経理のAI活用は、どこから始めて、組織をどう変えるのか。本稿は、中国の製薬大手・正大天晴 (Chia Tai Tianqing) で生産供給領域のスマート化を率いる陳爾冬氏のインタビュー (電子工程専輯掲載) を題材に、受託開発とAIエージェント事業をやっている立場から、作る側としてどう読むか、開発会社の経営に何が効くかを整理する。
元記事の要点 (事実のみ)
- 陳氏は、医薬業界のスマート製造は世界トップのライトハウス工場と比べて「2世代ほど遅れている」と述べ、理由としてGMPによる制約と、業務形態上デジタル化への要求が強くなかったことを挙げた。
- 財務審査では、経費精算や購買の支払いの初審をAIで完全に置き換えた。複審は人が担当している。以前は精算に何日もかかり、取引先への支払いは30日〜60日待ちだったが、結果がすぐ出るようになったという。
- 「供給チェーン大脳」により、200品目以上の今後3か月の工場需要を毎月手計算していた作業が不要になり、人が確認するのはシステムが自動で重点指定した約10品目だけになった。残りはAIが監視し、リスクを検知すると理由と対策案を添えて通知する。
- 数字化チーム自体も、PM・UI・フロントエンド/バックエンド・テスト・データ・運用という長い分業から、「プロダクト寄りと技術寄りの2人で1案件」のエンドツーエンド体制に変わった。チーム人員は30〜40%程度減ったが、業務側はむしろ納品が速くなったと感じているという。
- 同社はGMP領域はオンプレミスで最も厳格に、それ以外はクラウドに置くハイブリッドクラウドを採り、社内にモデルゲートウェイを構築して部署・業務ごとのモデル呼び出しのコストと安定性、セキュリティポリシーを管理している。
AIは「判断の代行」ではなく「人が見る範囲を絞る」装置として入っている
私がこの記事で一番面白いと思ったのは、財務と供給チェーンという性格の違う2つの事例が、設計としては同じ形をしていることだ。
財務は「1円もずれてはいけない」領域だ。そこでAIが担っているのは初審で、最終判断は人の複審に残っている。供給チェーンでも、AIは200品目の需要を「決めて」いるわけではない。人が確認すべき10品目を選び出し、残りを監視して、異常があれば理由つきで知らせている。どちらも、AIの役割は人が見るべき対象を絞り込むことであって、判断そのものを渡してはいない。
作る側から見ると、この形は要件定義の重心を変える。モデルの精度をどこまで上げるかより、「どの条件なら人に回すか」「人に回さなかったものの誤りに、いつ・誰が気づけるか」を先に決めないと、本番に載せられない。受託でAI案件の要件を詰めていくと、最後まで揉めるのはたいていモデルではなくこの線引きだ。正大天晴の事例は、その線引きを先に決めた会社がどう動いているかを具体的に見せている。
AIで経理の仕事はなくなるのか
元記事の範囲で言えるのは、「なくなった」のは初審の作業であって、経理という機能ではない、ということだ。陳氏は、財務チームは人員の範囲を縮めた一方で、業務部門と組んで資金の使い方やコスト管理を支援する側に資源を回したと述べている。
ただし、私はこれを「だから安心だ」とは読まない。陳氏自身が、特定の部署を3〜6か月の短期で見れば「かなり乱暴な」コスト削減に見えるし、個々の社員がそれを避けるのは難しいと認めている。作業は確実に減り、残る仕事は性質が変わる。経理でAIを入れる側は、削る作業と、空いた人に何をしてもらうかを同時に設計しないと、「人を減らしただけ」になる。
開発会社にとって重いのは「2人で1案件」のほうだ
SIerや開発会社の経営者として読むなら、財務や供給チェーンより、数字化チームの再編の話のほうが重い。
PM・UI・フロントエンド/バックエンド・テスト・データ・運用という長い分業は、受託開発が工程ごとに人月で見積もってきた構造そのものだ。発注側の内製チームが「2人で1案件を端から端まで」に移り、人員を減らしても納品が速くなったと感じているなら、同じ分業を外から人月で売る提案は通りにくくなる。これは発注者の予算が減るという話ではなく、発注者が買いたい単位が変わるという話だ。
私の見立てでは、ここで開発会社が取れる道は2つある。1つは、発注側の少人数チームに入り込み、業務定義から実装までを一緒に持つ、いわゆるFDE (Forward Deployed Engineer) 型の関わり方。もう1つは、正大天晴でいう「中後台」、つまりデータ基盤・AI基盤・エージェントのオーケストレーションのような共通基盤を請け負うことだ。工程の一部だけを人数で埋めるやり方は、どちらにも入らない。
なお、人員30〜40%減という数字はインタビューでの本人の説明で、第三者が検証したものではない。何を分母に数えたのか (外注要員を含むのか、配置転換を含むのか) も記事からは分からない。規模感の参考にとどめ、自社の計画値にそのまま使わないほうがいい。
日本企業がそのまま真似しにくい点
2つある。1つは、陳氏自身が「数字化は智能化に先行しなければならない」と言っていることだ。供給チェーン大脳が作れたのは、先に供給チェーンのデジタル化が進んでいてデータがあったからで、紙とExcelで回っている業務にいきなりAIを載せても同じ結果にはならない。もう1つは、トップが戦略としてAIを掲げ、社内で繰り返し発信している前提があることだ。陳氏はAI導入の本当の難しさは技術ではなく組織にあると述べており、この前提が無い会社で「2人1案件」だけを真似すると、単なる人員削減として受け止められるリスクが高い。
徐 聖博の見解
私は、この記事を「AIで人が減った話」ではなく、AIを入れる前に「人が何を見るか」を決め直した話として読んだ。財務の初審、供給チェーンの重点品目の抽出、モデルゲートウェイによる利用管理のどれも、AIの能力より、人と仕組みの境界線の引き方が成果を決めている。研究をやっていた頃から、精度の数字だけで手法の良し悪しを語るのは危ういと思ってきたが、業務でも同じで、効いているのはモデルの外側の設計だ。
開発会社としての学びは、発注側の組織が変わるスピードに、自社の売り方が追いつけるかどうかだと考えている。工程分業の人月モデルを守るより、少人数で業務定義から持つ体制か、共通基盤を持つ体制のどちらに寄せるかを先に決めるべき時期に来ている。
関連記事
- 製薬GMP業務の74%削減が示す「システムのサイロ化」解消の本質
- TCSの製薬向けAIエージェント基盤から考える、規制産業で先に設計すべきもの
- 予測精度70%のAIを本番業務に載せるということ——厦門のサプライチェーン3社の使い方
- FDE（Forward Deployed Engineer）が示す、上流から伴走できるエンジニアの価値
- 日経225企業の87%がAIエージェントを活用——「組織の再設計」で開発会社の受注ポイントはどう動くか
- AI転換の最大の壁は「技術」ではなく「人と組織」——浪潮信息CEOの提言
