「設計変更の影響確認を、短時間で行えるようにする」「需要変動に合わせて、生産や調達の計画を見直しやすくする」「特定の部門で、AI活用を始める」。このように“範囲を絞って短期間で効果を出す”改革を進めたいと考える企業が増えている。しかし、人も時間も限られるなかで複数の改革を同時に進めるには、「何から着手すればよいかが分からない」「どのような順番で進めれば効果を最大化できるかが見えない」といった悩みを抱える企業も多い。このような状況で、改革対象と優先度を短期間で決める手段として、診断(アセスメント)があらためて重要になっている。ただし、それは従来のように時間をかけて詳細に現状調査するものではない。
本稿では、なぜ今診断が必要なのか、また、時間が限られる中で、何を対象にどのような観点で診断するのかを整理する。読み終えたとき、改革の最初の一手を決める考え方がつかめるはずだ。
目次
1. 同時並行で進む経営施策や改革
製造業各社は、変化に素早く対応することがこれまで以上に求められている。
顧客ニーズの多様化によって、製品や部品のバリエーションは増加・複雑化し、さらに製品のソフトウエア化がそれに拍車をかけた。また、景気・為替・地政学リスク・トレンドなど、さまざまな理由で需要が変動し、調達先や物流の見直しを迫られる場面も増えている。仕様が増えれば、設計変更が調達・生産・サービスに及ぼす影響を確認する必要があり、需要が揺れれば、生産や調達の計画を見直す頻度も上がる。
これらの対応スピードは、製造業が重視する品質・コスト・納期(QCD)のうち、納期(Delivery)に直結する。仕様の増加や需要の変動で設計変更や計画の見直しが増えるほど、その対応の遅れが納期の遅れになるためである。変化に素早く対応できるかどうかが、自社の競争力を左右するといっても過言ではない。
こうした状況を背景に、多くの企業が改革を進めている。改革の対象は、業務プロセスの再構築、統合基幹業務システム(ERP)や製品ライフサイクル管理システム(PLM)などの刷新、AIをはじめとする新技術活用など複数に及んでおり、これらが同時並行で進んでいるのが実状である。
2. 最近の改革アプローチのトレンド
このような改革活動は、ここ数年で進め方や求める成果が変わってきている。
従来の業務改革は、最初に詳細な現状調査を数カ月かけて行ったのち、網羅的に課題をあぶりだした上で精緻な将来像を描き、その将来像をもとに複数施策を織り込んだロードマップを策定、実行してきた。しかし、近年では、現状調査は不要とし、「目指す姿を仮置きし、まず実行してみる」という進め方が増えている。実際、私たちが支援する場合においても、「他の企業で実行した将来像をテンプレートとして示してほしい」という要望が増えている。
この進め方自体は、理にかなっている。現状調査そのものは、直接的な価値を生む作業ではないからだ。時間をかけて現状調査をした上で施策を実行しても、必ずしもすべての施策で期待通りの効果を得られるわけではない。「まずやってみる」「やりながら目指す姿を明確にしていく」という考え方は、IT開発におけるアジャイル開発の考え方とも通じる。
また、現状調査を省く理由には、時間と人手が限られているという点もある。現行業務や複数の改革に人手が取られてしまい、そもそも調査に割けるリソースがないというのが、多くの企業で見られる実態である。独立行政法人情報処理推進機構(IPA)の「DX動向2025」によると、DXを推進する人材が不足していると答えた日本企業は8割を超えている。[1]
一方で、「まずやってみる」「やりながら目指す姿を明確にしていく」といった改革アプローチを採ろうとする企業の推進担当者は、共通の悩みを抱えていることが多いようだ。以下3点の課題である。
- 何を優先すべきかが決まらない
将来像は描けても、自社のどの業務・データから手を付けるべきかを決める根拠がない。そのため、優先順位は声の大きい部門や経験則に左右されてしまい、着手が遅れたり、効果の薄い対象を選んだりしやすい。 - 成果が示せず、改革が続けられない
現在の状態を基準として把握しておかなければ、改善の度合いも測定できない。成果を示せなければ、次の投資が判断しづらくなり、また関係部門の協力も得にくくなる。 - 関係者を巻き込めない
優先すべき対象を決められたとしても、それを実行するには関係部門の協力が不可欠である。しかし、多くの場合、その部門は現行業務で多忙であったり、既に別の改革案件への参画を求められていたりする。「大人数での活動は避けたいが必要最小限の部門は巻き込みたい。しかし、その部門に優先すべき対象であることを理解してもらうのは難しい」というのが推進担当者の本音ではなかろうか。
3. 現状調査ではなく「診断」が必要な理由
これら3つの課題への対策としては、「調査する」でも「ただ調査を省く」でもなく、将来像を描く前に「診断」することを私たちは推奨している。
ここでいう診断とは、従来の現状調査のように、詳細な業務フローを作成し、網羅的に課題を洗い出すことではなく、「どこに問題があるか」「最初に着手すべき対象は何か」について、短期間で関係者と認識合わせするために行うものである。この共通認識があるからこそ、改革の対象範囲と優先度を決めることができる。短期間の理由は、前述のとおり時間も人手も限られるからである。付け加えると、長い時間をかけて調査してしまうと、業務・システムの状態や事業環境そのものが変わってしまい、調査した内容が陳腐化してしまう恐れがある。
一方、短期間で進めるからといって、限られた部門のみを対象にしてはならない。1つの領域・分野であっても、関係する複数部門に対して行う必要がある。なぜかというと、関係者間で認識が分かれる箇所ほど、改革のポイントが潜んでいる可能性が高いためである。例えば、同じデータを使っているつもりでも、部門ごとに定義や管理方法、必要な粒度が揃っていないことは珍しくない。認識の差が見えれば、「誰が正しいか」ではなく、「なぜ違うのか」「何を揃えるべきか」を関係者が同じテーブルで議論することができるようになる。
加えて、診断は改革の効果を測る出発点にもなる。詳細な調査ではなくても、共通のものさしで現在の状態を押さえておけば、改革の後に同じ診断を行い、改善の度合いを比較できる。成果を示せれば、次の投資の判断や、関係部門の協力も得やすくなる。
このように、診断は現状把握のみならず、改革に必要な対話を始めるきっかけや評価基準の道具にもなりうるのである。
4. 診断対象は、業務やシステムではなくデータ
診断対象は、業務・システムではなく、データであるべきだと私たちは考える。理由は、変わるものと変わらないものの違いにある。
業務は人や組織に伴って変化し、システムも技術の進歩とともに変化する。しかしデータは、これらの変化にかかわらず残り続ける。設計変更をどのシステムで管理するかは将来変わるかもしれないが、部品情報や設計変更履歴のデータそのものが不要になることはない。むしろAIなど新しい技術を使えば使うほど、データの品質や可用性(必要なときに使えること)の重要性は高まる。なお、ここでいうデータは、システム上の数値のような構造化データや、図面、不具合情報のような非構造データだけではなく、担当者の頭の中にある判断基準やノウハウも含まれる。
データ整備に関して、最近は「AIに任せればよいのではないか?」という声が挙がっている。確かにAIがデータの標準化や品質改善の一部をサポートすることはできる。しかし、「何が問題か(背景・理由を含む)」「どのような定義・ルールに揃えるか」「どの部門で責任を持つべきか」などを決めるのは、AIでは難しく、人が判断しなければならないと考えている。また、データが作られた後にAIで整備するのでは、データ品質のばらつきが多くなり整備負荷が高くなる。ある程度整備されたデータが生成されてこそAIがその効果を発揮できるのではなかろうか。
5. データ成熟度の5段階
ここまで、診断の必要性と診断の対象はデータであることをお伝えした。続いて、データ診断の中身を、例をもとに解説する。
データ診断では、データの成熟度を次の5段階で評価する。レベル1〜3は社内における活用・運用の成熟度を指しており、「データを誰が作っても同じように揃えられるか」「部門をまたいで状態を把握できるか」「継続的な改善に使えるか」を見る。レベル4〜5は社外に向けた活用・運用の成熟度を指しており、「事業や取引先が変わっても対応できるか」「共創相手とともに高度化できるか」を見る。成熟度レベルが上がるほど、データはより広く、より高度に使える状態と言える。
この診断を部門ごとに行い、診断結果を比較することで、全社共通で感じている課題や、部門間で認識が食い違っている課題が浮かび上がってくる。
レベル1:データは、誰が作っても同じ形で揃っているか
診断の出発点は、必要なデータが記録され、誰が作っても粒度や品質が揃っているかである。例えば、不具合の原因と対策が担当者の頭の中にしかなければ、再発防止に生かせない。在庫データの更新が週に一度では、日々の判断に間に合わない。このように、記録がない、粒度が粗い、表記が揃っていないデータは、人にもAIにも使えない。
レベル2:部門をまたいで、状態や問題を把握できるか
データが揃っていても、必要な人が必要な状態になっている、あるいは問題を見いだせる状態でなければ、判断には使えない。例えば、部品のコード体系が設計部門と調達部門で違えば、同じ部品かどうかを人が突き合わせるしかない。このように、部門ごとにデータの持ち方が違えば、全体の把握も横串の連携もできない。
レベル3:データに基づいて、継続的に改善できているか
データを見るだけで終わらず、改善に使い続けているかも診断する。例えば、在庫の過不足の原因をデータで振り返らず、担当者の経験で発注量を調整し続ければ、同じ過不足が繰り返される。データで原因を突き止め、結果をまたデータで確かめる循環が、改善の積み上げにつながる。
レベル4:事業や取引先が変わっても、すぐ使えるか
ここから視点を社外に広げる。事業や取引先が変わっても、必要なデータをすぐ使える状態にできるかを診断する。例えば、取引先が増えるたびにデータの項目や形式を個別に調整していては、立ち上げに数カ月かかる。
レベル5:共創相手とともに、データを高度化し続けられるか
変化に対応するだけでなく、取引先などの共創相手とデータを高度化できるかを診断する。例えば、取引先と需要や在庫のデータを共有し、予測の精度をともに高められれば、自社だけでは得られない成果が出る。
6. データ診断の進め方
データ診断は、時間をかけずに行う必要がある。診断そのものが目的ではなく、優先して解決すべき課題を決めたり、関係部門を巻き込んだりすることが目的だからだ。そのため、詳細なヒアリングよりも、手ごろに実施できるアンケートのような進め方がよいだろう。また、診断は業務機能ごとに進めるが、対象とする業務機能も、すべてを対象にする必要はない。ある程度課題の当たり付けができているのであれば、その課題に関連する業務機能だけを対象にすればよい。
この診断結果を、部門や回答者ごとに並べ、「なぜ違うのか」「何を揃えるべきか」を関係者間で議論する。この議論によって、最初に取り組む課題が絞られる。差がある項目は、部門間の認識合わせが必要な課題であり、共通して低い項目は、比較的早期に効果を得やすい課題の場合が多い。これらの課題について解決の方向性を議論し、複数の方向性を組み合わせたものが改革テーマになるのである。
7. おわりに
AIの進化と普及により、製造業の改革には、これまで以上のスピードが求められている。だからこそ、改革の最初の一手として、改革の対象と優先度を決めるデータ診断が重要になる。次のようなお悩みがあれば、ぜひ一度、貴社の現状を診断することを考えてみてはいかがだろうか。
- データはあるのに、活用が進まない
- 小規模な改革を少人数でクイックに進めたいが、どこから手を付けてよいか分からない
- 取り組むべき課題が多すぎて、対象を絞れない
- 関係部門を巻き込めない
【出典】
[1]独立行政法人情報処理推進機構(IPA)(2025), “日本・米国・ドイツ企業のDX推進状況を調査した「DX動向2025」を公開 ―「DXを推進する人材の過不足状況」”, https://www.ipa.go.jp/pressrelease/2025/press20250626.html(参照2026年10月26日)
※2025年2〜3月調査、回答数:日本企業1,535社。そのうち、「DXを推進する人材の過不足状況」は、DXへの取組の設問で「全社戦略に基づき、全社的にDXに取組んでいる」「全社戦略に基づき、一部の部門においてDXに取組んでいる」「部署ごとに個別でDXに取組んでいる」を選択した企業が対象。