「作れたのに使われない」を抜け出すDX担当者の5つの力
DXエンジニアリングにおける再現性とは何から齎されるのかを整理してコンピテンシー評価軸にまとめてみました。
THE KNOWLEDGE LIBRARY
いまの仕事と、
つながる知恵。
ちゃんとした検索語がなくても、大丈夫。
場面や、得たいものからたどってみてください。
17 件の知恵
想定通り全部作れたのに成果が変わらない。AX設計で先に疑う前提
AXやAI導入を設計する人が、「良さそうなものを作れたのに成果が変わらない」という失敗を避けるための知識です。
「次に何をすべきか」で詰まったら、目指す状態が成立しない理由を探す
状態設計というと、業務フローをきれいに書いたり、As-Is / To-Beを整理したりするための設計手法にも見える。
その案件は処理の効率化か、仕事の再設計か。設計対象5段階で立てる問いを見分ける
AIやDXについて話していると、同じ言葉を使っているはずなのに、話が噛み合わない場面があります。
精度より先に「完成した翌日、誰が何に使うか」を決めてから作る
DXEの仕事は、AIを導入することでも、業務を自動化することでも、依頼されたシステムを正確につくることでもない。
大前提、欲しいモノを捉えるってめっちゃむずい。自分の欲しいものすら得てみたら違ったりするし、得てみたら最高だったりもする。
大前提、欲しいモノを捉えるってめっちゃむずい。自分の欲しいものすら得てみたら違ったりするし、得てみたら最高だったりもする。
AIに人の進め方を再現させて行き詰まる前に、「相手が到達すべき状態」から設計し直す
- 会話スタイルの模倣 - ファシリテーションの再現 - 特定人物の振る舞いのコピー
問題が起きたとき、私たちはよく「原因を突き止めて対策しよう」と言います。
問題が起きたとき、私たちはよく「原因を突き止めて対策しよう」と言います。
- 不便な方法で - 非効率な方法で - 属人的な方法で - 我慢で - 無駄な会議で
- 不便な方法で - 非効率な方法で - 属人的な方法で - 我慢で - 無駄な会議で
「見逃しを許容できるか」を先に決めないと、AIの評価指標も業務設計もぶれる
生成AIや機械学習を使ったDXプロジェクトで、最初に決めるべきことがあります。
ビジネスモデルとは、単に「何を売って、どう儲けるか」を示すものではありません。
ビジネスモデルとは、単に「何を売って、どう儲けるか」を示すものではありません。
人が何かを作るとき、最初に必要なのは必ずしもボタンやコードではありません。
人が何かを作るとき、最初に必要なのは必ずしもボタンやコードではありません。
AIを入れる前に状態・遷移・観測を固める順序で、ツールを選び分ける
AIX（AI Transformation）という言葉は、日本でも世界でも急速に広まりつつある。しかし現実の現場では、
「設計ができない。」という状態について、多くの人は「一つの形にまとめられない」「全体像が描けない」という状態を思い浮かべます。
「設計ができない。」という状態について、多くの人は「一つの形にまとめられない」「全体像が描けない」という状態を思い浮かべます。
追加学習で「どのデータが効いたか」を説明できない問題を、設計で解く三層構成
AIモデルの性能を向上させるために、一般的に「追加学習（ファインチューニング）」が用いられます。しかし、追加学習に用いた個々のデータが最終的な学習結果にどれだけ貢献したのかを正確に特定することは非常に難しい課題です。
「効率化したから人を減らせる」が崩れる理由。足し算の改善と引き算の改善は別物
1. 同じ労力で、より多くの成果を出す改善 2. 同じ成果を、より少ないコストで出す改善
研修や育成施策を考える時に持つべき構造的な観点
研修や育成施策を考える時に持つべき構造的な観点