このウェビナーについて
2026年4月21日、AI Business Lab のオンライン勉強会に FDE Consulting から登壇し、「AI導入の『PoC止まり』を突破する——FDEアプローチ実践解説」をテーマに 60 分話しました。
| 項目 | 内容 |
|---|---|
| 開催日 | 2026年4月21日 |
| 主催 | AI Business Lab |
| 登壇 | 三方 浩允（Founder & CEO）／中 翔（CTO / FDE 事業部部長） |
| 形式 | オンライン・無料・質疑応答あり |
詳細な第三者レポートが AI Business Lab の note 記事 として公開されているので、当日参加できなかった方はそちらと併せてご覧ください。
本記事では、登壇者として伝えたかった主要メッセージを 6 点に整理して残しておきます。
1. FDEは「AIを作る人」ではなく「AIを使わせる人」
ウェビナーで最も強調した一文がこれです。
世間では「AIを作る人」と「AIを使う人」の二分法で語られがちですが、現場で起きているボトルネックはどちらでもなく 「AIを作ったけど使われていない」状態 にあります。Forward Deployed Engineer（FDE）はこの間を埋める職種で、技術選定・実装に加えて、業務プロセス・運用ルール・組織設計まで踏み込んで「使われる状態」を作りにいきます。
FDEは『AIを作る人』ではなく、『AIを使わせる人』。 ——ウェビナー本編より
2. AI導入が定着しない本当の理由
「導入したけど定着しない」案件を分解すると、根本原因はほぼ毎回同じ場所に集中します。
- 使う場面（どの業務で、誰が、どのタイミングで）が決まっていない
- 使わなかった場合の代替手段が残っている（=結局そっちが使われる）
- 責任の所在が曖昧（IT 部門・現場・経営層のどこが運用を持つか不明）
- KPI が「導入数」「アクセス数」など利用ベースで止まっており、業務成果と接続されていない
これらはどれも技術的課題ではなく、組織と業務設計の問題 です。だから、AI のスペックを上げても解決しません。
3. 業務分解の重要性——士業の事例から
ウェビナーでは士業（会計事務所・税理士法人）での AI 導入を例に、業務分解の重要性を話しました。
「税務申告業務に AI を入れる」では粒度が粗すぎて、何を AI に任せて何を人間が担うか決められません。実際には以下のように分解します。
| 工程 | 内容 | AI 適用余地 |
|---|---|---|
| 受領 | 顧客から資料を受け取る | 低（人間との接点） |
| 仕分け | 勘定科目への振り分け | 高（パターン学習で自動化可） |
| 確認 | 例外・修正の判断 | 中（候補提示は AI、最終判断は人間） |
| 入力 | 会計システムへの転記 | 高（RPA/API で完結） |
| レビュー | 上席による点検 | 低（責任を伴う判断） |
| 提出 | 申告書作成・電子提出 | 中（フォーマット適合は自動化可） |
このレベルまで分解すると「AI で 70% 削減」のような曖昧な議論ではなく、「どの工程を、どの順番で、どこまで自動化するか」を決められるようになります。AI 導入の前に業務分解。順番を間違えると PoC 止まりになります。
4. うまくいっている企業の共通点
参加者からの質問で多かったのが「成功している企業は何が違うか」でした。これまでの支援案件を振り返ると、共通点は 3 つあります。
- ルールが先、ツールが後 — どこまで AI で、どこから人間か、を最初に決めている
- 使い方が現場で明文化されている — マニュアル化と教育がセット
- 経営層が「使え」と言い切っている — トップダウンの後押しがあると現場で言い訳が消える
逆に言うと、この 3 つのどれかが欠けると、どんなに優れた AI を入れても定着しません。
5. セキュリティとガバナンスのリアル
「セキュリティが心配で本格導入に踏み切れない」も頻出論点でした。
ここで重要なのは、「ゼロリスクを目指すと何もできない」「リスクゼロ前提の議論をすると無限に時間が溶ける」 という点です。実務では以下の順序で詰めます。
- 扱う情報の機密度を 3 段階くらいで分類（公開 / 社内 / 機密）
- それぞれで使える AI ツール・モデル・運用ルールを決める
- 監査ログの取得方法を最初から組み込む
- インシデント発生時のエスカレーションパスを書面で決める
完璧なセキュリティ設計より、「決まったルールで運用が回っている」状態 の方がはるかに重要です。
6. コスト管理——どこまで AI に任せるか
AI 利用料の管理も忘れられがちな論点です。トークン課金モデルが主流になり、「Claude / GPT / Gemini を組み合わせて使うと、月次でどれだけ使っているか見えない」状態になりやすい。
対策として実装すべきは:
- ユーザー・チーム・ユースケース単位での利用量モニタリング
- 想定外コスト発生時のアラート
- 高コストモデルと低コストモデルの自動ルーティング
- 定期的なコスト見直し（モデル価格は四半期で変わる）
「導入は安かったが、運用で年間 N 千万円使っていた」のは典型的な失敗パターンです。
まとめ：AI導入は技術ではなく「人と組織の問題」
60 分のウェビナーで一貫して伝えたのは、AI 導入の難しさは技術ではなく人と組織にある ということでした。
- 業務分解が甘いと、AI を入れる場所が決まらない
- ルールがないと、現場で使われない
- 経営の後押しがないと、優先順位が下がる
- セキュリティが感情論で止まると、何も進まない
- コストが可視化されないと、PoC 後に止まる
FDE はこれらの「橋渡し」を専門に担います。AI を作る人と使う組織の間にある溝を、現場で埋めていく職種です。
レポート全文（AI Business Lab）
第三者視点での詳細なレポートが note で公開されています。当日のニュアンスや参加者の反応はこちらが詳しいです。
📝 FDEコンサルタントとは？ 単なる導入で終わらないAI時代の働き方（note / AI Business Lab）
主催の AI Business Lab は X / Discord でも情報発信しています。
- X: @AI_Biz_Labs
- Discord: AI Business Lab コミュニティ