企業の未来を
技術の深層から
The Future of Business through Deep Tech Insight
データダイナミズム
多義性を主軸とした設計原理
データダイナミズムとは、データを動的に変化してゆくものとして捉える立場です。これは、弊社代表小塚が師事した渡邉繁樹氏*1が1990年代に提唱された「データダイナミックス*2」の概念を継承し、弊社が考えるデータの捉え方で体系化したものです。
現実社会における実務上のデータ基盤のほとんどは、データを静的なものとして扱われます。テーブルに書かれた値は、暗黙のうちに一義的に「確定した事実(Fact)」として扱われるため、参照する側はそれを疑 わず、その値を根拠に判断します。
しかし、その値は本当に確定しているのでしょうか。
第一に、時間が経てば変わります。在庫数も、顧客の住所も、注文の状態も、次の瞬間には別の値になり得ます。
第二に、導出の仕方が変われば変わります。「売上」という数値は、何をもって計上とするのか、返品や値引きをどう扱うのかという規則の関数であり、規則が変われば同じ現実から別の数値が導かれます。
そして第三に、見る観点が変われば変わります。経理の言う売上と、営業の言う売上と、経営会議の言う売上は、いずれも正しく、いずれも異なります。
弊社は、データダイナミズムを副次的な現象としてではなく、システムの設計・運用・評価における一次対象として扱っています。
※1 近著：『日本語構造』（Amazon Kindle版）
※2 記事：『「データベース」から「データダイナミックス」へ』
AI駆動開発
AIは鏡であり増幅器
「AIは鏡であり増幅器。組織の強みと弱みの両方を増幅します」—2025年のDORAレポート「State of AI-assisted Software Development」の結論です。
つまり、AIは問題を解決するのではなく、組織に既に存在する弱みまでも増幅してしまうということです。したがって、AIツールを導入しただけでは、高い生産性がもたらす大きな恩恵を受けることはできません。
AIツールにより大量の成果物が生成されるため、それを同じスピードで検証し、品質基準を満たしたものを次工程に進め、不備のあるものは修正・再開発のループに戻す仕組みが必須となります。
必要なのはツールではなく、開発プロセス全体の再設計です。まずは「誰が何を判断するのか」「何をもって完了とするのか」といった意思決定の流れを明確にします。
その対象は定型作業に限りません。設計案の提示や影響範囲の分析といった、意思決定そのものに関わるすべての業務をプロセスに組み込む必要があります。
株式会社篠井は、このプロセス再設計から始めさせていただきます。
AI時代の
プロジェクト管理
これまでのプロジェクト管理では、工数の消化を進捗とみなす運用でした。しかし、AIにより実装のコストが大幅に下がれば、工数と進捗の相関は根本的に崩れます。
従来の「8割完了」という評価は、実装だけでなく正しさの検証を含めた概念でしたが、その意味は失われました。
これからは、残る2割 ー「正しさの確認」「システム統合」「責任の所在確認」ーー がプロジェクト全体を支配します。問うべきは「作業が終わったか」ではなく、「この成果物が正しいと、どこまで確信を持って言えるか」です。
検証されないアウトプットの量は、進捗ではなく負債です。さらに深刻なのは、この負債を放置すると指数的に累積する点です。検証漏れの成果物が後工程に積み重なり、修正コストが指数関数的に増大するためです。
弊社は、進捗を工数ではなく「検証済みの受入基準」によって測定し、要件定義から運用まで全工程を再設計いたします。
その際、前提条件の変化を早期に検知し、柔軟に対応できるプロセスを構築することで、AI駆動開発の真の効果を引き出します。