前回は、DXプロジェクトのPMOにAIエージェントをどう組み込むかを取り上げました。会議メモ、Fit&Gap資料、課題一覧、業務フロー、ベンダーからの回答など、散らばった情報を整理し、確認すべき論点を見つけやすくする使い方です。
ただ、実務で本当に難しいのは、情報を集めることだけではありません。業務フロー、インターフェース一覧、要求事項、課題票、システム仕様、テスト仕様。それぞれが別の担当者、別のタイミングで更新されると、少しずつ不整合が生まれます。ある業務フローにはシステム連携が書かれているのに、要求事項には対応する記述がない。課題票では決まったはずなのに、仕様書には反映されていない。要求事項にはあるのに、テスト仕様で確認する項目に入っていない。
こうした不整合を放置すると、後工程で手戻りになり、開発費、テスト工数、移行準備の負担が膨らみます。経営にとって避けたいのは、要件漏れや変更の見落としが、後から追加コストとして表面化することです。
AIエージェントをPMOに組み込む意味は、AIに正解を決めてもらうことではありません。不整合の候補を早く見つけ、人が確認し、必要な判断と反映を進められる状態をつくることにあります。ただ、その状態を一度つくればおしまい、とはいきません。AIを入れることと、現場に根づかせることは別の話です。
PMOがAIエージェントを活かせる組織へと変わっていく――いわばPMOのトランスフォーメーションは、一足飛びには進みません。今回は、その理想と、現場の不安とのずれをどう埋めていくかを考えます。
不整合は、一つの資料の中ではなく、資料と資料の間で起きる
DXや基幹システム刷新では、プロジェクトが進むにつれて資料が増えていきます。業務部門は業務フローを更新し、IT部門やベンダーは仕様を詰め、PMOは課題票や決定事項を管理します。テストが近づけば、テスト仕様や移行資料も加わります。
それぞれの資料に誤りがなくても、資料と資料の間にズレがあるとプロジェクトは不安定になります。たとえば、顧客対応や品質管理上の理由から残すべき業務要件が、業務フローには残っている。しかし、システム仕様では標準化の対象として扱われ、後続のテストにも入っていない。こうしたズレは、設計会議の一回だけでは見つかりません。
PMOに求められるのは、資料を保管することではありません。どの要件が、どの業務フロー、仕様、テストにどうつながっているかを追い、変化があったときに影響範囲を見えるようにすることです。
AIが処理を始めても、現場の不安はすぐには消えない
〖現場の事例〗業務フローと数千件の課題票を、どう照合するか
ある製造業のDXプロジェクトでは、複数の業務領域にまたがる40シート超の業務フローが作成されていました。同時に、課題管理ツールには、要件確認、QA、資料レビュー、担当者間のやり取りを含む数千件のチケットが蓄積されていました。
業務フローに記載されたインターフェースと、要求事項や課題票にある検討内容を人手で照合し続けるには限界があります。そこで、AIエージェントを使い、業務フローやチケットから論点を拾い、不整合の候補を抽出する取り組みを進めました。ところが、現場にとっての壁は、AIの分析精度だけではありませんでした。
大量のデータを取り出す際に既存システムへ負荷をかけないか。データへのアクセスや実行の責任を誰が負うのか。AIが出した候補を、誰がどの基準で確認するのか。AIを実行する担当者は、「一人でテストし、正しさを判断する自信がない」と感じます。さらに、実行できる権限を持つのが自分だけで、押した後のトラブルの責任も一人で負う、という「権限の孤独」もあります。抽出した結果をステークホルダーにどう説明するか、という重さも残ります。
ここで重要なのは、それをAIリテラシーの問題として片付けないことです。現場が気にしているのは、ツールを使えるかどうかだけではありません。自分がボタンを押した後に起きるかもしれないシステム負荷、データの扱い、結果の説明責任まで含めた、実務上のリスクです。AIが動くことと、現場が安心して使えることは別の話です。
AIの役割は、不整合の候補を見つけ、人の確認を前に進めること
AIエージェントは、業務フロー、要求事項、課題票、仕様、テスト仕様を横断して読み、不整合の候補を整理することができます。
たとえば、次のような候補です。
- 業務フローには外部システムとの連携があるが、要求事項やインターフェース一覧に対応する記述が見当たらない
- 課題票では対応方針が決まっているが、仕様書や設計書に反映された形跡がない
- 要求事項にある処理が、テスト仕様に入っていない
- 同じ顧客要件について、別の資料で異なる前提や用語が使われている
こうした候補を人がゼロから探すのは時間がかかります。AIを使えば、課題票への印付け、関連資料の候補出し、影響しそうな業務領域の整理といった作業を早められます。
ただし、候補は判断ではありません。「仕様に見当たらない」とAIが指摘しても、実際には別の資料に記載されているかもしれません。業務上の理由があって、あえて運用で対応する判断をしている場合もあります。
だからこそ、AIの仕事は不整合を断定することではなく、PMOやワーキンググループ、ベンダーが確認すべき論点を、追える形で提示することにあります。
PMOは、不整合を見つけて終わりにしない仕組みをつくる
不整合候補が見つかった後の流れは、本来、プロジェクトマネジメント計画書で定める課題管理、変更管理、品質管理、コミュニケーション管理の中にあります。
PMOがつくるべきなのは、新しい管理作業を増やすことではありません。既存のプロジェクト運営の中で、不整合候補を確実に扱える仕組みです。
候補を課題票に記録し、どの資料間の論点かを分かるようにする。関係部門とベンダーに確認し、判断が必要なものは適切なワーキンググループや会議体に上げる。決まった内容を要求事項、仕様、テスト仕様へ反映し、決定ログを残す。こうした流れが回って初めて、AIで見つけた候補がプロジェクトの信頼性向上につながります。
当社のサービスについて
タクスフィアでは、AIエージェントを活用した不整合管理の仕組みづくりと、その後のPMO伴走支援を行います。ただ、私たちが実際に多くの時間を使うのは、仕組みをつくった後です。PMOがAIを使いこなす組織へと変わっていくトランスフォーメーションは、一足飛びには進まないからです。私たちは、それを段階的に、現場の歩幅に合わせて進めます。
最初から大量データを一括で扱うことはしません。具体的には、次のように進めます。
- 対象領域を絞り、AIが出した候補を担当者と一緒に目視で確かめる
- 既存システムの負荷やセキュリティを踏まえ、情報システム部門と安全な実行ルールを決める
- 誰が実行し、誰が確認するのか、責任の線引きを明確にする
- AIが候補を出した過程を残し、ステークホルダーへ根拠を説明できるようにする
「一人で正しさを判断する」という重圧を、担当者に背負わせないためです。仕組みをつくった後も、ワーキンググループでの確認、関係部門との調整、課題・変更・決定の管理が回るまで伴走します。AIを使って事務作業を速くするだけでなく、人が納得して意思決定できる状態を、少しずつ確かなものにしていくことが目的です。
DX・基幹システム刷新のPMOで、AIエージェントを入れたいが現場に根づく気がしない、要件定義や仕様管理の不整合を早めに見つける仕組みをつくりたい、といったご相談は、お問い合わせフォームよりお寄せください。
