SigmaBrain株式会社

SigmaBrain株式会社は、製造業・卸売業を中心に、顧客の業務に合わせた基幹システムを開発するスタートアップ。受発注、在庫、生産、原価管理等、日々の事業を支える仕組みを、業務の整理から設計、開発、導入後の改善まで一貫して手掛ける。

製造業の業務内容は、個社ごとにかなり異なる。顧客の注文に合わせて製品の仕様を変える会社もあれば、少量の製品を多種類作る会社もある。材料の仕入れ方、製造工程、在庫の数え方まで違うため、必要とするシステムの要件も同じではない。既製のパッケージ製品に業務を合わせきれない結果、対応できない作業が紙やExcelで残る。

業務に合わせて一から開発すれば、業務DXは進むだろう。しかし、フルスクラッチの開発は、時間と費用がかさむ。業務の独自性は、企業が長年かけて築いた強みでもある。それを捨てずにシステムを整えたい中堅・中小企業にとって、どちらも理想的な選択ではなかった。

「基幹システム開発の難しさは、必要な機能を並べるだけでは済まないところにあります。例えば製造現場では、紙の伝票を発行することが、在庫のデータを書き換える合図になっている場合があります。紙をなくすなら、今度は何を合図に、誰が、いつ数字を確定するのかまで決めなければならない。古い手順に見えても、現場の仕事を成り立たせている理由があるんです。そこを知らずにシステムだけ新しくしても、業務は上手く回りません」（代表取締役・西森大祐氏）。

製造業・卸売業でも、既に基幹システムを導入している企業も少なくない。しかし、業務にフィットしていないため、機能を継ぎ足したり、別のシステムとの連携を増やしたりするうちに、システムはどんどん複雑になっていく。システム全体の仕組みを理解している人がいなくなるケースもある。同社が取り組むのは、こうした基幹システムの刷新なのだ。

「基幹システムだけを新しくしても、情報をいつ確定し、誰が判断するかが以前のままなら、仕事は変わりません。受注や在庫、生産の情報が正しく繋がるよう、業務の仕組みも一緒に見直す。そうして初めて、将来AIを使うためのデータも整うのです。私達は『企業のOSをアップデートする』と掲げています。会社ごとに異なる業務を把握し、それに合う基幹システムを作り直します。必要だと分かっていても、従来の開発体制では時間も費用もかかり、中堅・中小企業には踏み切りにくいのが現実でした。私達は、顧客に合わせる部分を減らすのではなく、AIを使って開発の進め方を変えています。これまで費用を理由に見送られてきた刷新を、現実的な選択肢にしたいんです」（西森氏）。

個別開発を少人数で可能にするのが、生成AIだ。コードを書く工程だけでなく、顧客の仕事を理解し、必要な機能を決める要件定義から、設計、開発、テストまで使う。既存の開発組織にAIを後から加えるのではなく、AIを使う前提で仕事の進め方を組み立ててきた。工程ごとに多くの人を割り当てていた開発を見直し、顧客の業務に合わせるための時間を確保する。導入後の改修や保守も自社で引き受け、現場で必要になった変更へ対応し続ける。

顧客の仕事に合う基幹システムを作るには、開発を始める前に「何を作るか」を決めなければならない。だが、長年の経験で動いている仕事ほど、担当者も手順や判断の理由を全て言葉にはできない。会議で必要な機能を尋ねるだけでは、システムが動き始めてから「この工程・機能も必要だった」と判明することがある。

同社は、要件定義の段階から生成AIを使う。顧客の話を基に、画面の試作品や業務フローを作り、顧客に見せながら要件定義を進める。「この項目が足りない」「うちでは先に別の部署が確認する」具体的な画面や業務フローを前にして初めて、顧客自身も普段の仕事との違いに気付ける。現行システムの仕様書や帳票もAIで読み込み、確認すべき項目を洗い出す。人が原本と現場を確かめ、その結果を設計と開発へ繋げていく。プロトタイプの画面やフローは、顧客との認識合わせだけでなく、その後の設計フェーズでAIが参照する材料にもなる。

「お客様が最初から必要な要件を全て出せるとは限りません。後から要望が出た時に、『最初に言われていないからできません』と返すだけでは、仕事として十分ではないと思っています。こちらが引き出せなかったものもあるはずです。だから画面や業務の流れを早く形にして、お客様に見ていただく。何もないところで質問するより、ずっと具体的な話ができるんです」（西森氏）。

要件が固まれば、設計、コーディング、テストにもAIをフル活用する。しかし、顧客の基幹システムにAIを組み込むことには、慎重な姿勢を示している。基幹システムが扱うのは、受注数や在庫数、請求額等、業務へ直結する情報。文字認識の精度が99.9%でも、請求書の文字を一つ読み違えれば仕事には使えないと、西森氏は指摘する。

「私達が開発にAIを活用することと、お客様の業務にAIを組み込むことは、分けて考えています。AIを業務に組み込むには、紙やExcelに残る情報を、システム上で繋がる形に整える必要があります。数字がばらばらのままでは、AIを生かす以前の問題です。まずは基幹システムを整え、日々の業務から正確なデータが蓄積される状態を作る。その先に、AIをお客様の業務へ広げる可能性があると考えています」（西森氏）。

中堅・中小企業の予算で、テーラーメイドの基幹システムを作る。従来型のシステム開発会社には不可能だったこの仕事を、同社は「AIネイティブ開発」で実現している。要件定義からテストまでAIを使い、人員と工数を抑える。一社ごとの開発で得た共通部分も、モジュールとして次の案件へ引き継ぎ、個別開発の費用をさらに下げる。より多くの中堅・中小企業の基幹システムを刷新し、企業のOSをアップデートするためだ。

「同じ在庫管理でも、会社によって数字の扱い方や業務の流れは違います。私達は、一社のために作った仕組みから、ほかの案件にも生かせる部分を取り出し、AIが参照できる開発用モジュールとして蓄積しているところです。次の案件では、それを出発点に、その会社ならではの工程や管理方法に合わせて作り込む。決して新たなパッケージ製品の開発ではありません。完成したパッケージにお客様の仕事を合わせるのではなく、個別開発を重ねるほど、次の個別開発を効率良く進められる形を作りたいんです」（西森氏）。

同社を共同で立ち上げた吉永響氏と西森氏は、共に外資系コンサルファームの出身である。

二人が目指したのは、日本の産業に長く役立つ事業をつくることだった。生成AIを使えば、コンサルタントも戦略を描くだけでなく、システムを作るところまで踏み込める。そう考えた二人は、AIネイティブ開発を軸に同社を共同創業した。何を、誰のために作るのか。その答えは、顧客の声を聞く中で見つけていくことになる。

転機になったのは、展示会で製造業の企業が抱える課題を直接聞いたことだった。在庫の数字が合わない。仕事が特定の担当者に集中している。古いシステムを変えたいが、費用を考えるとリニューアルに踏み切れない。最初に取り組んだ木材関連企業の案件でも、商品の動きと在庫の数字がどこで食い違うのかを調べ、業務の流れから見直した。

「AIで何が作れるかという発想が先にありました。お客様と話をする中で、費用をかけてでも解決したい問題は、私達が技術から考えたものとは違ったんです。現場で話を聞き、仕事の流れをたどるうちに、必要なのはその会社の業務にフィットした基幹システムだと分かりました。私達の事業は、お客様の課題を追いかける中で、今の形になったんです」（西森氏）。

創業後は、二人それぞれの人脈を通じてメンバーが集まった。戦略コンサルタントやシステム開発のエンジニア、AI研究者、数学者等、経歴は一様ではない。顧客の話から課題をつかみ、業務とデータの流れを調べ、動くシステムにする。専門性の異なるメンバーが、同じ顧客の仕事を見ながら進める組織ができていった。

「当社は、体育会と研究職が混ざったようなカルチャーの会社です。ハンドボールに打ち込んでいた私と、東京にある大学の大学院で航空宇宙工学を専攻していた吉永のキャラクターをそのままミックスしたような社風です。お客様に会って話を聞くことも、業務の細部を調べ、技術を試すことも欠かせません。机の上で最適なシステムを考えても、現場で何が起きているかを知らなければ、使えるものにはならない。職種が違っても、そこは全員で考えたいと思っています」（西森氏）。

同社が掲げる目標は「メンバー全員がFDE」。FDEは、顧客の課題を理解し、解決策の設計・実装まで担う人材を指す。同社では、営業、コンサルタント、エンジニアがそれぞれの専門性を持ち寄って案件を進めながら、互いの仕事を学び、一人ひとりが担える範囲を広げている。営業が顧客との対話から課題を整理し、コンサルタントはAIで画面や業務フローを形にする。エンジニアも要件定義から顧客の仕事に踏み込んでいる。

「エンジニアは開発だけ、営業は売るだけ、という組織にはしたくありません。エンジニアにはお客様の前に出て課題を聞いてほしいし、営業にもAIを使って画面を作り、開発へ踏み込んでほしい。最初から一人で全てできる必要はありません。それぞれの専門家から学び、いずれは自分でお客様を見つけ、課題を捉え、必要なシステムを作って届ける。そこまでできる人材が、当社の目指すFDEです。そういう人が増えれば、日本の中小企業のOSを変えるスピードは一気に上がります」（西森氏）。