でしまる

2025.5.19　◆シリコンバレーで開発者としてキャリアを積み、起業してデータ連携ミドルウエアの「Data Spider」を開発、その後セゾン情報システムズ（現セゾンテクノロジー）に合流した小野和俊氏。同氏がクレディセゾンでゼロから立ち上げた内製開発チームのメンバーが150人規模に増え、60以上のシステムを作ったという5年間のDXの歩みと、成功のポイント、今後の展望とはどのようなものだろうか。

2025.5.18　◆「デジタル活用とDX（デジタルトランスフォーメーション）は全く違うものだ。デジタルなサービスをいくら使ってもDXにはならない。当社のSaaS（Software as a Service）事業は、事業そのものを新しくすることをテーマにスタートした」−−。バルカーの取締役副社長 CDO（最高デジタル責任者） 兼 デジタル戦略本部長である中澤 剛太 氏は、同社のDX戦略の出発点をこう語る

2025.5.17　◆ロボティクスの世界では、アプリケーションの進歩、安全基準の厳格化、人間と機械の間での協力の強化によって、未来のものと思われた技術革新が構想から現実のものへと変わりつつあります。この数年で、特にAI（人工知能）技術の発展、普及とともにフィジカルAIが注目を集めており、年初に米国ラスベガスで開催された「CES 2025」でも多様なロボティクス技術やソフトウェア、製品に熱い視線が注がれました。

2025.5.16　◆あらゆる企業の現場で課せられている、「コスト抑制」と「生産性向上」という一見相反するミッション。しかし、安易な人員削減は現場を疲弊させ、予期せぬ反発を生みかねない。そこで注目したいのが、トヨタ生産方式の根底にある「線を引く」という考え方だ。

2025.5.15　◆工場や物流センターの効率化を考える上で、欠かせない要素の1つが「構内物流」です。構内物流とは、工場や物流センター内での物品搬送をさし、多くの現場では依然として手作業での搬送が中心となっています。人手不足や人的なミスが問題となる中、手作業での非効率な構内物流は工場全体の生産性低下やコスト増加を招きかねません。この課題を解決するための重要なアプローチが「自動化」です。

2025.5.14　◆スマートファクトリーの実現で課題となる要素は多い。自動化設備に掛かる巨額のコストだけでなく、自社工場に最適なソリューションを判断し実現する人材も必要だ。さらにプロジェクトチームを立ち上げ、PoC（概念実証）を行っても具体的な打ち手が見いだせず先に進まないこともままある。導入しやすい工程からスマート化を試みるも、どうしてもスマート化できない工程にぶち当たり、全体としてKPIを達成できないこともある。

2025.5.13　◆今は地域の運送事業者が地場の荷主企業の要望を受け、無理しながら長距離を走っているのが実態です。ところが地方ではドライバーが減っており、このままでは域内配送が維持できなくなる可能性があります。そこで、SST便のスキームにより幹線輸送はリレー方式でパートナーに引き継いで日帰りし、その分域内配送の仕事に集中できれば、地域物流の持続性を担保できるはずです。

2025.5.12　◆近年、生成系AIをはじめとする人工知能技術の進化は著しく、ビジネス現場における業務効率化に大きな影響を与えつつあります。特に汎用性の高い生成AIの登場により、従来は専門職が担っていた業務領域にも、AIの活用余地が広がりを見せています。こうした状況下で、市場調査業務も例外ではありません。市場調査は、顧客理解や製品開発、マーケティング戦略立案において重要な役割を担う一方で、設計、データ収集、分析、レポート作成といった一連のプロセスには高度な専門性と多くの時間的コストが求められる業務。AI活用が進めば、企業全体の意思決定スピードや生産性向上にも寄与することが期待されます。

2025.5.11　◆「100年に1度の大変革期」といわれる時代にあって、「モビリティカンパニー」への変革を目指すトヨタグループ。2023年に、トヨタは「トヨタモビリティコンセプト」を打ち出し、「クルマの価値の拡張」「モビリティの拡張」「社会システム化」というモビリティ社会への道筋を示した。一方、ウーブン・バイ・トヨタは、2018年、米国シリコンバレーのTRI（Toyota Research Institute）による先進研究をトヨタ自動車での量産につなぐ企業、TRI-AD（Toyota Research Institute Advanced Development）として発足。現在は日本橋の本社をはじめ米国の4拠点、ロンドンに展開し、トヨタグループにおける先行開発領域の連携強化、開発の加速を担っている。

2025.5.10　◆パレート図による不良の層別についてはExcelでも管理できますが、不良の要因を特定するために製造条件を収集／分析するには、IoTでシリアル単位や一定間隔のビッグデータを収集することになります。しかし、Excelで扱おうとすると分析できるデータ量に制限があるため絞り込んだデータで分析を繰り返すと時間がかかり、要因の特定ができないまま時間切れになってしまいます。