DXを学んで、「価値」という言葉が気になるようになった

DX検定を受験する前の私は、DXに対して「なんとなく新しくて、なんとなく格好よさそうなもの」くらいの認識しか持っていなかった。

AIを使う。クラウドへ移行する。紙をなくす。業務を自動化する。

どれもDXらしく見える。しかし、勉強していくうちに、それだけではDXにならないことが分かってきた。

問われているのは、何を導入したかではない。

それによって、誰にどのような価値が生まれたのか。

この「価値」という言葉は、一見すると当たり前に見える。けれど、私はこの言葉を理解してから、AIの見方も少し変わった。

AIを導入した。RAGを構築した。AIエージェントを作った。

それ自体には、まだ価値はない。

重要なのは、次のような変化である。

技術は価値そのものではなく、価値を生み出すための手段である。AIも例外ではない。

この考え方に立つと、「AIで何ができるか」から検討を始めることへ違和感が生まれる。先に決めるべきなのは、AIの用途ではなく、実現したい変化である。

顧客問い合わせへの回答を支援する仕組みを例に考える。

「RAGを導入したい」「生成AIを使いたい」から始めると、検索精度やモデル選定が最初の論点になる。しかし、本来の出発点は別にある。

この価値を実現するために、まず業務を分ける。

自己解決できる質問は何か。人間の専門判断が必要な質問は何か。どの既存システムに根拠があるか。回答できないとき、誰へどの情報を添えて引き継ぐか。

そのうえで初めて、自然言語による問い合わせ、RAGによる情報検索、回答根拠の提示、Human in the Loop、有人対応への引き継ぎが設計候補になる。

誤回答や有人対応の結果も、次の改善へ戻す必要がある。Knowledge、分類、検索条件、回答範囲、人間への移管条件を見直し続けなければ、導入時の性能は長く保てない。

私が現在、AIを業務やシステムへ組み込むときに使っている順序は次のようなものだ。

価値
  ↓
実現したい業務変化
  ↓
業務・システム設計
  ↓
AI・人間・既存システムの役割分担
  ↓
必要なAI技術
  ↓
評価・改善

この順序なら、RAGやエージェントを採用しない結論も自然に出せる。ルールベースの処理、検索、画面改善、業務手順の変更だけで価値を実現できるなら、AIを使わない方がよい場合もある。

逆に、曖昧な自然言語を扱うこと、候補を広く探索すること、根拠を集めて人間の判断を支援することに価値があるなら、AIを使う理由が明確になる。

AIの効果を「何時間減らせたか」で測ることには意味がある。しかし、その時間がどこへ移ったかまで見なければ、仕事の価値がどう変わったかは分からない。

定型的な問い合わせへの対応を減らせたなら、その余力を、顧客が困っている背景の理解、難しい相談への判断、新しい企画、繰り返す問題の改善、学習へ振り向けられる。創造や改善に時間を使えるようになることも、AI活用で目指す変化の一つだ。

ただし、時間が空いただけで価値が生まれるとは限らない。担当する仕事、優先順位、権限、評価の基準まで見直し、再配分先の活動が実際に行われる状態を作る必要がある。

効率化を目的として終えるのではなく、より価値の高い活動への再配分を設計する。この視点を持つと、AI導入は単なる時間短縮ではなく、仕事をどう組み替えるかという問いになる。

私はDXそのものを専門領域の中心に置きたいわけではない。Rosariumで扱いたい主題も、Applied AIと、AIを含む業務・システムの設計である。

それでもDXを学んだことには意味があった。「新しい技術を導入した」という出来事と、「誰かに価値が生まれた」という結果を分けて考えられるようになったからだ。

AIの性能や新機能は、これからも速く変わる。そのたびに新しい技術から使い道を探すのではなく、実現したい価値から役割を逆算する。

今では、それがAIを考えるときの出発点になっている。