生成AI時代の情シス活用事例！おすすめサービス10選も紹介

近年、AI技術の進化はビジネスで多くの影響を与えています。特に、情報システム部門においてその影響は著しいです。

情報システム部門とは、企業のITインフラやシステムを運用する部門のこと。この部門の業務効率化は、企業の競争力を高める鍵となります。近年では、AIの導入により、これらのタスクがよりスムーズに、そして効果的に行われるようになりました。

この記事では、その具体的な活用事例と、情報システム部門でAI活用におすすめのサービスを10個紹介します。

ぜひ、最後までご覧ください。

AI×”情報システム部門”のサービス10選

情報システム部門で、業務を効率化させるには、AIの活用が非常に重要です。この見出しでは、情報システム部門をサポートするうえで役立つ、おすすめのAIサービスを有料と無料に分けて10個紹介します。

サービス名	有料/無料	OSS（フリーウェア）の有無	対応範囲
helpmeee! KEIKO	有料プランと無料プラン	無	・問い合わせへの自動回答 ・チケット起票 ・有人チャットへの対応切り替え ・ステータス管理 ・担当者アサイン ・社内ナレッジのデジタル化
IT-Manager SD	有料	無	・問い合わせ対応 ・申請業務自動化（例：PC貸与申請） ・問題点の可視化 ・全文検索機能（マニュアル、規程、手順書など） ・プロセス応答（例：PCの紛失） ・業務シナリオ作成 ・問い合わせ/インシデント/問題管理 ・IT部門の生産性向上 ・情報システム部門の業務効率化 ・事業成長・ビジネス成長を担う目指すべき情報システム部門への変革
UMWELT	有料	無	・需要予測機能 ・在庫計算 ・BIツール連携 ・API連携
仕事のAI	有料(無料キャンペーン有り)	無	・企業固有のドキュメント情報 ・資産の体系化
DEEPREAD	有料	無	・手書き文字のデジタル化サービス
Open-Assistant	無料	有	・チャットベースのアシスタントタスク管理 ・サードパーティのシステムとの連携 ・動的情報取得
oshi	無料	有	・OSとハードウェア情報ライブラリ
neofetch	無料	有	・コマンドラインのシステム ・情報ツールOS、ソフトウェア、ハードウェア情報の表示
QGIS	無料	有	・地理情報システム(GIS)
screenFetch	無料	有	・bashを使用したスクリーンショット ・情報ツールOS、テーマ、ハードウェア情報の表示

AI×”情報システム部門”の有料のサービス5選

情報システム部門で活用できる有料のAIサービスを紹介します。有料のAIサービスの中でも特に注目されている5つをピックアップし紹介します。

helpmeee! KEIKO

「helpmeee! KEIKO」はValuence Technologiesが開発したAIソリューションです。社内の問い合わせ対応を自動化・効率化してくれます。具体的には、24時間体制の自動応答、チケットの自動起票、有人チャットへの切り替えなどの機能を持ち、社内ナレッジのデジタル化もサポート。

開発会社	Valuence Technologies
特徴	社内の問い合わせ対応を自動化・効率化するAIソリューション。問い合わせへの自動回答、チケット起票、有人チャットへの対応の切り替え、ステータス管理、担当者アサイン、社内ナレッジのデジタル化などの機能を持つ。使うほどに進化し、企業とともに成長するDXソリューション。
機能	Q&A自動生成24時間365日の自動応答自動起票有人チャット切り替え担当者アサインファイル添付ステータス管理ダッシュボードからの問い合わせ対応の集計分析
料金プラン	フリープラン: 月額0円（全ての機能を無料で利用可能）エッセンシャルプラン: 月額100,000円（連携ツールやID数に応じた従量課金はなし）
サイト	helpmeee! KEIKO

IT-Manager SD

「IT-Manager SD」はハイブリィド株式会社が提供するAIサービスです。このAIサービスは、社内システムの問題を可視化し、IT部門の生産性を向上させるプラットフォームです。

AI自動学習を活用した回答精度の向上や、申請業務の自動化、問題点の可視化などの機能を持ち、情報システム部門の効率化をサポートします。

開発会社	ハイブリィド株式会社
特徴	IT-Manager SDは、社内システムの問題を可視化し、IT部門の生産性を向上するプラットフォームです。情報システム部門の生産性向上・業務効率化に貢献するとともに、事業成長・ビジネス成長を担う目指すべき情報システム部門への変革を実現します。
機能	AI自動学習による回答精度の向上プロセス応答による申請業務自動化データ一元化分析による問題点の可視化サポート応答（チャット）機能全文検索機能プロセス応答（申請処理）機能業務シナリオ作成機能問い合わせ/インシデント/問題管理機能ダッシュボード機能
料金プラン	Standardプラン：月額利用料金 50,000円 (利用ユーザ無制限　1社/月(年間契約)) + 初回導入時のみ環境構築・初期設定支援費用 300,000円Enterpriseプラン：要相談
サイト	IT-Manager SD

UMWELT

UMWELTは、株式会社トライエッティングが開発したサプライチェーン領域に特化した拡張知能（AI）サービスです。

このサービスは、需要予測機能や機械学習、安全在庫計算などの機能を持ち、BIツールやAPIとの連携も可能です。

特に、サプライチェーンの業務を効率化し、正確な予測機能を兼ね備えているのが特徴です。無料で資料をダウンロードすることもできますので、詳しく知りたい方は、公式サイトをご覧ください。

開発会社	株式会社トライエッティング
特徴	サプライチェーン領域における業務特化型拡張知能（AI）の製品販売事業
機能	需要予測機能機械学習安全在庫計算BIツール連携API連携
料金プラン	要相談
サイト	UMWELT

仕事のAI

「仕事のAI」は、リコージャパン株式会社が開発したAI技術を活用したサービスです。企業のドキュメント情報資産を独自の自然言語処理AI技術で文章の意味を理解し、体系化することで、デジタルトランスフォーメーション（DX）の推進を実現可能です。

主な機能として、ノーコードAI開発ツール、ドキュメントの意味理解、顧客の声や営業日報の分析、そして「ディープアライメント」という自然言語処理技術があります。

開発会社	リコージャパン株式会社
特徴	「仕事のAI」は、企業のドキュメント情報資産を独自の自然言語処理AI技術によって文章の意味を理解して体系化し、デジタルトランスフォーメーション（DX）の推進を加速します。これにより、業務効率化や顧客満足度の向上などの新たな価値を創出します。
機能	ノーコードAI開発ツールで自社データの学習とチューニングドキュメントの意味を理解して体系化 顧客の声や営業日報の分析 自然言語処理技術「ディープアライメント」
料金プラン	要確認
サイト	仕事のAI

DEEPREAD

「DEEPREAD」は、株式会社EduLabが開発したディープラーニングを活用した手書き文字デジタル化サービスです。従来のOCR技術の限界を超え、高精度な手書き文字認識を実現しています。特に金融、医療、教育などの業界での利用が増えています。

主な機能として、高精度な文字のデジタル化、処理確認機能、自動読み取りや豊富な読取機能があります。料金はオンプレミス型やクラウド型など複数のプランが用意されており、それぞれ異なるので、自社に合ったプランを選ぶと良いでしょう。

開発会社	株式会社EduLab
特徴	DEEPREADは、ディープラーニングに基づくAI（人工知能）を活用して手書き文字のデジタル化を実現したサービスです。これは、従来のOCRが抱える手書き文字認識の低精度問題を克服し、金融業界や医療機関、学校法人などで広く採用されています。
機能	業界最高水準の手書き文字デジタル化文字認識の処理確認機能クラウド型、オンプレミス型の提供GPU/CPUサーバの双方で動作自動読み取りで業務効率アップ豊富な読取機能（クラウド限定、自動仕分機能など）
料金プラン	オンプレミス型初期費用：300万円月額利用料：40万円〜 準オンプレミス型初期費用：300万円月額利用料：40万円〜 クラウド型初期費用：無料月額利用料：5万円〜
サイト	DEEPREAD

AI×”情報システム部門”の無料のサービス5選

情報システム部門向けの無料AIサービスは、効果的な成果とコスト削減を同時に実現します。多様なニーズに対応可能で、弊社は特に無料のOSSサービスの活用を推奨しています。

Open-Assistant

Open-Assistantは、タスクを理解し、サードパーティのシステムとの連携を通して、動的に情報を取得できるチャットベースのアシスタントです。

具体的には、AIとのチャット、データ収集、開発セットアップのローカル実行などがあり、将来的には、メールやカバーレターの作成だけでなく、重要な作業を行うアシスタント、APIの使用、動的な情報の研究を目指しています。

Githubリンク：Open-Assistant by LAION-AI on GitHub

OSHI

OSHIは、Java用のJNAベースのネイティブOSおよびハードウェア情報ライブラリです。追加のネイティブライブラリのインストールは必要ありません。OSのバージョン、プロセス、メモリとCPUの使用率など、システム情報を取得するためのクロスプラットフォームの実装を可能としています。

また、OSHIは、追加のソフトウェアを必要としません。オープンソースと商用サービスの両方と互換性のあるライセンスでプラットフォームに依存しないライブラリです。

そして、OSとハードウェアの情報、CPUの情報、メモリ使用率、ディスクの情報など、さまざまな機能が含まれています。無料でこのサービスを使えるのでかなりおすすめです。

Githubリンク：https://github.com/oshi/oshi

Neofetch

Neofetchは、bash 3.2+で書かれたコマンドラインのシステム情報ツールです。Neofetchは、ユーザーのOS、ソフトウェア、ハードウェアに関する情報を視覚的に表示します。

他にも、システムのスクリーンショットで使用されることがあります。適切なシステム統計や診断のためのツールが利用可能です。さらに、Neofetchは、画像、カスタムASCIIファイル、壁紙、または何も使用しないように設定することもできます。

Githubリンク：https://github.com/dylanaraps/neofetch

QGIS

QGISは、UNIXプラットフォーム、Windows、およびmacOSで動作するオープンソースの地理情報システム（GIS）です。主な機能として、柔軟で強力な空間データ管理や美しい地図作成、高度な地理空間解析など。

さまざまな業界標準の形式でのラスター、ベクター、メッシュ、ポイントクラウドデータをサポートします。Open-Source Geospatial Foundation (OSGeo)の一部として、一連の補完的なオープンソースGISソフトウェアプロジェクトを行っています。

Githubリンク：https://github.com/qgis/QGIS

screenFetch

screenFetchはKittyKattによって開発されたbash Screenshot Information Toolです。このbashスクリプトは、ユーザーのスクリーンショットによく見られる端末情報+ASCIIディストリビューションロゴを生成するために使用できます。

スクリプトはディストリビューションを自動検出し、そのディストリビューションのロゴのASCIIバージョンと右側にいくつかの情報を表示してくれます。ASCIIアート、色、情報表示時のスクリーンショットの取得、さらにはスクリーンショットコマンドのカスタマイズなど、さまざまなオプションがあり、追加、拡張が非常に簡単です。

Githubリンク：https://github.com/KittyKatt/screenFetch

OSSを実行するには、一定のプログラミング知識やスキルが必要になります。

もし、社内に導入したいけど知識やスキルが不足していてできない場合は、以下の「お問い合わせ」ボタンからお問い合わせください。

AI導入で失敗しないための３つの注意ポイント

AIを導入する前に押さえておきたい３つのポイントをご紹介します。

人のチェック体制を必ず用意する

AIが出した結果は便利ですが、そのまま使用すると思わぬミスや偏りを見逃してしまうことがあります。必ず担当者が目を通すワークフローを組み込みましょう。

データの「置き場」と「アクセス権」を整理する

顧客情報や機密データを安心して扱うために、保存場所を明確にし、誰がどこまで操作できるかを見直しておくことが大切です。

運用ルールは定期的にアップデートする

導入して終わりではなく、現場の声や業務フローの変化を受けて、ルールや使い方をこまめに見直しましょう。改善サイクルを回すことで、トラブルを未然に防げます。

これらを意識しておくと、より安心・安全にAIを活用できるはずです。

生成AI時代の情シスになるために必要な5つのスキル

はじめに生成AI時代の情報システム部門で活躍するために欠かせないスキルについて紹介。ハードスキルからソフトスキルまで、合計で5つピックアップしています。

まずは時代を問わず情シススタッフに求められてきた「自己学習能力」から、詳しくみていきましょう。

自己学習能力

AI時代の情報システム部門で生き残っていくためには、自力で学び続けるスキル、つまり「自己学習能力」が欠かせません。日夜移り変わる情シスの業務についていけるのは、学びを止めない人材だけなのです。

そもそも情シスは、システムの運用・保守から自社のIT戦略立案、社内向けのIT教育など幅広い業務を担う部門。さらに昨今では「生成AIの導入」や「DXの推進」など、情シスの仕事は増えていくばかりです。

ゆえに生成AI時代の情シススタッフには、いっそう高い「自己学習能力」が必要だと断言できます。

生成AI全般の知識

もちろん生成AI時代の情報システム部門では、「生成AI全般の知識」が求められます。先述の通り生成AI導入からその先のDXまで、企業を代表して取り組むのは情シススタッフなのです。

ちなみに「生成AI全般の知識」というのは、膨大な量になります。たとえばChatGPTなど「生成AIとの付き合い方」から、その根幹にある「機械学習の手法」までは最低限必修。生成AIの知識がないまま、これからの情報システム部門で活躍するのは不可能です。

データ加工・分析の知識

情報システム部門で生成AIと協働してゆきたいなら、「データ加工・分析の知識」も身につけておくべきでしょう。

そもそもAIつまり「人工知能」は、専用のプログラム（アルゴリズム）だけでは機能しません。適切に加工された膨大なデータを学習させてはじめて、知能と呼べるものになるのです。

そのため「PythonやSQLによるデータ加工」から「統計学によるデータ分析」まで知識があると、AI活用の幅が広がります。

チェンジマネジメントスキル

生成AI時代の情報システム部門はDXを手始めに、組織変革の要となっていきます。その変革をスムーズに行うためのスキル、つまり「チェンジマネジメントスキル」も欠かせません。

従来より情シスは、他部門から「コストセンター」とみなされる傾向がありました。これは「用途不明の機材に予算を割いてもらっている」など、勘違いによるものです。

しかしそれだけ周りは「ITを使った効率化に興味がない」のも事実。変化を嫌うスタッフも含めて組織全体が成長するには、「チェンジマネジメントスキル」に富んだ情シスが欠かせません。

リーダーシップ

先述の通り生成AI時代では、情報システム部門が組織変革を主導することに。その過程で他部門のスタッフや経営陣など、立場の違う人たちを効率化に向けてまとめ上げる「リーダーシップ」がある程度求められます。

リーダーシップの取り方についてはさまざまな意見がありますが、情シスの場合は「コミュニケーション能力」と「心の距離を詰めるスキル」があれば十分。あとはAIやデータ分析など、「ITスキル」で他部門をリードしましょう。

生成AI時代の情シスに必要なスキルの身につけ方

ここからは先ほど述べた、「生成AI時代の情シスで求められる5つのスキル」について、その身につけ方を徹底解説。「具体的に何を学ぶべきか」まで、詳しく掘り下げていきます。

まずは業務全般に欠かせない「自己学習能力」から、その身につけ方をみていきましょう！

自己学習能力を身につけるうえで欠かせない3要素

生成AI時代以前より情報システム部門では「自己学習能力」をもった、自発的に学ぶ人材が活躍しています。

この自己学習能力は動機づけ・学習方略・メタ認知の3要素からなり、それぞれに「具体的な身につけ方」が存在。まずはどの業務にも欠かせない「メタ認知」から、詳しくみていきましょう。

1.メタ認知

「メタ認知」は、自分の行いを俯瞰してコントロールするスキルのことで、「振り返る力」とも表現できます。言語と同様に、前頭葉が司る「人ならではの能力」です。

このメタ認知は、学びから仕事まで大事なスキル。欠けていると「自分の得意・不得意」が客観視できず、その後のフィードバックに活かせなくなってしまうのです。

以上のように生涯を通して欠かせないメタ認知は、容易に鍛錬が可能。努力や成長、そして失敗も含めて「言葉を使って具体化・可視化」することを徹底すれば、自然とメタ認知的な分析ができるようになりますよ。

参考資料：メタ認知とは？教育で注目される理由や子どもの力の伸ばし方は？

参考資料：前頭極は未経験の出来事に対するメタ認知判断をつかさどる

2.学習方略

「学習方略」とは、勉強のやり方を指しています。生成AI時代の情報システム部門で生き残りたいのであれば、自分に合った学習方略を見つけることが肝要です。

この学習方略は馴染みの薄い言葉ですが、中身はよく見知ったもの。頑張った自分にごほうびをあげる「報酬方略」やわかる所から進めていく「負担軽減方略」、違うコードの書き方がないか考える「意味理解方略」などやり方はさまざまです。

先ほどのメタ認知が身についてきたら、自分にあった学習方略を模索してみるとよいでしょう。

参考資料：「学習方略」の獲得は社会階層の壁を越えられるのか　― 子どもの成績を規定する要因についての考察 ―

3.動機づけ

学習を進めていくうえで、やる気は欠かせません。このやる気を引き出す考え方のことを「動機づけ」といいます。

より詳細には、世間体・報酬など他人由来の「外発的動機づけ」と、好奇心・理想など自分由来の「内発的動機づけ」の2つに分類が可能です。

どちらも「無動機づけ」よりは良い状態ですが、情報システム部門の場合は「内発的動機づけ」が欲しいところ。生涯を通して活き活きと学び続けられる姿勢が欠かせません。

言葉だと簡単に説明できますが、動機づけの習得は至難の業。強いてあげるなら「努力すれば賢くなれる」と信じ抜くこと、すなわち「増大的知能観」をもつことが大切です。

参考資料：「自己調整学習」論の可能性

参考資料：教師への信頼感と暗黙の知能観が自律的な学習動機づけに及ぼす影響

　

最低限身につけておきたいAIの知識3選

一般企業各社で先陣を切ってAIの導入を進めていくのは、情報システム部門にほかなりません。ゆえに情シスのスタッフには、IT戦略立案からヘルプデスク業務まで、「AI込み」でこなせる知識が求められるのです。

そこでここからは、最低限知っておきたいAIの知識を3つ紹介。まずは世間をにぎわせている「生成AI」からみていきましょう。

1.生成AIについての知識

ChatGPTやGoogle Bardなど「生成AI」は、AIの中でもほんの一部にすぎません。人間の言葉（自然言語）による命令を受けて、文章・画像・音楽等の生成ができるAIを指しています。

この生成AIについて学ぶべき点は2つ。それは「用途」と「プロンプトエンジニアリング」になります。

まず生成AIの用途は多岐にわたり、現在も試行錯誤の最中。情シスで例を挙げるなら「ヘルプデスク業務」や「基幹システムのバグ修正」などが生成AIで代替可能です。

そして「プロンプトエンジニアリング」とは、AIが理解できるように命令を下すスキルのこと。この2つについては別途、当メディアで「役立つ知識」を紹介しています。

2.機械学習についての知識

AI時代の情報システム部門で働きたいなら、「機械学習」の仕組みについても知っておくべきでしょう。先述の「生成AI」など多くのAIの基礎には、機械学習が関わっています。

そもそも機械学習とは過去のデータを専用のプログラム（アルゴリズム）に学習させて、初出のデータを分類させる手法の総称。データを大きく2分するだけの「パーセプトロン」から、それを重ねて複雑な分類を行う「ニューラルネットワーク」まで、さまざまなアルゴリズムが用いられています。

この機械学習を学ぶ利点は、目的に応じて最適なAIが組めることにあります。他部門から「AIでなんとかして」と頼まれたときに機械学習を学んでいると、最適な方法が示せますよ。

参考資料：仕事ではじめる機械学習 第2版

3.AI倫理についての知識

理数系の知識だけでは、AIの活用は難しいでしょう。「AI倫理」といって、人文学的な知識・配慮もAI時代の情報システム部門には必要です。

前提としてAIは昨今の世相、とくに人の多様性を認める「ダイバーシティ」の考え方に逆行しています。学習データ中に含まれる、ジェンダー・国籍・人種などに関する偏見を取り入れてしまうのです。

このようなAIをそのまま社会に適応してしまうと、「人種によって刑の重さを変えるAI裁判官」や「性別で採用不採用を決める人事AI」などが生まれかねません。そこで学習データに含まれる社会的事情も考慮して、倫理的なAIを開発する必要があるのです。

参考資料：富士通のAI倫理ガバナンス

参考資料：AI倫理技術：富士通

データの加工・分析に必要なスキルは3つ

プログラムを組んだだけでは、AIは動きません。膨大な量のデータ（ビッグデータ）を学習させてはじめて、「人工知能」と呼べる働きをみせるのです。

したがって生成AIと協働する時代の情報システム部門では、ビッグデータを扱うスキルも求められます。ここからは最低限身につけておきたいデータ加工・分析のスキルを3つ紹介。まずは「データベース言語」から、詳しくみていきましょう。

1.データベース言語

商用AIの学習データは10万件を超えており、処理の遅いExcelではさばききれません。別途データベースに特化したプログラミング言語（データベース言語）が必要なのです。

まず「データベース」とは、物事の細かな情報を一括保管する場所のこと。社員情報の例で説明すると、社員番号・氏名・性別などを記録したものがこれに該当します。

その操作には、専用の「データベース言語」が使用されます。なかでも代表的なものは、ISO（国際標準化機構）公認の「SQL」です。IT業界から金融業界まで広く採用されているため、データベースをAIに学習させたいならこのSQLのスキルが欠かせません。

参考資料：ＡＩへのデータ利用の状況

2.Python

生成AI時代の情報システム部門で働きたいなら、プログラミング言語「Python」も必修。汎用性が高くAI分野に限っても、データ分析からAIの設計まで幅広く活用されています。

まずPythonそのものの習得は容易。英語の文章を書くように気軽にプログラミングが可能です。

ただPythonをフル活用するには言語本体に加え、その「拡張部品」の知識まで欠かせません。とくにNumPyなど、複雑な処理が簡潔に記せる「ライブラリ」は必修です。

またAIを設計するなら、その雛形「フレームワーク」も不可欠。TensorFlowなど、フレームワークごとに扱い方を学ぶ必要があります。

3.統計学

AIの設計からIT戦略の立案まで、これからの情報システム部門で活躍したいなら「統計学」が必修です。

まずAIのアルゴリズムには、一部統計学の手法が用いられています。たとえば「正常／異常」や「合格／不合格」を判別するAIを作るには、統計手法の「ロジスティック回帰」が欠かせません。

また他部門や経営陣に向けてIT戦略を提案する際にも、データを可視化する統計手法が役立ちます。とくに違いの重みが示せる「カイ二乗検定」や散布図が簡潔に示せる「主成分分析」が、円滑なコミュニケーションには欠かせません。

　

チェンジマネジメントは考え方を3つ身につけるべし

生成AI時代の情報システム部門は、企業全体の変革も請け負うことになります。他部門や経営陣にAIの魅力を伝え、その導入を推していかなくてはいけません。

そこで必要なのが、現状維持のムードを打破する「チェンジマネジメント」の考え方。AI導入やDXにはまず、改革に消極的な他部門の協力が不可欠なのです。

以下ではその考え方（フレームワーク）のなかから、代表的なものを3つ抜粋。まずはおなじみ「PDCAモデル」からみていきましょう。

参考資料：チェンジマネジメント（Change Management）とは？

1.PDCAモデル

「PDCAモデル」とはPlan（計画）・Do（実行）・Check（評価）・Action（改善）を順番に繰り返すフレームワークのこと。現場レベルの細かな無駄をなくすのに役立ちます。

PDCAを導入済みの企業は多いはず。ですがこれを徹底している企業の数はさほどありません。Checkすなわち「ダメ出し」の過程で、どうしても上層部への忖度が生じてしまうのです。

したがって情報システム部門主体でPDCAを回すなら、データを活用して、客観的に改善点を示さなくてはいけません。情シスで活躍したいなら、PDCAモデルと統計学とを抱き合わせで学ぶのがよいでしょう。

2.コッターの8段階の変革モデル

保守的な会社の場合、段階を踏んでAIの導入を進めていかなくてはいけません。そこで頭に入れておきたいのが「コッターの8段階の変革モデル」です。このモデルでは組織変革の方法を、以下8つのプロセスに要約しています。

1.危機意識を高める

2.変革推進のための連帯チームを築く

3.ビジョンと戦略をうみだす

4.変革のためのビジョンを周知徹底する

5.人材の自発を促す

6.短期的な成果を実現する

7.成果を活かして、さらなる変革を推進する

8.新しい方法を企業文化に定着させる

このモデルを「AIの導入」や「DXの推進」に当てはめてみると、企業ごとにどの段階でつまづいているかがわかります。たとえば情報システム部門が情熱的に「生成AI活用のビジョン」を提案しても、他部門の危機意識がない場合は、改革が進められません。

コッターの8段階の変革モデルに限らず、他部門の事情にも興味をもつことが肝要です。

参考資料：Kottter（1996）による企業変革プロセスの実践と理論に関する考察 

3.ブリッジズの移行モデル

合理主義だけでは、他部門を巻き込んだ改革は達成できません。改革の段階に応じて、心理面のサポートまで入れられる情シススタッフであるべきでしょう。

そこで知っておきたいのが、「ブリッジズの移行モデル」です。このモデルでは、人間が変化を受け入れていくまでの過程を以下の3段階に要約しています。

1.何かが終わるとき
2.ニュートラルゾーン
3.何かが始まるとき

詳しい説明は割愛しますが、改革の過渡期「ニュートラルゾーン」への対処は重要。どの部門でも「先行き不安」が生じてくるので、それに対する解決策が求められます。

いつでも質問ができる「AIチャットボット」や先行きがわかる「統計データ」を用意して、情シス主体でバックアップしていきましょう。

情シスならではのリーダーシップを身につけるには

社を挙げたAIの導入やDXの推進は、理屈だけでは成し遂げられません。これから他部門を先導していく情シスには、「リーダーシップ」も必要なのです。ということで以下、リーダーシップの身につけ方について解説していきます。

ただ「リーダーシップ」は漠然とした概念で、人によって意味合いはまちまち。そこで当記事では「情報システム部門ならではのリーダシップ」と銘打って、その要素を3つだけピックアップしました。

1.ITスキル

まずは意外にも「ITスキル」がリーダーシップに直結します。そもそも他部門のスタッフや経営陣が情シスに求めているのは、「ITツールを使ったエレガントな問題解決」なのです。

ただ漠然とスキルを高めるだけではいけません。GitHubなどエンジニア界隈で活躍するスキルと、実際の企業で求められるスキルとは別物です。

たとえば一般企業の場合、スタッフのほとんどは非エンジニア。彼らが求めているのは、ノーコードツールのような「使い勝手や視認性のいいITツール」なのです。

ですので他部門とのギャップも込みで、問題を解決するITスキルが生成AI時代の情シスには欠かせません。

2.コミュニケーションスキル

先ほど述べた他部門とのギャップを埋めるためには、「コミュニケーションスキル」も必要です。とはいえ別に「社交性が大事」というわけではありません。

それよりも大事なのは「ビジネスとITとを翻訳する能力」です。

たとえば他部門が漠然と抱えている問題を解決するには、それを言語化してITの考え方に落とし込む必要があります。また逆に情シス主体でITツールを推していく際には、「イテラブル」や「デプロイ」などITの概念を噛み砕いて説明しなくてはいけません。

このように他部門がエンジニアに対して感じている「とっつきにくさ」をなくすのも、情シスに必要なリーダーシップなのです。

3.心の距離を詰めるスキル

情報システム部門と他部門とのギャップは、スキル・知識の面だけに限られません。普段からの関わりが薄い分、心理的な障壁も立ちはだかっているのです。

そこで生成AI時代の情シスには、「心の距離を詰めるスキル」も求められます。

たとえば「エンジニアの視点だけ」で相手の提案を否定するのは御法度。肯定的な態度で相手の話に耳を傾けたほうが、こちらの提案も受け入れてもらえます。

情シスの許可なく他部門がITツールを導入する「シャドーIT」など、エンジニアの態度ひとつで未然に防げる問題があることを忘れないでください。

生成AI時代の情シスには「対人スキル」も必要

生成AI時代の情報システム部門で求められるスキルとその身につけ方を、以下の表にまとめました。

必要なスキル	スキルの概要	スキルの身につけ方
自己学習能力	自発的に学習を進めるマインドセット	動機づけ・学習方略・メタ認知を身につける
AI全般の知識	生成AIの使い方とAIの原理・倫理面に対する知識	生成AIとその基礎、倫理面について学ぶ
データ加工・分析の知識	データを加工・分析して、AIに学習させるスキル	基礎的なデータサイエンスを身に着ける
チェンジマネジメント	AI導入やDXなど、組織変革を円滑に行うスキル	フレームワークを学ぶ
リーダーシップ	AI導入&DXを先導するための、ITスキルと人間性	マネジメントを学ぶ

各企業で生成AIの導入が進むこれからの時代、情報システム部門は社内での影響力を高めていくでしょう。

したがって将来にわたり情シスで活躍していくためには、上表で示した5つのスキルが欠かせません。

自己学習能力や各種専門知識は、IT人材なら当然必要。くわえてチェンジマネジメントやリーダーシップなど「対人スキル」も、他部門との協働が進む「生成AI時代」を切り抜ける武器となってくれます。

情報システム部門でAIにできること、できないこと

情報システム部門の業務は、「AIに向いている領域」と「人に向いている領域」の2つに大別できます。まずは「両者が提供する強み・魅力」を比べた以下の表をご覧ください。

AIの強み・魅力	人の強み・魅力
AIツールによる効率化	コミュニケーションによる協働
チャットボットによる早急な対応	感情面に気を配った対応
精度やスピード面での卓越性	利害関係・コンプライアンスへの準拠
データ分析・単純作業の自動化	イレギュラーへの対応
過去データに基づく予測	トレンド&最新情報を踏まえた予測

以上の通りAIと人を比較すると、5つの対照的な強み・魅力が浮き彫りになります。

ここからさらに両者の強み・魅力が活きる場面を、「情報システム部門の業務」にあてはめてみていきましょう。

以下の表では各業務をAIと人、双方の観点から評価。それぞれの強みが活かせるなら”⚪️”、活かせないなら”✖️”を記入して、「AIにできること」を可視化しています。

持ち味・強み	社内システムの開発	IT機器の運用・管理	ヘルプデスク業務	セキュリティ対策
<AI領域>
AIツールによる効率化	⚪️	⚪️	⚪️	⚪️
チャットボットによる早急な対応	⚪️	⚪️	⚪️	⚪️
精度やスピード面での卓越性	⚪️	⚪️	⚪️	⚪️
データ分析・単純作業の自動化	⚪️	⚪️	⚪️	⚪️
過去データに基づく予測	⚪️	⚪️	⚪️	⚪️
<人領域>
コミュニケーションによる協働	⚪️	✖️	✖️	✖️
感情面に気を配った対応	✖️	✖️	⚪️	✖️
利害関係・コンプライアンスへの準拠	✖️	✖️	⚪️	✖️
イレギュラーへの対応	✖️	⚪️	✖️	⚪️
トレンド&最新情報を踏まえた予測	✖️	✖️	✖️	✖️

このようにAIは、情報システム部門の業務をあらかたカバーしてくれます。「社内システム」や「IT機器の運用・管理」については、すでにAIを導入している企業も多いはずです。

さらに質問の傾向が変わらない「ヘルプデスク業務」や、過去のインシデントが参考になる「セキュリティ対策」もAIの得意分野。人よりも高精度かつスピーディーに業務をこなしてくれます。

とはいえ人の強みが活きる場面もまだまだ残っています。次の項目から、代表的な情シスの業務4つについて「AIと人の協働のカタチ」をみていきましょう！

持ち味・強み	社内システムの開発	IT機器の運用・管理	ヘルプデスク業務	セキュリティ対策
AIツールによる効率化	⚪️	⚪️	⚪️	⚪️
チャットボットによる早急な対応	⚪️	⚪️	⚪️	⚪️
精度やスピード面での卓越性	⚪️	⚪️	⚪️	⚪️
データ分析・単純作業の自動化	⚪️	⚪️	⚪️	⚪️
過去データに基づく予測	⚪️	⚪️	⚪️	⚪️
コミュニケーションによる協働	⚪️	✖️	✖️	✖️
感情面に気を配った対応	✖️	✖️	⚪️	✖️
利害関係・コンプライアンスへの準拠	✖️	✖️	✖️	✖️
イレギュラーへの対応	✖	✖️	⚪️	✖️
トレンド&最新情報を踏まえた予測	✖️	✖️	✖️	✖️

AIが代替・補助できる情シスの業務

情報システム部門の主な業務は、

・社内システムの開発
・IT機器の運用・管理
・ヘルプデスク業務
・セキュリティ対策

の4つになります。この全てでAIは、「完全な業務代行」または「人との協働」が可能です。

以下、情シスの各業務について「AI時代の働き方」をみていきましょう。

社内システムの開発

「社内システムの開発」にAIを活用すれば、人はシステム開発の本筋「問題解決」に集中できます。

まず社内システムの開発のうち、AIにできる作業は「データの整理&分析」や「スケジュール管理」、「他部門スタッフへの対応」になります。

とくに他部門スタッフへの対応時に、同じことを何度も説明しなくて済む点が魅力的。しかもチャットボットを導入するだけで、大幅な効率化が期待できます。

一方システム開発そのものは、まだまだ人の手が必要。ステークホルダーの要求をうまく汲み取りながら問題解決ができるのは人だけなのです。

ただシステムの問題点を洗い出す作業はAIの得意分野です。AIなら忖度なしで非効率を指摘してくれるでしょう。

IT機器の運用・管理

「IT機器の運用・管理」は、AIでほぼ代替が可能です。とくにAIはソフトウェアに強く、バックアップ・アップデートなど定期的な業務が一任できます。

また「サーバーやネットワークの障害」などインシデントへの対応も、AIがフォロー。システムのログをAIに学習させれば、インシデントの予測・解決が自動化できます。

ただ一点「インシデントの責任」を負うのは、変わらず情報システム部門のスタッフです。したがってAIの能力を過信することなく、人の目でもインシデントの評価を行っていくべきでしょう。

ヘルプデスク業務

他部門への「ヘルプデスク業務」は、AIに丸投げできます。

まず過去の質問内容とその答えをAIに学習させて「チャットボット」を作成すれば、違う人に同じことを説明する手間が省けます。さらにイレギュラーな質問の場合でも、チャットボットが情報システム部門のスタッフに取り次いでくれるのです。

また意外にも、AIは「共感力・人間味」あふれる対応が可能。たとえば医師と生成AI（ChatGPT）で問診の質を比較した実験では、「生成AIのほうが10倍ほど共感的である」という結果が出ています。

そのうえAIなら、何度でも気軽に質問ができるというメリットも。どの企業の情シスに対しても、「AIチャットボットの導入」を強くおすすめします。

参考資料：Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum

セキュリティ対策

IT機器の管理・運用でも触れた通り、インシデントへの対応はAIの守備範囲。したがってウイルスやマルウェアを意識した、「セキュリティ対策」にもAIが適用できます。

その最たる例がIBMのAIを応用したセキュリティツール「QRadar Advisor with Watson」でしょう。このAIツールは「ウィンブルドン選手権」の運営チームや金融機関、大企業など最高水準のセキュリティが求められる組織で採用済み。日本でも月額15万円で利用可能です。

ただセキュリティインシデントの多くは、私物端末の利用や機器の置き忘れなど「人為的ミス」に起因します。したがって情シススタッフ側でも注意喚起など、物理的な対策を取らなくてはいけません。

参考資料：サイバーセキュリティーのための人工知能（AI）

参考資料：QRadar Advisor with Watson – IBM Watsonが標準搭載されたAIログ分析サービス

AI導入時によくある質問

日々進化するAI技術を自社の業務へ活用する際、どんな手順で進めればよいのか、費用や運用面で心配な点があるのではないでしょうか？

ここでは、AI導入の流れや準備、サポート体制、費用感など、よくある質問と回答をご紹介します。ぜひ参考にしてください。

AIの導入にはどれくらい時間がかかりますか？

AIの種類や規模によりますが、スモールスタートであれば準備から運用開始まで1〜2ヶ月程度で進められることが多いです。要件定義やテスト期間を含めて計画を立てると安心です。

専門知識がなくても使えますか？

最近のAIサービスは画面がシンプルで直感的に操作できるものが増えています。パソコン操作に自信がない方でも、マニュアルやサポートが整っているので問題なく利用可能です。

どんな業務に向いていますか？

定型作業や大量データの処理、カスタマーサポートの自動応答など、繰り返し発生する業務で特に効果を発揮します。まずは自社の業務フローを整理し、AIに任せる部分を見極めるのがポイントです。

導入にかかる費用はどのくらいですか？

サービスによって初期費用や月額料金に幅があります。最近は小規模プランも充実しているため、「まずは試してみたい」という場合でも予算に応じたプランを選びやすくなっています。

トラブル発生時の対応は？

ほとんどのAIサービスにチャットサポートや電話窓口が用意されています。導入前にサポート体制を確認しておくと、万一のときもスムーズに解決できます。

まとめ

いかがでしたでしょうか。

情報システム部門において、これからはAI技術が必要不可欠であるとお分かり頂けたと思います。

AI技術は情報システム部門の変革を牽引し、AIの進化により、情報システム部門の業務が効果的になるようにさまざまなAIサービスが増えてきています。AIと情報システム部門の活用事例とおすすめサービスを10個紹介しました。有料のサービス5つと無料のサービス5つをピックアップしていますので、これらのサービスは、情報システム部門の業務最適化をサポートしてくれるおすすめのサービスです。

AI導入を検討している方は、ぜひ参考にして頂けると幸いです。

最後に

いかがだったでしょうか？

情報システム部門の業務改革に生成AIを導入するチャンス。社内ナレッジ活用から業務効率化まで、最適な導入戦略をご提案します。