AI導入に必要な体制と進め方 ー ウォーターフォールとアジャイル｜AIの社会実装に向けて＃５
AI導入に必要な体制と進め方
AIプロジェクトは、優れた技術やモデルがあれば成功するものではありません。実際の社会実装では、どのような体制で、どのような進め方・契約形態を選ぶかが成否を大きく左右します。AI導入は、技術開発であると同時に、プロジェクトマネジメントと組織設計の取り組みでもあります。
社内体制（企画・IT・現場の連携）
AI導入では、まず社内の関係者が適切に連携できる体制づくりが不可欠です。
AIプロジェクトには主に次の役割が関わります。
企画・経営層：目的設定、投資判断、成果の評価
IT・システム部門：システム連携、セキュリティ、運用設計
現場部門：業務知識の提供、実運用でのフィードバック
これらが分断されたまま進むと、「作ったが使われないAI」になりがちです。
AIは業務に深く関わるため、企画・IT・現場が同じゴールを共有する体制が重要になります。
「人の問題」で失敗する理由
実際のAIプロジェクトの現場では、技術面や費用面の問題ではなく、人の問題で失敗するケースも多く見受けられます。
求められる役割分担と失敗しやすいポイントを表にまとめました。
AIを理解する人材の役割
AIプロジェクトを円滑に進めるために重要なのが、AIを「技術」と「業務」の両面から理解できる人材の存在です。
AIで何ができるか
どこに限界があるか
進め方や契約にどんな注意点があるか
を理解した人材が、社内外の関係者をつなぐことで、AIプロジェクトは安定して進みます。
G検定などのAIリテラシーは、まさにこの役割を担う人材の基礎となる知識です。
ウォーターフォールとアジャイルの違い
AIプロジェクトの進め方として、よく比較されるのが ウォーターフォール と アジャイル です。
ウォーターフォール
ウォーターフォールは、
要件定義
設計
開発
テスト
導入
を順番に進める手法で、要件が明確で変更が少ないシステムに向いています。
一方で、AIプロジェクトでは「やってみないと分からない」要素が多く、最初にすべてを決めきることが難しいという課題があります。
アジャイル
これに対して アジャイル は、
小さく作る
試す
改善する
というサイクルを繰り返す進め方です。
データや精度を見ながら調整できるため、不確実性の高いAIプロジェクトとの相性が良いとされています。
AIプロジェクトに適した進め方とは
実務では、ウォーターフォールとアジャイルを完全に分けるのではなく、
全体構想や業務要件はウォーターフォール的に整理
モデル開発や精度改善はアジャイル的に進める
といった ハイブリッド型 が多く採用されています。
AI導入では、「計画通りに進める力」よりも、変化に対応しながら方向修正できる力が重要になります。
請負契約と準委任契約の考え方
AI導入を外部ベンダーと進める場合、契約形態の選択も非常に重要です。
代表的なのが 請負契約 と 準委任契約 です。
請負契約 は、成果物の完成を目的とする契約で、
要件が明確
成果物が定義しやすい
場合に適しています。
一方で、AIプロジェクトでは成果が事前に確定しにくく、精度や手法を途中で見直す必要が生じやすいため、請負契約だけでは柔軟性に欠ける場合があります。
これに対して 準委任契約 は、作業やプロセスの遂行を目的とする契約です。
試行錯誤や改善を前提とするAI開発では、準委任契約の方が現実に合うケースも多く見られます。
契約形態と進め方の組み合わせ
AI導入では、
初期の検証やPoCは準委任契約
本番システムへの組み込みは請負契約
といったように、フェーズごとに契約形態を使い分けることも有効です。
重要なのは、契約がプロジェクトの柔軟性を損なわないように設計することです。
ここまでお読み頂きありがとうございます。
AIって何？ AIの歴史から最新情報まで、わかりやすく説明した、
これまでの記事（マガジン）の一覧をプロフィールページにまとめています。
AIの全体像をつかむヒントに、ぜひご覧ください。
＜前へ
AIの社会実装に向けて＃４｜データとモデル管理の重要性―MLOpsという考え方
次へ＞
AIの社会実装に向けて＃６｜AIの開発環境と代表的な技術スタックーPythonとそのライブラリ
免責事項
・本記事は生成AI（ChatGPT等）を活用して執筆しています。内容の正確性・最新性には十分配慮しておりますが、誤りや古い情報が含まれる場合があります。ご利用・ご判断はご自身の責任でお願いいたします。万一、著作権等に問題がある場合はご連絡ください。
