、顧客の成果という同じ方向を見る必要があります。その対話を続ける力こそ、超知性リテラシーやAgentic AIの時代にも失ってはいけない人間の基礎能力です。

近森満（ちかもり みつる） 株式会社サートプロ 代表取締役CEO ／ DXコンサルタント／IT人材育成／検定事業化 IT技術者の教育支援と人材育成を専門とする事業化コンサルタントとして、2006年に株式会社サートプロを創業し、IoT検定・＋DX認定・アジャイル検定などの資格制度を創出。独自の技術者向け教育研修の開発に定評があり、実践的なスキル向上を支援。経済産業省DX推進ラボおよびIoT推進ラボのメンターとして自治体や中小企業のDX推進を支援。近年は超知性ASIスキル可視化にも取り組み、次世代技術の普及に注力している。

■ 主な所属・役職
・IoT検定制度委員会 事務局長（IoT検定・＋DX認定・超知性ASI検定）
・一般社団法人 IT職業能力支援機構 理事長（Android資格）
・電気・電子系技術者育成協議会 副理事長（E検定）
・経済産業省 地域DX推進ラボ ビジネス創出事業メンター（DX支援）
・デジタル庁 デジタル推進委員（デジタル化支援）
・アジャイル開発技術者検定試験コンソーシアム 事務局長（Agile検定）
・一般社団法人国際サイバーセキュリティ協会 事務局長（IACS認定）

X (Twitter)

Facebook

YouTube

note