上周，两则看似无关的新闻被报道。一则是专注于基础设施巡检的AI SaaS“TRASS”正式上线。另一则是Infomart在福冈开设专门从事“发票数字化”的新据点。
前者是“AI”这种尖端技术，后者是“数字化”这种不起眼的基础作业。许多经营者容易被前者的“华丽”所吸引，而轻视后者为“外包作业”。然而，将这两则新闻并列来看，在数字化或DX成功方面，经营者最容易看错、且必须决断的“本质顺序”便浮现出来。
那就是，在明确“提高经营决策可复现性”这一目的的基础上，为此设计“数据收集”，之后“高级分析/AI”才具有意义这一顺序。顺序一旦错误，AI就会沦为单纯的“昂贵玩具”，数字化则会变成“成本高昂的杂务”。
从新闻解读“双层结构”：数字化的地基与AI的屋顶
首先，让我们从“经营×IT”的视角来梳理这两则新闻。
1. Infomart“数字化推进中心”：这是通过专业据点，强化将模拟发票转换为数字数据的“数字化地基”的举措。是将记录“交易决策（向谁支付多少）”的最重要文件——发票，整理成可搜索、可汇总、可分析形态的作业。虽然不起眼，却是所有经营分析的起点。
2. 基础设施巡检AI“TRASS”：这是通过AI分析巡检业务中获取的图像数据，检测劣化与异常的“分析·决策支持屋顶”部分。据报道，其在实证实验中证实了“业务效率改善与巡检质量提升”。这是支持“设备维护相关决策（维修还是搁置）”的工具。
这里的关键在于，“TRASS”发挥效果的前提是，巡检业务已经确立，并且存在持续收集图像“数据”的环境。AI只有在这个地基之上，才能提高“决策的质量与速度”。
许多企业在DX上失败，正是因为只投资“屋顶（AI或分析）”，而“地基（数字化）”依然脆弱，或者在没有明确目的的情况下就开始收集数据。经营者有责任定义，为了提高自身“决策的可复现性”，应该按照何种顺序巩固哪些地基（数据）。
经营放弃定义的“数字化黑暗面”：3种典型的失败模式
即使头脑中理解“数字化很重要”，但如果经营不定义其目的与顺序，现场就会陷入以下“黑暗面”。
1. 无目的的数据收集：“总之先数字化”的陷阱
只有“要数字化”的号令先行，仅仅将纸质文件PDF化后扔进服务器。这样既无法搜索也无法汇总，只会堆积成“电子垃圾”山。Infomart之所以专注于发票，正是因为其直接关联“支付管理”、“供应商分析”、“资金周转预测”等明确的经营决策。经营必须首先问：“通过这次数字化，想要如何改善哪个决策？”
2. 部门各自为政：数据“方言”产生的瞬间
销售用Salesforce管理客户数据，财务用会计软件管理交易数据，制造用其他系统管理生产数据。或许各部门内部“效率”有所提升。然而，如果经营层不定义“用于全公司决策的通用数据项目与格式”，这些数据就会作为无法整合的“方言”四散各处。结果，陷入连“公司整体的客户单价”都无法简单计算的状态。
3. AI引入前，放任人工判断的“个人化”
像“TRASS”这样的巡检AI能取得效果的背景，前提是“熟练技术人员的诀窍”在一定程度上已形式化（手册化）。AI学习并扩展这种形式知识。但是，如果巡检的判断标准完全依赖检查员的“直觉与经验”，保持个人化状态，那么连供AI学习的“训练数据”本身都无法制作。经营应该在引入AI之前，就定义如何将人的判断转化为“可复现的流程与标准”的努力。
作为“经营IT”的数字化：设计决策的可复现性
在此，请回想编辑方针中的“3种IT分类”。本次的两则新闻，恰恰关系到“经营IT”的核心。
经营IT，是保障决策及其可复现性的IT。Infomart的发票数字化，提高了“支付决策”的透明度与可追溯性，使过去的决策变得可分析。巡检AI则提高了“设备投资·维护决策”的质量与速度，支持判断标准的均质化（可复现性）。
经营者应该做的，是明确定义这个“经营IT”的目的，而不将其与“管理IT”（成本削减、稳定运营）或“事业IT”（扩大销售的速度）混为一谈。在启动数字化项目时，经营者应能回答以下问题：
- 这次数字化，是为了提高哪个“经营决策”（例如：投资决策、人事评估、定价设定）的质量而进行的？
- 该决策目前是否依赖于个人的经验或直觉？
- 数字化之后，如何分析这些数据，在哪个会议上如何使用？（出口的设计）
不在经营会议上讨论这些问题，而将“总之先推进数字化”委托给信息部门或现场，等同于“放弃”了目的的定义。
实践步骤：经营主导决定“数字化顺序”的方法
那么，具体应该从何开始呢？在启动大规模的DX项目之前，请经营层先讨论以下3个步骤。
步骤1：确定一个最个人化、且最重要的“经营决策”
例如“新业务的Go/No-Go决策”、“对重点客户的资源分配”、“二手设备更换时机的判断”等。梳理出那些数字与经验混杂、依赖部分关键人物的决策。基础设施的“维修决策”就是其典型。
步骤2：设计该决策所需的“最小限度的数据项目”与“获取方法”
为了提高决策的可复现性，绝对必要的数据是什么？它目前以何种形式存在于何处？以Infomart的案例来说，就是设计如何可靠地、以可分析的形态收集“支付决策”所需的发票数据。在这个阶段，引入云端发票接收服务（例如Freee或Money Forward Cloud Invoice），或外包给Infomart这样的专业服务，就会成为备选方案。
步骤3：将数据分析与决策流程“可视化”，并运行改善循环
基于收集的数据，将决策流程可视化。最初使用Excel或BI工具（Tableau, Power BI）就足够了。此时，“为了更快、更准确地进行这个决策，AI（例如TRASS）或高级分析是否有效？”的讨论才开始具有意义。AI只是强化这个已确立的“数据→分析→决策”循环中某一部分的“手段”而已。
总结：数字化与AI是经营决策的“可复现性引擎”
基础设施巡检AI与发票数字化中心的新闻，象征着数字化的两个车轮。然而，其本质不在于技术本身，而在于IT能够支持经营的本质工作——即“将数据这种可复现性要素，嵌入经营决策这种不确定行为中，并作为组织资产积累、改良”。
只要经营者认为“数字化很麻烦”、“AI交给专家吧”，IT投资就永远是成本中心。反之，定义自身核心决策是什么、提高其可复现性需要哪些数据地基，并决定其整备顺序，这才是最高明的经营决策。
数字化，正是直面经营一直逃避的“决策个人化”问题，将公司从“人的直觉与经验”升华至“组织智慧”的绝佳机会。
评论