既製品の継ぎはぎから、統合されたシステムへ。

部門ごとに導入されたSaaSとExcelの継ぎはぎは、運用の複雑さとコストを増大させます。Deerは御社のオペレーションに最適化した業務システムと、判断と作業を担うAIエージェントを、統合されたアーキテクチャとして実装します。

  • 44.0%

    生成AIを導入している企業(前年度は22.6%)[1]

  • 7.0%

    AI向けの学習データを整備し、AIに活用している企業[1]

  • 3位

    「AIの利用をめぐるサイバーリスク」が組織の脅威として初めて選出[3]

Agenda

システムを、競争力の源泉に。

AIによって開発の速度とコストは大きく変わりました。かつては大企業にしか許されなかった自社専用のシステムを、中堅企業が持てる時代になっています。

IPA『DX動向2026』によれば、生成AIを導入している企業は前年度の22.6%から44.0%へと急増しました。一方で、AIエージェントの利用はいずれの部署でも低水準にとどまっています。[1]

AIを業務の流れに組み込めない要因の一つは、AIが参照するデータと、結果を書き戻す業務システムが整っていないことです。AI向けの学習データを整備し活用できている企業は7.0%でした。[1]

同時に、実装に伴うリスクも顕在化しています。IPA『情報セキュリティ10大脅威 2026』では、「AIの利用をめぐるサイバーリスク」が組織向けの脅威の3位に初めて選ばれました。AIを組み込むシステムは、権限と記録の設計を最初から含めて構築する必要があります。[3]

Key Issues

経営が直面している論点

  • SaaSが増え続け、全体像を誰も把握していない

    業務ごとに導入したSaaSが連携せず、データの転記とアカウントの管理が人手で続いている。契約と運用の全体像を描ける人がいません。

  • 既製品に業務を合わせた結果、手作業が残る

    システムに合わない業務は、Excelや紙で補われている。例外処理こそが業務の価値を左右するのに、そこがシステムの外にあります。

  • AIツールが業務システムとつながっていない

    AIの出力を人がコピーして業務システムに入力し直している。AIが速くなっても、業務の流れは変わっていません。

  • 改修を外部に依存し、変更が遅い

    小さな変更にも見積と発注が必要で、業務の変化にシステムが追いつかない。設計とソースコードが手元にないことが、変更の障壁になっています。

Approach

Deerのアプローチ

  1. データ基盤、業務システム、AIツールの3層で全体のアーキテクチャを設計し、既存システムとの連携と置き換えの方針を定めます。

    • 既存システムと契約の棚卸し
    • 継続・連携・置き換えの判断
    • 権限とログの設計
  2. AIを活用した開発手法により、短いサイクルで動くものを提示しながら構築します。現場の確認を重ね、手戻りを最小化します。

    • 短いサイクルでの試作と現場確認
    • 業務システムの実装と移行
    • 設計書と運用手順の整備
  3. 書類の読み取り、問い合わせへの一次対応、異常の検知など、判断と作業をAIエージェントに委ね、人が確認すべきものだけを通知します。

    • 委任の範囲と承認の位置の定義
    • 精度と例外の継続的な評価
    • 参照データと出力の記録

Frameworks

踏まえる制度・指針

  • AI事業者ガイドライン(第1.1版)

    人間の判断を適切に介在させること、事後検証のための作業記録を残すことを求めています。AIエージェントの実装では、確信度と根拠の記録、人に回す条件を仕様として定義します。[2]

  • 情報セキュリティ10大脅威 2026

    組織向けの脅威として、ランサム攻撃、サプライチェーンや委託先を狙った攻撃に続き、AIの利用をめぐるサイバーリスクが挙げられています。外部サービスとの連携と、AIに渡す情報の範囲を設計の段階で決めます。[3]

Deliverables

提供するもの

  • システムアーキテクチャ設計
  • 業務システムの実装
  • AIエージェントの実装と評価
  • 既存システムとの連携
  • 設計書・ソースコード・運用手順一式

Outcomes

目指す状態

  • 業務が一つのシステムの上でつながる
  • 定型の判断と作業を、AIが先回りして処理する
  • 設計とソースコードが、御社の資産として残る

FAQ

よくある質問

開発したシステムの権利はどうなりますか?
設計書、ソースコード、運用手順は、すべて御社の資産として納品します。
AIの誤りにはどう対処しますか?
AIの判断には確信度と根拠を残し、一定の条件を満たさないものは人の確認に回す設計を基本としています。
SaaSを使うべきか、自社専用に開発すべきか判断できません。
業務の差別化につながる部分は自社専用に、汎用的な部分は既製品に任せるのが原則です。アーキテクチャの設計で、業務ごとに判断の根拠を示します。
社内の機密情報をAIに渡しても大丈夫ですか?
入力してよい情報の範囲、利用するAIサービスの契約条件、ログの保存先を設計の段階で決め、権限の外の情報にAIが触れない構成にします。
  1. [1]独立行政法人情報処理推進機構(IPA)『DX動向2026 広がるAI導入、DXは変われるか』(2026年7月30日)
    https://www.ipa.go.jp/digital/chousa/dx-trend/dx-trend-2026.html(2026年11月8日閲覧)
  2. [2]総務省・経済産業省『AI事業者ガイドライン(第1.1版)』(2025年3月28日)
    https://www.soumu.go.jp/main_content/001002576.pdf(2026年11月8日閲覧)
  3. [3]独立行政法人情報処理推進機構(IPA)『情報セキュリティ10大脅威 2026』(2026年1月29日)
    https://www.ipa.go.jp/security/10threats/10threats2026.html(2026年11月8日閲覧)

まずは、経営課題をお聞かせください。

課題が整理されていない段階でも問題ありません。現状を伺ったうえで、診断の範囲と進め方をご提案します。

相談する

Cookie設定

利用目的ごとに、Cookieの使用を選べます。必須のCookieはサイトの動作に欠かせないため、無効にできません。