軽量ERP×生成AIによる市民開発の衝撃

経営層・管理職のためのDX戦略講演
AIの発達で経営はどう変わるのか？軽量ERP×生成AIによる市民開発の衝撃

「AIによる自動化」は本丸ではない。
アプリケーション開発の民主化がもたらす、現場データのリアルタイム経営改革

Transcript

1. 経営層・管理職のためのDX戦略講演 AIの発達で経営はどう変わるのか？ 軽量ERP×生成AIによる市民開発の衝撃 「AIによる自動化」は本丸ではない。 アプリケーション開発の民主化がもたらす、現場データのリアルタイム経営改革 軽量ERP × バイブコーディングで実現するデータ・ドリブン経営 AIの発達で経営はどう変わるのか 1
2. OPENING ｜ 問題定義 問題定義 ― AIの価値を「コスト削減」で止めていないか 「AIを活用して社内業務を自動化し、コストを削減する」― AIの価値をその水準に留めて捉えているなら、極めて大きな機会損失 が生じているかもしれない。業務の自動化・効率化は、変革の「初期段階」に過ぎない。 初期段階 ｜ よくある捉え方 • 自動化・効率化でコストを削る発想に留まる • 本来得られる価値を取りこぼす機会損失 本質 ｜ 変革の核心 処方箋 ｜ 本講演 生成AI × アプリ開発の民主化 硬直化する大型システムを脱却し、 収集困難だった『最前線のリアルタイム一次デ ータ』が、タイムラグなく経営層へ集約される 仕組みを築く。 AI×ローコードの「軽量ERP」でボ トルネックを即座に特定するデー タ・ドリブン経営へ。 問うべきは「どう自動化するか」ではなく、「現場の一次データをいかに経営の意思決定へ直結させるか」である。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 2
3. OPENING ｜ 問題提起 業務の自動化は、変革の「ほんの入り口」に過ぎない ❌ ありがちな捉え方 ⭕ 本質はここにある 「AIで社内業務を自動化し、コストを削減する」 生成AI × アプリ開発の民主化 これまで決して手に入らなかった AIの価値をこの程度に捉えているなら、 非常に大きな機会損失をしている 可能性があります。 『現場の生の泥臭いデータ』 が、1秒のタイムラグもなく経営層へ集まる。 ガチガチで高額な従来システムを捨て、AIとローコードを組み合わせ た「軽量ERP」へ。会社のボトルネックを5秒で特定する超高速のデ 業務の自動化・効率化は、AIがもたらす変革の入り口でしかない。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 ータ・ドリブン経営へシフトする。 3
4. データサイエンス アプリ → データ集積 → 経営判断、その全工程を支えるもの ① 業務アプリを作る ② データを集積する ③ 経営判断へ • 現場が軽量ERPで日々の業務を記録 • Dataverseに正規化して蓄積 • 統計・モデルで「なぜ」を読み解く • 入力設計が後工程の品質を左右する • 収集・洗浄・整形が価値の8割を決める • 根拠ある意思決定（EBPM）へ接続 最重要は「データの取り扱い」と「統計の知識」 ― アプリは入口、価値を生むのは集めたデータを正しく扱い、意味を読み解く力。 「悪いデータ」は平均で売上の約12%を侵食する（Gartner系調査）。集める前の設計と扱い方が成果を分ける。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 51
5. データサイエンス AIを「使う」と、データサイエンスを「理解する」 生成AIを「使う」 データサイエンスを「理解する」 答えを早く出すための「便利な作業」 課題を解くために「仕組みを作る」 • プロンプトを与え、出力を受け取る消費的な利用 • 大量のデータを集めて掃除（クレンジング）する • 速度と効率は上がるが、仕組みはブラックボックス • 統計・機械学習のモデルを構築し課題を解決する • 「なぜその答えか」は検証できず、誤りを見抜けない • 「なぜその結果になるか」を数学・プログラミングで深く理解 • 誰でも同じことができ、差別化や競争優位になりにくい • ゼロから仕組みを構築でき、再現性ある競争優位を生む 生成AIを「使う」≠ AI・データサイエンスを「理解する」。本講座が目指すのは後者である。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 52
6. データサイエンス なぜ「使う」だけでは危ういのか ― 3つの落とし穴 ① 悪いデータ（GIGO） ② 相関 ≠ 因果 ③ 過学習（Overfitting） Garbage In, Garbage Out。汚いデータを入れれ 「同時に起きる」と「原因である」は別物。見 手元データに合わせ過ぎたモデルは、過去は説 ば、AIも誤った答えを返す。 かけの相関を因果と誤読しやすい。 明できても未来を外す。 低品質データは売上の約12%を侵食し、企業は 取り違えれば戦略を誤り、資源を浪費し、損失 妥当性を検証する統計リテラシーがなければ見 を招く。 抜けない。 年平均1,200〜1,500万ドルを損失。 ポイント ： いずれも「便利に使う」だけでは防げない。データを掃除し、統計で妥当性を検証する力＝データサイエンスの素養が要る。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 53
7. データサイエンス データドリブン経営の裏付けと、学びの指針 約7割 EBITの20% 「バイリンガル人材」の時代 戦略判断の「ほぼ全て（約25%）」＋「大半（約 AIから利益の20%以上を得る企業ほど、強固なデー じる人材が価値を生む（Wharton／Tambe, 44%）」をデータ起点で行う企業の合計 タ基盤・実践を持つ（McKinsey） Management Science） 業務ドメインと統計・アルゴリズム素養の両方に通 だから、身につけるべきは3つ • データの取り扱い ： 収集・洗浄・整形と品質管理。「良いデータ」を作る工程こそが成果を左右する。 • 統計の知識 ： 相関と因果を区別し、モデルの妥当性と過学習を見抜く。結果を鵜呑みにしない。 • ガバナンス ： 市民データサイエンティストを活かしつつ、責任ある運用ルールで統制する。 AIを「使える」人は増える。差をつけるのは、データを扱い統計で「理解できる」人材である。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 54
8. AGENDA 本講演の構成 ― 8つの章で経営の地図を描く 01 03 05 07 ERPとは何か ない世界 vs ある世界 データ・ドリブン経営の真意 EBPM vs エピソードベース 解決策＝軽量ERP LEGOブロック型の発想 リスク管理とガバナンス 野良アプリを防ぐ4つの防波堤 AIの発達で経営はどう変わるのか 02 04 06 08 なぜ今ERPが必要か データで見る個別最適の限界 従来の壁 中小企業で普及しなかった理由 アプリ開発の民主化とAI 超・現場フィットの実現 実践の処方箋 3つの壁と2ステップ開発 3
9. CHAPTER 01 ERPとは何か？ 「ERPがない世界」と「ある世界」を対比し、なぜ全社で一つのデータベースを共有することが経営を変えるのかを解き明 かします。 AIの発達で経営はどう変わるのか 4
10. 01 ERPがない世界 ERPがない企業の裏側：「データのバケツリレー」 部署ごとに違うソフト・紙・Excelが乱立。手入力や転記による「伝言ゲーム」が発生し、ミスとタイムラグが常態化します。 販売部 ✎ 倉庫 ⤍ ✎ 転記 紙の伝票 結果： 購買 ⤍ ✎ 転記 Excel台帳 経理 ⤍ ✎ 転記 個別ソフト 会計ソフト 転記ミス・二重入力・タイムラグが常態化。「現場の事実」が経営に届く頃には、すでに過去の情報になっている。 AIの発達で経営はどう変わるのか 5
11. 01 バケツリレーの弊害 現場のノートと、経理のExcelは一致しない モノ（在庫）の動きとカネ（数値）の把握に、構造的なズレと時間差が生まれます。 現場 購買 紙のノートで管理 「ガーゼ在庫、あと5箱」 › Excelで管理 「先月100箱を発注」 経理 › 月末にデータ集約 正確な利益計算が 1ヶ月遅れる 経営インパクト： AIの発達で経営はどう変わるのか 意思決定に必要な「正確な利益」が、常に1ヶ月遅れて届く。変化の速い市場では致命的な遅延となる。 6
12. ERPとは何か ｜ ③ ERPの概念 解決策：すべての部署が「同じひとつのデータベース」を共有する 販売・倉庫・経理・人事が一つの巨大なデータベースに直結し、入力が即座に全社へ反映される 統合データベース 販売（請求）部 （ERP） 倉庫（購買） ひとつの「引き出し」に 全社のデータを格納 経理 人事 現場で入力された情報が、手作業ゼロで即座に全社へ反映される仕組み。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 8
13. 01 ERPの守備範囲 ヒト・モノ・カネ・営業 ― 会社の事務仕事を網羅する 会計・経理 カネ 購買・在庫 モノ 売上・経費・利益計算 発注・倉庫の在庫管理 人事・給与 販売・顧客対応 ヒト 営業 勤怠管理・人員配置 AIの発達で経営はどう変わるのか 地域連携・紹介管理 8
14. 01 導入の効果 ERPが経営陣と現場にもたらす3つの変化 【経営陣】 【現場】 【組織】 今の状態が1秒でわかる 無駄な二度手間が消える 世界標準の手順が根づく リアルタイムのダッシュボードで、現時点 紙からExcelへの転記など、生産性を下げ 効率の良いベストプラクティス（標準モデ の正確な数値を即座に把握できる。 る作業がゼロになる。 ル）が業務に組み込まれる。 売上 約300億→570億円 担当者あたり売上 +34% EDI比率 40%→65% 赤城乳業 オプテックス サンゲツ 導入効果の実例（国内） ／ SAP ERP・PSI管理強化 ／ SAP ERP導入後 ／ 決算期間も短縮 出典：各社公開情報（ERP導入事例） AIの発達で経営はどう変わるのか 9
15. 01 導入事例ギャラリー 成功と失敗に学ぶ ― 国内ERP導入のリアル 赤城乳業：ERP（SAP）導入後の売上推移 花王 成功 全世界の経営基盤をSAPで統合。グループ横断でデータを標準化し、グロ ーバルでの可視化を実現。 ローソン 成功 基幹をSAP S/4HANAへ刷新。販売・在庫データを一元化し、店舗・本部 の意思決定を高速化。 江崎グリコ 教訓 基幹刷新時のトラブルで出荷停止が長期化。段階導入・現場の巻き込み・ 十分な検証が成否を分ける。 2011 PSI管理を強化し需給を可視化、約1.9倍に成長。 出典：各社公開情報・ERP導入事例（クラウドERP導入ガイド／ITトレンド ほか） AIの発達で経営はどう変わるのか 10
16. CHAPTER 02 なぜ今、すべての企業にERPが必要なのか？ 労働力人口が減少するなか、データが部署ごとに孤立する「部分最適の弊害」が、経営の意思決定を致命的に遅らせていま す。データで現実を直視します。 AIの発達で経営はどう変わるのか 11
17. 02 データで見る現実① 日本企業のDXは「足踏み」、一方でAI活用は急増 中小企業のDX取組率（既+検討）の推移 AI活用率は1年でほぼ倍増 14.3% → 28.4% 66.0% の企業が経営戦略・DXロードマップを未策定。取組率は「量 から質へ」転換するも、戦略不在のまま場当たり的な導入にと どまる。 出典：中小企業基盤整備機構「中小企業のDX推進に関する調査」（2024・2025） AIの発達で経営はどう変わるのか 12
18. 02 データで見る現実② 広がる「DX格差」と、迫りくる「人手不足」 従業員規模別のDX取組率（2025年） 2030年の労働力不足（推計） 644 万人 生産年齢人口（15〜64歳）も2020年 約7,500万人 → 2040年 約 6,000万人へ。 「人を増やして手作業で連携する」モデルは、もう続けら れない。 AIの発達で経営はどう変わるのか 13
19. 02 データで見る現実③ AI活用は急増、しかし「企業規模の格差」が拡大 生成AIを活用する企業の割合（企業規模別） 生成AI活用方針を持つ企業 49.7 ％ 2024年度（前年42.7％）／総務省 情報 通信白書 令和7年版 日本のAIシステム市場規模 1.34 兆円 2024年・前年比 +56.5％／IDC Japan 不足するAI人材（2030年） 12.4 万人 AIの発達で経営はどう変わるのか 経済産業省ほか 推計 14
20. 02 ERPの定義と歴史 そもそも「ERP」とは何か ― MRPからの進化 ERP = Enterprise Resource Planning（企業資源計画）。単なるITツールではなく、企業活動を可視化し経営資源の分配を最適化する「経営の基 盤思想」そのもの。 1970s 1990s〜 現在 MRP ERP クラウドERP 製造業の資材・在庫管理手法として誕生 全経営資源を統合管理する手法へ発展 システムが経営の数字を自動で紡ぎ出す ERPが統合する4つの経営資源 ヒト 人事・労務・配置 AIの発達で経営はどう変わるのか モノ 購買・製造・在庫 カネ 販売・財務・管理会計 情報 顧客・取引・ノウハウ 16
21. 02 似て非なる3つ ERPの本質 ― SFA・CRMとの決定的な違い システム 主な目的・役割 SFA (営業支援) 商談履歴・進捗・案件パイプラインを管理し、売上予測の精度を高 CRM (顧客関係管理) 顧客属性・購買履歴・問合せ対応を管理し、LTV（顧客生涯価値） ERP (企業資源計画) ヒト・モノ・カネ・情報を一元管理。販売〜在庫〜購買〜人事〜財 顧客・営業情報も含め、企業全体の経営資源を1つの共通マスター 務会計まで全社データを統合 で統合する包括インフラ ERPの最大の価値： AIの発達で経営はどう変わるのか める を最大化 守備範囲 営業活動（成約前）に特化。成約後の在庫・財務には連動しない 顧客対応（フロント）に特化。社内バックオフィスは統合できない 販売部門が「1個売れた」と入力した瞬間、倉庫の在庫が自動減算され、経理に売上がリアルタイム反映される。 17
22. 01 ｜ 導入：ERPの本質 「1個売れた瞬間」に全社が連動する — 全社最適のスピード STEP 1 STEP 2 STEP 3 販売部が入力 在庫が自動更新 経理にリアルタイム反映 「1個売れた」 在庫データを −1 売上が即時に計上 SFA / CRM 領域 在庫領域 財務領域 ERP最大の価値 = 全社最適のスピード感 手作業の転記をゼロにし、今この瞬間の数字をリアルタイムで可視化する。報告書を待つ経営から、データを見ながら即断する経営へ。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 14
23. 02 経営者の獲得物 経営者が手にする「3つのレバレッジ」 1 2 3 経営状況の即時可視化 現場に報告書を作らせる必要がなくなる。現時点の正確な数値がダッシュボード上で即座にグラフ化される。 転記・入力業務の全廃 「紙→Excel→経理ソフト」と打ち直す、生産性を下げる転記作業をゼロにする。 業務の「標準化」 属人的な業務にシステムを合わせるのではなく、洗練された標準モデルに業務を適合させ、無駄のない組織へ。 AIの発達で経営はどう変わるのか 19
24. CHAPTER 03 データ・ドリブン経営の真意 軽量ERPでデータが統合される真の意義は、現場の省力化ではなく「意思決定モデル」の刷新です。エピソードベースから EBPMへ。 AIの発達で経営はどう変わるのか 20
25. 02 ｜ データ・ドリブン経営の真意 意思決定OSのアップデート：EBPM vs エピソードベース ❌ エピソードベース経営 ⭕ EBPM（エビデンスに基づく経営） 勘・経験・声の大きさで判断 客観的なデータ（証拠）で判断 • 「ベテランがこう言っていた」 • データで課題を発見し、施策を立案・検証 • 「社長の過去の成功体験ではこうだった」 • 感情や立場を排除し「事実」だけで最適解 • 「声の大きい幹部の意見が通る」 • 効果も数字で冷徹に検証 → PDCAが高速化 リスク 部分的な事象に惑わされ、本質的なボトルネックを見誤る。再現性 がなく、変化の激しい現代では過去の経験が通用しない。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 メリット 政府・自治体でも導入が進むグローバルスタンダード（骨太の方針 に2017年以降毎年明記）。変化に強く再現性のある経営判断を実 現する。 17
26. 03 なぜ今、実現できるのか アプリ開発の民主化が、中小企業のEBPMを可能にする AI × 民主化が変えること これまで困難だった理由 経営判断に耐えうる高精度な一次データが、リアルタイムに集 約されなかった。月次決算（過去の集計値）を見てから動いて › も、市場の変化に間に合わない。 現場が最適化された入力インターフェースを短期間で獲得。 Dataverseという共通基盤に「現時点の組織の事実」が自動で蓄積さ れる。 これで初めて、中小企業もエピソードベース経営を脱却し、 強固な EBPM（データ・ドリブン経営）を実践するインフラが整う。 月次決算を待たない 現場の一次データが即集約 高速PDCAを実現 過去の集計値に縛られず、現時点の事実で判断 転記ゼロでDataverseに自動蓄積 施策の効果を数字で検証し改善を回す AIの発達で経営はどう変わるのか 22
27. CHAPTER 04 従来の壁：なぜ中小企業でERPは普及しなかったのか？ 大企業で導入が進む一方、日本の中小企業では従来型ERP（SAP・Oracle等）の普及が極めて遅れていました。そこには「3 つの高い壁」が存在します。 AIの発達で経営はどう変わるのか 23
28. 04 意思決定者を阻む壁 従来の大型ERPが越えられなかった「3つの壁」 壁1 壁2 壁3 莫大な初期投資 業務フローの硬直化 IT人材不足とベンダーロックイン 数千万〜数億円規模の投資は、中小企業の財 務体力では実質的に不可能。 結末： 固定されたワークフローが、中小企業最大の 強み「柔軟で迅速な現場の機動力」と衝突す る。 外部ベンダーへの依存度が高く、自社での保 守・運用・軽微な改修すら内製化できない。 膨大なカスタマイズ（アドオン開発）がプロジェクト破綻を招き、多くの企業が「結局Excelと紙が最速」と元の分散管理へ逆戻 りした。 AIの発達で経営はどう変わるのか 24
29. 02 ｜ データ・ドリブン経営の真意 なぜ今まで中小企業でEBPMができなかったのか これまでの限界 追い風：拡大するローコード／ノーコード市場 経営判断に使える精度の高い生データが、リアルタイムに集 まらなかった。 月次の決算データ（過去の数字）を見てから手を打っても、すでに手 遅れ。 AI × アプリ開発の民主化が変えた 現場が使いやすい入力インターフェースを爆速で手に入れ、 Dataverseという一つの引き出しに「今この瞬間の現場の事実」 が自動で蓄積される。 国内ローコード/ノーコード開発市場（億円）。2024年度は994億円・前年度比+15.1%。出典： → 中小企業でも完璧なEBPMを実践する土台が整う。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 ITR 18
30. CHAPTER 05 解決策：LEGOブロック型の「軽量ERP」 大型システムの一括導入リスクを回避し、必要なモジュールから段階的に積み上げる ― これからの正解は「軽量ERP」で す。 AIの発達で経営はどう変わるのか 25
31. 03 ｜ 解決策 これからの正解は、LEGOブロック型の「軽量ERP」 従来の大型ERP これからの軽量ERP フルオーダーメイドの超高級巨大ビル 必要に応じて組み替えるLEGOブロック 動かせない ・ 超高額 ・ リスク大 安価 ・ 柔軟 ・ 即効性 大型システムを一度にドカンと入れる投資リスクを避け、Dynamics 365 のようなクラウドをベースに、LEGOブロックを積み重ねるように必要な機能から少し ずつ構築・拡張していくアプローチです。 なぜMicrosoft環境なのか？ ― 「Dataverse」の圧倒的優位性 Dynamics 365 の背後には、強力な共通データ基盤「Microsoft Dataverse」が標準装備。現場が作ったミクロなアプリのデータと、会社全体のコア な財務・在庫データが、同じ引き出しの中でリアルタイムに統合されます。 → 「現場の使いやすさ（個別最適）」と「全社のデータ統合（全体最適）」が、初めて地続きでつながる。 AIの発達で経営はどう変わるのか？ 22
32. 05 軽量ERPの核 Microsoft Dynamics 365 アーキテクチャ概念図 最前線の現場：アプリ開発の民主化（Power Apps / Copilot） 配送ルート記録 特殊検品最適化 リアルタイム資材ロス報告 ▼リアルタイム自動格納 共通データ基盤：Microsoft Dataverse 最前線の一次データ ＆ 企業の基幹データを同一基盤上で統合（すべてのデータの“共通の引き出し”） ▼標準機能として完全統合 経営・バックオフィス：軽量ERP基幹機能（Microsoft Dynamics 365 / コンポーネント型） SFA / CRM (営業・顧客) 在庫管理 (モノ) 購買管理 (調達) 財務会計 (カネ) ポイント：すべてが単一の共通データ基盤（Dataverse）上で動作するため、個別調達・接続に伴うデータ連携の開発・維持コストが不要。 AIの発達で経営はどう変わるのか 27
34. CHAPTER 06 アプリ開発の民主化とAIがもたらす超・現場フィット 「現場を最もよく知る人材が、自らの業務のために、真に機能するアプリをその場で構築する」。経営は“バックミラー”か ら“フロントガラス”へ。 AIの発達で経営はどう変わるのか 28
35. 06 ｜ 現場への落とし込み 「アプリケーション開発の民主化」とは これまで ｜ 従来のIT投資 • 現場の業務実態を熟知しない外部エンジニアが要件定義 • 現場の運用に適合せず、システムが形骸化 • 投資が無駄になるリスクを常に内包していた これから ｜ 開発の民主化 • ローコード/ノーコード・生成AIの進化が後押し • 現場の一般社員（非エンジニア）が自律的に開発 • 生成AIと対話する「直感型ローコード開発（バイブコーディング）」の時 代 💡 アプリケーション開発の民主化とは？ これまで専門のITエンジニアしか対応できなかった高度なシステム開発を、ローコード/ノーコードツールや生成AIの進化により、現場の一般社員（非エ ンジニア）が自律的に行えるようになるパラダイムシフト。 「現場を最もよく知る人材が、自らの業務のために、真に機能するアプリケーションをその場で構築する」 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 41
36. 06 ｜ 現場への落とし込み 「アプリ開発の民主化」がもたらす超・現場フィット 💡 アプリ開発の民主化とは？ プロのITエンジニアしかできなかったシステム/アプリ開発を、ローコー 従来のIT投資 → 民主化 これまで ド・ノーコードや生成AIの進化によって、現場の一般社員（非エンジニ ア）自らが手軽に行えるようになるパラダイムシフト。 現場を知らない外部エンジニアが要件定義 → 現場にフィット せず、使われなくなるリスクを常にはらんでいた。 今は「バイブコーディング」の時代 これから 生成AI（LLM）と対話しながら直感的に開発する。「現場を最もよく知る 人たちが、自分たちのために、真に使えるアプリをその場で作る」。 入力された泥臭い生データが、手作業のバケツリレーなしで、 自動的に軽量ERP（Dataverse / Dynamics 365）へリアルタイ 配送ルート記録／特殊な検品アプリを、現場社員がPower Apps等でサクッと自 ム格納される。 作。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 26
37. 06 ｜ 現場データのリアルタイム連携 現場アプリから軽量ERPへ、転記ゼロで直結する ① 現場が自作 ② 最前線の生データ ③ 軽量ERPへ格納 「配送ルート記録」「特定の検品用」アプ アプリから入力された最前線の生データ 背後の軽量ERP（Dataverse / Dynamics リを、生成AIの支援を受けながら Power が、手作業による転記を一切挟むことなく 転記ゼロ Apps 等で迅速に自作。 自動格納 流れる。 365）へリアルタイムに格納され、全社デ ータと統合。 ポイント ： 現場を最もよく知る人材が真に機能するアプリをその場で構築し、その生データが転記を介さず軽量ERPへ統合される。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 42
38. 06 ｜ 経営側のパラダイムシフト 「バックミラー」から「フロントガラス」を見る経営へ 🪞 バックミラー（従来） 🚗 フロントガラス（軽量ERP） 投影されるのは「過去の確定値」だけ 「現場の現時点の状況」をリアルタイムに • 決算データなど「過去の確定値」に限定 • 顧客クレームの発生傾向、作業遅延の予兆 • 現場の現状はブラックボックス化 • 微細な資材ロスまで高い解像度で可視化 • 打ち手が後手に回りやすい • 経営トップへ即座に共有し迅速に意思決定 利益 ＝ 売上 − 経費 データ結合でボトルネックを即特定。迅速な意思決定が「コスト削減＝利益向上」に直結。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 43
39. 06 国内実装事例 民主化は「絵空事」ではない ― 国内企業の実装成果 Power Platform・生成AIで、現場部門が自ら業務アプリを内製する取り組みが大企業で続々と成果を上げています。 伊藤忠商事 JR西日本 早稲田大学 Power Platform ＋ 生成AI（2022年7月〜） Power Platform 全社導入（2022年〜） Power Automate による業務自動化 900 名 20 + 400 + アプリ作成者 1年で業務アプリ 変革した業務 1,200 本 600 社 2年 作成アプリ数 グループ展開予定 での到達 社員自らが業務アプリを内製。約1年半で全社に開発 7カンパニーで活用。プロ開発と市民開発を両輪に業 事務部門が自律的に自動化を推進し、定型業務を大 文化が浸透。 務改善を加速。 幅削減。 共通点： 現場部門が自ら開発し、IT部門は基盤と統制（ガバナンス）に専念。これが民主化を成功させる体制。 出典：日本マイクロソフト 顧客事例（西日本旅客鉄道・伊藤忠商事・早稲田大学） AIの発達で経営はどう変わるのか 31
40. CHAPTER 07 リスク管理：野良アプリによる「データ汚染」を防ぐ 民主化は強力な原動力である一方、無統制な放任は「統制外アプリ（野良アプリ）によるデータ汚染」と「ライセンス費用 の肥大化」を招きます。 AIの発達で経営はどう変わるのか 32
41. 07 ｜ リスク管理 民主化の裏で起きる「データ汚染」と「コスト肥大」 ⚠ 野良アプリによるデータ汚染 ⚠ ライセンスコストの肥大化 統制外（野良）アプリが基幹データへ直接書き込み、データの汚染・破 ユーザー単位のライセンス費用（ランニングコスト）が予期せず増大 壊を引き起こす。 し、経営を圧迫する。 現場の超高速試作は「PoC（概念実証）」と割り切る ラピッドプロトタイピングは、あくまでUI/UXや業務適合性を確認するためのPoC。ローコード環境のみで全社運用を永続させることは、セキュリティ・ 保守性・データ整合性・精度・ライセンス費用の観点から経営を圧迫する要因となる。 → 軽量ERPを成功に導くには、IT部門が適切な「統制（ガバナンス）」を実装する必要がある。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 44
42. 07 ｜ 本番環境を守るアーキテクチャ 本番データを守る「4つの防波堤」 現場アプリ ① 環境分離 ② DLPポリシー ③ ステージング ④ 軽量ERP Power Apps サンドボックス データ損失防止 一時預かり所 Dynamics 365 本番 UI/UX・入力インターフェー 本番に影響しない検証環境で 基幹データへの直接書き込 型・桁数を自動バリデーショ ス 自由に開発・テスト み・更新・削除を遮断 ンする中継テーブル ＋ CoE（Center of Excellence）による統合監視 適正データの み 適正なデータのみを基幹へ統 合 「Power Platform CoE Starter Kit」等で全社アプリの稼働をダッシュボードで一元監視し、違反・長 期非稼働アプリを自動で隔離・削除する。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 45
43. 07 ｜ リスク管理 「4つの防波堤」を支える具体的な統制策 環境分離（開発サンドボックス） ① 試作・検証は本番から完全に切り離した開発環境で行い、PoC段階で本番データへ影響を与えない。 DLP（データ損失防止）ポリシー ② 基幹テーブルへの直接の書き込み・更新・削除を強制的に遮断し、野良アプリによるデータ汚染・破壊を未然に防ぐ。 ステージング・テーブル ③ Dataverse上の中継テーブルとPower Automateで、必須項目の充足・型・桁数の妥当性を自動チェックしてから基幹データへ統合する。 CoE（Center of Excellence）による一元監視 ④ CoE Starter Kit を導入して全アプリの稼働状況を一元監視し、ポリシー違反・非稼働アプリを自動で隔離・削除する。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 46
44. CHAPTER 08 2ステップ開発 09 PoC × 本番実装の分離 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 34
45. 08 成功のプロセス 成功への「現実的な2ステップ開発プロセス」 現場の機動力（PoC）とIT部門の堅牢性（本番）を明確に分離・融合させる。 1 現場主導：PoCフェーズ 2 （概念実証） 現場の要求を、AIで迅速に具現化する › プロ主導：本番実装フェーズ （システム統合） IT部門による堅牢かつ低コストな統合 検証済みの仕様を基に、エンジニア/情シスが介入。 生成AI × アプリ開発の民主化（Power Apps等）を活用し、 現場の実務に即したアプリを高速で試作。画面の視認性・ 操作性、業務フローへの適合性を現場主導で検証する。 Dataverseの正規テーブルへデータを統合し、本番向けにセ キュアでランニングコスト（ライセンス費）を最適化した 実装へ移行し、全社展開する。 AIの発達で経営はどう変わるのか 38
46. 09 ｜ 成功のための開発プロセス 現実的な「2ステップ開発プロセス」 現場の爆発力（PoC）とプロの堅牢性（本番）を、綺麗に分離する。 STEP 1 ｜ 現場主導 STEP 2 ｜ プロ主導 PoCフェーズ（概念実証） 本番実装フェーズ（システム統合） 現場の理想をAIで爆速で形にする IT部門による堅牢・低コストな本番実装 • 生成AI × アプリ開発の民主化（Power Apps等） • 検証済みアプリの仕様をベースにエンジニアが介入 • 現場の生の声とアイデアを反映し高速で試作 • Dataverseの正規テーブルへ統合 • 画面の使いやすさ・業務フローへのフィット感を現場で徹 • コードで堅牢化し、無駄なライセンス費用を抑えて全社展 底検証 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 開 35
47. 09 ｜ 成功のための開発プロセス 「バイブコーディング」が変えるSTEP1と、本番化の関所 現場がコーディング知識なしでUI/UXを作り込み、プロが繋いで本番運用に耐えるシステムへ STEP1 ｜ 現場のラピッドプロトタイピング STEP2 ｜ 本番運用のためのシステム統合 • • AIバイブコーディング（2025年・Karpathy提唱）で、コードを ーコード／バイブの限界） 書かず会話でアプリを生成 • 現場を知る人が、プログラミング知識なしでアプリを内製でき • 従来エンジニアでも難しかったUI/UX・業務フローへのフィッ • 「作りながら検証」で要件のズレを高速に解消する 検証済み仕様をDataverse等の正規基盤へ統合し、全社の「唯 一の真実」にする トを、当事者が直接作り込む • 保守運用には、エンジニアによるシステム統合と本番アーキテ クチャが不可欠 るようになった • 試作品は検証に強いが、実運用の負荷・保守には耐えない（ノ • ガバナンス下で堅牢化し、継続的に保守・運用できる状態へ引 き上げる 現実 ： AI/PoCの多くは本番に届かない（IDC：88%、Gartner：87%が本番未到達）。試作の"速さ"と本番の"堅牢さ"を分業でつなぐ。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 36
48. 09 ｜ 成功のための開発プロセス STEP1を支える数字：AI×ローコードの破壊力 現場主導の高速試作が、開発スピードとコストを根本から変える 50–70% 30–40% 最大55% 約6.7兆円 開発期間の短縮（従来比） 開発コストの削減 PoC期間の短縮（AI併用） ローコード市場規模（2026・前年比 +19%） 導入事例 ｜ 市民開発のインパクト サントリー：市民開発者 350名／570個のアプリで年間10万時間超を削減（2025年3月時点）。 情シス主導の内製化で「2,000万円規模のコスト削減」を実現した企業事例も報告されている。 出典：ITR／Gartner（2026予測）／note.com 実装課題レポート／サントリー公式／エンタープライズIT協会 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 37
49. CHAPTER 09 実践の処方箋：3つの壁と、成功への突破口 プロジェクトを発足・推進する際に必ず直面する「3つの壁」と、その具体的処方箋。そして成功のための「2ステップ開発 プロセス」を提示します。 AIの発達で経営はどう変わるのか 34
50. 08 実装フェーズの現実 実装で直面する「3つの壁」と突破口 「何を作ればいいかわからない」現場の思考停止 壁① 突破口： TOC（制約理論）を共通言語に。業務の棚卸しでボトルネックを特定。SUNABACOのDX人材育成講座を活用。 データ定義の不一致（表記ゆれ問題） 壁② 突破口： マスターデータは「読み取り専用」参照を徹底。顧客・商品は手入力させず、選択式（ドロップダウン）で指定。 IT部門の「心理的抵抗」 壁③ 突破口： AIの発達で経営はどう変わるのか 「統制・制限する側」から「安全な開発環境（サンドボックス）を提供する側」へ役割を再定義。 35
51. 08 ｜ 現場の思考停止と突破口 「何を作ればいい？」の思考停止を、TOCで突破する 主観によるアプリ濫造＝「部分最適」を防ぎ、全体最適を見極める"目利き"を組織に実装する 課題 ｜ 現場の「思考停止」 • 日常の定型業務に追われ、自社のどこにボトルネックがあるか 突破口 ｜ TOCを共通言語に • を客観的に言語化できない • 現場が主観でアプリを濫造すると、自分の周囲だけを効率化す 通言語」にする • る「部分最適」に陥る • 個別最適の積み重ねが、組織全体ではかえって非効率（仕掛品 TOC（制約理論）の思考プロセスを、経営層・現場双方の「共 「業務の棚卸し」でボトルネック（制約）を発見し、全体最適 の打ち手を見極める • の滞留・余剰業務）を招く SUNABACO「DX人材育成講座」（約18日間／第15回は16チー ムが自社課題で卒業制作）を活用 • 全体最適の視座を得た現場が、ROIの高い業務改革・DXを自発 的に特定・遂行できる TOCの本質 ： 全体のスループットは最も弱い「制約」が100%決める。世界5,000社超が実践し、人員・設備を増やさず処理能力を大幅改善 した事例も。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 32
52. 08 ｜ 経営者が知るべき本質 TOC（制約理論）— ボトルネックがすべてを決める 💡 TOC（Theory of Constraints）の本質 どこをデジタル化すれば全体の利益につながるか 業務プロセス全体の生産性（スループット）は、最も処理能力 が低い「ボトルネック（制約）」によって100%決定される。 ⚠ 部分最適の罠 ボトルネック以外をどれだけ効率化しても、会社全体の成果は1ミリも増え ない。 工程A 工程B 工程C 工程D ボトルネック ⚠ 逆効果のリスク ネック以外を高速化すると、後続に仕掛品が溜まるか「やった感だけの無 → 制約工程（B）の能力＝全体の能力。ここを見つけ、ここから手を打つ。 駄な業務」が生まれ、全体の生産性はむしろ低下する。 全体最適の視点を持てば、投資対効果の高いDXを現場が自発的に特定でき る。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 31
53. 08 ｜ 実践プロセス TOC（制約理論）の本質と「部分最適の罠」 💡 TOC（制約理論）とは？ 全体のパフォーマンスは、たった一つの「制約（ボトルネック）」によって100%決定される、とする経営改善の理論。ボトルネック以外をいくら改善し ても、全体の成果は変わらない。 📉 部分最適の罠 ⚠ 改善が逆効果になるリスク • ボトルネック以外の改善は全体成果に寄与しない • 制約を見誤った改善は、かえって全体最適を損なう • 各部署の個別最適がかえって在庫や滞留を生む • まず「制約はどこか」の見極めが最優先となる ポイント ： TOCで「どこを直せば全体が変わるか」を特定し、SUNABACO等の伴走支援で実装まで支える。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 48
54. 08 ｜ 卒業制作事例 SUNABACO卒業制作：現場発の「見える化」が生んだDX実例 第15回 DX人材育成講座／全16チームが自社課題に挑戦。現場の当事者が"使えるアプリ"を内製した代表例 今治の造船現場 ｜ ブロック置場の見える化ツール「灯台くん」 置場マップ＋ガントで所在と作業状況を一目把握。色分け（入庫予定／在庫／出庫予定／空き）とクリック編集で搬入・特注仕様・作業期間を即時反 映。 → 現場満足度100％・確認電話は半減 人員配置の最適化 • 工程表と日報から必要人員を自動算出し、過 部品発注書の自動生成 • 不足をグラフ化 • AIがスキルデータを基に最適配置を提案 → 年間40万円超の人件費削減を見込む 手作業の転記をやめ、発注先ごとに注文書を 医療現場のボトルネック可視化「立速アナライザ ー」 • 一括自動作成 • 入力はリストのみで完結 → 20時間→数分／年間約460時間を削減 受付〜診察〜会計の工程時間を自動記録し箱 ひげ図で可視化 • 混雑時間帯・部門ごとの傾向も把握 → 平均待ち時間 13分→5.3分 共通点 ： いずれも現場の当事者が自ら内製し、"ボトルネックの見える化"を自分たちの手で実現。外部ベンダーに頼らず成果へ。 AIの発達で経営はどう変わるのか — AI×軽量ERPによるデータ・ドリブン経営 出典：SUNABACO「DX人材育成講座」第15回 卒業制作発表会イベントレポート（2025年） 33
55. 08 事例・エビデンス SUNABACOのDX人材育成講座 ― 自治体・政策連携の実例 講座で学べること 今治市 × SUNABACO（2024） 造船・繊維・医療・農業から約80名が受講。最優秀のAI部品予測システムは部品2点だ • 業務の棚卸しと、ChatGPT・生成AIの活用 • ノーコード/ローコード × Microsoft Power Platform けで約1,000万円のコスト削減を実証。市職員75名向け研修も実施。 富山県 特別講演（2025.4） • 真因特定・ボトルネック発見（制約の考え方） 県庁で「地方自治体でのDXを上手く進めるには」を開催。県庁・県立中央病院など多 • UX/情報設計・データに基づく施策立案 業種が参加し、官民連携でDXを推進。 • 最終週はチームでアプリ開発→ピッチ発表(PBL) 熊本県八代市・全国へ展開 市職員向けDX研修を実施し、卒業後もアプリが運用継続。卒業制作では年間460時間削 DX人材育成講座：週3日×約6週間／完全ライブ・アクティブラーニング 減・待ち時間13分→5.3分などの成果。 出典：今治市プレスリリース、SUNABACO公開情報、富山県・熊本県等の公表資料（2024〜2025） AIの発達で経営はどう変わるのか 37
56. 結び 人口減少社会を生き抜くための「経営OS」 従来のERPは、組織を硬直化させ莫大な維持コストを強いる「重い制約」でした。しかし 「バイブコーディング（アプリ開発の民主化）× 軽量ERP（Dynamics 365）」 の融合は、システムを“俊敏かつ柔軟な自社専用の経営OS”へと進化させます。 脱・エピソード EBPMで意思決定 次の一手を即断 経験則依存のマネジメントから脱却 正確なリアルタイムデータに基づく ボトルネックを特定し迅速に実行 これこそが、これからの時代を勝ち抜く企業の、最も強力な生存戦略となる。 AIの発達で経営はどう変わるのか 39