**Bing AIチャットは、Microsoftが開発し提供するAIチャットシステムです。**Bing AIチャットの言語処理には、大規模言語モデル（LLM）であるOpenAIのGPT-4を用いており、利用者が入力したチャットボックスは、自然言語で解釈され応答を返します。

学習済みの情報に加えて、ウェブ検索から得られる最新の情報から回答を生成できる特徴があります。

以降では、Bing AIチャットの使い方を最新機能と共に図解していきます。

【参考】：[Microsoft Bing](https://www.bing.com/)

*MicrosoftはBingにAI機能を搭載することを表明し、「AI-powered copilot for the web」と称していました。*2023年2月7日、「new Bing」「新しいBing」と名付けられたBingは、3月のOpenAIのGPT-4リリース発表を受けて、新しいBingもGPT-4上で稼働していることが公にされています。

【参考】：[AI を搭載した新たな Microsoft Bing と Edge が検索を再発明 ― ウェブの副操縦士](https://news.microsoft.com/ja-jp/2023/02/08/230208-reinventing-search-with-a-new-ai-powered-microsoft-bing-and-edge-your-copilot-for-the-web/)
【参考】：[新しい Bing が OpenAI の GPT-4 上で稼働](https://news.microsoft.com/ja-jp/2023/03/15/230315-confirmed-the-new-bing-runs-on-openais-gpt-4/)

新しいBingのリリース！AIを活用した検索サービスの登場

Bingに搭載するAIチャットシステムは、ユーザの問いかけに自然言語の文章で応えるシステムです。日本語の他、英語や中国語、スペイン語、フランス語、ドイツ語など100以上の言語に対応し、問いかけた言語で回答を得ることができます。

さらに、*AIチャットシステムの学習済みのデータおよびウェブ検索のリアルタイム情報から高度な文章を作成し、回答することができます。*

### Bing AIチャットとChatGPTの違い

MicrosoftはOpenAIに投資しており、ChatGPTをベースにシステムを開発しています。Bing AIチャットとChatGPTの違いですが、大きく学習方法の違いと料金体系に表されます。

OpenAIは2021年までの蓄積した学習データを用いて、自然な回答を生成することを目的にChatGPTを開発しています。そのため、ウェブ検索など最新の情報を回答に反映することができませんでした。

2023年5月には、ChatGPTに最新情報を取り込む、ウェブブラウジング機能が追加されており、「ChatGPT Plus」利用者から順次ユーザを拡大する予定です。

Bing AIチャットは、GPT-4に対して独自の学習データを用い検索エンジンを併用するために、リリース当初からウェブ検索の最新情報を含めて回答を生成できる点に違いがあります。

GPT-4を使用するには、「ChatGPT Plus」という有償のサブスクリプション契約が必要です。Bing AIチャットは、GPT-4をベースとしていますが無償で提供される点に違いがあります。

【参考】：[OpenAI](https://openai.com/)
【参考】：[ChatGPT](https://chat.openai.com/auth/login)
【参考】：[GPT-4](https://openai.com/gpt-4)

ChatGPTとBingの違いは？実際の回答を比較して解説

OpenAIのGPT-4とは？ChatGPTの進化版について解説！

*Bing AIチャットを使用するには、「新しいBing」にサインインします。*以前は、順番待ちリストへの登録が必要でしたが、2023年5月からはパブリックプレビューとして提供され、サインインのみで誰でも利用できるようになっています。

利用するにはEdgeやモバイル版Edgeを用います。サインインせずに使用する場合は、AIチャットシステムが動作するものの、機能や利用回数に制限が設けられています。2023年8月25日にはChromeデスクトップブラウザが正式サポートされており、今後他のブラウザでも追加サポートを予定しています。

【参考】：[Microsoft Bing Blogs: Bing Preview Release Notes: More Ways to Access Bing Chat](https://blogs.bing.com/search/august-2023/Bing-Preview-Release-Notes-More-Ways-to-Access-Bing-Chat)

*Bing AIチャットの始め方ですが、まず最初にMicrosoft Bingを開きます。*以下のURLからBingへアクセスすると、次の図のようにBingホームページが表示されます。

~~　【図】：Bingホームページの表示~~

Microsoft Bingから上部メニューの「チャット」を選択すると（①）、「GPT-4 を搭載したBing チャット」の画面が表示され、Bing AIチャットが起動します。

Bing AIチャットでは、下図の赤字で表すチャット入力ボックスに、自由に質問を入れることで該当する回答を返信してくれます。入力ボックスの入力が完了したら、送信ボタンをクリックするか、改行コードをキー入力するだけで、回答が得られます。

~~　【図】：Bing AIチャットを使用する~~

### Microsoft EdgeサイドバーからBing AIチャットを開く

*Microsoft Edge バージョン 111以降には、「サイドバー」が搭載されています。*「サイドバー」機能が搭載されているMicrosoft Edgeの画面右上には、「b」を模したアイコンが配置されています。これはBing AIチャット機能を起動するアイコンです。

このアイコンをクリックすると、Microsoft Bingを開くことなく直接AIチャットシステムを起動することが可能です。

次の図をご覧ください。Microsoft Edgeの画面右上に表示される「b」アイコンをクリックすると、Bing AIチャットがブラウザ上に表示されます（①②）。その際、元々の表示部分は左側で、横幅が縮小されてそのまま表示を使用することができます。

~~　【図】：EdgeサイドバーからBing AIチャットを開く~~

なお、【図】の①で示した「Bing」アイコンは、米国2023年10月18日にリリースした「Microsoft Edge」v118.0.2088.57以降では、機能追加とともに「Copilot」アイコンに更新されます。バージョンアップが完了したブラウザでは、「Copilot」アイコンをクリックしてBing AIチャットを開きます

【参考】：[マイクロソフトエッジについて](https://www.microsoft.com/ja-jp/edge?form=MA13FJ)
【参考】：[マイクロソフトエッジでのBingチャット](https://www.microsoft.com/ja-jp/edge/features/bing-chat?form=MT00D8)

Windows Copilotが新登場！優秀なAI機能の概要を解説

### Bing AIチャットの3つの会話スタイル

Bingでは、会話のスタイルが3通りあります。*Bing AIチャットの画面を下にスクロールすると、次の図のような「会話のスタイルを選択」が表示されます。*

~~　【図】：会話のスタイルを選択~~

「会話のスタイルを選択」は、「より創造的に」「よりバランスよく」「より厳密に」の3種類です。他のAIチャットシステムの場合は単一の回答となりますので、この機能を用途に応じて使い分けするなど、多様な用途に対応できるでしょう。

### 「より創造的に」の会話スタイル

*「より創造的に」の会話スタイルでは、生成AIを最大限活用します。*この場合の会話スタイルは、次の図のように「赤」で色分け表示されます。

~~　【図】：「より創造的に」の会話スタイル~~

チャット入力ボックスに「2024年の景気は良くなりますか？簡潔に回答してください。」と入力し、次の図のように回答を得ました。

~~　【図】：「より創造的に」の回答例~~

ここで簡潔に回答を求めた理由は、「より創造的に」の場合は、創造性豊かに多くの情報を回答してくれるため、スクリーン表示を大幅に超えたためです。図解の都合上、回答する分量を調整しています。

### 「よりバランスよく」の会話スタイル

*「よりバランスよく」の会話スタイルでは、中立性を保ちながら生成AIを活用します。*この場合の会話スタイルは、次の図のように「青」で色分け表示されます。

~~　【図】：「よりバランスよく」の会話スタイル~~

「より創造的に」同様に、チャット入力ボックスに「2024年の景気は良くなりますか？簡潔に回答してください。」と入力し、次の図のように回答を得ました。

~~　【図】：「よりバランスよく」の回答例~~

回答の分量と質は、ちょうど「より創造的に」と「より厳密に」の中間程度となります。適度にAI生成が活用されます。

### 「より厳密に」の会話スタイル

*「より厳密に」の会話スタイルでは、出典情報に基づき回答を導きます。*この場合の会話スタイルは、次の図のように「緑」で色分け表示されます。

~~　【図】：「より厳密に」の会話スタイル~~

こちらも同様に、チャット入力ボックスに「2024年の景気は良くなりますか？簡潔に回答してください。」と入力し、次の図のように回答を得ました。

~~　【図】：「より厳密に」の回答例~~

「より厳密に」の場合は、より根拠が適切か判断がなされているようです。参考情報も比較的厳密に分析されていると感じます。何よりも、出典情報が提示されるのは、より詳細情報を調査する際には必要な機能ですので、有効に利用することができるでしょう。

*バージョンアップにより、Bingで画像イメージを使用したチャットが可能となりました。*ここでは犬の写真を添付し、「これは、何ですか？」と尋ねてみることにします。次の図をご覧ください。

ここでは、「これは、何ですか？」と入力ボックスにあらかじめ入力しておきます（①）。続いて入力ボックス左下の画像アイコンをクリックします（②）。「画像を追加」がポップアップ表示されますので、任意の方法で画像を追加します（③）。

画像が入力ボックスに追加されたことを確認し、送信ボタンを押します（④⑤）。

~~　【図】：Bing AIチャットの画像検索の流れ~~

質問の入力が送信されると、画像の分析とともに回答を生成します。次の図のように、画像の分析も、高精度に分析し回答してくれます。

~~　【図】：画像検索を使った回答例~~

さらに追加指示を行う必要もなく、「DALL·E 3」を用いた「Bing Image Creator」による、AI生成画像も送ってくれます。次の図は、分析した犬の画像から類推した、生成画像です。

~~　【図】：画像検索から得られた生成画像~~

生成画像は、入力ボックスのプロンプトを工夫することで、より自身が求める情報として回答してくれるはずです。

【参考】：[Bing と Edge による AI イノベーションの新たな波を発表](https://news.microsoft.com/ja-jp/2023/05/08/230508-announcing-the-next-wave-of-ai-innovation-with-microsoft-bing-and-edge/)
【参考】：[Open AI DALL·E 3](https://openai.com/dall-e-3)

## Bing AIの使い方はより簡単に便利に進化している

Bing AIは、Microsoft Edgeを前提としていますが、順番待ちなどの制限も解除され誰でも利用することができます。Edge以外のブラウザが使えないなどの不便さもこれまでありましたが、すでにChromeもサポートされていますので、使いやすくなっていることが実感できるでしょう。

このように、**最新の画像生成AIが無料で利用できるなど、Bing AIの進化は当分続くと考えられるため、おすすめのAIチャットシステムと言うことができるでしょう。**

「Bing Chat Enterprise」がリリース！利用方法や有効化について

Bing AIチャットは、Microsoftが開発提供するAIチャットシステムです。Open AIのGPT-4を利用し、より自然な回答を生成します。ここでは、BingタスクバーやAI画像検索などの最新機能を含む、実際の操作方法を図解していきます。

Bing AIチャットは、Microsoft製AIチャットシステムで、Open AIのGPT-4を利用しています

Edgeの他、Chromeもサポートされており、今後他のブラウザも順次サポートされます

AIによる画像検索機能やAI画像生成機能が追加されるなど、今後の機能拡張も見込まれます

Bing AIの使い方を解説！始め方からChatGPTとの違い・操作方法も図解

機械学習エンジニアは、人工知能・AIの領域でシステムを設計・構築するエンジニアを指します。また機械学習エンジニアは、ML（Machine Learning）エンジニアとも言われています。ここでは機械学習エンジニアの詳細に迫ります。

今さら聞けない人工知能（AI）の基礎知識｜AI開発の基本を解説！

AIエンジニアとは？AIエンジニアの概要と転職で成功するための秘策を解説

機械学習の説明をする上で前提となるのが、人工知能についての知識です。人工知能とは、人間が備えている知的な行為をコンピュータの手続き・アルゴリズムに基づき、所定のデータを与えることで機械的に実行することを研究する領域です。

人間の介在なしに機械的に実行することができれば人間の負担が減り、従来経験則に任せていた領域も科学的に最適な結果を導くことが可能になります。

**機械学習は人工知能の1種で、学習方法を定義して機械的に学習させるため、過去の蓄積データから将来を予測するための技法を指します。**

関連した用語としてよく聞かれる「深層学習（Deep Learning）」とは、人間の脳神経であるニューロンをヒントにモデル化されたニューラルネットワークを用いた技術です。十分なデータ量を与えることで、機械が人間の介在なしに自動的にデータから特徴を抽出し、パターン認識等に活用していきます。

したがって、「人工知能 ⊃ 機械学習 ⊃ 深層学習」の関係を持ち、人工知能は全体を包摂する関係にあります。

### データサイエンティストとの違い

よく求人サイトの募集職種で、データサイエンティストや機械学習エンジニアが記載されていますが、*データサイエンティストとは機械学習アルゴリズムを使うシステム利用者で、データ分析者・統計の専門家を指します。*一方、機械学習エンジニアは機械学習アルゴリズムを設計・実装する技術者のことで、ITエンジニアの1種です。

データサイエンティストに役立つ資格8選！取得のメリットや難易度は？

### 機械学習エンジニアはAIエンジニアの一種

*AIエンジニアとは、AI関連の技術職全体を指します。*具体的には、上記のシステム構築側の機械学習エンジニアおよびシステム利用側のデータサイエンティストが含まれます。

AIエンジニアについて解説する際は、目的別に機械学習エンジニア・データサイエンティスト・データアナリストに分けて仕事内容を説明します。

データアナリストとは？仕事内容や向いている人の特徴を解説

<center>[エンジニア転職を成功させるため<br/>ぜひ*『マイナビIT エージェント』*をご活用ください！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)</center>

## 機械学習エンジニアの仕事内容

機械学習エンジニアは、AI分野の技術の専門家として認知されています。一般企業の他、学術系研究機関に勤務される方もいます。ここでは、機械学習エンジニアの具体的な仕事内容について触れていきます。

### 機械学習に用いるデータの収集・整形

**膨大なデータの収集・整理・管理はもちろん、データの整形までもコンピュータで行います。**その際、学習には「教師あり学習」「教師なし学習」「強化学習」の3パターンがあり、目的によって使い分けをします。機械学習エンジニアはこれらの作業を行うコンピュータに指示を出したり管理したりする役割があります。

### 機械学習を用いたシステムの設計・開発

クライアントの要望に合わせて必要な機械学習のアルゴリズムを構築し終えたら、そのモデルを元にシステムやサービスを設計・構築・運用していきます。

実際にこの機械学習モデルをサービスとして活用した際に得られる結果が、どういったものになるのかを明確にする必要があるため、複数のモデルを作成して1つに絞り込んで改良していきます。

システム開発の工程とは？基本的な流れや略語の意味を解説！

### 機械学習のためのインフラ構築

機械学習を行うには、膨大なデータを処理したり安全・効率的に運用したりする必要があり、それには実行環境を整えなければなりません。Web APIとして呼び出せる設計を行ったりバッチなどの処置を管理したりと、*目的に合わせたインフラの構築をするのも機械学習エンジニアの仕事です。*

インフラエンジニアの種類とは？適性や興味から目標分野を定めよう！

## 機械学習エンジニアに必要なスキル

ここでは、機械学習エンジニアにはどのようなスキルが必要なのかまとめました。

機械学習エンジニアはシステム構築サイクルを任されるため、プログラム開発や学習アルゴリズムの設計の知識が求められます。**プログラム開発では、Python・C・C++が主な開発言語です。**特に、PythonはAI・機械学習・データ解析には欠かせません。C・C++・Javaは人工知能関連の開発で活用されています。

未経験者の場合は、まずはこれらのプログラミング言語の知識から習得しましょう。

Pythonと機械学習を学んでAI時代に対応できるエンジニアに

Javaとは？人気プログラミング言語Javaの将来性やメリットについて解説

機械学習エンジニアが担うアルゴリズム設計には、プログラミング言語の理解の他に、**高度な数学や統計理論を多用します。**アルゴリズムの目的によって必要な数学的・論理的な知識が異なるため、一定の知識や経験が求められます。

例えば、顔認識や文字認識として画像を使用した機械学習を行いたい場合は、画像認識学の知識が必要です。

機械学習エンジニアには、システムインフラの技術も求められます。特に最適化には、ハードウェアの知識に基づいてシステムメモリーの利用や計算手法を最適化するため、OSとハードウェアの知識が求められます。

### データベースやクラウドに関する知識

機械学習エンジニアは、**収集したデータを格納するためにHadoopやSQL等のデータベースを理解している必要があります。**過去の蓄積データを活用するためには、ビッグデータの理解も合わせて必要です。また、最近ではクラウドにデータを格納することも増えているため、クラウド連携も知識があると有利でしょう。

クラウドサービスとは？種類やメリット・デメリットをわかりやすく解説

AWSは機械学習でも注目度が上昇中！活用例と学習方法を解説

### 機械学習エンジニアになるまでのロードマップ

これまで機械学習エンジニアに必要なスキルを紹介しましたが、ではこういった知識を習得するためにはどのような学習手順を踏めば良いのでしょうか。ここでは、機械学習エンジニアになるまでのロードマップを簡単に紹介します。

まずは機械学習やAI関連で活用するプログラミング言語を学びます。おすすめはPythonです。Python学習において必要な開発環境を整え、基礎文法やサンプルプログラムを作ってみましょう。

AIや機械学習において必要な数学の分野は、微分積分・線形代数・確率統計です。範囲としては大学で学ぶ程度で十分とされているため、高度な知識は求められません。統計学においては、まずは分布・推定・検定などの基本的な概念から学んでいきましょう。

機械学習は、教師あり学習・教師なし学習・強化学習の3つに手法があり、それぞれのアルゴリズムは異なります。ニューラルネットワークやk近傍法などさまざまな種類がありますので、参考書や学習サイトなどで学んでいきましょう。

*④機械学習を実装したものを作成してみる*

これまでに習得した知識やスキルを活かして、実際に機械学習を実装しているAIを作成してみましょう。実際に作ってみることでしか知り得ないことを学べます。

*⑤ITエンジニアからスタートする*

いきなり機械学習エンジニアを目指すのではなく、まずはプログラマーやシステムエンジニアなどからスタートし、システム開発について知見を広めましょう。

*⑥機械学習エンジニアの案件に応募する、もしくは転職する*

フリーランスとして機械学習エンジニア向けの案件に応募したり、転職によって機械学習エンジニアを目指したりする方法もあります。その際、転職エージェントを活用して研修制度が充実している企業に出会えるようにしましょう。

Pythonの学習ロードマップとは？習得のコツやおすすめのサイトを紹介！

未経験からITエンジニアになるには？ステップと効果的な転職方法を徹底解説！

機械学習が学べるおすすめの本12選！初心者から上級者まで厳選してご紹介！

<center>[あなたに合った企業選びをサポート致します。<br/>エンジニア転職のご相談はぜひ<br/>*『マイナビIT エージェント』*へ！](https://mynavi-agent.jp/it/?utm_source=and-engineer&utm_medium=content-text&utm_campaign=acv12_2)</center>

## 機械学習エンジニアに必要な資格

どのような職種でも実務経験に加えて資格を取得できれば、対外的に自分のスキルを証明することが可能です。ここでは、機械学習エンジニアが取得しておきたい資格について紹介します。

機械学習エンジニアの能力を証明するために、日本ディープラーニング協会の検定「G検定」がおすすめです。G検定はジェネラリスト向けの検定、E資格はエンジニア向けとなります。**資格取得により、人工知能ならびに機械学習に関する知識の証明が可能です。**

【参考】：[一般社団法人 日本ディープラーニング協会のG検定、E資格](https://www.jdla.org/)

G検定とはどのような資格？難易度や勉強方法、活かせる仕事も紹介

統計自体の能力を証明するために、統計質保証推進協会の「統計検定」を取得しましょう。**この資格を取得することでデータに基づいた客観的な判断ができ、科学的に問題を解決する統計能力を証明できます。**機械学習エンジニアのみならず、データサイエンティストにもおすすめの資格です。

【参考】：[一般財団法人 統計質保証推進協会の統計検定](https://www.toukei-kentei.jp/about/)

統計検定2級とは？合格するための勉強法や資格が活かせる仕事も紹介

### データベーススペシャリスト試験

「データベーススペシャリスト試験」は、情報処理技術者試験の1つで、**データベースの設計監理者や管理責任者が対象です。**高度なIT人材として専門的な知識や技術を証明し、情報システム基盤の企画・要件定義・開発・運用・保守の役割を果たすために役立ちます。

【参考】：[データベーススペシャリスト試験(DB)](https://www.ipa.go.jp/shiken/kubun/db.html)

データベーススペシャリスト試験とは？活用できる仕事や効果的な勉強方法を解説

## 機械学習エンジニアはやめとけ？メリットはある？

機械学習エンジニアはIT時代の昨今では需要が高いですが、「やめとけ」と言われることがある職種でもあります。ではなぜそのようなことを言われてしまうのでしょうか。ここでは、その理由やメリットについても解説します。

### ハードルが高いが、重宝される人材になれる

前述したように、機械学習エンジニアに求められるスキルは、プログラミングスキルなどITエンジニアとしての基本的なスキルに加え、統計などの数学的知識も必要です。

そのため、習得しなければならない知識の幅が広く、ハードルが高く感じてしまう部分もあります。特に未経験から機械学習エンジニアを目指すとなると、難しく思えるところは多いでしょう。

しかし、*機械学習エンジニアになる過程で得る知識やスキルは、今後のIT社会で活躍できる武器にもなり、IT人材として重宝されやすくなります。*自身の市場価値を高めるためにも、チャレンジする意義は大いにあるでしょう。

また、未経験採用に力を入れて研修制度が整っている企業に入社できれば、働きながら機械学習エンジニアとして成長することができるため、転職エージェントを活用してそのような優良企業を見つけるのもおすすめです。

### 技術進歩に付いていくことで高い知識やスキルが保たれる

ITの技術は日進月歩で常に進化しており、機械学習エンジニアやAIエンジニアは常に最新の情報を把握しておくことが求められます。そのため、日々の多忙な業務と並行して学習も継続させる必要があり、それが「きつい」「やめとけ」と言われてしまう要因の1つにもなっています。

**しかし、こういった学習の継続は自身のスキル向上に繋がるので、今後昇進やキャリアアップの際には有利に働くでしょう。**

## 機械学習エンジニアの年収やキャリアパス

機械学習エンジニアは、人工知能の領域の経験や統計の知識が求められます。ここでは、その先にあるキャリアの選択肢や結果として得られる年収について説明していきます。

ここでは、機械学習エンジニアの年収例を紹介します。今回は「製品開発／研究開発」というカテゴリで見ていきます。

「マイナビエージェント 職種図鑑」での「製品開発／研究開発」の平均年収は477万円（※2023年8月執筆時点）、経済産業省2017年発表の「IT関連産業の給与等に関する実態調査結果」から近い職種の「IT技術スペシャリスト（特定技術(DB・NW・セキュリティ等））」を参考にすると、平均年収758万円と分かりました。

機械学習エンジニアは、AI領域を担うエンジニアです。今後、コンピュータの利用領域の広がりにより、人間の介在なしに処理できる、自動化の適応がより進んでいきます。コンピュータによる認識や予測・分析のニーズが高まる中、システムを支える機械学習エンジニアの需要が高まるでしょう。

機械学習エンジニアは、人工知能AIの領域で、システムを設計・構築するエンジニアを指します

コンピュータ知識の他、数学や統計の高度なスキルが必要とされます

AI市場はさらに拡大していき、機械学習エンジニアの需要が、さらに高まるでしょう

機械学習エンジニアとは？AIエンジニアとの違いや年収、言語を紹介

DX（デジタルトランスフォーメーション）は、デジタルデータやICTを活用し、組織や業務の改革を行うことです。近年、多くの企業がITが進む時代に合わせてDX推進に取り組んでいます。

*DX推進指標は、企業の経営者や関係者がDXの推進に向けた課題と現状を共有し、DXを進めやすくなるようにするためにまとめられたツールです。*DX推進指標を活用することで、自社の課題を把握し、改善へ向けた取り組みにつなげることができます。

この記事では、自社のDXの取り組み方に迷う方や、DX化をさらに進めたい方のために、DX推進指標の概要やメリット、活用のポイントについて解説していきます。

DXとは？その意味と日本の現状、DX推進の障壁となる要因を分かりやすく解説！

DX推進ガイドラインとは？DX実現に向けた経済産業省の提言を徹底解説

まず、DX推進指標の目的と、自社のDX推進の度合いを確認するための成熟度、キークエスチョンとサブクエスチョンについても説明します。

経済産業省は2018年9月、「DXレポート ～ITシステム『2025年の崖』の克服とDXの本格的な展開～」を発表し、企業の複雑化・老朽化・ブラックボックス化した既存システムが企業で残り続けることが引き起こす、様々な問題を指摘しました。

この問題が解決できない場合、2025年以降、年間で最大12兆円の経済損失が生じる可能性があることを明らかにして、これを「2025年の崖」と呼びました。

そしてその対策として、企業がDX推進のアクションを起こしやすくするために「『DX推進指標（デジタル経営改革のための評価指標）』とそのガイダンス」を発表しました。

*経済産業省はDX推進指標を、「経営者や社内の関係者がDXの推進に向けた現状や課題に対する認識を共有し、アクションにつなげるための気付きの機会を提供するもの」と説明しています。*

【参考】：[DXレポート ～ITシステム「2025年の崖」克服とDXの本格的な展開～（METI/経済産業省）](https://www.meti.go.jp/shingikai/mono_info_service/digital_transformation/20180907_report.html)
【参考】：[DX推進指標のご案内 | 社会・産業のデジタル変革 | IPA 独立行政法人 情報処理推進機構](https://www.ipa.go.jp/digital/dx-suishin/about.html)

### DX推進指標を使用した自己診断とIPAへの提出

企業がDX推進指標を活かし、自己診断を行うことができるように、独立行政法人情報処理推進機構（IPA）が、「DX推進指標 自己診断フォーマット」 の配布と、自己診断結果の収集及び分析を行っています。

*企業はこの自己診断フォーマットを使用して、経営幹部や事業部門・IT関連などの関係者が集まり議論することで、自社のDX推進指標の進行状況や、次の目標を定めるための役に立てることができます。*

また、自己診断結果をIPAに提出すると、ベンチマークレポートを取得することができ、他の企業のDX推進の度合いと比較して、自社がどの段階にあるのかを確認することができます。

【参考】：[DX推進指標のご案内 | 社会・産業のデジタル変革 | IPA 独立行政法人 情報処理推進機構](https://www.ipa.go.jp/digital/dx-suishin/about.html)

## DX推進指標における成熟度と構成

DX推進指標では、企業のDX推進の状況の段階を把握しやすくするために、DX推進指標の成熟度を6段階に分けて評価しています。また、DX推進の構成を、キークエスチョンとサブクエスチョンに分けて取り組みやすくまとめています。

DX推進指標では、企業のDX推進の成熟度を6つの段階に分けて評価しています。

*企業がどの段階に位置しているかを把握し、適切な施策を行うための基準にすることができます。*

*■レベル0*（未着手）：DXに無関心か、関心があっても取り組んでいない段階
*■レベル１*（一部での発散的実施）：企業全体の戦略が定まらず、一部の部門での限定的な実施が行われている
*■レベル2*（一部での戦略的実施）：企業の戦略が策定され、一部の部門でDXに取り組んでいる
*■レベル3*（全社の戦略に基づく部門横断的推進）：全社的な戦略に基づき、部門を横断してDXに取り組んでいる
*■レベル4*（全社の戦略に基づく持続的実施）：定量的指標を活用し、持続的に取り組んでいる
*■レベル5*（グローバル市場におけるデジタル企業）：DX推進により、デジタル企業として競争上の優位性を獲得し、グローバル競争を勝ち抜くことができる

### DX推進指標のキークエスチョンとサブクエスチョン

DX推進指標では、9つのキークエスチョンと26のサブクエスチョンに基づいて、企業のDX推進への取り組み状況を確認します。

キークエスチョンはDX推進やITシステム構築の枠組みを定める重要なテーマであり、経営者が回答することが望ましい項目です。サブクエスチョンはキークエスチョンの詳細情報であり、経営者と関連部門が協力して議論し、回答します。

キークエスチョンは以下の9項目です。*まずは、DX推進に関するこれらの項目について、経営陣がしっかりと認識して目標を定め、関連部門や担当者と打ち合わせを進めていくことが重要です。*

*■キークエスチョン*
・ビジョン
・経営トップのコミットメント
・仕組み
・マインドセット・企業文化
・推進・サポート体制
・人材育成・確保
・事業への落とし込み
・ビジョン実現の基盤としてのITシステムの構築
・ガバナンス・体制

DXの推進力となる5つのデジタル技術と、企業の適切な選択方法

DX推進指標を活用することで、DX推進指標に対する社内の共通認識の構築、次の目標決定、DX推進の管理や評価など、DX推進を社内全体で継続して行うための活動につなげることができます。

### 社内でのDX推進の共通認識ができる

DX推進指標の自己評価を行う際、関係者が集まって議論することで、認識の共有を持つことができます。*課題や施策などの認識が社内で共有されることで、DX推進に向けた議論が活発化し、実行を円滑に進めることができます。*

また、全社的な戦略に基づき、継続的な取り組みを行うためにも、関係者間での情報共有や共通認識が重要です。

DXのシステム内製化とは？必要な理由と注意すべきポイントを徹底解説！

### 次に取り組むべき目標が設定できる

DX推進指標を利用して自社の現状や課題を把握することで、取り組むべき方向性が明らかになります。*自己診断を行って、達成できていない項目があれば、それが次に取り組むべき目標であることが分かります。*

IPAに自己診断を提出してベンチマークを確認し、他社のDX推進成功事例などを確認して、自社に適した施策を取り入れることもできるでしょう。そうすることで、具体的に次に何を実行すればいいかが明確になり、停滞することなくDX推進への取り組みを向上させていくことが可能です。

### DX推進の管理や評価ができる

取り組みを継続するためには、活動の管理や評価が必要不可欠ですが、DX推進は多くの企業にとって前例のない取り組みでもあるため、その管理や評価を行うには、何らかの指標が必要です。

そこで、DX推進指標を活用することで、DX推進の管理や評価を行うことが可能です。*定期的にDX推進指標を使って自己診断を行うことで、自社のDX推進指標の進捗度合いを確認することができ、行動と評価のアクションを繰り返すことができます。*

## DX推進指標の自己診断とIPAへの提出

ここでは、DX推進指標を使って自己診断し、IPAへ提出する流れと、ベンチマークの活用について解説します。

技術の記事（5ページ目）