先週、一見すると無関係な二つのニュースが報じられました。一つは、インフラ点検に特化したAI SaaS「TRASS」の正式ローンチ。もう一つは、インフォマートが福岡に「請求書データ化」を専門に行う新拠点を開設したというニュースです。
前者は「AI」という先端技術、後者は「データ化」という地味な基礎作業。多くの経営者は、前者の「派手さ」に目を奪われ、後者を「下請け作業」と軽視しがちです。しかし、この二つのニュースを並べて見ると、デジタル化やDXの成功において、経営者が最も見誤りやすい、そして決断すべき「本質的な順序」が浮かび上がってきます。
それは、「経営判断の再現性を高める」という目的を明確にした上で、そのための「データ収集」を設計し、初めて「高度な分析・AI」が意味を持つという順序です。順序を間違えると、AIは単なる「高価なおもちゃ」に、データ化は「コストのかかる雑務」になってしまいます。
ニュースから読み解く「二層構造」：データ化の土台とAIの屋根
まず、二つのニュースを「経営×IT」の視点で整理してみましょう。
1. インフォマート「デジタル化推進センター」：これは、アナログな請求書をデジタルデータに変換する「データ化の土台」を、専門拠点として強化する取り組みです。請求書という「取引の意思決定（誰にいくら支払うか）」を記録した最重要書類を、検索・集計・分析可能な形に整える作業です。地味ですが、全ての経営分析の出発点です。
2. インフラ点検AI「TRASS」：こちらは、点検業務で得られる画像データをAIが分析し、劣化や異常を検知する「分析・判断支援の屋根」部分です。実証実験で「業務効率改善と点検品質向上」を実証したとあります。これは、点検という「設備維持に関する意思決定（修繕するか、放置するか）」を支援するツールです。
ここで重要なのは、「TRASS」が効果を発揮する前提には、点検という業務が確立され、画像という「データ」が継続的に収集される環境があるということです。AIは、その土台の上で初めて「判断の質とスピード」を高めることができます。
多くの企業がDXで失敗するのは、この「屋根（AIや分析）」ばかりに投資し、「土台（データ化）」が脆弱なまま、あるいは目的なくデータを集め始めてしまうからです。経営者は、自社の「意思決定の再現性」を高めるために、どの土台（データ）を、どの順番で固めるべきかを定義する責任があります。
経営が定義を放棄する「データ化の闇」：3つの典型的な失敗パターン
「データ化は重要だ」と頭では理解していても、経営がその目的と順序を定義しないことで、現場は以下のような「闇」に陥ります。
1. 目的なきデータ収集：「とりあえずデジタル化」の罠
「デジタル化しろ」という号令だけが先行し、紙の書類をただPDF化してサーバーに放り込む。これでは検索も集計もできず、単なる「電子ごみ」の山ができるだけです。インフォマートが請求書に特化するのは、「支払い管理」「仕入先分析」「資金繰り予測」という明確な経営判断に直結するからです。経営は「このデータ化によって、どの意思決定を、どのように改善したいのか」を最初に問う必要があります。
2. 部門ごとの最適化：データの「方言」が生まれる瞬間
営業はSalesforceで顧客データを、経理は会計ソフトで取引データを、製造は別システムで生産データを管理する。それぞれの部門内では「効率化」が進んでいるかもしれません。しかし、経営層が「全社的な意思決定のための共通データ項目と形式」を定義しなければ、これらのデータは統合不能な「方言」として散らばります。結果、「会社全体の顧客単価」すら簡単に計算できない状態に陥ります。
3. AI導入の前の、人的判断の属人化放置
「TRASS」のような点検AIが効果を上げる背景には、「熟練技術者のノウハウ」がある程度形式知化（マニュアル化）されていることが前提です。AIはその形式知を学習し、拡張します。しかし、点検の判断基準が検査員の「勘と経験」に完全に依存し、属人化したままでは、AIに学習させるべき「教師データ」そのものが作れません。経営は、AI導入以前に、人の判断を「再現可能なプロセスと基準」に落とし込む努力を定義すべきです。
「経営IT」としてのデータ化：意思決定の再現性を設計する
ここで、編集方針にある「3つのIT分類」を思い出してください。今回の二つのニュースは、まさに「経営IT」の核心に関わっています。
経営ITとは、意思決定とその再現性を担保するためのITです。インフォマートの請求書データ化は、「支払い意思決定」の透明性とトレーサビリティを高め、過去の決定を分析可能にします。点検AIは、「設備投資・維持の意思決定」の質とスピードを高め、判断基準の均質化（再現性）を支援します。
経営者がすべきは、この「経営IT」の目的を、「管理IT」（コスト削減、安定運用）や「事業IT」（売上拡大のスピード）と混同せずに、明確に定義することです。データ化プロジェクトを始める際、経営者は以下の問いに答えられるべきです。
- このデータ化は、どの「経営判断」（例：投資判断、人事評価、価格設定）の質を高めるために行うのか？
- その判断は現在、属人的な経験や勘に依存していないか？
- データ化した後、そのデータをどう分析し、どの会議でどのように使うのか？（出口の設計）
この問いを経営会議で議論せず、情シス部門や現場に「とりあえずデジタル化を進めろ」と委ねることは、目的の定義を「放棄」したのと同じです。
実践ステップ：経営が主導する「デジタル化の順序」の決め方
では、具体的に何から始めればよいのでしょうか。大がかりなDXプロジェクトより前に、経営陣で次の3ステップを議論してください。
ステップ1：最も属人化し、かつ重要な「経営判断」を一つ特定する
「新規事業のGo/No-Go判断」「重点顧客へのリソース配分」「中古設備の取替え時期の判断」など。数字と経験が入り混じり、一部のキーパーソンに依存している判断を洗い出します。インフラ点検の「修繕判断」はその典型です。
ステップ2：その判断に必要な「最小限のデータ項目」と「取得方法」を設計する
判断の再現性を高めるために、絶対に必要なデータは何か？ それは現在、どこに、どんな形式で存在するか？ インフォマートの事例で言えば、「支払い判断」に必要な請求書データを、どうすれば確実に、分析可能な形で集められるか、を設計します。この段階で、クラウド請求書受領サービス（如きFreeeやマネーフォワード クラウド請求書）の導入や、インフォマートのような専門サービスへの外部委託が選択肢として上がってきます。
ステップ3：データの分析と判断プロセスを「見える化」し、改善のサイクルを回す
集めたデータを元に、判断プロセスを可視化します。最初はExcelやBIツール（Tableau, Power BI）で十分です。ここで初めて、「この判断をより早く・正確に行うために、AI（如きTRASS）や高度な分析は有効か？」という議論が意味を持ちます。AIは、この確立された「データ→分析→判断」のサイクルの一部を強化する「手段」でしかありません。
まとめ：データ化とAIは、経営判断の「再現性エンジン」である
インフラ点検AIと請求書データ化センターのニュースは、デジタル化の両輪を象徴しています。しかし、その本質はテクノロジーそのものではなく、「経営判断という不確実な行為に、データという再現性の要素を埋め込み、組織の資産として蓄積・改良していく」という経営の本質的な仕事を、ITが支援できるようになった点にあります。
経営者が「データ化は面倒だ」「AIは専門家に任せよう」と考える限り、IT投資はコストセンターのままです。逆に、自社の核心的な意思決定は何か、その再現性を高めるにはどのデータの土台が必要かを定義し、その整備順序を決めることこそが、最高の経営判断です。
デジタル化は、経営から逃げてきた「判断の属人化」というツケと向き合い、会社を「人の勘と経験」から「組織の知性」へと昇華させる、絶好の機会なのです。
