AI導入プロジェクトに必要な6つの役割
AI導入プロジェクトを成功させるには、技術だけでなく、ビジネス・データ・インフラのそれぞれに責任を持つ人材が必要です。これらを1人の「AI担当者」に押し付けることが、プロジェクト失敗の最大の原因の一つです。
6つの役割は必ずしも6人が必要なわけではありません。中小企業では1人が複数の役割を兼任することも現実的です。ただし、責任の所在を明確にするために、役割ごとの担当者を明示することが重要です。
1. プロジェクトオーナー（PO）
役割：AI導入の最終意思決定者。予算・スコープの最終承認・プロジェクトの方向性決定・ステークホルダー調整を担当します。
適任者：事業部門長・役員・CTO/CDO
関与頻度：週1回程度の進捗確認・重要な意思決定時
よくある失敗：「プロジェクトオーナーは名前だけ」でPM任せにしている。実際の意思決定に関与しないため、スポンサーシップが機能せずプロジェクトが停滞します。
2. プロジェクトマネージャー（PM）
役割：日々のプロジェクト運営を担当。スケジュール管理・課題管理・ベンダー調整・社内関係者との連絡調整・会議体の運営を行います。
適任者：PMOスタッフ・IT部門のプロジェクトリーダー・事業部門のリーダー（AIプロジェクト経験があると望ましい）
必須スキル：プロジェクト管理の基本（WBS・リスク管理・課題管理）・IT基礎知識・コミュニケーション能力
3. 業務担当（業務オーナー）
役割：AIが改善する業務プロセスの専門家として、要件定義・テスト・ユーザー受け入れを担当します。「現場で実際に使う人の代表」として、AIシステムが現場の実態に合っているかを検証します。
適任者：改善対象業務の現場担当者・業務リーダー
重要性：技術的に優れたAIでも、現場の業務フローと合わなければ使われません。業務担当がプロジェクト全体を通じて関与することが、現場受容性を高める最善の方法です。
4. データ担当（データオーナー）
役割：学習データの準備・品質管理・個人情報への対応・データパイプラインの設計を担当します。プロジェクト初期はデータ棚卸しと品質評価、実装中はデータ収集・クレンジング、本番後はデータ品質の継続監視が主な業務です。
適任者：データベース担当者・業務システム担当者（データの所在を知っている人が最適）
外部委託の可否：データ整備作業はアウトソース可能ですが、データの所在・利用許可の判断は社内担当者が必須です。
5. AI技術担当（AIエンジニア）
役割：AIモデルの設計・開発・チューニング・評価を担当します。機械学習・深層学習・自然言語処理等の技術的な実装が中心です。
適任者：MLエンジニア・データサイエンティスト。社内に不在の場合は外部委託が現実的。
社内育成 vs 外注：AI技術は変化が速いため、社内育成には継続的な投資が必要です。最初のプロジェクトは外注し、OJTで社内人材を育成する「ハイブリッド」が多くの企業に適しています。
6. インフラ担当（情シス・インフラエンジニア）
役割：AI稼働に必要なインフラ（クラウド・サーバー・ネットワーク）の設計・構築・セキュリティ審査・運用を担当します。
適任者：情報システム部門・インフラエンジニア
重要性：インフラ担当がPoC終了後に初めて関与するケースで、セキュリティ審査から始まり本番移行が大幅に遅れる事例が多発しています。PoC設計段階から関与させることがベストプラクティスです。
企業規模別の体制例
理想的な体制は企業規模によって異なります。中小企業では1人が複数役割を兼任し、大企業では各役割に専任担当を置くのが現実的です。以下は規模別の体制例です。
中小企業（3名体制）
| 担当者 | 役割の兼任 | 稼働時間（週） |
|---|---|---|
| A：経営者・事業部長 | プロジェクトオーナー | 2〜4時間（会議参加中心） |
| B：IT担当・業務担当（兼任） | PM + 業務担当 + データ担当 + インフラ担当 | 15〜20時間 |
| C：外部AIエンジニア（委託） | AI技術担当 | 週2〜3日稼働 |
ポイント：B担当者への過剰な兼任を避けるため、スコープを絞り込む。最初のプロジェクトは「1つの業務の自動化」に集中します。
中堅企業（5名体制）
| 担当者 | 主な役割 | 兼任 |
|---|---|---|
| 事業部長 | プロジェクトオーナー | なし |
| IT部門リーダー | PM + インフラ担当 | PM兼任 |
| 業務部門キーパーソン | 業務担当 | なし |
| IT部門担当者 | データ担当 | なし |
| 外部AIエンジニア（委託） | AI技術担当 | なし |
大企業（10名体制）
大企業では6役割に加え、法務・セキュリティ・内部監査・広報（変更管理）など専門担当を置くことが一般的です。10名体制の場合、以下のような構成になります。
- スポンサー（役員）× 1名
- PM × 1名
- ビジネスアナリスト（業務担当）× 2名（複数部門からの代表）
- データエンジニア × 1名
- MLエンジニア × 2名
- インフラエンジニア（情シス）× 1名
- セキュリティ担当 × 1名
- 変更管理担当（トレーニング・コミュニケーション）× 1名
社内 vs 外部の分担パターン
どこまでを社内でやり、どこからを外部に委託するかは、コスト・スピード・内製化戦略によって変わります。3つの主要パターンを比較します。
| パターン | 社内担当 | 外部委託 | 費用 | 内製化進捗 |
|---|---|---|---|---|
| 全外注型 | PO・業務担当のみ | PM・データ・AI・インフラ | 高（ベンダーの利益乗せ） | なし（ブラックボックス化） |
| ハイブリッド型 | PO・PM・業務担当・データ担当 | AI技術担当（一部インフラ） | 中 | 段階的に内製化可能 |
| 内製中心型 | 全役割（社内AI人材あり） | なし or スペシャリスト支援のみ | 低（人件費のみ） | 完全内製化 |
多くの企業に最適なのはハイブリッド型です。技術的な実装は外注しながら、業務要件・データ管理・プロジェクト運営は社内で担い、OJTを通じて段階的に内製化を進めます。
