- Column
- 現役DX責任者が挑むビジネスとデジタルの協働
「経営DX」と「業務DX」、役割は分けても離さない理由【第2回】

前回はグループ262社を抱える複合企業グループにおいて、IT統合のゴールを「システム統合」から「データ統合」へと切り替えた判断を取り上げ、AI(人工知能)エージェントの時代に企業に残る資産は「データ」と「ガバナンス」だと論じた。だが統合したデータは、それだけで経営や現場を変えるわけではない。第2回となる本稿では、DXのうち「経営DX」と「業務DX」を取り上げ、両者を分けて設計した理由と、それぞれの取り組みと成果、そして分けたうえであえて「離さない」ことの意味を解説する。
前回は、グループのIT統合のゴールを「システム統合」から「データ統合」へ切り替えた判断について書いた。全社共通のデータ・マスタ基盤が稼働し、グループの数字は同じ定義の下、同じ場所に並ぶようになった。
では、見えるようになったデータを使い、誰が何を変えるのか。ここで私たちはDX(デジタルトランスフォーメーション)の取り組みのうち、経営の意思決定を変える「経営DX」と、現場の仕事を変える「業務DX」の2つをあえて分けて設計した。
経営DXは「ダッシュボード」、業務DXは「エンジン」
社内では、この2つのDXをクルマに例えて説明している(図1)。経営DXは「ダッシュボード」だ。会社がいまどこを、どのくらいの速さで走っているかを示す。業務DXは「エンジン」に当たり、現場の仕事そのものを速く、力強くする。
ちなみに、第5回で後述する3つ目の「トラストDX」は「ブレーキ」になる。安心してスピードを出すための仕組みだ。そしてAI(人工知能)技術は、そのすべてを強める「ターボ」の役割である(3つのDXの全体像は、筆者のnote「AI・DX推進部って、何をする部署ですか?」でも紹介している)。
ダッシュボードとエンジンは、どちらもクルマに欠かせない。だが、作り方も、良し悪しを測る物差しも違う。経営DXと業務DXも同様で、目的、便益を受け取る相手、そして求められる人材に違いがある。
経営DX:グループ横断のデータを戦略的に吸い上げる
経営DXの目的は、データドリブンなグループ経営の推進にある。便益を受け取るのは、グループ全体を見渡して意思決定する経営だ。
2025年、私はAI・DXの責任者と経営企画室長を兼任していた。経営の意思決定の場に身を置いて痛感したのは、経営陣が知りたいのは「どのシステムを入れたか」ではなく、「それで会社がどう良くなるのか」だという点だ。
そこで経営DXでは、ヒト・モノ・カネという経営資源のそれぞれについて「どの粒度で把握するか」「どの指標で管理するか」「どの方向へ動かすか」を先に決めた。例えばカネであれば、事業別・製品別に損益を把握し、予実の差や投資効率で管理し、成長事業へ資本を振り向ける。ここまで決めて初めて、どんなデータがどの頻度で必要なのかが決まる。第1回で述べた「マネジメント要求からデータ要求へ」という順序を、経営の側から具体化した形だ。
データの流れは原則として一方向で、グループ各社から吸い上げて横断的に見る。個社に戻す場面もあり得るが、基本は吸い上げるだけだ。各社に業務やシステムの作り替えを求めないため、調整は最小限で済み、データはスムーズに集まる。
その分、肝になるのは「どのデータを、誰が持ち(オーナー)、どこに置き、誰が触れてよいか(アクセス権限)」を設計し、守り続けることだ。ここが曖昧なままでは、どれだけデータを集めても、経営の判断材料にはならない。
成果として、多くのことが見えるようになった。以前は会議のたびに各社から数字を集め、形式をそろえ、資料にまとめるのに多くの時間がかかっていた。いまはデータ基盤から会議用のレポートを自動で作成し、予算策定にも使っている。数字を集める時間が、数字を見て議論する時間に変わった。新たな分析の依頼にも、数時間で応えられる(その中身は後述する)。
業務DX:現場に入り込み、仕事そのものを変える
一方、業務DXの目的は、現場の仕事そのものを作り変えることにある。便益を受け取るのは、現場であり、グループ各社だ。
最初に着手したのは、仕事の「棚卸し」だった。その整理表を、社内では「BPR(Business Process Re-engineering)マトリクス」と呼んでいる。
横軸には、当社に存在する19の業務を並べた。経営企画や法務などのコーポレート8業務、経理や総務などのバックオフィス7業務、営業や製造などの専門業務4業務である。縦軸には、情報収集、文章作成、会議運営、ドキュメント管理など、どの業務にも共通して現れる定型的な仕事を12の大分類に整理して置いた。
縦と横が交わる一つひとつのマスが、AIエージェントに置き換える候補になる。定型の仕事が多いマスから着手し、ある部署で作ったエージェントは、同じ縦軸の仕事を抱える他の部署へそのまま横展開する。一方、定型化の難しいコア業務では、AI技術を相棒にして判断や提案の質を高める。
つまりこのマトリクスは、業務を語るための共通言語であると同時に、AI技術を実装するための設計図でもある。目指すのは「システムを入れるDX」ではなく「業務の構造そのものを設計し、AI技術に実装するDX」だ。その具体的な進め方は、第4回で詳しく述べたい。
代表例が営業である。ある営業部門で業務の実態を調べたところ、売り上げに直結する付加価値業務は全体の3分の1にとどまり、顧客のための戦略を考える時間はわずか3%だった。社内報告や会議には月17時間を費やしていた。営業担当者が忙しい理由は、営業活動そのものではなかったのである。
そこで、導入済みながら十分に使われていなかったSFA(Sales Force Automation:営業支援システム)の入力を簡単にし、集まった情報を会議や提案で実際に使うことを徹底した。会議資料も自動で作られる仕組みにした。さらに、AI・DX推進部が独自に開発したAIエージェント「AW Sales Assist」を営業担当者の隣に置いた。提案先の企業名を入れると、公開情報や過去の提案資料から顧客の課題を洗い出し、提案書の作成や商談の記録までを支援する。
現場にすんなり受け入れられたわけではない。新しい仕組みへの戸惑いも、覚えることが増えることへの不満もあった。説明会を何度も開き、社長にも号令をかけてもらい、実際の商談を想定したロールプレイを重ねた。ツールを渡すだけでは、人は変わらない。
その結果、対象部門の営業工数は18.5%削減できた。仮説を持って提案する営業への転換も進み、新規受注にもつながっている。2026年度末には、30%の削減を目指している。
