2026年10月30日から11月5日までに公表されたDX関連の動きから5件を取り上げます。政府による生成AIの業務適用、公的機関の情報セキュリティ相談体制の強化、基幹システムの構造改革、AIによる需要予測の精度向上、そして現場社員による業務アプリの内製です。いずれも大企業や官公庁の事例ですが、進め方と失敗の避け方には中小企業がそのまま使える型が含まれています。各ニュースについて、概要、中小企業への影響、経営者が取るべき視点の順に整理します。
1. デジタル庁、ガバメントAI「源内」で国会答弁作成支援AIのプロトタイプ版を提供開始
概要
デジタル庁は2026年10月30日、政府職員向けの生成AI共通基盤「ガバメントAI 源内」で「国会答弁作成支援AIアプリ」のプロトタイプ版の提供を開始したと公表しました。対象は源内を利用できる政府職員約18万人です。支援範囲は質問内容の確認から根拠資料の検索・分析、答弁案の生成、検証までの一連の流れです。プロトタイプ版は第222回臨時国会の実務の中で試験的に使われ、有効性・操作性・出力品質の3点が検証されます。設計段階では16省庁から102名の実務経験者が評価者として参画し、改善を経て翌年1月召集の通常国会から本格提供へ移る計画です。デジタル庁はハルシネーション、つまり生成AIが存在しない事実や数値を書いてしまう現象のリスクを明示し、AI出力の正確性や妥当性は保証されないと注意書きを添えました。最終的な政策判断や答弁の確定は職員が責任を持ち、答弁の最終責任は大臣等に属するという役割分担も明記されています。
中小企業への影響
答弁作成は中小企業には縁遠く見えますが、構造は見積書や提案書、報告書の作成と同じで、過去資料を探して整理し体裁を整える前工程に負荷が集中しています。この事例の示唆は、生成AIの効果が最も出るのは文章の清書ではなく、社内に散らばった資料の検索・要約・比較だという点です。国が「AI出力は保証されない」「人が確認する」と文書で明記した事実は、自社のAI利用ルールを整える際の後ろ盾として引用できます。評価の観点を有効性・操作性・出力品質の3つに絞る手法は、社員数十人規模でもそのまま再現できる軽量な設計です。現場の実務経験者を評価者に巻き込む進め方は、情報システム担当任せで現場が使わないという失敗を避ける処方になります。部署ごとに別のAIツールを契約せず、1つの基盤へ集約する判断にもつながります。
経営者の視点
まず自社で最も人手と残業を食っている文書業務を1つ特定し、工程を資料探し・整理・作成・確認に分解して、どこで時間が消えているかを数字で把握してください。適用先は文章作成ではなく過去資料の検索・要約から始め、対象業務を1つに絞ります。AI利用ルールは1枚で十分です。出力は下書きであり保証されないこと、提出前に人が根拠資料と突き合わせること、最終責任は担当者と承認者が負うことの3点を明記します。評価は業務に効いたか、現場が使えたか、品質は十分かの3点に固定し、合否ラインを事前に決めます。ベテラン社員を数名、役割として評価担当に指名することも欠かせません。下書きをそのまま承認する運用が定着すると確認が空洞化します。繁忙期に小さく試し、次の繁忙期に本格運用する導入カレンダーを引いてください。
参考リンク
デジタル庁：ガバメントAI 源内で「国会答弁作成支援AIアプリ」のプロトタイプ版を提供開始します
2. IPA、不正アクセスによる個人情報漏えい被害者向けの相談受付を強化
概要
情報処理推進機構（IPA）は2026年11月2日、不正アクセスによる個人情報漏えいの被害者に向けて「情報セキュリティ安心相談窓口」の受付体制を強化すると公表しました。背景には、国内の幅広いサービスでウェブシステムの脆弱性の悪用やサプライチェーン経由の侵害が相次ぐ状況があります。大量の個人情報を扱うオンラインサービスへの不正侵入が複数判明し、データの窃取が発生していると明記されました。窓口の電話番号は03-5978-7509、受付は平日10時00分から17時00分、メールはanshin@ipa.go.jpです。対応範囲はウイルス・不正アクセスの相談から情報漏えい時の不安相談、フィッシング詐欺まで含み、二次被害を防ぐ助言と日頃の対策情報を提供します。想定相談者は全国の個人利用者で、事業者向けの専門窓口とは役割が分かれています。
中小企業への影響
中小企業は狙われるほどの規模ではないと考えがちですが、サプライチェーン型の侵害では大企業への踏み台として中小企業が最初に狙われるため、規模は防御になりません。まず必要なのは、会員サイトや予約フォーム、問い合わせフォームなどインターネットに公開している入口の棚卸しです。取引先からセキュリティ対策状況の確認シートを求められる場面は今後さらに増え、回答できないと取引継続の判断に影響します。万一漏えいすれば顧客への説明と問い合わせ対応に人手が集中して本業が止まるため、文例と対応手順を事前に用意しているかで被害の大きさが変わります。従業員が個人として被害に遭った場合も、使い回しパスワード経由で社内システムへの不正ログインに発展します。公的な相談窓口の連絡先を社内に周知しておけば、従業員や顧客への一次案内先として追加費用なしで使えます。
経営者の視点
着手すべき順序は明確です。インターネットに公開しているシステム・フォーム・サイトの一覧を1枚にまとめ、保守担当者と最終更新日を書き込み、期限を切って今月中に完了させてください。CMSやプラグイン、サーバOSの更新を誰がいつ行うかを決め、月次の固定作業にします。気づいたら直すという運用はやめるべきです。委託先と利用クラウドの一覧を作り、個人情報を預けている先に印を付ければ、弱点候補が見えます。全社で多要素認証を有効化し、パスワードの使い回しを禁止すれば、個人の被害が社内侵入へ波及する経路を断てます。漏えい時の初動手順書も1枚作り、報告先、停止の判断者、顧客への通知文例、IPAの相談窓口の案内を含めてください。公表や顧客通知の遅れは、事故そのもの以上に信用を損ねます。
参考リンク
情報処理推進機構（IPA）：不正アクセスによる個人情報漏えい等の被害にあわれた方の相談受付強化について
3. ミスミグループ本社、基幹システムのグローバル展開を完了し見積もり・調達が数分へ
概要
機械部品・工具・消耗品を扱うミスミグループ本社は、次世代基幹システム「NEWTON」のグローバル展開を完了したと公表しました。対象は世界13の国・地域の現地法人すべてで、導入完了は2026年9月、2020年の開始から約6年を要したプロジェクトです。アーキテクチャはSAP ERPを中核に据え、その周りに独立した小さな機能群を配置するポストモダンERP方式を採用しました。従来は機能が一体化したモノリシック構造で、4000万点を超える取扱商品の急増がシステム負荷と新機能開発速度の制約になっていました。刷新により、従来は数日から十数日を要していた大口注文の見積もり・調達が数分で完了するようになり、顧客の待ち時間は85%削減、回答数は2.5倍、有人対応チャット件数は50%削減という成果が示されています。AIチャットとの連携で24時間365日の対応も可能になり、世界中のサプライヤ在庫をリアルタイムに統合するAPIも整備されました。
中小企業への影響
6年・13か国という投資は真似できませんが、中核データは1つに集約し、周辺業務は小さく分けて素早く直すという設計方針は規模を問わず適用できます。見積もりや納期回答にかかる時間は中小の製造業・卸売業でも受注率に直結する指標であり、数日かかっている回答を数時間に縮めるだけで競合優位になります。商品マスタや在庫、価格のデータがExcelや担当者の記憶に分散している状態は、ミスミが抱えていたモノリシック問題と同じボトルネックです。APIを自社データを他のツールから使える状態と捉えれば、将来AIを載せる余地を今の選定で確保できます。有人対応50%削減という成果は、人を増やさずに対応時間を広げる現実的な方向性を示します。部品自動選定や在庫・発注予定のリアルタイム共有が広がれば、受け手となる中小サプライヤにもデジタル対応の有無で選別される圧力がかかります。
経営者の視点
まず見積もり・納期回答の実時間を測ってください。依頼受領から回答までを10件分記録するだけで、ボトルネックの所在が見えます。次に商品マスタ・在庫・価格のデータが何か所に分散しているかを数え、2か所以上に同じ情報があるならどれを正とするかを決めます。システム刷新は全部入れ替えではなく、中核である会計・在庫と、変化の速い顧客接点・個別業務を分け、周辺から着手する方針が安全です。新しいシステムやクラウドを選ぶ際は、データを外部から出し入れできるAPIやCSV連携があるかを必ず選定条件に入れてください。問い合わせ内容を1か月分分類し、繰り返される上位質問だけを自動回答化すれば効果が最も大きくなります。効果指標は社内効率ではなく、回答までの時間や回答できた件数という顧客側の指標に置きます。ただし元データが不正確なら誤った回答を高速に出すだけになるため、データ品質の確保が前提です。
参考リンク
IT Leaders（インプレス）：ミスミグループ本社、基幹システムのグローバル展開を完了、大口注文の見積もり・調達が数分で完了
4. カインズ、AIによるアルゴリズム探索で長期需要予測の誤差を19%改善
概要
全国289店舗のホームセンター大手カインズは、AIによるアルゴリズム探索で長期需要予測の誤差を19%改善したと公表しました。使用したのはGoogleのAIエージェント「AlphaEvolve」とGoogle Cloudの「Vertex AI Forecasting」です。AlphaEvolveが、予測の材料となる特徴量と、学習の設定値であるハイパーパラメータの組み合わせを数百から数千回の規模で自動的に試行します。長期予測の対象は海外生産のプライベートブランド商品で、約1万SKU、約9か月先までを見通します。短期予測は店舗在庫の自動発注に使われ、約1か月半先までが対象です。扱うSKU数は通常時約190万、繁忙期には最大500万に達します。導入は段階的で、2022年6月のミニマム運用開始、2024年9月の約200店舗への拡大を経て、2025年10月に全店舗へ展開しました。効果として新任担当者でも一定精度の発注が可能になり、店舗での欠品が減少したとされています。
中小企業への影響
需要予測は大企業だけの話ではなく、発注量の判断を担当者の経験に頼る中小の小売・卸・製造業には同じ構造の問題があります。表計算ソフトの参考値では季節商品の立ち上がりを読み切れず欠品するという失敗は、中小企業でほぼそのまま再現されています。属人化の解消は、人材採用が難しい企業にとって精度向上以上の価値があり、熟練者が辞めても品質が落ちない体制につながります。機械学習の専門家を雇わなくても、クラウドの予測サービスとAIによる自動チューニングを組み合わせれば精度を取りに行けます。対象を約1万SKUに絞っているように、全商品ではなく効果の大きい一部に限定して始めるやり方は現実的な第一歩です。予測誤差から欠品削減、さらに在庫最適化へと測り方を段階的に引き上げる考え方も、投資判断の社内説明に使えます。
経営者の視点
最初に、発注量を誰がどう決めているかを明文化してください。担当者の経験で決めているという答えが出れば、そこが属人化リスクの所在です。次に直近1年の欠品と、値下げ処分や廃棄を含む過剰在庫を金額で集計すれば、改善余地の大きさが投資判断の根拠になります。予測の対象は、売上上位・季節変動が大きい・調達期間が長いという3条件に当てはまる商品群を50から100品目に絞ります。既存の表計算による見込みとクラウド予測サービスの出力を3か月並走させ、誤差を比較すれば失敗コストは小さく済みます。効果指標は予測が当たったかではなく、欠品が減ったか、在庫金額が下がったかで設定し、月次で追ってください。熟練担当者の判断基準を聞き取って文書化すれば、予測に使うデータ項目の候補になります。なお再学習が低頻度だと急な需要変化に追随できず、欠品期間の売上をそのまま需要として扱うデータ品質の問題も精度を損ないます。
参考リンク
IT Leaders（インプレス）：カインズ、AIによるアルゴリズム探索で長期需要予測の誤差を19%改善
5. JR九州、生成AIで非エンジニアが車両データ可視化アプリを内製
概要
九州旅客鉄道（JR九州）は、生成AIを活用して非エンジニア社員による業務アプリの内製に成功しました。内製したのは、営業運転中の車両データをリアルタイムで分析・可視化するWebアプリと、勤務シフトを自動生成するアプリです。開発したのは運輸部企画課のプログラミング経験のない社員で、開発期間は2〜3カ月でした。使用したのはGoogle Workspace付属の生成AI「Gemini」と、Python用のWebアプリ構築フレームワーク「Streamlit」です。コードの9割以上をGeminiが生成し、社員は自然言語で要件を伝え、出力を検証し、改良を依頼する作業を反復しました。2025年9月に約30人規模のPoCを開始し、その後約400アカウントでの実運用に移行しています。営業部でもランディングページ制作に活用し、多段階だった予約導線を区間別紹介ページから直接予約手続きへ統合しました。勤務シフトは個人の負荷やスキルに応じた最適化が可能になり、条件を変えれば他部署にも転用できるとされています。
中小企業への影響
情報システム部門を持たない中小企業にとって、現場社員が業務ツールを作れることは外注費削減と作りたいものが作れるという二重の価値があります。2〜3カ月という期間は、外注で見積もり・要件定義・開発を経るより速く、小さなツールほど内製の優位が大きくなります。すでに契約しているGoogle WorkspaceやMicrosoft 365に付属するAIを使えば、追加コストをほぼかけずに着手できます。シフト作成、集計表づくり、データの可視化といった担当者が毎月手作業で続けている業務は、中小企業にこそ大量に残っています。プログラミング経験のない社員が作れた事実は、人材がいないからDXできないという前提を崩します。必要なのは業務理解と検証を続ける粘りです。数十人のPoCから広げる手順は1部署から始める形で再現でき、他部署へ転用できる性質は小さな投資の回収効率を高めます。
経営者の視点
担当者が毎月手作業で繰り返している業務を3つ挙げさせてください。シフト表、集計表、報告資料のいずれかが出てくれば、それが最初の内製候補です。契約中のグループウェアにAI機能が含まれているかを確認すれば、追加契約なしで始められる可能性があります。最初の対象は失敗しても業務が止まらず、正解が検証しやすいものを選び、可視化や集計から入って受注・在庫・会計などの基幹業務は避けます。挑戦する社員を1〜2名指名し、業務時間として数時間を正式に確保してください。片手間では形になりません。AIが生成したコードは業務担当者が実データで結果を突き合わせ、確認してから使う検証責任を明確にします。注意すべきは、中身を誰も理解していないツールがブラックボックス化すること、会社が把握しないシャドーITが増えることです。管理台帳と保管場所、異動・退職時の引き継ぎ先を最初に決め、成功したら作り方の手順ごと社内へ共有してください。
参考リンク
IT Leaders（インプレス）：JR九州、生成AIで非エンジニアが車両データ可視化アプリを内製、開発期間は2～3カ月
まとめ
今回の5件は、生成AIの業務適用、セキュリティ相談体制の強化、基幹システムの構造改革、需要予測の自動チューニング、現場社員による内製と入口は異なりますが、共通する要点は3つです。第一に、いずれも小さく試して評価し、効果を確認した範囲だけを広げる段階的な進め方を取っています。第二に、AIやシステムに任せる範囲と人が責任を持つ範囲を文書で切り分けています。第三に、効果の測り方を事前に決め、社内効率ではなく顧客や経営の指標で追っています。中小企業が今日から着手できるのは、公開システムと委託先の一覧づくり、文書業務の工程分解、見積もり回答時間の実測といった現状把握です。投資判断の前にまず測るという順序を守ることが、どの事例にも通じる出発点になります。
