AIエージェントで要件定義を進めるERP刷新｜属人化解消と成功の勘所

多くの企業でERP刷新が経営課題として浮上していますが、要件定義が曖昧なままPoC止まりとなるケースは少なくありません。生成AIの普及により、2026年末までに多くのエンタープライズアプリがAIを搭載すると予測される中、ERPの要件定義をどう進めるかは競争力を左右する経営判断となっています。本稿では、AIエージェントを要件定義に組み込む際の基本設計と実務プロセスを整理します。過去仕様書や議事録の活用による初期整理、要件の構造化と曖昧さの検出、属人化の解消などを取り上げます。併せて、AIの非決定性や権限設計といった限界とリスク管理の視点も踏まえ、PoC止まりを防ぐスモールスタートの考え方を解説します。ERP構想の策定を検討されている経営層の皆様に、判断の材料としてご活用いただけますと幸いです。

ERP刷新における要件定義の課題

経営課題としてのERP刷新と要件定義の重要性

ERP刷新は、もはやIT部門だけで完結する投資ではなく、経営戦略そのものを左右する課題になっています。基幹システムの老朽化、事業構造の変化、M&Aによる業務の複雑化などを背景に、売上高100億円を超える企業ほど刷新の判断を迫られています。とりわけ要件定義の出来栄えは、後工程の開発費、導入期間、そして得られる投資対効果を大きく規定します。

要件定義は、業務課題を整理し、システムに何を求めるかを決める工程です。ここが曖昧なまま進むと、不要な機能の追加や仕様変更が繰り返され、予算超過と納期遅延を招きます。経営層が刷新の目的を明確に示し、その目的を要件へ正しく翻訳することが、ERP刷新の成否を分ける最初の関門となります。

要件定義が曖昧なままPoC止まりになる構造的要因

近年、AIを活用した業務改革の検証は各社で進んでいますが、30%以上の生成AIプロジェクトがPoC後に断念されているという調査結果もあります。その主因の一つが、要件定義の曖昧さです。要件が言語化されていなければ、PoCで何を検証すべきか、どの水準を成功とみなすかが定まりません。

さらに、業務部門、情報システム部門、ベンダーの間で前提が共有されていないことも構造的な問題です。部門ごとに異なる業務用語や暗黙の判断基準が存在し、それが文書化されないまま検証に入ると、結果の評価が分かれてしまいます。PoCで止まる背景には、技術の問題よりも要件の問題が潜んでいるケースが少なくありません。

AIエージェントが要件定義にもたらす変化

AIエージェントは、要件定義の作業を大きく変えつつあります。過去の仕様書や議事録を読み込ませて要件を抽出させる、文書間の不整合を自動的に検出させる、といった作業は、従来であれば数週間を要していた工程を大幅に短縮できる可能性があります。ある事例では、仕様書の初稿作成が40%短縮され、AIによるレビューで12件の不整合が指摘されました。

一方で、AIエージェントは利害調整や最終的な意思決定を代替するものではありません。要件定義の質を底上げする道具として位置づけ、人間が判断すべき領域を明確に残すことが、経営視点での正しい活用の前提となります。

AIエージェント要件定義の基本設計

AIエージェント要件定義とは何か

AIエージェント要件定義とは、AIエージェントが業務の中で自律的に判断・実行する機能について、その振る舞いと条件を詳細に定義するプロセスです。従来のシステム要件定義が画面や処理の仕様を中心としていたのに対し、AIエージェントの要件定義では、入力に対してどのような判断を下すか、どこまで自律的に動かすか、そして誤りが生じた際にどう制御するかまで定めることが求められます。

ERP刷新の文脈では、受注、購買、会計などの業務プロセスにAIエージェントを組み込む際、その業務上の役割と責任範囲を明文化する作業にあたります。これを怠ると、導入後に想定外の判断が現場で発生し、運用の混乱を招きかねません。

業務課題から要件へ落とし込む思考プロセス

要件定義の出発点は、システムの機能ではなく業務課題です。経営が解決したい課題、例えば決算早期化や在庫の適正化を起点に、その課題を構成する業務フローを分解します。そのうえで、どの工程にAIエージェントが介在することで効果が出るのか、どのようなデータを入力し、どのような結果を出力させるのかを特定していきます。

この思考プロセスでは、業務インパクトの大きさと実現可能性の両面から優先順位をつけることが重要です。すべての業務にAIを適用しようとすると、要件は肥大化し、検証の焦点も失われます。経営課題との対応関係を常に確認しながら、要件を絞り込む姿勢が求められます。

自律性と判断範囲を定義する考え方

AIエージェントの要件定義で特に重要なのが、自律性と判断範囲の定義です。AIエージェントは外部ツールと連携して自律的に動作するため、どこまでを自動で実行させ、どこから人間の承認を求めるかを事前に決めておく必要があります。例えば、金額の閾値を超える発注は人間が承認する、といった判断ルールの設計が該当します。

また、AIエージェントは確率的に動作するため、100%の正確性を前提とすることはできません。判断の誤りが業務に与える影響の大きさに応じて、自律性のレベルを段階的に設定することが、現実的かつ安全なERP刷新の進め方となります。

AIエージェントで要件定義を進める実務プロセス

過去仕様書と議事録をAIに読ませる初期整理

AIエージェントによる要件定義の第一歩は、社内に蓄積された過去仕様書と議事録をAIに読ませることです。ERP刷新では、旧システムの仕様書、改修履歴、会議の議事録など、膨大な情報が散在しています。これらをAIに読み込ませることで、現行業務の全体像と暗黙知の断片を短時間で俯瞰できます。議事録からは要件の候補を抽出し、仕様書からは既存機能の前提条件を把握します。初期整理の段階で人間が手作業で行う情報収集の負荷を大きく減らせる点が、実務上の大きな効果です。

AIによる要件の構造化と曖昧さの検出

収集した情報は、機能要件と非機能要件、業務フローといった軸でAIに構造化させます。要件定義で曖昧さを残すと、開発段階での手戻りや不要なエラーの原因になります。AIは要件文の表記揺れや前提の欠落、矛盾する記述を検出することを得意としています。実際の事例では、AIによるレビューで不整合が12件指摘されたという報告もあります。ただし、AIが指摘した内容の妥当性は業務担当者が判断する必要があります。AIはあくまで検出の補助役であり、最終的な意思決定の責任は人間が担うという前提を明確にすることが重要です。

Claude Codeを活用した仕様書の生成と検証

整理された要件は、Claude Codeを用いて仕様書の形式に落とし込みます。SDD形式の仕様をAIエージェントに生成させることで、仕様書の初稿作成にかかる時間を大幅に短縮できます。実務では、社内の仕様書テンプレートをあらかじめ与えておき、要件ごとに項目を埋めさせる運用が効果的です。生成された仕様書は、要件の抜け漏れや既存業務との整合性を検証する工程に進みます。仕様書の初稿作成は40%短縮されたという効果も報告されていますが、生成文書を鵜呑みにせず、複数の担当者がレビューする体制を前提に運用することが欠かせません。

ERP刷新プロジェクトにおけるAI活用のポイント

属人化を解消しナレッジを資産化する方法

ERP刷新における深刻な課題は、特定の担当者の経験や判断に業務知識が依存する属人化です。AIエージェントを要件定義に組み込むと、過去の議事録や仕様書、担当者へのヒアリング内容が構造化された形で蓄積されます。これにより、担当者の異動や退職によって知識が失われるリスクを抑えられます。ナレッジを資産として管理するためには、AIに読ませる情報の整理ルールを定め、更新を業務プロセスの一部に組み込むことが求められます。属人化の解消は、単なる効率化にとどまらず、ERPを長期的に運用し続けるための基盤づくりにつながります。

ステークホルダー間の利害調整と人間の役割

ERP刷新では、経営層、業務部門、情報システム部門、ベンダーなど多くのステークホルダーが関わり、それぞれ異なる優先順位を持っています。AIエージェントは要件の整理や文書化には力を発揮しますが、部門間の利害調整は苦手です。どの要件を優先するか、どこまで業務を標準化するかといった判断は、組織の文脈を理解した人間が担う必要があります。AIはこうした議論に必要な論点や比較材料を提示する役割に徹し、合意形成そのものは人間が主導するという役割分担が、実務上の現実的な落としどころです。

非機能要件と成功基準を事前に合意する

非機能要件を業務要件と同等に扱う

ERP刷新では、画面や帳票といった機能要件に議論が集中しがちです。しかし、性能、可用性、セキュリティ、監査対応、データ移行の品質といった非機能要件が曖昧なまま開発に入ると、本番稼働直前に手戻りが発生します。AIエージェントを業務に組み込む場合は、応答時間や処理件数の上限、誤回答時の扱い、ログの保持期間まで定義しておく必要があります。非機能要件は技術部門だけの課題ではなく、経営判断に直結する要素として経営層が関与すべき領域です。

成功基準をKPIとして数値で定義する

成功基準が「業務が効率化されること」といった抽象的な表現にとどまると、PoCの評価は担当者の印象に左右されます。要件定義の段階で、要件定義工数の削減率、仕様書初稿の作成時間、レビューで検出される不整合件数などを数値目標として設定しておくことが重要です。実際に、AIエージェント導入により要件定義の工数が40%削減されたという報告や、仕様書の初稿作成が40%短縮されたという報告があります。こうした事例を参考に、自社の現状値から目標値を逆算することで、経営判断に耐えうる評価軸が得られます。

評価基準の策定でAIエージェントの性能を測定する

AIエージェントの出力は確率的に変動するため、同じ入力でも結果が完全に一致するとは限りません。そのため、正解データを用いた評価基準を事前に策定し、AIエージェントの性能を定量的に測定できる状態を整えることが欠かせません。評価基準には、要件の抽出漏れの割合、不整合の検出精度、仕様書の用語統一率などを含めます。評価基準を要件定義の初期段階で関係者と合意しておけば、PoCの結果を感覚ではなく根拠に基づいて判断できます。

成功基準の事前合意がプロジェクトを推進させる

成功基準の事前合意は、ステークホルダー間の認識のずれを防ぐ効果もあります。経営層は投資対効果を、現場部門は業務負荷の軽減を、情報システム部門は運用の安定性を重視するため、評価の観点は部門ごとに異なります。これらを一つの評価表に統合し、優先順位を明確にしておくことで、プロジェクトの途中で基準が変わるリスクを抑えられます。成功基準は一度決めて終わりではなく、PoCの結果を踏まえて見直す前提で運用することが望ましいといえます。

ERP刷新の構想策定から導入までを一貫して支援するサービス

ERP刷新の要件定義にAIエージェントを活用するには、業務理解、AI技術の選定、非機能要件の設計、PoCの運営、本番導入の各段階で専門的な知見が求められます。これらを社内だけで担うことは容易ではありません。コネクタブルーの成果報酬型AIOサービスは、構想策定から導入までを一貫して支援し、企業のAI活用を実効性のある成果へとつなぐことを目的としています。以下に3つの特長を示します。

• 成果報酬型による費用負担の明確化：成果が出た範囲に応じて報酬が発生する仕組みのため、投資リスクを抑えながらAIの導入効果を検証できます。費用相場は月額300万円から1000万円が目安です。
• 構想から導入までの一貫した支援：業務課題の整理、要件定義、評価基準の策定、PoCの運営、本番導入までを同一のチームが担うため、フェーズごとの引き継ぎによる情報の欠落を防げます。
• PoC止まりを防ぐ運用設計：スモールスタートによる検証を前提に、権限設計や継続的な監視・改善の仕組みを組み込むため、検証で終わらず業務に定着するAIエージェントの実現を目指します。