概要
AIがコードを書く時代に、業務分析の重要度はむしろ上がっています。実装コストが下がる以上、競争の重心は「何を作るか」の精度に移るからです。本稿は、経産省DSSが定めるビジネスアーキテクト（BA）の13スキルから「課題発見・定義」「価値発見・定義」「ビジネス調査」「データ理解・活用」の4スキルを中核に、AI時代の業務分析手法を整理します。IT企業の上流エンジニアと育成責任者が、明日から現場で使える手法に絞りました。
なぜ業務分析がAI時代に再注目されるのか
業務分析は、これまでITコンサル・SIerの上流工程として位置づけられてきました。要件定義の手前で、業務プロセス・KPI構造・課題を整理する作業です。実装コストが高い時代は、業務分析を多少粗くても実装で吸収できました。AI時代はこれが逆転します。
- 実装コストが10分の1になる → 「何を作るかの定義」が競争優位の源泉に
- AI生成コードが急増する → 「正しい仕様の定義」がボトルネックに
- 業務が高速に変化する → 「業務の現状を素早く把握する力」が希少資源に
結果として、業務分析は「上流の重要工程」に再昇格しました。AI時代の業務分析手法は、従来の手法をベースにしつつ、AI支援で速度と精度を桁違いに上げる必要があります。
AI時代の業務分析——5つの主要手法
業務分析の代表的な手法は、AI時代に次の5つに整理されます。
手法1：プロセスマイニング——AIで業務の実態を可視化
プロセスマイニングは、業務システムのログから実際の業務プロセスを自動可視化する技術です。CelonisやSAP Signavioなどのツールが代表的で、生成AIと組み合わせることでボトルネックや逸脱パターンを自然言語で解釈できるようになりました。
- 利点：思い込みではなく「実際のデータ」から業務を把握できる
- 限界：システムログがない手作業は捉えられない
手法2：業務プロセスマッピング（BPMN）
BPMN（Business Process Model and Notation）は、業務プロセスを標準記法で図示する手法です。AIに業務記述のテキストを与えると、BPMN図のドラフトを生成できる時代になりました。人は生成図を検証し、現場知見を反映します。
手法3：SIPOC分析
SIPOC（Supplier-Input-Process-Output-Customer）は、業務を「サプライヤー・インプット・プロセス・アウトプット・顧客」の5要素で整理する手法です。製造業の品質改善で使われてきた古典的な手法ですが、AI支援でドラフト作成が高速化しました。
手法4：KPIツリー分析
KPIツリーは、売上・利益などのトップKPIを構成要素に因数分解する手法です。マッキンゼー型のイシューツリーと組み合わせて、業務改善のレバレッジポイントを特定します。生成AIは、KPI構造のドラフトを業界別に瞬時に提示できます。
手法5：LLM支援ヒアリング
業務分析の中核は、現場ヒアリングです。AI時代は、ヒアリング音声をリアルタイムで文字起こしし、LLMが論点抽出・矛盾検出・追加質問案を提示する形に進化しています。ヒアリングの質と速度が改善します。
DSSの「課題発見・定義」スキル——業務分析の中核
経産省DSSがBAに求める13スキルの中で、業務分析に直結するのは「課題発見・定義」スキルです。DSSはこのスキルを「事業活動上の問題を構造的に分析し、解くべき課題として定義できる」と定義しています。
課題発見・定義のプロセスは以下の4ステップで整理できます。
- 症状の収集：現場の不満・KPIの異常・顧客クレームを網羅
- 構造化：症状をMECEに分類し、因果関係を整理
- 真因の特定：5Why・特性要因図で根本原因に到達
- 課題の定義：「解くべき問い」を1行で言語化
AIは1〜2の収集・構造化を加速します。一方、3〜4の真因特定・課題定義は、業務文脈と組織政治を理解した人が担う領域です。
業務分析を学ぶ——4ステップ育成プログラム
業務分析スキルは、座学だけでは身につきません。4ステップで段階的に育成します。
Step 1：基礎理論（2週間・座学）
- BPMN・SIPOC・KPIツリー・イシューツリーの基礎
- DSSのBA13スキルから関連スキルを学ぶ
- AI支援ツール（プロセスマイニング・LLM）の使い方
Step 2：ケース演習（4週間・グループワーク）
- 製造業・小売業・金融業の業務分析ケース
- AI支援で業務マップをドラフト → 人が検証
- グループでKPIツリーを構築し、改善仮説を提案
Step 3：模擬ヒアリング（2週間・ロールプレイ）
- 経営層・現場部門長・情シスのロールプレイ相手
- LLM支援ヒアリングのワークフローを体得
- ヒアリング後の業務マップ更新を実践
Step 4：実案件OJT（3カ月以上）
- 実顧客の業務分析にアサイン
- シニア（コンサル業界出身者）が伴走
- アウトプットを経営層レビューに上げる
総計4カ月程度で、業務分析の独り立ちレベルに到達するプログラムです。
業務分析の落とし穴——AI時代に避けるべき3つの失敗
AI支援で業務分析が高速化する反面、AI時代特有の失敗パターンも生まれています。
失敗1：AI生成のBPMN図を鵜呑みにする
AIは「もっともらしい」業務図を生成しますが、現場の例外処理・暗黙のルールは見落とします。生成図は必ず現場検証を経る必要があります。
失敗2：プロセスマイニングだけで満足する
システムログには現れない「手作業」「メール」「電話」の業務が、現場では大半を占めます。プロセスマイニングは出発点であり、ヒアリングと組み合わせる必要があります。
失敗3：分析が目的化する
業務分析は「課題を解くため」の手段です。きれいな業務マップを作ることに時間を使いすぎると、解決行動が遅れます。
まとめ——AI時代の業務分析は「人とAIの分担」が鍵
AIがコードを書く時代に、業務分析は再び上流の重要工程です。プロセスマイニング・BPMN・SIPOC・KPIツリー・LLM支援ヒアリングの5手法を、人とAIの役割分担で組み合わせることで、業務理解の速度と精度を桁違いに上げられます。
経産省DSSの「課題発見・定義」スキルを土台に、4ステップ4カ月の育成プログラムで業務分析のプロを組織的に育てましょう。業務×AI×実装の三位一体を担う上流エンジニアの出発点は、業務を読み解く力です。
Ballistaと相談する
ConStepでは、AI時代の業務分析スキル育成プログラムを提供しています。プロセスマイニング・LLM支援ヒアリングを含む実践的なカリキュラムで、上流エンジニアを組織的に育てます。
